Alte Abläufe machen KI klein

Kurzfassung: Viele KI-Projekte im Mittelstand bleiben klein, weil sie bestehende Arbeitsschritte beschleunigen, aber die Übergabe zwischen Bereichen nicht verbessern. Der wirksame Prüfpunkt ist nicht der bessere Text, sondern ob Vertrieb, Service, Technik oder Projektleitung nach dem KI-Schritt mit weniger Klärungsaufwand weiterarbeiten können.

Anthropic hat mit Claude Fable 5 und Claude Mythos 5 neue Modelle vorgestellt, NewLimit meldete eine 435-Millionen-Dollar-Finanzierung für zelluläre Reprogrammierung, und Bitcoin wird weiter als digitale Infrastruktur diskutiert. Für KMU liegt die gemeinsame Managementfrage nicht in der einzelnen Technologiemeldung. Wichtiger ist, was solche Entwicklungen im Betrieb sichtbar machen: Technische Leistungsfähigkeit wächst schneller als die Fähigkeit vieler Organisationen, Arbeit neu zuzuschneiden. Genau dort entscheidet sich, ob KI im Mittelstand nur einzelne Aufgaben beschleunigt oder tatsächlich Produktivität, Entscheidungsqualität und Kundenerlebnis verändert.

Der eigentliche Prüfpunkt liegt zwischen zwei Arbeitsschritten

Neue Modelle machen es leichter, Texte zu entwerfen, Informationen zusammenzufassen, Recherchen vorzubereiten oder Fälle zu klassifizieren. Das ist nützlich, aber noch kein verändertes Betriebsmodell. In vielen Unternehmen bleibt der Ablauf gleich: Kundenanfrage per E-Mail, fehlende technische Angaben, Rückfrage an den Vertrieb, Preislogik in mehreren Dateien, fachliche Prüfung nach Erfahrung, Nachtrag im CRM. Die KI schreibt dann schneller. Der nächste Bereich wartet trotzdem auf dieselben fehlenden Informationen.

Die NBER-Arbeit „Chaining Tasks, Redefining Work: A Theory of AI Automation“ beschreibt einen zentralen Punkt: Automatisierung betrifft nicht nur einzelne Tätigkeiten, sondern die Verkettung von Aufgaben. Für Geschäftsführung und Bereichsleitung ist das eine sehr praktische Einsicht. Ein KI-Projekt sollte nicht zuerst danach bewertet werden, ob ein einzelner Schritt schneller wird. Entscheidend ist, ob die nächste Übergabe belastbarer wird.

Das ist der Unterschied zwischen einem Werkzeug und einem agentischen Arbeitsablauf. Ein Werkzeug unterstützt einen Menschen innerhalb seines bisherigen Arbeitsschritts. Ein agentischer Ablauf kann Vorarbeit, Prüfung, Sortierung und Entscheidungsvorbereitung anders bündeln. Dafür braucht es keine große Transformationsrhetorik, aber eine klare Frage: Kommt die Arbeit nach dem KI-Schritt vollständiger, eindeutiger und prüfbarer beim nächsten Verantwortlichen an?

Angebote zeigen den Unterschied besonders klar

In der Angebotserstellung ist der Effekt gut sichtbar. Ein KI-Assistent kann ein Anschreiben formulieren, Produktinformationen einfügen oder einen Entwurf sprachlich verbessern. Das spart Zeit, ändert aber wenig, wenn die technische Klärung weiter informell läuft und die Kalkulation aus uneinheitlichen Datenständen entsteht.

Relevanter wird KI, wenn sie vor der fachlichen Prüfung erkennt, welche technischen Daten fehlen, welche früheren Angebote vergleichbar sind, welche Varianten ausgeschlossen werden müssen und welche Preislogik anzuwenden ist. Dann verschiebt sich der Nutzen: Nicht der Angebotstext ist der Kern, sondern die Qualität der Vorarbeit für Vertrieb, Technik und kaufmännische Prüfung.

Für KMU ist diese Unterscheidung betriebswirtschaftlich wichtig. Wenn ein Angebot nur schneller geschrieben wird, sinkt vielleicht die Bearbeitungszeit eines einzelnen Mitarbeiters. Wenn aber Rückfragen zwischen Vertrieb und Technik abnehmen, Angebote konsistenter werden und Freigaben weniger Nacharbeit brauchen, verändert sich die Leistungserbringung. Die KI wirkt dann nicht als Schreibmaschine, sondern als Strukturierungshilfe für einen wiederkehrenden Geschäftsprozess.

