PERSPEKTIVEN · AI, HUMAN AGENCY & WORK

KI braucht nicht mehr Begeisterung. Sondern mehr Management.

Die meisten Unternehmen haben kein AI-Awareness-Problem mehr. Die schwierigere Aufgabe beginnt danach: Entscheidungen treffen, Verantwortung klären und KI in die tatsächliche Arbeit einer Organisation übersetzen.

Oktober 2026 · Tobbias Schloemer

Die Phase der Begeisterung geht zu Ende

Vor zwei oder drei Jahren war es noch sinnvoll, Unternehmen davon zu überzeugen, dass Artificial Intelligence ihre Arbeit verändern wird. Heute erscheint mir diese Diskussion weitgehend überholt.
Die Technologie ist da. KI-basierte Tools und GenAI-Anwendungen sind in Unternehmen inzwischen breit verfügbar. Mitarbeiter experimentieren damit in ihren Bereichen. Führungskräfte nutzen ChatGPT, Copilot oder andere Systeme im Arbeitsalltag.

In vielen Unternehmen sind Pilotprojekte, Workshops und erste Automatisierungsinitiativen erfolgreich abgeschlossen oder befinden sich in weiten Stadien ihrer Umsetzung – mit gemischten Ergebnissen. Aber insgesamt muss heute kaum noch jemand davon überzeugt werden, dass KI für Unternehmen, Institutionen und für unser privates Leben relevant ist.

Und trotzdem ist der Abstand zwischen dem, was technisch möglich wäre, und dem, was in Unternehmen tatsächlich passiert, erstaunlich groß. Insbesondere wenn wir in Unternehmen nachfragen, wie groß der messbare Effizienz- und Produktivitätsgewinn des KI-Einsatzes ist, fällt die Antwort schwer oder muss erst rechnerisch konstruiert werden. Gemessen wir der Effekt nicht oder nur selten. Das ist ein Symptom.

Der erfolgreiche bzw. wirtschaftlich sinnvolle Einsatz von KI-basierten Produkten und Prozessen ist aus meiner Sicht inzwischen weniger ein Technologieproblem und vielmehr ein Managementproblem.
Denn irgendwann wird in jedem Unternehmen aus der allgemeinen Erkenntnis, dass KI wichtig ist, eine wesentlich schwierigere Diskussion: Was soll sich in unserem Unternehmen konkret verändern? Also nicht mehr ausgedrückt in „Wachstumshebeln“ oder in „Pilotierungsrouten“, sondern in der aktuellen, konkreten Arbeit der Menschen im Unternehmen – in ihren Prozessen, Entscheidungen und bei ihrer individuelen Wertschöpfung fürs Unternehmen.

Der Wert von AI entsteht nicht durch die Technologie selbst, sondern durch die Entscheidungen, die Menschen über ihren Einsatz treffen.

DER GEDANKE DAHINTER
AI, Human Agency & Work

Ein Pilotprojekt verändert noch keine Organisation

Viele Unternehmen haben inzwischen bemerkenswerte KI-Piloten realisiert und einige davon erzeugen beeindruckende Ergebnisse. Trotzdem verändern sie das Unternehmen und dessen Effektivittät und Effizienz kaum. Das ist wie gesagt kein ungewöhnliches Phänomen. Das kennen wir schon aus vielen früheren Technologiewellen.

Ein funktionierender Prototyp beweist zunächst nur, dass etwas technisch möglich ist. Er beantwortet aber noch nicht die Frage, ob daraus eine neue und bessere Arbeitsweise entsteht. Dafür müssen einfach ganz andere Fragen beantwortet werden.

Beim Einsatz von KI stellen sich die immer gleichen Fragen – aber jetzt auf einem hisorisch einmaligen Niveau:

Wer übernimmt für was genau im Unternehmen Verantwortung?
Welche Prozesse verändern sich oder sollen genau mit welchem Ziel verändert werden?
Welche Daten werden benötigt und wie gut sind die vorhandenen Daten?
Welche IT-Systeme müssen angebunden und vernetzt werden?
Welche Entscheidungen darf ein beteiligtes KI-System dabei autark vorbereiten oder sogar selbst treffen?
Wo bleibt menschliche Kontrolle notwendig wo wollen wir sie bewußt als „Human in the Loop“ erhalten?
Welche neuen Fähigkeiten brauchen die Mitarbeiter und welche neuen Mitarbeiter braucht man?
Und woran erkennen wir überhaupt, ob die neue Arbeitsweise besser ist als die alte?

