In vielen Unternehmen kreist die Diskussion über Künstliche Intelligenz noch immer viel zu lange um eine einzige Frage:

„Könnten wir dafür KI einsetzen?“

Die Antwort lautet fast immer: Ja. KI kann zusammenfassen, klassifizieren, entwerfen, extrahieren, vergleichen, weiterleiten, empfehlen und antworten. Wenn man sich nur genug Zeit nimmt, wirkt am Ende fast jede Demo plausibel.

Doch das ist eine viel zu niedrige Hürde.

Die weitaus wichtigere Frage lautet:

Lohnt es sich wirtschaftlich und operativ, diesen Workflow zu betreiben?

Auf genau dieses Wort kommt es an: Betrieb. Nicht Demo. Nicht isolierter Prototyp. Nicht der reine Labor-Nachweis, dass das Modell einen hübschen Text generieren kann. Produktivbetrieb heißt: Der Workflow muss ab sofort dauerhaft gepflegt, überwacht, nachgebessert, abgesichert und auditiert werden – und das Team muss sich blind auf ihn verlassen können.

Viele KI-Ideen meistern die Machbarkeitsprüfung mit Bravour, scheitern dann aber kläglich an den harten Realitäten des Betriebs.

Die reine Machbarkeit kostet heute fast nichts mehr

Generative KI hat den Preis für technologische Machbarkeit massiv gedrückt.

Ein motivierter Mitarbeiter baut heute an einem einzigen Freitagnachmittag einen überzeugenden Prototyp. Ein Tool ist schnell an eine SharePoint-Ablage angeklemmt. Ein cleverer Prompt erzeugt sauber strukturierte Ausgaben. Nach zehn erfolgreichen Testläufen wirkt der Workflow scheinbar fehlerfrei.

Das ist wunderbar, denn es senkt die Kosten für Experimente und Lernkurven.

Gleichzeitig schafft es aber ein massives neues Problem: Organisationen produzieren plötzlich mehr „gute“ KI-Ideen, als sie operativ jemals verantworten können. Der Weg raus aus der PoC-Falle beginnt mit der Erkenntnis, dass eine beeindruckende Demo und ein robuster Betriebs-Workflow völlig unterschiedliche Maßstäbe haben.

In jeder Abteilung gibt es potenzielle Kandidaten. In jedem Prozess klemmt es irgendwo. Durch die rosarote Automatisierungsbrille betrachtet, sieht plötzlich jeder manuelle Klick wie eine perfekte KI-Gelegenheit aus.

Wenn der einzige Filter für Projekte „Können wir das bauen?“ lautet, mutiert das Backlog schnell zu einer endlosen Wunschliste. Und Wunschlisten sind keine Strategie.

Die verborgenen Kosten stecken in der Betriebsverantwortung

Die sichtbaren Kosten eines KI-Use-Cases beschränken sich meist auf die reine Umsetzung: API-Kosten, Tool-Lizenzen, ein paar Tage Entwicklungszeit, vielleicht etwas Datenaufbereitung.

Der wahre, verborgene Preis ist jedoch die dauerhafte Betriebsverantwortung (Ownership).

Jemand muss final definieren, wie ein fachlich korrektes Ergebnis aussieht — und zwar prüfbar, nicht nach Gefühl. Jemand muss Störfällen und Halluzinationen nachgehen. Jemand muss Prompts, Kontext-Dokumente, Zugriffsrechte und Eskalationswege kontinuierlich pflegen. Jemand muss den Workflow rechtssicher erklären können, wenn ein Auditor, ein verärgerter Kunde oder der Betriebsrat anklopft. Und jemand muss sofort bemerken, wenn die Ausgabequalität nach einem Modell-Update schleichend abdriftet.

Bei kleinen, harmlosen Use-Cases mag diese Last kaum ins Gewicht fallen.

Bei Workflows jedoch, die direkten Kundenkontakt haben, finanzielle Entscheidungen vorbereiten, Compliance-Auflagen berühren oder sensibles Interna verarbeiten, ist diese Verantwortung enorm.

Ein Use-Case, der zwei Stunden manuelle Arbeit im Monat spart, aber permanenten Wartungsaufwand erzeugt, ist am Ende des Tages kein Gewinn. Wie sich dieser Aufwand vorab beziffern lässt, rechnet der Betriebskosten-Rechner durch. Er wird schlicht zu einem weiteren Stück lästiger Schatten-IT, um das sich niemand kümmern will.

Deshalb ist die reine Zeitersparnis als Metrik nicht ausreichend.

Die Nachkontrolle kann den Nutzen komplett auffressen

Ein Phänomen, das wir aktuell überall beobachten: Jemand baut einen hochkomplexen Workflow, bei dem die menschliche Nachkontrolle des Ergebnisses fast exakt so lange dauert wie die ursprüngliche Arbeit selbst.

