Arbeit wandert an den Rand der Firma

Kurzfassung: KI im Mittelstand verschiebt Wertschöpfung: Nicht ganze Unternehmen werden ersetzt, sondern bezahlte Teilergebnisse aus Vertrieb, Service und Projektarbeit werden leichter von außen nachgebildet. Die eigentliche Managementaufgabe ist, Arbeit neu zuzuschneiden, bevor Kunden den Unterschied im Ergebnis merken.

Leistungsfähige KI-Systeme werden inzwischen als strategische Infrastruktur behandelt. Der US-amerikanische Executive Order 14110 ordnete Sicherheits- und Berichtspflichten für besonders leistungsfähige KI-Systeme an. Das im Federal Register veröffentlichte Framework for Artificial Intelligence Diffusion beschreibt, wie fortgeschrittene KI-Technologie international kontrollierter verbreitet werden soll. Gleichzeitig zeigt der Anthropic Economic Index, dass KI bereits in realen Tätigkeiten wie Schreiben, Analysieren, Programmieren und Informationsverarbeitung eingesetzt wird. Für deutsche KMU entsteht daraus keine abstrakte Technikfrage, sondern eine sehr konkrete Verschiebung: Arbeit, die bisher innerhalb der Organisation gebündelt war, kann als schlanker Ergebnisbaustein von kleinen KI-nativen Teams angeboten werden.

Der neue Wettbewerber verkauft kein Unternehmen

Ein kleines KI-Team muss keinen Maschinenbauer, technischen Händler oder IT-Dienstleister vollständig ersetzen. Es reicht, einen sichtbaren Ausschnitt der Wertschöpfung besser zugänglich zu machen: eine Angebotsvorbereitung, eine Ersatzteilklärung, eine technische Ersteinschätzung, eine Lieferantenanalyse oder eine Projektübersicht.

Genau darin liegt die Veränderung. Wettbewerb entsteht nicht nur durch ähnliche Produkte, sondern durch vergleichbare Ergebnisse an einer bestimmten Stelle der Kundenreise. Ein Kunde sieht selten die interne Mühe: Rückfragen, E-Mail-Ketten, verstreute PDF-Anhänge, alte Kalkulationen, persönliche Erfahrungswerte. Er bewertet Tempo, Plausibilität, Preis, Risiko und organisatorische Anschlussfähigkeit.

Für die Geschäftsleitung entsteht damit eine neue Landkarte der Arbeit. Nicht die Abteilung ist die kleinste strategische Einheit, sondern das bezahlte Teilergebnis. Wo dieses Ergebnis stark auf wiederholbarer Wissensarbeit beruht, sinken durch agentische Arbeitsabläufe die Kosten der Vorbereitung. Wo es auf eigener Datenhistorie, Haftung, Kundennähe und Entscheidungsqualität beruht, bleibt der etablierte Anbieter stärker.

Fachrollen verlieren Routine, nicht Bedeutung

Die sichtbarste Veränderung betrifft den Zuschnitt von Rollen. Im Vertrieb besteht ein qualifiziertes Angebot aus Produktwissen, Variantenlogik, Preisplausibilität, Lieferfähigkeit, technischen Einschränkungen und einer verbindlichen kaufmännischen Aussage. Das ist keine einfache Automatisierungsaufgabe. Aber ein Teil der Vorarbeit ist wiederholbar: alte Angebote finden, Stücklisten vergleichen, Preislisten prüfen, technische Ausschlüsse markieren, offene Angaben formulieren und Entwurfstexte vorbereiten.

Wenn KI diese Schritte vorstrukturiert, wird der Vertriebsingenieur nicht überflüssig. Seine Arbeit wandert. Weniger Zeit fließt in Suchen, Sortieren und erste Formulierungen. Mehr Bedeutung bekommen Urteil, Risikoabwägung, Preisentscheidung, Verhandlung und Freigabe.

Das ist ein Rollenumbau, kein reines Produktivitätsprogramm. Wer ihn nur als Effizienzthema behandelt, übersieht den kommerziellen Punkt: Ein externer Anbieter kann genau den vorbereitenden Teil als schnelle Leistung verkaufen. Dann entscheidet nicht mehr, wer intern mehr Erfahrung hat, sondern wer dem Kunden früher ein prüffähiges Ergebnis liefert.

