IT-Wissen · IT-Wissen

Wenn künstliche Intelligenz vor allem die langweilige Arbeit übernimmt

Kurz zusammengefasst: Künstliche Intelligenz kann viele wiederholbare Arbeitsschritte beschleunigen. Für kleine Unternehmen und den Mittelstand liegt ihr größter Nutzen deshalb oft nicht in spektakulären Zukunftsszenarien, sondern in der Entlastung bei Recherche, Dokumentation, Datenaufbereitung und ersten Entwürfen. Der entscheidende Punkt: KI ersetzt nicht automatisch den gesamten Prozess. Gute Ergebnisse brauchen weiterhin klare Ziele, verlässliche Daten, menschliche Prüfung, passende Abläufe und manchmal reale Tests, Maschinen oder Genehmigungen.

Von der Idee zur Umsetzung

Fortschritt entsteht selten allein dadurch, dass jemand eine gute Idee hat. Zwischen einer Idee und einem nutzbaren Ergebnis liegen viele abhängige Arbeitsschritte: Informationen müssen gefunden und bewertet, Software muss erstellt, Material beschafft, Prozesse organisiert und Ergebnisse geprüft werden. Diese ergänzenden Voraussetzungen entscheiden mit darüber, ob eine Idee praktisch wirksam wird.

Der Essay „The eternal complement“ beschreibt solche Abhängigkeiten als Komplemente. Ein leistungsfähiges Werkzeug ist besonders wertvoll, wenn zugleich eine gute Aufgabe, geeignete Daten, Fachwissen und ein organisatorischer Rahmen vorhanden sind. Das gilt für Forschung ebenso wie für betriebliche IT-Projekte. Eine gute Idee ist daher noch kein fertiger Fortschritt.

Warum gerade langweilige Arbeit interessant ist

Viele betriebliche Tätigkeiten sind nicht schwierig, weil sie außergewöhnliche Kreativität verlangen, sondern weil sie häufig, kleinteilig und fehleranfällig sind. Dazu gehören etwa das Zusammenfassen langer Unterlagen, das Übertragen von Informationen zwischen Systemen, das Sortieren von Anfragen, das Erstellen erster Textentwürfe oder das Vergleichen definierter Angaben.

Solche Aufgaben eignen sich grundsätzlich für KI-Unterstützung, wenn der Ablauf ausreichend klar beschrieben werden kann. Die KI kann einen Entwurf, eine Klassifizierung oder eine Priorisierung liefern. Die Verantwortung für die Entscheidung bleibt jedoch beim Unternehmen. Besonders bei Kunden-, Personal-, Vertrags- oder Finanzdaten muss vorab geklärt werden, welche Informationen verarbeitet werden dürfen und wie Ergebnisse kontrolliert werden.

Der praktische Wert liegt häufig darin, dass Beschäftigte weniger Zeit mit dem ersten Sortieren, Suchen und Formatieren verbringen. Dadurch bleibt mehr Zeit für Rückfragen, technische Beurteilung, Kundenkontakt und Entscheidungen. Das ist keine automatische Vollautomatisierung, sondern eine Verschiebung menschlicher Arbeit auf anspruchsvollere Prozessschritte.

Der neue Engpass heißt Auswahl

Wenn die technische Umsetzung einfacher wird, können mehr Vorhaben gleichzeitig begonnen werden. Dadurch verschiebt sich der Engpass: Nicht jede Idee sollte umgesetzt werden, und nicht jeder automatisch erzeugte Entwurf ist nützlich. Unternehmen brauchen Kriterien für Relevanz, Aufwand, Risiko, Datenqualität und erwarteten Nutzen.

Im Essay wird diese Fähigkeit als „Geschmack“ beschrieben. Gemeint ist keine ästhetische Vorliebe, sondern die Kompetenz, eine wichtige Frage zu erkennen und aus vielen möglichen Ansätzen den tragfähigen auszuwählen. Für den Mittelstand bedeutet das praktisch: Ein klar abgegrenzter Prozess mit messbarem Ziel ist meist ein besserer Startpunkt als ein allgemeines Vorhaben, möglichst viel KI einzusetzen.

Ein sinnvoller Prüfpunkt lautet deshalb: Welche Entscheidung oder Tätigkeit soll nach dem Einsatz besser, schneller oder nachvollziehbarer sein? Wenn diese Frage nicht beantwortet werden kann, besteht die Gefahr, dass KI lediglich zusätzliche Vorschläge und damit zusätzlichen Prüfaufwand erzeugt.

Die Daten- und Organisationsseite

Forschung und Entwicklung zeigen, dass Fortschritt auf viele unterschiedliche Tätigkeiten angewiesen ist. Die Daten des National Center for Science and Engineering Statistics unterscheiden unter anderem Forschende, technische Fachkräfte und unterstützende Tätigkeiten. Das verdeutlicht einen allgemeinen Zusammenhang: Wertschöpfung entsteht nicht nur durch die Person mit der Idee, sondern auch durch Dokumentation, Infrastruktur, Verwaltung, Tests und Koordination.

Für Unternehmen gilt dasselbe im kleineren Maßstab. Ein KI-Werkzeug kann einen Arbeitsschritt beschleunigen, aber es benötigt gepflegte Daten, verständliche Vorgaben und einen Prozess, in dem das Ergebnis verwendet werden kann. Fehlen Zuständigkeiten, Schnittstellen oder Freigaben, bleibt die technische Lösung ein isoliertes Werkzeug.

Vor der Einführung sollte deshalb festgelegt werden, welche Eingaben zulässig sind, wie ein Ergebnis überprüft wird, wer Fehler korrigiert und wann ein Vorgang an einen Menschen übergeben werden muss. Diese Regeln sind oft wichtiger als die Frage, welches Modell im Hintergrund arbeitet.

