Wenn KI am nächsten Schritt scheitert

Kurzfassung: KI im Mittelstand bringt erst dann Produktivität, wenn ein Arbeitsschritt verwertbar an den nächsten anschließt. Der Maßstab ist nicht der beste Text, sondern ein prüffähiger Vorgang: mit belastbaren Daten, klarer Abweichung, passendem Prüfort und einem nächsten Schritt, der im Betrieb tatsächlich funktioniert.

Viele KI-Projekte starten dort, wo der Nutzen leicht zu zeigen ist: E-Mails formulieren, Angebote glätten, Projektstände zusammenfassen. Das spart Zeit, löst aber selten das eigentliche Problem. Entscheidend wird der Moment, in dem Arbeit weitergegeben wird: vom Kundenwunsch zum Angebotsentwurf, vom Servicefall zur Priorisierung, vom Projektstatus zur Entscheidung. Dort zeigt sich, ob KI im Mittelstand nur einzelne Tätigkeiten beschleunigt oder ob agentische Arbeitsabläufe entstehen, die Entscheidungsqualität und Produktivität verbessern.

Der Auslöser: KI rückt näher an Handlung heran

Die aktuelle KI-Entwicklung verschiebt den Blick von Antworten zu Handlung. Anthropic beschreibt in „When AI builds itself“ rekursive Selbstverbesserung als Forschungs- und Sicherheitsfrage: KI-Systeme werden nicht nur als Werkzeuge betrachtet, sondern als Beteiligte an komplexen Entwicklungsprozessen. NIST arbeitet mit der AI Agent Standards Initiative an Grundlagen für verlässlichere KI-Agenten. Gleichzeitig wird politisch und rechtlich darüber diskutiert, wie viel Handlungsspielraum KI-gestützte Organisationen bekommen können, etwa in der Debatte um Argentinien und neue rechtliche Konstruktionen für nicht-menschliche Gesellschaftsformen.

Für ein KMU ist daran weniger die Spitzentechnologie relevant als die betriebliche Konsequenz. Sobald ein System Daten abrufen, Vorgänge vorbereiten oder Folgeaktionen anstoßen soll, reicht ein gutes Modell nicht aus. Dann zählt, ob der Betrieb saubere Anschlussstellen hat: eine verbindliche Datenquelle, nachvollziehbare Regeln, begrenzte Rechte und einen fachlichen Prüfpunkt.

Der Fehler vieler Projekte liegt deshalb nicht in fehlender Begeisterung oder schlechter Modellwahl. KI wird in Abläufe gesetzt, die für Menschen gebaut wurden: suchen, kopieren, nachfragen, prüfen, weiterleiten. Wenn diese Kette schon vorher unsauber war, macht KI sie nicht automatisch belastbar.

Produktivität entsteht zwischen den Arbeitsschritten

Im Vertrieb wird der Unterschied schnell sichtbar. Ein KI-System kann aus einer Anfrage einen überzeugenden Angebotstext machen. Trotzdem bleibt der Vorgang langsam, wenn Preise in einer Tabelle stehen, Lieferfähigkeit im ERP geprüft werden muss, Sonderkonditionen beim Innendienst liegen und frühere Absprachen in E-Mails verborgen sind. Die Formulierung wird besser, die Arbeit selbst bleibt brüchig.

Ein sinnvoller agentischer Ablauf beginnt nicht mit der Frage, ob KI ein Angebot schreiben kann. Relevanter ist der Zustand, in dem ein Mensch prüfen soll. Liegen Kundendaten, Produktlogik, Preisregeln, Lieferinformationen und Abweichungen so vor, dass daraus ein prüffähiger Entwurf entsteht? Falls ja, kann KI fehlende Angaben markieren, Varianten vorbereiten, Risiken sichtbar machen und den nächsten fachlichen Schritt auslösen.

