KI scheitert an unfertiger Arbeit

Kurzfassung: KI im Mittelstand wird produktiv, sobald sie mit prüfbaren Arbeitszuständen arbeitet: vollständige Eingaben, klare Ergebnistypen und nachvollziehbare Entscheidungsgrundlagen. Alte Abläufe bremsen nicht wegen fehlender Technik, sondern weil Arbeit oft zu unklar an KI übergeben wird.

Die jüngste KI-Dynamik zeigt, wie stark Staaten und Anbieter auf beschleunigte Nutzung setzen. Für KMU ist daran weniger die Größe einzelner Plattformen entscheidend als eine nüchterne Frage: In welchem Zustand muss Arbeit vorliegen, damit KI daraus ein belastbares Ergebnis erzeugen kann? Viele Projekte bleiben unter ihren Möglichkeiten, weil sie KI in Abläufe einsetzen, die für mündliche Klärung, persönliche Erfahrung und nachträgliche Korrektur gebaut wurden.

Aus beschleunigter KI folgt kein fertiger Prozess

Am 2. Juni 2026 veröffentlichte das Weiße Haus die Executive Order „Promoting Advanced Artificial Intelligence Innovation and Security“. Drei Tage später folgte das National Security Presidential Memorandum NSPM-11 zur Nutzung von KI im nationalen Sicherheitsapparat. Darin werden vier Leitlinien benannt: Adoption, Adaptation, Assurance und Acquisition. Außerdem betont das Memorandum ausdrücklich Befehlskette, Verantwortlichkeit und kontrollierbare Systeme.

Diese politischen Dokumente betreffen nicht direkt den deutschen Mittelstand. Sie machen aber ein Muster sichtbar, das auch für Unternehmen relevant ist: KI-Nutzung wird nicht nur über Modellleistung entschieden, sondern über Einsatzbereiche, Verlässlichkeit, Steuerbarkeit und Verantwortung. Genau diese Übersetzung fehlt in vielen betrieblichen Vorhaben.

Der wichtigste Punkt für KI im Mittelstand lautet deshalb: Ein KI-System kann nur so gut arbeiten, wie der Arbeitszustand ist, den es erhält. Ein Servicefall ohne verbindliche Kundendaten bleibt unklar. Ein Angebot ohne aktuelle Produkt- und Lieferinformationen bleibt unsicher. Ein Projektstatus aus verteilten E-Mails, Chatnachrichten und persönlichen Notizen bleibt interpretationsbedürftig. KI beschleunigt dann vor allem das Formulieren, nicht das Entscheiden.

Der Arbeitszustand ist der unterschätzte Hebel

In vielen Unternehmen entsteht Arbeit nicht als klarer Datensatz, sondern als Mischung aus Erfahrung, Zwischenrufen, Tabellen, E-Mails und mündlichen Absprachen. Menschen können solche Unschärfe oft ausgleichen. Sie wissen, wen sie anrufen, welche Ausnahme gilt oder welche Zahl wahrscheinlich veraltet ist. KI-Systeme können daraus zwar plausible Texte erzeugen, aber keine verlässliche Entscheidungsqualität garantieren.

Das zeigt sich bei Angeboten besonders deutlich. Ein Vertriebsmitarbeiter kann KI bitten, eine Leistungsbeschreibung zu formulieren. Fehlen aber aktuelle Preise, technische Einschränkungen, Lieferzeiten, Rabattgrenzen oder offene Rückfragen aus der Technik, entsteht nur ein besser formulierter Zwischenstand. Der eigentliche Aufwand wandert in die Kontrolle: Stimmt das? Ist das freigegeben? Fehlt etwas? Darf diese Aussage zum Kunden?

Ähnlich in der Servicearbeit. Eine KI kann eine Kundenanfrage zusammenfassen und eine Antwort vorschlagen. Produktivität entsteht erst, sobald Vertragsstatus, Kundengeschichte, Ersatzteilverfügbarkeit und Zuständigkeit gemeinsam vorliegen. Sonst prüft der Mitarbeitende nicht nur den Fall, sondern zusätzlich die Qualität der KI-Vorarbeit. Aus Assistenz wird eine weitere Kontrollaufgabe.

Der Unterschied liegt also nicht zwischen „mit KI“ und „ohne KI“. Entscheidend ist, ob ein Vorgang vor der KI-Bearbeitung einen prüfbaren Zustand erreicht. Dazu gehören eine verbindliche Datenquelle, ein klarer Zweck des Ergebnisses und erkennbare Grenzen der fachlichen Prüfung. Diese Voraussetzungen klingen organisatorisch, sind aber unmittelbar wirtschaftlich.

