KI braucht eine zweite Arbeitsbahn

Kurzfassung: Neue agentische Arbeitsablaeufe sollten im Mittelstand zunaechst neben dem bestehenden Betrieb laufen. Nicht als Spielwiese, sondern als zweite Arbeitsbahn: mit echten Faellen, verbindlicher Datenbasis, Qualitaetsvergleich und klaren Kriterien, wann alte Arbeitsschritte schrittweise entfallen koennen.

Eine aktuelle Technologiedebatte verbindet zwei Entwicklungen, die fuer KI im Mittelstand wichtiger sind als ihr futuristischer Klang: Modelle bekommen mehr Zugang zu realen, zeitnahen Daten, und Reasoning-Faehigkeiten werden systematischer trainierbar. Planet beschreibt Pelican als sehr hochaufloesende Satellitenkonstellation fuer Erddaten; DeepSeek-R1 zeigt in seiner Veroeffentlichung, dass Reinforcement Learning reasoning patterns wie self-reflection, verification und dynamic strategy adaptation hervorbringen kann. Fuer KMU entsteht daraus keine Raumfahrt- oder Modellfrage. Die Managementfrage lautet: Wie fuehrt man neue KI-Ablaeufe ein, wenn sie echte Arbeit mit echten Daten beruehren?

Der neue Ablauf braucht eine eigene Spur

Der laufende Betrieb ist keine neutrale Testumgebung. Angebote muessen stimmen, Servicefaelle duerfen nicht falsch priorisiert werden, Projektstaende muessen belastbar bleiben. Wer einen neuen agentischen Arbeitsablauf direkt in diese Linie schaltet, verwechselt technische Faehigkeit mit betrieblicher Reife.

Sinnvoller ist eine zweite Arbeitsbahn. Der bestehende Ablauf bleibt zunaechst verbindlich. Daneben bearbeitet der KI-gestuetzte Ablauf dieselben realen Faelle, mit derselben Datenbasis und demselben Zielergebnis. Er erstellt also nicht beliebige Demos, sondern eine alternative Vorarbeit fuer konkrete Vorgange: ein Angebot, eine Serviceeinordnung, eine Projektzusammenfassung, eine Entscheidungsunterlage.

Der Unterschied ist wichtig. Ein Test mit Beispieldaten zeigt, was ein System prinzipiell kann. Eine zweite Arbeitsbahn zeigt, ob der neue Ablauf in die Organisation passt. Sie macht sichtbar, welche Daten fehlen, welche Annahmen unklar bleiben, welche Rolle nachpruefen muss und ob das Ergebnis im naechsten Arbeitsschritt tatsaechlich nutzbar ist.

Reale Daten veraendern die Qualitaet der Fragen

Der Planet-Bezug ist fuer Management nicht wegen Satelliten interessant, sondern wegen der Logik dahinter. Wenn Modelle nicht nur allgemeines Wissen nutzen, sondern aktuelle und historische Beobachtungen einbeziehen, veraendert sich die Frage: Es geht weniger um Theorie, mehr um Abweichung, Lage und Entwicklung. Ein landwirtschaftlicher Betrieb fragt dann nicht nur nach Anbaumethoden, sondern nach dem Zustand eines konkreten Feldes im Vergleich zu frueheren Jahren. Eine Einsatzleitung fragt nicht nach der Theorie einer Ueberschwemmung, sondern nach der heutigen Lage vor Ort.

Im Unternehmen gilt dasselbe Muster kleiner und naeher. Ein agentischer Ablauf fuer Angebote sollte nicht nur wissen, wie ein gutes Angebot klingt. Er muss die aktuelle Preisliste, freigegebene Rabatte, Lieferfaehigkeit, Kundenhistorie und technische Einschraenkungen verarbeiten. Ein Serviceablauf sollte nicht nur freundlich antworten. Er muss Vertragsstatus, Wartungshistorie, Gewaehrleistung und Eskalationsregeln beruecksichtigen.

Damit wird die verbindliche Datenquelle zum Kern der organisatorischen Anschlussfaehigkeit. Ohne sie erzeugt KI plausible Vorarbeit, die im Betrieb wieder zerlegt werden muss. Mit ihr kann ein zweiter Arbeitsweg zeigen, ob Entscheidungsqualitaet besser wird: weniger Rueckfragen, klarere Ausnahmen, kuerzere fachliche Pruefung und weniger Korrekturschleifen.

Reasoning ist noch keine Verantwortung

DeepSeek-R1 ist als technischer Nachweis relevant, weil die Arbeit an Reasoning-Faehigkeiten nicht nur ueber groessere Modelle laeuft. Das Paper beschreibt, dass Reinforcement Learning ohne menschlich gelabelte Reasoning-Trajektorien fortgeschrittene Muster wie Selbstpruefung, Verifikation und dynamische Strategieanpassung hervorbringen kann. Ausserdem koennen solche Muster genutzt werden, um kleinere Modelle zu verbessern.