Damit verschiebt sich auch die Prozessauswahl. Gut geeignet sind wiederkehrende Vorgänge mit klaren Eingaben, überprüfbaren Ergebnissen und begrenzter Außenwirkung. Schwieriger sind Entscheidungen mit politischer Sensibilität, unklarer Datenlage oder hohem Interpretationsanteil. Das ist keine abstrakte KI-Governance, sondern praktische Betriebsarbeit: Der Nutzen hängt davon ab, ob der nächste Mensch weniger Suchaufwand und eine bessere Entscheidungsgrundlage erhält.

Servicearbeit zeigt die Grenze alter Routinen

Im Kundendienst ist KI als Antwortgenerator naheliegend. Sie kann wiederkehrende Formulierungen beschleunigen und Tonalität vereinheitlichen. Der größere betriebliche Nutzen entsteht aber erst, wenn der Servicefall als zusammenhängender Vorgang behandelt wird. Dazu gehören Kundendaten, Vertragsbedingungen, Maschinen- oder Lieferhistorie, ähnliche Fälle, Ersatzteilverfügbarkeit und Regeln für Eskalationen.

Fehlen diese Verbindungen, entsteht nur ein schnellerer Text auf unsicherer Grundlage. Der Mitarbeiter muss weiterhin prüfen, suchen und nachfragen. Sind die Informationen dagegen verlässlich angebunden, kann KI eine Priorität vorschlagen, die Begründung offenlegen, fehlende Daten nennen und eine Folgeaktion vorbereiten. Der Mensch kontrolliert dann nicht jeden Zwischenschritt erneut, sondern prüft dort, wo Risiko entsteht: bei ungewöhnlichen Abweichungen, wirtschaftlicher Wirkung oder unvollständiger Datenlage.

Hier wird die Rechtefrage konkret. Darf ein Agent Vertragsdaten lesen? Darf er ein Ticket umstellen? Darf er eine Rückfrage versenden oder nur vorschlagen? Darf er Kalender, CRM oder ERP ansprechen? Diese Punkte sind keine späten IT-Details. Sie bestimmen, ob aus KI-Unterstützung ein belastbarer Arbeitsablauf wird oder nur ein zusätzlicher Bildschirm im alten Prozess.

Der Prüfpunkt muss zur Aufgabe passen

Auch in der Projektabwicklung zeigt sich, warum alte Abläufe KI ausbremsen. Ein System kann Projektstände zusammenfassen. Das hilft wenig, wenn Termine in Besprechungsnotizen stehen, Verantwortlichkeiten in E-Mails verschwinden und Risiken erst mündlich in der Führungsrunde auftauchen. Dann wirkt der Bericht ordentlich, aber die Grundlage bleibt schwach.

Besser ist ein Vorgang, der laufend anschlussfähige Informationen erzeugt: offene Entscheidungen, zuständige Personen, Terminabweichungen, Kostenwirkung, Abhängigkeiten und fehlende Freigaben. Dann kann KI vor einer Besprechung nicht nur eine Zusammenfassung liefern, sondern zeigen, worüber entschieden werden kann und an welcher Stelle noch Grundlage fehlt.

Für die Wirtschaftlichkeit ist das entscheidend. Ein KI-Projekt rechnet sich selten allein durch schnellere Texte. Interessant wird es, wenn Suchzeit sinkt, Rückfragen weniger werden, Durchlaufzeiten kürzer sind und Entscheidungen vergleichbarer ausfallen. Der Messpunkt ist also nicht Modellleistung an sich, sondern ein verwertbares Ergebnis im Betrieb: ein prüffähiger Angebotsentwurf, ein sauber vorbereiteter Servicefall, ein belastbarer Projektstatus.

Für Geschäftsführer folgt daraus eine nüchterne Auswahlregel. Der beste Startpunkt ist meist nicht der spektakulärste Anwendungsfall, sondern ein wiederkehrender Vorgang, bei dem der nächste betriebliche Schritt heute zu viel Suche, Abstimmung oder Interpretation verlangt. Dort kann KI im Mittelstand zeigen, ob sie Arbeit nur beschleunigt oder den Anschluss zwischen Vorbereitung, Prüfung und Ausführung tatsächlich verbessert.