Genau an dieser Stelle wird aus einem „KI-Projekt“ eine permanente und neue Managementaufgabe. Niemand hat hier nennenswerte Erfahrung – woher auch? Und genau hier wird es schwieriger. Die Technologie lässt sich testen und verändern. Doch damit daraus eine neue Arbeitsweise entsteht, muss sich auch die Organisation verändern - und mit ihr die Arbeit von Menschen, die bisher ohne KI gearbeitet haben und die nicht sicher sind, ob KI sie unterstützen oder ersetzen wird.

Wir sollten deshalb weniger über einzelne KI-Use-Cases und mehr über die Arbeit im Unternehmen sprechen, die es zu verbessern gilt und die zum langfristigen Erfolg des Unternehmens beitragen soll. Nehmen wir als Beispiel einen Vertriebsprozess. Ein Mitarbeiter recherchiert einen potenziellen Kunden, bereitet ein Gespräch vor, analysiert Informationen, schreibt anschließend eine Zusammenfassung, aktualisiert das CRM, formuliert ein Angebot und entscheidet über die nächsten Schritte.

Man könnte für jeden dieser Schritte einen AI-Use-Case definieren - die Leadqualifizierung, den Outreach an den potenziellen Kunden, die Angebotserstellung. Die interessantere Frage ist jedoch: Wie sollte diese Arbeit mit ihren Teilprozessen, Daten und Verantwortllichkeiten künftig insgesamt aussehen? Welche Tätigkeiten übernimmt auch zukünftig der Mensch? Welche übernimmt die KI? Welche Entscheidungen können automatisiert zuverlässig vorbereitet werden? Wo entsteht durch Automatisierung tatsächlich Zeitgewinn und Produktivitätssteigerung?

Und: was sollte der betreffende Mitarbeiter mit der neu gewonnenen Zeit tun? Genau an diesem letzten Punkt wird die Diskussion besonders spannend, denn ein Produktivitätsgewinn allein ist noch kein Beitrag zum Unternehmenserfolg. Wenn ein KI-empowertes IT-System einem Mitarbeiter fünf Stunden Arbeit pro Woche erspart, entsteht daraus erst dann wirtschaftlicher Wert, wenn das Unternehmen weiß, was mit diesen fünf Stunden geschehen soll. Ansonsten bedeutet der Einsatz von KI einfach die Erhöhung der Kosten im Unternehmen ohne Gegenwert.

also, was erwarten wir dann von dem betreffenden Mitarbeiter im Vertrieb, der Zeit durch den Einsatz von KI einspart? Soll sie oder er mehr Kunden betreuen? Einfach effektivere Kundengespräche führen? Mehr Geschädtschancen analysieren? Schnellere Entscheidungen treffen? Kosten reduzieren? Oder soll KI einfach schlicht weniger Überlastung erzeugen? Das Beispiel allein zeigt hoffentlich kar genug: KI als Technologie schafft neue Möglichkeiten. Aber das Management der Unternehmen entscheidet täglich, was daraus wird.

Wir brauchen nicht noch mehr KI-Strategie.
Wir brauchen mehr Unternehmensstrategie für die KI-Ära.

Solange KI als neue Technologie betrachtet wird, ist es naheliegend, eine KI-Strategie zu entwickeln, Use Cases zu sammeln und daraus Projekte abzuleiten. Für die erste Orientierung war das sinnvoll. Als dauerhaftes Vorgehen ist das zu eng gedacht. Die relevantere Management-Frage lautet: Wie verändert sich unsere Unternehmensstrategie, wenn bestimmte Fähigkeiten, die bisher knapp, teuer oder langsam waren, plötzlich in ganz anderer Form verfügbar werden?