Servicewissen braucht eine verbindliche Datenquelle

Im Kundendienst zeigt sich dieselbe Bewegung mit höherem Verantwortungsanteil. Viele Fälle sind individuell genug, um Fachprüfung zu brauchen, aber standardisiert genug, um vorbereitet zu werden: Fehlerbeschreibung aufnehmen, Vertragsstatus prüfen, Gerätehistorie lesen, passende Anleitung finden, Ersatzteil identifizieren, Eskalationsgrund bewerten und eine Antwort entwerfen.

Hier trennt sich verwertbares Wissen von bloßer Erinnerung. Informationen in alten Tickets, einzelnen Köpfen, E-Mails und Dateianhängen sind für KI im Mittelstand nur begrenzt ein Schutz. Sie können sogar zum Nachteil werden, weil sie Reaktionszeit verlängern und Qualität schwer nachvollziehbar machen. Verteidigungsfähig wird Servicewissen erst, wenn Fallhistorien, Gewährleistungslogik, Geräteinformationen und Zuständigkeiten als verbindliche Datenquelle nutzbar sind.

Damit bekommt KI-Governance einen praktischen Kern. Sie klärt nicht nur Grundsätze, sondern Arbeitsgrenzen: Welche Quelle gilt für den Vertragsstatus? Wer prüft Gewährleistung? Welche Antwort bleibt Entwurf, welche wird Zusage? Wann zählt eine vorbereitete Lösung als ausreichend, und wann muss ein erfahrener Mensch übernehmen? Diese Regeln entscheiden, ob KI Unsicherheit beschleunigt oder Entscheidungsqualität verbessert.

Die Wertschöpfung rückt näher zum Kunden

Auch Projektarbeit verändert sich. Projektleitungen sammeln Statusstände, verdichten Protokolle, verfolgen offene Punkte, markieren Risiken und bereiten Kundenkommunikation vor. Ein Teil dieser Arbeit erzeugt echten Wert, weil er Prioritäten, wirtschaftliche Folgen und Kundenwirkung sichtbar macht. Ein anderer Teil besteht darin, verstreute Informationen in eine ordentliche Form zu bringen.

Agentische Arbeitsabläufe können Aufgabenlisten, E-Mails, Protokolle, Liefertermine und Risiken zusammenführen. Sie können Abweichungen markieren, offene Entscheidungen hervorheben und nächste Schritte vorschlagen. Dadurch verschiebt sich die Projektrolle näher an Bewertung und Verantwortung. Weniger Informationssammlung, mehr Entscheidungsvorbereitung. Weniger Nachtragen, mehr Steuerung von Ausnahmen.

Für KMU ist der sinnvolle Test deshalb eng und geschäftsnah. Ein internes Team nimmt zehn bis dreißig alte Fälle aus einem Bereich, etwa Angebote einer Produktgruppe, Servicefälle eines Gerätetyps oder Projektunterlagen eines wiederkehrenden Projekttyps. Dann wird geprüft, ob daraus in 60 bis 90 Tagen ein KI-gestützter Gegenprozess entsteht, der ein verwertbares Ergebnis vorbereitet.

Gemessen werden nicht nur Zeitersparnis und Produktivität. Wichtig sind Fehlerarten, Prüfaufwand, Kundennutzen, Nacharbeitskosten, organisatorische Anschlussfähigkeit und Kosten pro belastbarem Ergebnis. Danach sieht die Geschäftsleitung, an welcher Stelle Arbeit aus der eigenen Organisation herauslösbar wird und wo echte Stärke bleibt: Datenhistorie, Sonderfallwissen, Haftung, Integration, Beziehung und Urteilskraft.

Die konkrete Konsequenz lautet: Ein KMU sollte nicht zuerst nach allgemeinen KI-Anwendungsfällen suchen, sondern nach bezahlten Teilergebnissen, die Kunden direkt vergleichen können. Dort muss die eigene Organisation schneller, verbindlicher und klarer verantwortlich werden, bevor ein kleinerer Anbieter denselben Ausschnitt als eigenständige Leistung verkauft.