Jobs neu schneiden statt KI einbauen

Kurzfassung: KI-Projekte liefern selten große Produktivitätssprünge, wenn sie nur bestehende Tätigkeiten beschleunigen. Der stärkere Hebel liegt im Rollenumbau: Standardfälle, Ausnahmen, Datenzugriff und fachliche Prüfung werden neu verteilt. Dadurch verändert sich nicht nur ein Prozess, sondern der Zuschnitt von Arbeit.

In Unternehmen entsteht derzeit ein wiederkehrendes Muster: KI verbessert sichtbare Einzelleistungen, aber der betriebliche Effekt bleibt kleiner als erwartet. E-Mails werden schneller formuliert, Rechnungen automatisch ausgelesen, Serviceantworten vorbereitet, Projektstände zusammengefasst. Trotzdem bleiben Rückfragen, Wartezeiten, Freigaben und Nacharbeit bestehen. Der Grund liegt häufig nicht in der Modellleistung. KI wird in Jobs eingebaut, die weiterhin für menschliche Bearbeitung, verstreute Informationen und Kontrolle am Ende gebaut sind.

Der relevante Sprung liegt im Rollenumbau

In der aktuellen Debatte über große offene Modelle, neue Modellarchitekturen und agentische KI-Systeme wird ein Managementpunkt besonders wichtig: Produktivität entsteht nicht nur dort, wo KI Aufgaben erledigt, sondern dort, wo Arbeit anders zugeschnitten wird. Ein System, das einen Text schreibt, verändert eine Tätigkeit. Ein System, das Daten prüft, erlaubte nächste Schritte vorbereitet, Ausnahmen erkennt und fachliche Entscheidungen gezielt an Menschen zurückgibt, verändert eine Rolle.

Diese Unterscheidung ist durch die technischen Leitfäden gut erklärbar. Anthropic beschreibt in „Building effective agents“ den Unterschied zwischen fest definierten Abläufen und Agenten, die selbst entscheiden können, welche Werkzeuge sie zur Zielerreichung nutzen. OpenAI betont in seinem Praxisleitfaden zu Agenten klar abgegrenzte Aufgaben, verfügbare Werkzeuge, Kontrollen und nachvollziehbare Ausführung. Liquid AI zeigt mit den Liquid Foundation Models, dass sich auch die technische Modellseite weiter ausdifferenziert und nicht allein auf klassische Transformer-Architekturen festgelegt bleibt.

Für das KI-Management folgt daraus keine einfache Kaufentscheidung. Die Führungsfrage lautet: Welche Arbeit ist so beschreibbar, dass ein KI-System nicht nur assistiert, sondern legitime Teilschritte übernehmen kann? Dafür braucht es ein klares Ziel, eine verbindliche Datenquelle, definierte Handlungsmöglichkeiten und erkennbare Prüfpunkte. Fehlen diese Voraussetzungen, bleibt KI Zuarbeit in einem alten Jobprofil.

Der Transformationspunkt liegt also nicht im Werkzeug, sondern im Verantwortungszuschnitt. Fachkräfte werden nicht nur entlastet. Ein Teil ihrer Arbeit wandert von der Einzelfallbearbeitung in die Definition von Regeln, Qualitätsmaßstäben, Eskalationsgrenzen und Ausnahmeentscheidungen.

Gute Demos treffen selten den wirtschaftlichen Kern

Der Fehler beginnt oft bei der Formulierung des Anwendungsfalls. Unternehmen übersetzen bestehende Tätigkeiten direkt in KI-Ideen: Angebote schreiben, Tickets beantworten, Rechnungen auslesen, Besprechungen zusammenfassen. Das liefert schnelle Demonstrationen. Es beantwortet aber nicht automatisch die Frage, ob der Ablauf für Kunden, Kosten oder Entscheidungsqualität besser wird.

In der Angebotserstellung ist der Text nur ein sichtbarer Ausschnitt. Für den Kunden zählen Preis, Lieferfähigkeit, technische Machbarkeit, Rabattgrenzen, Vertragsbedingungen und Verlässlichkeit der Zusage. Wenn diese Informationen weiterhin aus mehreren Systemen und über einzelne Personen zusammengetragen werden müssen, beschleunigt KI vor allem die Verpackung. Die Angebotsfähigkeit des Unternehmens verändert sich kaum.

Im Kundenservice gilt dasselbe. Eine KI kann Anfragen klassifizieren und Antwortvorschläge erzeugen. Wenn Kulanzregeln unklar sind, Produktdaten nicht verbindlich gepflegt werden oder der Vertragsstatus erst manuell geprüft werden muss, bleibt die Lösung des Falls langsam. Kunden nehmen nicht wahr, ob ein Textentwurf in Sekunden entstanden ist. Sie merken, ob ihr Anliegen konsistent, ohne Wiederholung und mit belastbarer Entscheidung gelöst wird.

Damit wird organisatorische Anschlussfähigkeit zur Voraussetzung für Produktivität. Ein agentischer Arbeitsablauf braucht nicht zwingend eine perfekte IT-Landschaft. Aber er braucht genug Klarheit, damit ein System unterscheiden kann: Was ist Standard? Was ist Abweichung? Welche Information gilt? Welche Handlung ist erlaubt? Wann muss ein Mensch entscheiden?