Das betrifft weit mehr als Effizienz, mit der oft bei KI-basierten Tools oder agentischen Lösungen argumentiert wird. Es greift viel weiter und berührt alle strategischen Säulen des Management. KI-Applikationen verändern, wie ein Unternehmen Kunden seine betreut, wie schnell es Angebote entwickelt, wie es Entscheidungen vorbereitet, welche Leistungen das Unternehmen wirtschaftlich anbieten kann und wie viele organisatorische Übergaben dafür noch notwendig sind.

In manchen Märkten berührt die flächendeckende und kostengünstige Verfügbarkeit von AI Applications die Frage, welche Teile der bisherigen, eigenen Wertschöpfung überhaupt noch differenzierend angeboten und schließlich nachgefragt werden.

Damit gehört KI nicht in eine eigene strategische Schublade. Sie gehört in jede Diskussion über das Geschäft, den Wettbewerb und und das Operating Model. Ein Managementteam sollte deshalb nicht zuerst fragen, welche KI-Initiativen es im kommenden Jahr finanzieren möchte. Es sollte vielmehr die folgenden Fragen beantworten: Wo entstehen unsere Ergebnisse heute? Welche unserer Kernprozesse begrenzen Wachstum, Geschwindigkeit oder Qualität? Was würde sich ändern, wenn Wissen, Analyse oder bestimmte Formen der Ausführung nahezu jederzeit verfügbar wären? Und wo könnte daraus ein anderer Wettbewerbsvorteil entstehen? Aus solchen Fragen entstehen andere Prioritäten als aus einem klassischen Use-Case-Workshop.

Der Fokus verschiebt sich vom KI-Projekt zum End-to-End Prozess

In der Praxis zeichnet sich eine wichtige Entwicklung ab. Immer mehr Unternehmen suchen nicht mehr nur nach einzelnen Tätigkeiten, die sich mit KI beschleunigen lassen. Sie betrachten zunehmend vollständige Abläufe, komplette Unternehmensprozesse. Das macht einen erheblichen Unterschied aus.

Ein Vertriebsprozess wird eben nicht dadurch fundamental besser, dass die KI eine E-Mail schneller formuliert. Ein Serviceprozess wird nicht neu erfunden, weil ein Mitarbeiter eine bessere Zusammenfassung erhält. Und ein Finanzprozess verändert sich nur begrenzt, wenn bestehende Arbeitsschritte lediglich schneller erledigt werden.

Der größere Hebel für den Beitrag zum Unternehmenserfolg entsteht, wenn man einen Prozess vom gewünschten Ergebnis her neu betrachtet: Welche Schritte brauchen wir überhaupt noch? Welche Informationen können automatisch zusammengeführt werden? Welche Entscheidungen lassen sich autonom durch KI vorbereiten? Welche Systeme müssen miteinander arbeiten? Wo kann ein Vorgang selbstständig weiterlaufen? Wo braucht es eine Freigabe? Und an welcher Stelle schafft menschliches Urteil tatsächlich zusätzlichen Wert? Genau hier treffen Business, Prozesse, Daten und Technologie aufeinander.

Aktuelle Untersuchungen von BCG und Deloitte zeigen, wie groß die Lücke noch ist: Viele Unternehmen haben KI bereits "eingeführt", ohne aber die dazugehörigen Workflows oder Rollen grundlegend neu zu gestalten. Die weiter fortgeschrittenen Organisationen beginnen dagegen häufiger mit einem vollständigen Workflow, verändern ihn end-to-end und skalieren anschließend die gewonnenen Erfahrungen. Das ist betriebswirtschaftlich plausibel. Der relevante Maßstab ist nicht die Zahl eingesetzter KI-Tools, sondern die Veränderung von Durchlaufzeit, Qualität, Kosten, Kapazität oder Geschäftsergebnis.

