KI-Abläufe brauchen den Vergleich mit echten Fällen

Kurzfassung: Agentische KI sollte bestehende Abläufe im Mittelstand nicht sofort ersetzen. Entscheidend ist, ob der neue Ablauf unter realen Fällen bessere verwertbare Ergebnisse liefert. Der Vergleichsbetrieb zeigt Übergabequalität, Nacharbeit, Datenlücken und Entscheidungsqualität, bevor alte Routinen schrittweise zurückgenommen werden.

Neue KI-Systeme greifen tiefer in betriebliche Arbeit ein als klassische Assistenzwerkzeuge. Sie schreiben nicht nur Texte, sondern können Aufgaben planen, Werkzeuge nutzen, Daten verbinden und Entscheidungsvorlagen erzeugen. Für KMU heißt das: Die Einführungsfrage ist keine reine Technikfrage. Ein agentischer Arbeitsablauf muss beweisen, dass seine Ergebnisse im nächsten Arbeitsschritt verwendbar sind, ohne Angebote, Servicearbeit oder Projektabwicklung im laufenden Betrieb zu destabilisieren.

Der Auslöser: KI übernimmt mehr Zwischenschritte

OpenAI beschreibt Agenten als Systeme, die Ziele verfolgen, Werkzeuge einsetzen und mehrstufige Aufgaben bearbeiten können. Anthropic betont für wirksame Agenten zugleich einfache, kontrollierbare Abläufe statt unnötig komplexer Automatisierung. Der NIST AI Risk Management Framework ordnet KI-Risiken nach Nutzungskontext, Messbarkeit und Steuerbarkeit ein.

Für Geschäftsführer und Bereichsleiter ergibt sich daraus ein klarer Maßstab: Agentische Arbeitsabläufe sind erst dann reif für den Regelbetrieb, wenn sie zur Organisation passen. Nicht die Modellleistung allein zählt, sondern die organisatorische Anschlussfähigkeit. Kann die nächste Rolle im Unternehmen mit dem Ergebnis zuverlässig weiterarbeiten? Stimmt die verbindliche Datenquelle? Bleibt fachliche Prüfung nachvollziehbar? Werden Übergaben klarer oder nur schneller?

Darum ist der Vergleich mit dem Bestand so wichtig. Derselbe Fall wird weiterhin wie gewohnt bearbeitet und zusätzlich durch den KI-gestützten Ablauf vorbereitet. Erst dieses Nebeneinander zeigt, ob ein System echte Produktivität erzeugt oder nur Arbeit von der Erstellung in die Kontrolle verschiebt.

Plausible Ausgaben reichen nicht aus

Ein KI-Ergebnis kann überzeugend aussehen und trotzdem betrieblich falsch liegen. Ein Angebot kann sauber formuliert sein, aber eine alte Preisinformation oder eine falsche Marge verwenden. Eine Serviceantwort kann freundlich und vollständig wirken, aber eine Eskalationsregel oder Servicevereinbarung übersehen. Eine Projektzusammenfassung kann lang genug sein und dennoch Termine, Abhängigkeiten oder Verantwortlichkeiten nicht eindeutig machen.

Das ist der Unterschied zwischen Ausgabequalität und Anschlussqualität. Für KI im Mittelstand ist nicht entscheidend, ob ein einzelnes Dokument gut klingt. Entscheidend ist, ob Einkauf, Vertrieb, Service, Projektleitung oder Geschäftsführung mit dem Ergebnis ohne zusätzliche Korrekturschleife weiterarbeiten können.

Im Angebotsprozess heißt das: Stimmen Kalkulation, Lieferfähigkeit, Kundensituation und Freigabeweg? In der Servicearbeit: Wird der Fall richtig priorisiert, wird die passende Lösung vorgeschlagen, sinkt die Zahl der Rückläufer? In der Projektabwicklung: Werden offene Punkte, Risiken und nächste Verantwortlichkeiten klarer? Diese Kriterien sind näher am Geschäft als reine Bearbeitungszeit.