Agentische Arbeitsabläufe brauchen Ergebnistypen

Agentische Arbeitsabläufe funktionieren nicht dadurch, dass ein System allgemein „mithilft“. Sie brauchen einen abgegrenzten Ergebnistyp. Eine Zusammenfassung, eine Vorsortierung, ein Datenabgleich, eine Entscheidungsvorlage und eine Freigabe sind unterschiedliche Leistungen. Jede davon verlangt andere Eingaben, andere Prüfgrenzen und andere Verantwortung.

Ein Projektstatus kann beispielsweise nur eine sprachliche Verdichtung von Besprechungsnotizen sein. Er kann aber auch offene Punkte, Risiken, Termine und Verantwortliche aus einem verbindlichen Projektsystem ableiten. Im ersten Fall hilft KI beim Lesen. Im zweiten Fall entsteht eine Grundlage für Steuerung. Für Geschäftsführung und Bereichsleitung ist dieser Unterschied wesentlich, weil nur die zweite Variante organisatorische Anschlussfähigkeit schafft.

KI-Governance wird damit praktischer, als sie oft diskutiert wird. Es geht nicht nur um Datenschutz, Tool-Freigabe oder Nutzungsrichtlinien. Eine wirksame KI-Governance legt fest, welche Daten im Zweifel gelten, wer fachlich prüft, welche Unsicherheit sichtbar gemacht werden muss und welche Entscheidung beim Menschen bleibt. Ohne diese Klärung erzeugen KI-Systeme Varianten. Mit ihr liefern sie Ergebnisse, die im Betrieb weiterverwendbar sind.

Das erklärt auch, warum der neueste Modellname selten die erste Managementfrage sein sollte. Ein leistungsfähigeres Modell kann schlechte Eingangslagen glätten, aber nicht in eine stabile Betriebslogik verwandeln. Der größere Hebel liegt häufig darin, wiederkehrende Arbeit so zu beschreiben, dass KI einen begrenzten Teil zuverlässig vorbereiten darf: Servicefälle klassifizieren, Angebotsdaten prüfen, Vertragsinformationen abgleichen, Projektstände verdichten oder Lieferantenkommunikation vorbereiten.

Woran Führung echte Produktivität erkennt

Der Nutzen eines KI-Vorhabens zeigt sich nicht an der Zahl der erzeugten Texte oder an der Begeisterung einzelner Nutzer. Aussagekräftiger sind betriebliche Signale: Werden Angebote schneller freigabefähig? Sind Servicefälle bei der Fachabteilung vollständiger? Müssen Projektleiter weniger Informationen zusammensuchen? Sinkt die Zahl manueller Datenabgleiche? Verbessert sich die Entscheidungsqualität vor Kunden- oder Leitungsterminen?

Solche Signale machen sichtbar, ob KI nur eine Komfortfunktion ist oder einen Ablauf verändert. Eine Komfortfunktion spart einzelnen Mitarbeitenden Zeit. Ein neu gefasster Arbeitsschritt senkt Nacharbeit, reduziert Liegezeiten und verbessert die Verlässlichkeit für den nächsten Bereich. Beides kann nützlich sein, aber nur das zweite verändert Kosten, Lieferfähigkeit und Kundenerlebnis.

Für KMU liegt die sinnvolle Prozessauswahl daher bei wiederkehrenden Vorgängen mit prüfbarem Ergebnis: Angebotsvorbereitung, Service-Vorsortierung, Projektabwicklung, Vertragsabgleich, Lieferantenkommunikation oder interne Wissensverdichtung. Dort lässt sich konkret beobachten, ob KI im Betriebsmodell trägt oder lediglich zusätzliche Oberfläche schafft.

Die praktische Konsequenz für Geschäftsführer und Bereichsleiter ist klar: Vor der Tool-Entscheidung sollte feststehen, welcher Arbeitszustand künftig verbindlich erzeugt werden soll. Erst danach lohnt sich die Frage nach Modell, Anbieter und Einführung. Wer diesen Schritt sauber klärt, erhöht nicht nur die KI-Produktivität, sondern reduziert Prüfaufwand, verbessert Übergaben im Alltag und macht Investitionen in agentische Arbeitsabläufe wirtschaftlich bewertbar.