Rentable Vorarbeit unter KI-Druck

Kurzfassung: Für KMU zählt weniger die AGI-Prognose als der 60-bis-90-Tage-Test: Lässt sich ein margenstarker Leistungsbestandteil mit agentischen Arbeitsabläufen schneller, günstiger und fachlich geprüft als Teilangebot nachbauen?

Die entscheidende Managementfrage lautet nicht, ob KI schon ein Unternehmen ersetzt. Praktischer ist die Prüfung, wo Kunden heute für wiederholbare Vorarbeit zahlen: Recherche, Sortierung, Entwurf, Dokumentation, Rückfragen und Statuspflege. Dort verändert KI im Mittelstand nicht nur einzelne Tätigkeiten, sondern die Kostenlogik rentabler Leistungen.

Der aktuelle Auslöser ist kein Vollautomationsbeweis

In der Debatte über nahe, aber noch nicht erreichte allgemeine KI steckt für Unternehmen ein nüchterner Befund. OpenAI beschreibt Operator als Agenten, der Aufgaben im Browser ausführt. Anthropic hat bei Claude 3.5 Sonnet Computerbedienung als Modellfähigkeit vorgestellt. METR untersucht, wie lange und komplex Aufgaben werden dürfen, bevor heutige KI-Systeme bei mehrstufiger Arbeit an Grenzen stoßen.

Zusammen ergibt das keinen Beleg für autonome Firmen auf Knopfdruck. Es zeigt aber eine wichtige Zwischenlage: KI-Systeme übernehmen zunehmend bedienbare, strukturierte Arbeitsschritte, während dauerhafte Verantwortung, Priorisierung und Fehlertoleranz weiterhin organisatorisch gelöst werden müssen.

Für Geschäftsführung und Bereichsleitung ist daraus ein konkreter Stresstest ableitbar. Nicht die ganze Leistung steht zuerst zur Disposition, sondern ihr wiederholbarer Kern. Wenn ein kleines KI-natives Team innerhalb von 60 bis 90 Tagen einen Ausschnitt als brauchbares Teilprodukt aufsetzen würde, liegt dort eine echte Angriffsfläche.

Die angreifbare Marge liegt vor dem Urteil

Viele profitable Leistungen im Mittelstand bestehen aus zwei Schichten. Oben steht die fachliche Entscheidung: ein passendes Angebot, eine belastbare Serviceeinschätzung, eine technische Empfehlung, eine Priorisierung im Projekt. Darunter liegt vorbereitende Arbeit: Daten zusammensuchen, alte Vorgänge prüfen, Varianten aufbereiten, Dokumente füllen, offene Punkte ordnen.

Diese untere Schicht ist häufig teuer, weil sie über gewachsene Systeme, Postfächer, Tabellen und persönliche Routinen verteilt ist. Kunden bezahlen dann nicht nur Expertise, sondern auch manuelle Ordnung. Genau dort greifen agentische Arbeitsabläufe an: nicht bei der letzten Verantwortung, sondern bei der Vorleistung, die ein qualifizierter Mensch anschließend prüft.

In der Angebotsvorbereitung liegen Produktdaten, frühere Kalkulationen, Preislogik, Kundennotizen und technische Anforderungen oft bereits vor. Der Aufwand entsteht beim Zusammenführen. Ein KI-gestützter Ablauf erzeugt daraus Entwürfe, Varianten und Rückfragenlisten. Die Vertriebskompetenz bleibt wichtig, aber ein Teil des Deckungsbeitrags hängt plötzlich an der Frage, wie teuer der Weg bis zum prüfbaren Entwurf ist.

Ähnlich in der Servicearbeit: Anfrage aufnehmen, Kunde und Anlage zuordnen, Historie prüfen, Dringlichkeit bewerten, Lösungsweg vorbereiten. Bei klaren Serviceklassen und einer verbindlichen Datenquelle entsteht daraus eine strukturierte Vorqualifizierung. Ohne diese Grundlagen bleibt KI nur ein zusätzlicher Kommunikationskanal.

Der 90-Tage-Blick trennt Differenzierung von Gewohnheit

Der kurze Zeitraum ist wichtig, weil er Substanz von historischer Trägheit trennt. Ein Angreifer braucht keine perfekte Kopie des etablierten Betriebs. Er braucht einen begrenzten Ausschnitt mit wiederkehrender Nachfrage, zugänglichen Informationen, stabilem Ergebnisformat und prüfbarer Qualität.

Für ein KMU heißt das: Die Analyse beginnt nicht bei der Abteilung, sondern beim bezahlten Ergebnis. Ein Angebotsentwurf, eine Service-Erstbewertung oder ein Projektstatusbericht sind greifbarer als „Vertrieb“, „Kundendienst“ oder „Projektmanagement“. Je klarer das Ergebnis beschrieben ist, desto besser lässt sich Produktivität messen: Durchlaufzeit, Nacharbeitsquote, Kosten pro verwertbarem Entwurf, Erstlösungsquote oder Abschlusswahrscheinlichkeit.

Damit wird sichtbar, ob Marge aus echter Entscheidungsqualität stammt oder aus schwerfälliger Vorbereitung. Urteil, Verantwortung, Kundenvertrauen und Erfahrung bleiben starke Schutzfaktoren. Sie schützen aber nur, wenn sie im Ergebnis erkennbar sind. Wenn der Kunde kaum Unterschied zwischen teurer manueller Koordination und schneller geprüfter KI-Vorarbeit sieht, gerät der Preis unter Druck.

Die Konsequenz liegt im eigenen Gegenangebot

Die beste Reaktion ist nicht pauschale Automatisierung. Entscheidend ist ein eigenes, kontrolliertes Teilangebot für einen klar abgegrenzten Leistungsbestandteil. Dafür braucht es Prozessauswahl, Datenverantwortung, fachliche Prüfung und Rollenklarheit, aber nur als Mittel zum Zweck: ein schnelleres, günstigeres und verlässlich geprüftes Ergebnis.

KI-Governance wird dabei praktisch. Sie legt fest, welche Daten genutzt werden, wer Entwürfe freigibt, wann eine Ausgabe intern bleibt und ab welchem Punkt eine Aussage gegenüber Kunden verbindlich ist. Diese Regeln machen Produktivität wiederholbar. Ohne sie entstehen einzelne Experimente, die am Betriebsmodell vorbeilaufen.

Für die Geschäftsführung folgt daraus eine konkrete Entscheidung: einen margenstarken Leistungsbestandteil auswählen, seine wiederholbare Vorarbeit isolieren und ein internes KI-gestütztes Gegenangebot bauen. Nicht um jede alte Marge zu verteidigen, sondern um rechtzeitig zu erkennen, wo das Unternehmen schneller, günstiger und mit sichtbarer Entscheidungsqualität liefern sollte.