Die neue Einheit der Transformation im KI-Zeitalter ist nicht das KI-Projekt, sondern der End-to-End-Prozess im Unternehmen. Doch schon die Verantwortung für die existierenden Prozesse ist in vielen Organisationen nicht eindeutig geklärt. Liegt sie im Fachbereich? In der IT? Im Prozessmanagement? Oder letztlich beim verantwortlichen Mitglied der Geschäftsleitung?

Viele Unternehmen denken naheliegend zuerst an die unternehmenseigene IT. KI-Transformation lässt sich aber schwer ausschließlich an IT delegieren. Die IT kann zwar die TechStack-Architektur, die System-Integration, die Daten- und Prozesssicherheit sowie die ntechnische Standards verantworten. Aber sie kann und will natürlich nicht (allein) entscheiden, wie ein Angebotsprozess künftig aussehen soll oder welche Entscheidung ein Mitarbeiter im Customer Service noch selbst treffen muss. Umgekehrt reicht es nicht, wenn die Fachbereiche experimentieren und anschließend erwarten, dass das IT-Team dann erfolgreiche Stand-Alone Prototypen irgendwie in die Systemlandschaft integriert. Die Arbeit liegt genau dazwischen.

Für einen effektiven End-to-End Prozess im Unternehmen braucht es eine kleine, handlungsfähige Konstellation aus Business-Verantwortung, Prozesskompetenz, Technologie und Daten. Nicht als großes Transformationsgremium, sondern ein Team, das möglichst nah an der tatsächlichen Arbeit verankert ist. Dieses Team muss das wirtschaftliche Ergebnis verantworten. Die Team-Mitglieder müssen verstehen, wie der Prozess heute wirklich funktioniert. Und jemand im Team muss beurteilen können, was mit der vorhandenen Technologie und Systemlandschaft tatsächlich machbar ist.

Gerade mit zunehmender Verbreitung von AI Agents wird diese Verbindung noch wichtiger. Systeme können nicht mehr nur einzelne Arbeitsschritte unterstützen, sondern zunehmend Abläufe über mehrere Schritte hinweg ausführen. Damit werden Prozessdesign, Systemintegration und klare Entscheidungsrechte wichtiger – nicht weniger.

Die Erfahrungslücke wird zum Geschwindigkeitsproblem

Dabei gibt es allerdings ein Problem, das ich in der Diskussion für unterschätzt halte. Von Managementteams wird heute erwartet, dass sie Entscheidungen über eine Technologie und ihre organisatorischen Konsequenzen treffen, für die im eigenen Unternehmen kaum jemand über jahrelange Referenzerfahrung verfügen kann. Das ist keine Kritik an den vorhandenen Teams. Es ist eine Folge der Geschwindigkeit der Entwicklung.

Ein Vertriebsleiter kann zwanzig Jahre Erfahrung damit haben, Vertriebsorganisationen aufzubauen, ohne jemals einen agentischen Vertriebsprozess gestaltet zu haben. Ein IT-Team kann seine Systemlandschaft hervorragend kennen, ohne bereits mehrfach erlebt zu haben, welche Architektur für AI-gestützte Prozesse skaliert. Und ein Prozessverantwortlicher kann einen Ablauf bis ins Detail verstehen, ohne beurteilen zu können, welche Teile davon heute technologisch völlig anders gestaltet werden könnten.

Natürlich kann eine Organisation all diese Erfahrungen selbst sammeln. Sie wird dabei allerdings zwangsläufig auch Erfahrungen selbst sammeln, die andere Organisationen bereits gemacht haben. Genau hier kann externe Unterstützung einen anderen Wert bekommen als bei klassischen Beratungsprojekten. Nicht als Ersatz für interne Verantwortung und auch nicht als abstraktes „Change Management“. Sondern als Beschleuniger der Lernkurve.

Gute externe Transformationsunterstützung bringt Referenzmuster mit, stellt schneller die richtigen Fragen, erkennt Sackgassen früher und verbindet Perspektiven, die intern häufig auf verschiedene Funktionen verteilt sind. Sie muss gleichzeitig weit genug ins Business hineinreichen, um wirtschaftliche Prioritäten zu verstehen, und tief genug in Prozesse, Daten und Systeme, um aus einer Idee eine funktionierende Arbeitsweise zu machen.