Dafür muss die Prozessauswahl genauer werden. Geeignet sind nicht einfach Bereiche mit viel Text. Geeignet sind Abläufe, in denen ähnliche Fälle häufig auftreten, Informationen aus mehreren Quellen zusammengeführt werden und die Qualität der Übergabe direkt auf Kosten, Lieferzeit oder Kundenerlebnis wirkt. Angebotserstellung, Servicevorklärung und Projektstart nach Auftragseingang sind deshalb oft bessere Kandidaten als lose Einzelaufgaben.

Servicearbeit braucht bessere Vorprüfung, nicht nur schnellere Antworten

Auch im Kundendienst zeigt sich, warum alte Abläufe KI klein halten. Eine KI kann Beschwerden zusammenfassen, Antwortentwürfe schreiben oder Tickets sortieren. Das ist hilfreich. Wirkung entsteht aber erst, wenn die Vorprüfung besser wird: Welcher Kunde ist betroffen? Welche Maschine, welcher Vertrag, welcher Standort? Gab es ähnliche Fälle? Ist das Problem technisch, kaufmännisch oder kommunikativ zu lösen?

Ohne verbindliche Datenquelle bleibt die Antwort schneller, aber nicht unbedingt richtiger. Wenn Kundendaten, Vertragsstatus, frühere Vorgänge und technische Informationen verteilt oder uneinheitlich sind, produziert KI vor allem Entwürfe auf unsicherer Grundlage. Dann steigt die Geschwindigkeit der Oberfläche, während die fachliche Klärung unverändert bleibt.

Mit sauberem Zuschnitt kann KI dagegen die Übergabe verbessern. Ein Servicefall kommt dann nicht nur als Text beim nächsten Team an, sondern mit geprüften Stammdaten, erkannter Fallklasse, offenen Unsicherheiten und einem Vorschlag für die nächste Zuständigkeit. Die menschliche Prüfung verschwindet nicht. Sie wird gezielter, weil sie sich auf die Punkte konzentriert, die tatsächlich Entscheidungskraft brauchen.

Das ist ein nüchterner Kern von KI-Governance. Regeln zur Nutzung von Modellen reichen nicht aus. Unternehmen müssen festlegen, welche Daten in einem Ablauf verbindlich sind, welche Unsicherheiten sichtbar bleiben und wo fachliche Verantwortung liegt. Rollenklarheit ist hier kein Organigrammthema, sondern Voraussetzung dafür, dass agentische Arbeitsabläufe nicht alte Unschärfen beschleunigen.

Gute KI-Projekte verändern messbare Übergaben

Die wirtschaftliche Bewertung sollte deshalb an der Übergabequalität ansetzen. Werden Angebote vollständiger? Sinkt die Zahl der Rückfragen? Werden Servicefälle früher richtig zugeordnet? Erhält die Projektleitung nach Auftragseingang schneller eine belastbare Übersicht über Termine, offene Klärpunkte und Verantwortlichkeiten? Solche Fragen sind konkreter als die allgemeine Hoffnung auf Produktivität.

Das schützt auch vor falschen Metriken. Wenn ein Unternehmen nur zählt, wie viele Texte erstellt oder wie viele Minuten in einem Einzelschritt gespart wurden, entsteht leicht eine Managementillusion. Die Aktivität steigt, aber der Arbeitsfluss verbessert sich kaum. Aussagekräftiger sind Kennzahlen, die den nächsten Schritt betreffen: weniger Nacharbeit, kürzere Liegezeiten, konsistentere Vorprüfung, bessere Erstlösungsquote, klarere Entscheidungsgrundlagen.

Die neuen Modellgenerationen von Anbietern wie Anthropic erhöhen den Spielraum für solche Anwendungen. Die Finanzierung von NewLimit zeigt parallel, wie stark technische Felder von spezialisierten Daten, klaren Experimenten und langer Umsetzung leben. Für den Mittelstand ist daraus keine Zukunftsprognose abzuleiten, aber ein praktischer Maßstab: Je leistungsfähiger die Technik wird, desto sichtbarer werden organisatorische Lücken.

Ein sinnvoller Einstieg ist daher ein begrenzter, wiederkehrender Prozessabschnitt mit spürbarer Reibung zwischen zwei Bereichen. Nicht der spektakulärste Anwendungsfall ist entscheidend, sondern der Abschnitt, in dem bessere Vorarbeit sofort Wirkung hat. Für einen KMU-Manager heißt das: Das nächste KI-Projekt sollte dort beginnen, wo eine vollständigere Übergabe Kundenantworten beschleunigt, interne Schleifen reduziert oder Entscheidungen belastbarer macht.