Facharbeit wandert in Regeln, Ausnahmen und Qualität

Der größte betriebliche Effekt liegt häufig nicht in der Automatisierung einzelner Handgriffe, sondern in der Veränderung der Facharbeit. In klassischen Abläufen lesen, suchen, vergleichen, fragen, dokumentieren und prüfen Menschen jeden Vorgang weitgehend vollständig selbst. KI kann diese Schritte unterstützen. Der stärkere Produktivitätseffekt entsteht, wenn nicht mehr jeder Standardfall gleich tief menschlich bearbeitet wird.

Dann entsteht ein anderer Jobzuschnitt:

• Standardfälle werden maschinell vorbereitet oder innerhalb enger Grenzen abgeschlossen.
• Fachkräfte definieren Regeln, Beispiele, Qualitätsmaßstäbe und Eskalationsgrenzen.
• Menschen entscheiden Grenzfälle, Kundenkonflikte, Risikoabwägungen und Fälle mit Ermessen.
• Führungskräfte steuern stärker über Ergebnisqualität, Nacharbeit, Entscheidungsqualität und Kundenauswirkung.

Die Rechnungsprüfung macht den Unterschied besonders sichtbar. Wird KI nur eingesetzt, um Rechnungsdaten auszulesen, sinkt der Erfassungsaufwand. Wenn anschließend jede Rechnung denselben Prüf- und Freigabepfad durchläuft, bleibt der wirtschaftliche Nutzen begrenzt.

Anders sieht es aus, wenn Rechnung, Bestellung, Wareneingang, Vertragsbedingungen, Freigabegrenzen und Abweichungsregeln zusammengeführt werden. Dann muss nicht jeder Vorgang gleich behandelt werden. Unkritische Standardfälle können vorbereitet oder in engen Grenzen abgeschlossen werden. Menschen kümmern sich um Abweichungen: falsche Mengen, fehlende Leistungen, ungewöhnliche Preise, unklare Vertragsbezüge oder Regelkonflikte.

Hier wird KI-Governance praktisch. Sie besteht nicht nur aus allgemeinen Nutzungsrichtlinien. Entscheidend sind Rechte, Datenverantwortung, Prüfpfade, Protokollierung und klare Grenzen im laufenden Betrieb. Wer darf Regeln ändern? Welche Vertragsversion gilt? Welche Abweichung ist tolerierbar? Wann wird eskaliert? Ohne solche Festlegungen entstehen mehr Vorschläge, aber nicht zwingend mehr verlässliche Entscheidungen.

Die nützlichere Kennzahl ist das verwertbare Ergebnis

Eine verbreitete Fehlsteuerung entsteht, wenn KI-Initiativen vor allem an Nutzung oder Automatisierungsquote gemessen werden. Hohe Nutzungszahlen sagen wenig darüber aus, ob das Geschäftsergebnis besser wurde. Auch eine hohe Automatisierungsquote kann täuschen, wenn anschließend zusätzliche Prüfung, Korrektur oder Abstimmung nötig wird.

Für Geschäftsführung, Bereichsleitung und operative Verantwortung ist eine andere Frage aussagekräftiger: Was kostet ein verwertbares Ergebnis?

Also nicht: Wie viele Rechnungen wurden automatisch gelesen? Sondern: Wie viele Rechnungen wurden korrekt, regelkonform und ohne unnötige Nacharbeit freigegeben? Nicht: Wie viele Serviceantworten wurden vorgeschlagen? Sondern: Wie viele Fälle wurden beim ersten Durchlauf gelöst? Nicht: Wie viele Angebotsbausteine wurden erzeugt? Sondern: Wie schnell entsteht ein belastbares Angebot, das kaufmännisch, technisch und vertraglich tragfähig ist?

Diese Sicht verändert auch die Prozessauswahl. Geeignet sind wiederkehrende Vorgänge mit erkennbarem Ergebnis, ausreichend stabilen Daten und messbarer Wirkung: Angebote, Servicefälle, Rechnungsprüfung, interne Freigaben, Projektstatus oder bestimmte Controlling-Aufgaben. Weniger geeignet sind seltene, stark ermessensabhängige oder schlecht dokumentierte Fälle, bei denen zuerst Grundwissen rekonstruiert werden müsste.

Für KI im Mittelstand ist diese Eingrenzung besonders relevant. IT- und Fachkapazitäten sind begrenzt, parallele Sonderlösungen belasten den Betrieb schnell, und informelles Erfahrungswissen ist oft auf einzelne Personen verteilt. Ein kleiner, sauber zugeschnittener Vorgang kann deshalb mehr Wirkung haben als eine breite Einführung zusätzlicher Assistenten.

Der konkrete Entscheidungsmaßstab für einen KMU-Geschäftsführer lautet: Welcher wiederkehrende Job ist wichtig genug, um Standardfälle, Ausnahmen, Datenzugriff und fachliche Prüfung neu zu verteilen? Dort zeigt sich, ob KI nur Arbeit schneller macht – oder ob sie Verantwortung, Qualität und Wertschöpfung im Betrieb tatsächlich anders ordnet.