Das Ziel sollte dabei ausdrücklich nicht sein, eine dauerhafte externe Abhängigkeit aufzubauen. Im Gegenteil: Mit jedem umgesetzten Prozess sollte die Organisation selbst besser darin werden, den nächsten zu verändern.

Aus dem KI-Projekt wird eine kontinuierliche Managementdisziplin

Ich würde KI-Transformation heute nicht mehr als Programm mit einem klar definierten Endzustand betrachten. Dafür verändert sich die technologische Ausgangslage zu schnell. Was heute noch einen eigenen Prozessschritt benötigt, kann morgen Bestandteil eines Standardsystems sein. Fähigkeiten, für die heute Speziallösungen entwickelt werden, wandern in CRM-, ERP- oder Collaboration-Plattformen. Gleichzeitig entstehen mit en aktuellen agentischen Systemen solche Möglichkeiten, die vor einem Jahr für viele Unternehmen noch völlig undenkbar waren.

Ein Unternehmen kann natürlich nicht einfach eine KI-Strategie entwickeln, um daraus ein festgelegtes Transformationsprogramm abzuleiten und das dann starr abzuarbeiten. Wir erkeben den Übergang von der KI-Strategie zur Unternehmensstrategie mit KI. Das ist kein "Maßnahmen-Programm" mehr, sondern ein kontinuierlicher Management-Mechanismus:

Geschäftliche Prioritäten identifizieren.
Prozesse auswählen.
Neu gestalten.
Technisch umsetzen.
Wirkung messen.
Lernen.
Standards daraus entwickeln.
Dann den nächsten relevanten Prozess angehen.

Damit verändert sich auch die Rolle des Managements. Seine Aufgabe besteht weniger darin, einzelne KI-Projekte zu genehmigen. Das Senior Management muss dafür sorgen, dass das Unternehmen die Fähigkeit zur kontinuierlichen Veränderung entwickelt. Das ist ein anderer Anspruch als „AI Adoption“. Es geht darum, das Unternehmen Schritt für Schritt für eine Zeit weiterzuentwickeln, in der intelligente Systeme ein normaler Bestandteil der Wertschöpfung sind.
Das ist die eigentliche Managementaufgabe der kommenden Jahre.

KI-Transformation ist kein Projekt, das ein Unternehmen irgendwann abschließt. Sie wird zu einer Fähigkeit, die ein Unternehmen dauerhaft beherrschen muss.

WAS JETZT WICHTIG IST

Drei Fragen, die bleiben

KI stellt längst keine rein technischen Fragen mehr. Entscheidend ist, wie wir sie als Unternehmen nutzen, um für Kunden, Mitarbeiter und unser Geschäft langfristig mehr Wert zu schaffen. Diese drei Fragen, sollte sich jedes Managementteam stellen.

Wo verändert KI wirklich unser Geschäft – und wo optimieren wir nur bestehende Abläufe?

Effizienz ist wichtig. Strategisch interessanter ist jedoch, wo KI Produkte, Kundenerlebnisse, Wertschöpfung oder Wettbewerbsvorteile verändern kann. Beschäftigen wir uns bereits mit diesen Fragen – oder vor allem mit Tools und einzelnen Use Cases?

Welche End-to-End-Prozesse schaffen den größten Hebel, wenn wir sie mit KI neu gestalten?

Diese Frage zwingt dazu, nicht einzelne Tasks zu automatisieren, sondern Arbeit neu zu denken: über Funktionen, Systeme und bestehende Verantwortlichkeiten hinweg. Genau dort dürften viele der größeren Produktivitäts- und Qualitätsgewinne liegen.

Welche Erfahrungen müssen wir selber machen und welche können wir uns ersparen?

Nicht jede Lernkurve muss bei null beginnen. Management sollte bewusst entscheiden, wo eigene Exploration sinnvoll ist – und wo externe Erfahrung helfen kann, Fehlwege zu vermeiden und schneller zu belastbaren Lösungen zu kommen und gleichzeitig internes Know-how aufzubauen.