Warum KI-Projekte an alten Arbeitsablaeufen scheitern

Kurzfassung: KI-Projekte werden nicht dadurch produktiv, dass ein Modell in bestehende Prozessketten eingebaut wird. Fuer KI im Mittelstand entscheidet, ob Arbeit um agentische Arbeitsablaeufe neu zugeschnitten wird: mit klarer Datenbasis, pruefbaren Zwischenergebnissen und sichtbarer Verantwortung.

Eine aktuelle Moonshots-Folge stellt sehr unterschiedliche KI-Entwicklungen nebeneinander: Rechenkapazitaet, offene Modelle, Unternehmenszugang und die Frage, wie sich Organisationen um leistungsfaehige Systeme herum veraendern. Fuer Geschaeftsfuehrer im Mittelstand ist daran weniger der einzelne Modellvergleich entscheidend. Wichtiger ist die Betriebsfrage dahinter: Warum bringen viele KI-Projekte trotz guter Werkzeuge nur begrenzte Produktivitaet? Die kurze Antwort lautet: Weil sie alte Arbeitsablaeufe schneller machen wollen, statt Arbeit neu zu schneiden.

Ein alter Ablauf bleibt ein alter Ablauf

Viele Unternehmen beginnen vernuenftig. Sie suchen einen Prozess mit sichtbarem Aufwand und setzen KI darauf: Angebote formulieren, Serviceanfragen zusammenfassen, Projektstaende verdichten, interne Unterlagen pruefen. Das spart Zeit und kann den Alltag verbessern. Es veraendert aber nicht automatisch die Arbeitslogik.

Ein bestehender Prozess ist selten nur eine Reihenfolge von Aufgaben. Er enthaelt Annahmen darueber, wer welche Information besitzt, wann Rueckfragen erlaubt sind, welche Daten als verlaesslich gelten und an welcher Stelle Verantwortung entsteht. Diese Annahmen stammen oft aus einer Welt, in der Menschen nacheinander lesen, pruefen, warten, nachfragen und uebergeben mussten.

Wenn KI nur in diese Form eingebaut wird, uebernimmt sie haeufig die sichtbare Oberflaeche: Text, Zusammenfassung, Recherche, Vorschlag. Die eigentliche Reibung bleibt erhalten. Das Angebot klingt besser, aber technische Klaerpunkte und Rabattlogik laufen weiter durch mehrere Schleifen. Der Servicefall wird schneller beschrieben, aber Vertragslage, Geraetehistorie und Kulanzregel bleiben verteilt. Der Projektstatus wird schoener formuliert, aber offene Entscheidungen werden weiter bis zur naechsten Runde verschoben.

Das ist kein reines Modellproblem. Es ist ein Organisationsproblem. Produktivitaet entsteht erst, wenn Fuehrung fragt, welche Arbeitsschritte nur deshalb getrennt sind, weil Menschen bisher nicht gleichzeitig sammeln, vergleichen, bewerten und vorbereiten konnten.

Agentische Arbeitsablaeufe brauchen einen anderen Zuschnitt

Anthropic beschreibt wirksame Agentensysteme nicht als frei laufende Magie, sondern als Zusammenspiel aus Modell, Werkzeugen, Kontext, klaren Aufgaben und Rueckkopplung. OpenAI beschreibt aehnlich, dass KI-Agenten Ziele verfolgen, Werkzeuge nutzen und Aufgaben ueber mehrere Schritte bearbeiten koennen. Fuer KMU ist diese Einordnung wichtig, weil sie den Blick weg vom Chatfenster und hin zum Arbeitsentwurf lenkt.

Ein agentischer Arbeitsablauf ist nicht einfach ein Mitarbeiter mit KI-Zusatz. Er ist eine anders gebaute Arbeitseinheit. In der Angebotserstellung koennte ein System Kundenanforderungen, fruehere Angebote, freigegebene Produktdaten, offene technische Fragen und kaufmaennische Grenzen gleichzeitig vorbereiten. Die menschliche Arbeit beginnt dann nicht mehr beim Suchen von Material, sondern bei der Bewertung: Welche Annahme ist belastbar? Welche Zusage darf raus? Wo braucht es Ruecksprache mit Technik oder Einkauf?

Im Service kann ein solcher Ablauf einen Fall mit Kundenhistorie, Vertragsstatus, Produktvariante und frueheren Fehlerbildern abgleichen. Der Nutzen liegt nicht in einer freundlicheren Antwort, sondern in einem besseren Fallbild. Ein Mensch prueft nicht mehr zuerst, was ueberhaupt los ist. Er prueft, ob die vorgeschlagene Einordnung fachlich, wirtschaftlich und kundenseitig stimmt.

Damit verschiebt sich die Prozessauswahl. Geeignet sind nicht automatisch die Aufgaben mit der meisten Schreibarbeit. Geeignet sind Vorgaenge, in denen mehrere Informationsquellen zu einer pruefbaren Entscheidungsvorlage verbunden werden koennen. Genau dort koennen agentische Arbeitsablaeufe Entscheidungsqualitaet und Produktivitaet verbessern.

Die Organisation bekommt eine Arbeitskarte

Der groessere Managementeffekt liegt darin, dass Arbeit lesbarer wird. Ein gut entworfener KI-Ablauf zeigt, welche Daten genutzt wurden, welche Annahmen offen sind, welche Pruefung fehlt und welche Entscheidung vorbereitet wird. Dadurch entsteht eine Arbeitskarte der Organisation: nicht als Organigramm, sondern als Sicht auf Vorgaenge, Uebergaben, Datenquellen und Verantwortungspunkte.