Der Vergleichsbetrieb macht solche Fragen messbar. Er zeigt nicht nur, ob ein KI-Ablauf schneller ist, sondern ob er weniger Nacharbeit erzeugt und die Entscheidungsqualität verbessert.

Abweichungen zeigen, was der Bestand weiß

Viele mittelständische Prozesse funktionieren nicht, weil sie vollständig dokumentiert sind, sondern weil erfahrene Mitarbeitende Ausnahmen kennen. Vertrieb, Kundendienst und Projektleitung wissen oft, welcher Kunde strategisch sensibel ist, welche Sonderkondition gilt oder welche interne Regel in einem bestimmten Fall wichtiger ist als der Standardprozess.

Ein agentischer Arbeitsablauf kann dieses Erfahrungswissen nicht automatisch vollständig erfassen. Wenn er CRM-Daten, ERP-Zahlen, E-Mails und Dokumente zusammenführt, entstehen Abweichungen. Vielleicht ist die Ticketbeschreibung eindeutig, aber die Kundenhistorie macht den Fall kritisch. Vielleicht passt die Angebotslogik zum Produktkatalog, aber nicht zur aktuellen Lieferlage. Vielleicht ist die Projektzusammenfassung sachlich korrekt, aber der offene Konflikt mit dem Kunden wird nicht erkennbar.

Solche Abweichungen sind im Vergleichsbetrieb kein bloßer Fehlernachweis. Sie sind Lernmaterial für das Betriebsmodell. Das Management erkennt, welche Datenquelle verbindlich sein muss, welche Fälle fachliche Prüfung brauchen und wo die Prozessauswahl zu breit war. KI-Governance wird dadurch konkret: Sie beschreibt nicht abstrakt, dass Menschen verantwortlich bleiben, sondern legt fest, an welchen Stellen Prüfung, Freigabe und Datenverantwortung tatsächlich erforderlich sind.

So entsteht auch Kompetenzaufbau. Mitarbeitende lernen, welche KI-Vorschläge belastbar sind, welche Korrekturen regelmäßig nötig werden und welche Falltypen vorerst besser im bestehenden Ablauf bleiben.

Produktivität entsteht pro verwertbarem Ergebnis

Zeitersparnis ist ein naheliegendes Argument für KI, aber sie reicht als Kennzahl nicht aus. Ein schneller Entwurf ist wirtschaftlich wenig wert, wenn anschließend mehr Prüfung, Rückfragen oder Fehlerkorrekturen entstehen. Produktivität entsteht erst, wenn ein Ergebnis verwertbar ist.

Deshalb sollten KMU nicht nur messen, wie viele Minuten ein neuer Ablauf spart. Relevanter sind die Kosten pro verwertbarem Ergebnis: Modellnutzung, Toolzugriffe, Pflege der Datenbasis, fachliche Prüfung, Nacharbeit, Schulung und Betreuung des Systems. Ein KI-Ablauf kann teurer wirken, wenn man nur die direkten Kosten sieht, und trotzdem wirtschaftlich sein, wenn Rückläufer sinken und Fachkräfte mehr Fälle mit gleicher Qualität bearbeiten. Umgekehrt kann ein scheinbar günstiger Ablauf teuer werden, wenn er Entscheidungen regelmäßig verzerrt.

Das Abschalten alter Routinen sollte deshalb nach Falltypen erfolgen. Standardisierte Angebotsanfragen können früher geeignet sein als Sonderkalkulationen. Einfache Servicetickets lassen sich eher vorbereiten als strategische Kundenfälle. Wiederkehrende Projektberichte können profitieren, während konfliktreiche Projekte mehr Kontext und engere Verantwortung brauchen.

Für KMU-Manager liegt die Entscheidung damit nicht im allgemeinen Bekenntnis zu KI, sondern im Nachweis am konkreten Arbeitsfall. Ein neuer Ablauf übernimmt dort, wo er bessere Anschlussfähigkeit, weniger Nacharbeit und klare Verantwortung zeigt. Wo dieser Nachweis fehlt, bleibt der Bestand vorerst die wirtschaftlich vernünftigere Arbeitsweise.