Die Demo sieht im Meeting fantastisch aus, weil das Ergebnis in Sekundenbruchteilen auf dem Bildschirm erscheint. Der tatsächliche Arbeitsalltag ist weit weniger glamourös: Ein Mensch muss jeden Satz der KI mühsam auf Richtigkeit prüfen, fehlenden Kontext manuell nachtragen, Formatierungen glattziehen – und steht am Ende doch persönlich für das finale Dokument gerade.

An diesem Punkt hat KI keine Arbeit abgenommen. Sie hat die Art der Arbeit lediglich verändert – und das oft zum Schlechteren.

Das bedeutet nicht, dass der sogenannte „Human in the Loop“ per se schlecht ist. In vielen geschäftskritischen Workflows wird KI überhaupt erst durch diese menschliche Prüfung sicher und einsatzfähig.

Aber die Rechnung muss unter dem Strich positiv ausfallen. Wenn ohnehin geprüft werden muss, muss das Ergebnis der KI so verlässlich, strukturiert und spitz zugeschnitten sein, dass das Kontrollieren spürbar schneller geht als das Selbermachen. Aus genau diesem Grund schlägt ein eng definierter, leicht prüfbarer erster Workflow fast immer das überambitionierte Riesenprojekt.

Geht diese Zeitrechnung nicht auf, ist der Use-Case vielleicht technisch elegant, aber wirtschaftlich sinnlos.

Manche Aufgaben sollten zwingend in menschlicher Hand bleiben

Es gibt zudem Situationen, in denen KI Prozesse auf eine sehr gefährliche Art und Weise beschleunigt.

Ein heikles Mitarbeiter-Feedbackgespräch. Eine strategische Weichenstellung, die Fingerspitzengefühl und persönliche Verantwortung erfordert. Eine fachliche Ermessensfrage, bei der gerade die menschliche Intuition für Grauzonen den Kern ausmacht. Eine heikle Kundenantwort, bei der das Unternehmen für jede Silbe juristisch einstehen muss.

KI kann in diesen Fällen als Copilot dienen: Sie kann den Kontext aufbereiten, Historien zusammenfassen, auf Konsistenz prüfen oder alternative Formulierungen vorschlagen.

Die Kernaufgabe komplett an eine Maschine delegieren zu wollen, ist hier jedoch ein fataler Fehler.

Zu einer reifen KI-Strategie gehört die Souveränität, ganz klar zu sagen: Nicht hier, nicht jetzt, und nicht in dieser Form.

Das ist keine Innovationsfeindlichkeit. Das ist geschäftlicher Fokus.

Härtere Filter etablieren

Eine ernsthafte, belastbare Diskussion über Use-Cases muss beginnen, lange bevor die erste Demo gebaut wird.

Tritt dieser Fall oft genug auf, damit sich die Automatisierung überhaupt rechnet? Ist der Input sauber genug? Kann ein Sachbearbeiter das Ergebnis verifizieren, ohne die komplette Denkarbeit noch einmal von vorn zu beginnen? Ließe sich ein potenzieller System-Fehler rückwirkend heilen? Gibt es für den Prozess einen benannten, verantwortlichen Owner? Lässt sich die Qualität so objektiv messen, dass das Fach-Team den Zahlen vertraut? Beseitigt das Tool echte Reibungsverluste oder stülpt es nur ein schickes Interface über kaputte Prozesse?

Die wichtigste aller Filter-Fragen lautet jedoch: Was passiert, wenn dieser Workflow unerwartet geschäftskritisch wird?

Wenn im Raum niemand bereit ist, diese Verantwortung formell zu übernehmen, ist der Use-Case schlichtweg noch nicht reif für den Produktivbetrieb.

Das beste „Nein“ schafft oft ein weitaus besseres „Ja“

Einen unreifen Use-Case abzulehnen, bedeutet nicht zwangsläufig, vor dem eigentlichen Problem zu kapitulieren.

Oft zwingt ein „Nein“ das Team lediglich dazu, das Problem intelligenter zuzuschneiden:

  • „KI soll unsere Kundenbeschwerden autonom beantworten“ ist zu breit und zu riskant. „KI soll dem Support-Mitarbeiter vorab eine strukturierte chronologische Fallzusammenfassung erstellen“ ist hingegen extrem nützlich.
  • „KI soll Reisekosten-Ausnahmen genehmigen“ ist compliance-technisch ein Albtraum. „KI soll den Antrag gegen die Reiserichtlinie abgleichen und Abweichungen für den Manager rot markieren“ ist ein solider, vertretbarer Workflow.

Ein professioneller Umgang mit KI zeigt sich nicht in der Frage, ob eine Maschine den gesamten Prozess übernehmen kann. Er zeigt sich in der Präzision, genau den Teilschritt zu isolieren, in dem Technologie die Arbeit objektiv besser macht – ohne ein geschäftliches Urteilsvermögen an sich zu reißen, das ihr schlichtweg nicht zusteht.

Nicht jede technische Spielerei muss gebaut werden. Aber die Use-Cases, die es wirklich verdienen, sollten von Tag eins an ernst genug genommen werden, um den rauen Betriebsalltag zu überstehen.