Diese Karte ist fuer Fuehrung wertvoller als eine allgemeine KI-Strategie. Sie zeigt, wo der Betrieb wirklich Wert schafft und wo er nur Prozessreibung verwaltet. Ein Ablauf, der bisher als komplex galt, kann sich als schlecht geschnittener Informationsweg erweisen. Umgekehrt kann eine scheinbar einfache Entscheidung viel Erfahrung, Kundenkenntnis und wirtschaftliche Abwaegung enthalten.

In der Projektabwicklung wird das besonders sichtbar. Anforderungen, Liefertermine, technische Klaerungen, interne Kapazitaeten und Kundenzusagen liegen oft in verschiedenen Systemen und Koepfen. Ein Agent kann daraus eine erste Arbeitskarte erzeugen: offene Punkte, Abhaengigkeiten, Risiken, fehlende Daten, zustaendige Personen. Der Wert liegt nicht im Bericht selbst. Der Wert liegt darin, dass Management frueher erkennt, wo der Prozess neu zugeschnitten werden muss.

Die Entscheidung lautet dann nicht mehr: Setzen wir KI ein? Sie lautet: Welche Arbeit soll vor der ersten Besprechung bereits vorbereitet sein, und welche Verantwortung bleibt bewusst in der Besprechung? Aus einem Toolprojekt wird so eine Frage des Betriebsmodells.

Rollen veraendern sich vor den Stellenplaenen

Alte Arbeitsablaeufe scheitern mit KI auch deshalb, weil Rollen unveraendert bleiben. Menschen sollen ploetzlich KI-Ergebnisse nutzen, aber ihre Verantwortung, ihre Freigaben und ihre Datenpflege sind noch fuer den alten Ablauf beschrieben.

Eine Vertriebsrolle, die bisher viel Zeit mit Angebotsbausteinen, alten Referenzen und Nachfasslisten verbracht hat, verschiebt sich zur kaufmaennischen und kundenseitigen Bewertung. Eine Serviceleitung, die Informationen aus Tickets, Telefonnotizen und Technikerberichten zusammengesucht hat, entscheidet frueher ueber Eskalation, Kulanz, Schulung oder Produktverbesserung. Eine Projektleitung, die Statusstaende rekonstruiert hat, bewertet staerker Zielkonflikte, Kundenerwartungen und Risiken.

Das klingt nach Entlastung, ist aber vor allem Rollenklarheit. Unternehmen muessen aussprechen, welche Arbeit kuenftig Systemvorarbeit ist und welche Arbeit menschliche Verantwortung bleibt. Sonst entstehen Schattenprozesse: Mitarbeitende nutzen KI, aber niemand weiss genau, wann ein Vorschlag verbindlich wird, welche Datenquelle gilt oder wer eine fehlerhafte Vorlage korrigieren muss.

KI-Governance wird dadurch sehr praktisch. Sie beantwortet nicht nur Datenschutzfragen, sondern Arbeitsfragen: Welche Quelle ist verbindlich? Welche Ausgabe ist nur ein Entwurf? Wer darf eine Annahme veraendern? Ab wann wird aus einem Vorschlag eine Kundenzusage, ein Liefertermin oder eine interne Prioritaet?

Der bessere Einstieg ist ein Prozessentwurf

Fuer KI im Mittelstand ist die wichtigste Lernkurve deshalb nicht, moeglichst viele Werkzeuge zu testen. Wichtiger ist ein sauberer Prozessentwurf. Die Ausgangsfrage sollte lauten: Wie muesste dieser Ablauf aussehen, wenn ein Teil der Vorarbeit dauerhaft von Agenten uebernommen wird?

Diese Frage fuehrt zu konkreteren Entscheidungen. In der Angebotserstellung geht es dann nicht zuerst um bessere Formulierungen, sondern um vollstaendige technische und kaufmaennische Vorpruefung. Im Service geht es nicht zuerst um Antwortgeschwindigkeit, sondern um richtige Fallzuordnung und belastbare Eskalation. In der Projektabwicklung geht es nicht zuerst um schoenere Statusberichte, sondern um frueh sichtbare Abhaengigkeiten und klare Verantwortlichkeit.

Der Unterschied ist wirtschaftlich relevant. Ein alter Ablauf mit KI kann schneller wirken und trotzdem mehr Pruefung, mehr Rueckfragen oder mehr Korrekturen erzeugen. Ein neu zugeschnittener Ablauf reduziert nicht nur Bearbeitungszeit, sondern verbessert die Anschlussfaehigkeit der Arbeit: Der naechste Verantwortliche sieht, was gilt, was unsicher ist und was entschieden werden muss.

Nicht jeder Prozess muss neu entworfen werden. Aber dort, wo Kunden, Kosten, Termine oder Qualitaet regelmaessig von verstreuter Vorarbeit abhaengen, reicht ein KI-Werkzeug im alten Ablauf nicht aus. Diese Prozesse brauchen eine Arbeitsarchitektur, in der Datenbasis, Zwischenergebnis, fachliche Pruefung und Verantwortung zusammenpassen.

Die Managementfrage lautet deshalb: Welche Prozesse sollten wir nicht automatisieren, sondern neu entwerfen? Wer sie ernsthaft beantwortet, kommt zu weniger, aber besseren KI-Projekten. Und genau dort entsteht die Produktivitaet, die in vielen Pilotversuchen ausbleibt.