Fuer Geschaeftsfuehrung und Bereichsleitung bedeutet das: Bessere KI-Vorarbeit wird breiter verfuegbar werden. Sie bleibt aber Vorarbeit. Ein Modell, das plausibler prueft oder laenger schlussfolgert, uebernimmt damit nicht automatisch Verantwortung fuer Kundenzusage, Marge, Liefertermin oder Eskalation.

Gerade deshalb ist der Parallelbetrieb so wertvoll. Er trennt Faehigkeit von Zustimmungsrecht. Der neue Ablauf darf zeigen, welche Annahmen er trifft, welche Belege er nutzt und wo er unsicher bleibt. Die Organisation entscheidet aber, welche Rolle prueft, welche Abweichung freigibt und ab welchem Qualitaetsniveau ein alter Arbeitsschritt entfallen darf. KI-Governance wird dadurch nicht zur abstrakten Richtlinie, sondern zur sichtbaren Zuordnung von Daten, Pruefung und Entscheidung.

Die zweite Spur zeigt, welche Arbeit verschwindet

In vielen KI-Projekten wird zu frueh gefragt, welche Stelle ersetzt wird. Praeziser ist die Frage, welche Arbeitsschritte nachweislich nicht mehr gebraucht werden. Eine zweite Arbeitsbahn beantwortet diese Frage besser als jede Prozesspraesentation.

Im Vertrieb kann der KI-Ablauf Standardangebote vorbereiten. Nach mehreren echten Faellen laesst sich sehen, ob Recherche in alten Angeboten entfaellt, ob Kalkulationen weniger haeufig repariert werden muessen und ob technische Annahmen frueher sichtbar sind. Vielleicht verschwindet nicht die Vertriebsrolle, sondern ein Teil der Such- und Formulierarbeit. Gleichzeitig waechst die Bedeutung von Marge, Plausibilitaet und Freigabe.

Im Service kann der neue Ablauf Faelle vorsortieren und Antwortentwuerfe erstellen. Der Vergleich zeigt, ob die Serviceleitung weniger falsch eskalierte Faelle sieht, ob Mitarbeitende schneller zur richtigen Loesung kommen und ob Kundenantworten konsistenter werden. Wenn die Nacharbeit gleich bleibt, ist der Ablauf nicht reif. Wenn bestimmte Standardfaelle wiederholt tragfaehig vorbereitet werden, kann genau dieser Teil aus dem alten Ablauf geloest werden.

In der Projektabwicklung kann ein agentischer Ablauf offene Punkte, Entscheidungen und Risiken aus E-Mails, Protokollen und Aufgabenlisten verdichten. Die entscheidende Messung ist nicht, ob die Zusammenfassung gut klingt. Entscheidend ist, ob sie eine bessere naechste Handlung ermoeglicht: nachfassen, eskalieren, Termin anpassen, Kundenerwartung klaeren oder bewusst nichts aendern.

Umschalten ist ein Rueckbau, kein Knopfdruck

Der alte Ablauf sollte erst zurueckgebaut werden, wenn die zweite Arbeitsbahn ueber echte Faelle eine stabile Bilanz zeigt. Das heisst nicht, dass jeder Einzelfall perfekt sein muss. Es heisst, dass Fehlerarten bekannt sind, Datenquellen geklaert sind, Pruefrollen funktionieren und die Kosten pro verwertbarem Ergebnis sinken oder eine bessere Entscheidungsqualitaet rechtfertigen.

Der Rueckbau beginnt klein. Zuerst entfallen doppelte Sammlungen, manuelle Recherchen oder Formatierungsarbeiten. Danach koennen einzelne Falltypen in den neuen Ablauf wandern. Spaeter werden Freigabepunkte angepasst, wenn klar ist, welche Risiken weiter menschliche Urteilskraft brauchen. So entsteht kein harter Bruch zwischen alter und neuer Organisation, sondern eine nachvollziehbare Verlagerung von Arbeit.

Das ist der praktische Kern fuer KI im Mittelstand. Agentische Arbeitsablaeufe sollten nicht neben dem Bestand laufen, weil Unternehmen zaudern. Sie sollten dort laufen, weil nur diese zweite Spur sichtbar macht, ob der neue Arbeitsweg anschlussfaehig, wirtschaftlich und verantwortbar ist. Management gewinnt dadurch eine bessere Karte der eigenen Arbeit: Was kann automatisiert vorbereitet werden, was muss fachlich geprueft bleiben, und welche alte Routine darf erst verschwinden, wenn der neue Ablauf im Alltag getragen hat.