Was KI nicht wegzaubern kann

Simulationen und Software können viele Vorarbeiten beschleunigen, aber die reale Welt bleibt ein eigener Prüfbereich. Chemische, biologische und physische Prozesse müssen unter realen Bedingungen untersucht werden. Auch ein digital gut vorbereiteter Ablauf kann an fehlenden Fachkräften, Lieferzeiten, Sicherheitsanforderungen, Genehmigungen oder begrenzter Infrastruktur scheitern.

Das gilt im Unternehmen bereits bei scheinbar einfachen Automatisierungen. Eine KI kann Daten aus Belegen oder E-Mails vorstrukturieren. Sie kann aber nicht selbst garantieren, dass ein Beleg steuerlich richtig behandelt, eine Frist rechtlich korrekt bewertet oder eine Kundenentscheidung sachgerecht getroffen wurde. Für solche Schritte braucht es definierte Kontrollen und zuständige Personen.

Auch regulatorische Anforderungen können nicht durch eine gute Formulierung im Eingabefeld ersetzt werden. Der europäische Rechtsrahmen verfolgt einen risikobasierten Ansatz. Je nach Einsatz können Transparenz, Protokollierung, menschliche Aufsicht, Dokumentation oder weitere Anforderungen relevant sein. Die Einstufung hängt vom konkreten Anwendungsfall ab, nicht allein vom Etikett „KI“.

Ein pragmatischer Einsatz im Unternehmen

Sinnvoll ist ein schrittweises Vorgehen. Zuerst wird ein wiederkehrender Prozess mit klar erkennbarem Zeitaufwand ausgewählt. Danach werden Eingaben, gewünschtes Ergebnis, zulässige Daten und Prüfschritte dokumentiert. Ein begrenzter Test zeigt, ob die Qualität ausreicht und an welcher Stelle Menschen eingreifen müssen.

Erst anschließend sollte entschieden werden, ob die Lösung dauerhaft in den Arbeitsablauf gehört. Dabei sind Zugriffsrechte, Protokollierung, Aufbewahrung, Ausfallverfahren und Verantwortlichkeiten ebenso wichtig wie die technische Funktion. KI ist dann produktiv, wenn sie einen überprüfbaren Prozess verbessert, nicht wenn sie nur zusätzliche Entwürfe erzeugt.

Für kleine Unternehmen ist ein enger Anwendungsbereich meist leichter beherrschbar: interne Wissenssuche, Entwürfe für Standarddokumente, Ticketvorsortierung oder die Aufbereitung strukturierter Informationen. Der Umfang kann später wachsen, wenn Qualität, Datenschutz, Akzeptanz und Verantwortlichkeit nachweisbar funktionieren.

Beispiel aus der Praxis

Beispiel: Ein kleiner IT-Dienstleister erhält regelmäßig Support-Anfragen per E-Mail. Eine KI kann eingehende Nachrichten nach vorher festgelegten Kategorien vorsortieren, fehlende Angaben markieren und einen Antwortentwurf erstellen. Ein Mitarbeiter prüft die Zuordnung, ergänzt technische Informationen und versendet die Antwort erst nach Freigabe. Der Nutzen liegt in weniger manueller Vorsortierung und einer einheitlicheren Bearbeitung. Nicht delegiert werden sollten die verbindliche Fehlerdiagnose, Sicherheitsbewertungen, Vertragsentscheidungen oder Änderungen an produktiven Systemen ohne zusätzliche Freigabe. Vor dem Start werden Testfälle aus vergangenen Anfragen anonymisiert, typische Fehlklassifikationen dokumentiert und ein Verfahren für unsichere oder widersprüchliche Ergebnisse festgelegt.

Chancen für Unternehmen

• Wiederkehrende Recherche- und Zusammenfassungsaufgaben können schneller vorbereitet werden.
• Dokumente, E-Mails und Tickets lassen sich nach transparenten Regeln vorstrukturieren.
• Erste Entwürfe für Dokumentation, interne Anleitungen oder Standardantworten können den Einstieg erleichtern.
• Fachkräfte gewinnen Zeit für Kundenklärung, technische Entscheidungen und Aufgaben, bei denen Erfahrung und Verantwortung entscheidend sind.
• Kleine Betriebe können einzelne Prozessverbesserungen testen, ohne sofort eine umfassende KI-Strategie oder eine vollständige Automatisierung umzusetzen.

Grenzen und Prüfpunkte

• KI-Ergebnisse können unvollständig, falsch oder für den konkreten Prozess ungeeignet sein und müssen fachlich geprüft werden.
• Reale Tests, physische Arbeiten, Genehmigungen, Lieferketten und verfügbare Fachkräfte werden durch digitale Unterstützung nicht automatisch ersetzt.
• Sensible Daten dürfen nur verarbeitet werden, wenn Zweck, Berechtigung, Anbieter, Vertragslage und technische Schutzmaßnahmen geprüft sind.
• Eine hohe Zahl automatisch erzeugter Vorschläge kann den Prüfaufwand erhöhen. Deshalb braucht jeder Einsatz klare Annahmekriterien und einen Abbruchweg.
• Bei Anwendungen mit Auswirkungen auf Beschäftigte, Kunden, Kreditentscheidungen, Sicherheit oder andere Grundrechte reicht eine technische Funktionsprüfung nicht aus. Einsatzbereich, Risikoklasse und rechtliche Pflichten müssen gesondert bewertet werden.
• Die Verfügbarkeit eines KI-Dienstes in der EU bedeutet weder automatisch EU-Datenhaltung noch DSGVO-Konformität. Anbieter, Vertrag, Datenfluss und Konfiguration müssen separat geprüft werden.