Führungskräfte jagen glänzenden Werkzeugen hinterher, ohne Strategie zu verfolgen.

Man merkt meist schon am ersten Satz des Kick-offs, ob ein Team sechs Monate verschwendet. Er klingt ungefähr so: „Wir wollen etwas mit KI machen.“ Nicht etwa, weil KI schlecht wäre. Sondern weil dieser Satz fehlende Verantwortungsübernahme signalisiert. Er zeigt, dass niemand das Geschäftsproblem benannt, niemand sich auf ein messbares Ergebnis festgelegt und niemand bereit ist, die Verantwortung zu übernehmen, wenn der Pilotversuch zwar eine schöne Demo liefert, aber keinerlei Auswirkungen hat. Die traditionelle Reaktion auf technologische Chancen ist reaktiver Heldenmut. Führungskräfte stilisieren sich zu Innovationshelden, die Modernität durch die persönliche Nutzung neuer Tools demonstrieren, Pilotprojekte mit persönlicher Begeisterung vorantreiben und ihren Wert durch ihre Fähigkeit unter Beweis stellen, die Implementierung trotz unklarer Ziele zu steuern. Dieser Heldenmut erzeugt zwar Aktivität, aber keine Wirkung. Er führt zu Organisationen, in denen die Einführung neuer Technologien gefeiert wird, während die Geschäftsergebnisse unverändert bleiben.

Die Alternative ist die Denkweise eines Architekten. Anstatt sich durch persönliches Engagement auf die Suche nach neuen Tools zu begeben, entwirft der Architekt Systeme, in denen Technologie klar definierte Geschäftshebel unterstützt. Das bedeutet, Rahmenbedingungen zu schaffen, in denen Geschäftsprobleme die Toolauswahl bestimmen, anstatt dass Tools nach Problemen suchen; Prozesse zu etablieren, in denen Messgrundlagen vorliegen, bevor Pilotprojekte beginnen; und Betriebsabläufe zu schaffen, in denen Technologie an Ergebnissen und nicht an Akzeptanzmetriken gemessen wird. Wenn Führungskräfte ohne Strategie auf innovative Tools setzen, ist das kein Problem mangelnder Innovation. Es ist ein Problem umgekehrten Denkens, bei dem Mittel vor Zweck gestellt werden und Aktivität Ergebnisse ersetzt.

Die Fokussierung auf Tools ist verlockend. Anbieter machen es einem leicht. Interner Hype erzeugt Dringlichkeit. Führungskräfte stehen unter Druck, modern zu wirken. Also kauft das Unternehmen etwas Glänzendes, testet es testweise und feiert Kennzahlen zur Akzeptanz, die sich nicht auf die Zahlen auswirken, die letztendlich Gehälter finanzieren. Wenn KI wirklich etwas bewirken soll, muss man die Reihenfolge umkehren. Beginnen Sie mit der Gewinn- und Verlustrechnung und entscheiden Sie dann, ob KI überhaupt notwendig ist. Nicht welches Tool wir kaufen sollen, sondern welches wirtschaftliche Ergebnis wir erzielen wollen. Hier schafft Klarheit Geschwindigkeit. Wenn Teams verstehen, welchen wirtschaftlichen Hebel sie bewegen, können sie Technologien schnell evaluieren, weil die Bewertungskriterien klar definiert sind. Wenn der Ausgangspunkt ein Tool ist, das nach einer Anwendung sucht, wird jede Bewertung subjektiv und die Geschwindigkeit verkommt zu endlosen Diskussionen über Funktionen und Möglichkeiten.

Im operativen Geschäft sind die Stellhebel oft unspektakulär und brutal – und genau deshalb funktionieren sie: Kosteneinsparungen durch weniger Zeitaufwand für vermeidbare Arbeit, weniger Nachbearbeitungen und Eskalationen; Liquiditätssteigerungen durch schnellere Durchlaufzeiten, weniger Sperrungen und weniger Ausnahmen, die Rechnungsstellung oder Lieferung blockieren; Umsatzsteigerungen durch weniger Bestellfehler, schnellere Auftragsbestätigungen und ein besseres Kundenerlebnis, das die Kundenabwanderung reduziert; und Risikominimierung durch weniger Compliance-Verstöße, weniger umgangene Kontrollen und weniger fehlerhafte manuelle Übergaben. Wenn Sie keinen dieser Stellhebel benennen können, fehlt Ihnen ein Anwendungsfall. Sie haben lediglich ein Neugierprojekt. Neugierprojekte sind im Forschungskontext wertvoll, werden aber zu teuren Ablenkungen, wenn Unternehmen sie als operative Initiativen behandeln und einen geschäftlichen Nutzen erwarten.

Die zweite Disziplin ist die Messung – aber nicht die Art von Messung, über die man gerne spricht. Keine nachträglichen Dashboards. Sonderwerte, bevor überhaupt etwas entwickelt wird. Selbst wenn der Prozess unübersichtlich ist, wird er gemessen. Gerade dann. Messen Sie die aktuelle Zykluszeit, die Ausnahmequote, die manuelle Eingriffszeit, die Nacharbeitsquote, die Fehlerquote und wofür die Zeit tatsächlich verwendet wird. Ihr Pilotprojekt darf erst starten, wenn Sie den Zustand vor der Implementierung in Zahlen beschreiben können, die ein Finanzpartner akzeptieren würde. Diese Disziplin der Festlegung von Sonderwerten unterscheidet Pilotprojekte, die ihren Wert nachweisen können, von solchen, die ihren Erfolg durch Erzählungen verkünden. Ohne Sonderwerte wird jedes Pilotprojekt zu einem Rorschachtest, bei dem jeder nur das sieht, was er sehen will.

Dann kommt der Teil, den Führungskräfte oft überspringen: den Arbeitsablauf festlegen, bevor das Modell entworfen wird. Wer ist wöchentlich für die Ergebnisse verantwortlich? Wer bestätigt monatlich, dass das Tool einen Mehrwert generiert? Wie sieht der Eskalationsweg aus, wenn die Zuverlässigkeit des Modells sinkt? Was passiert, wenn die KI Fehler macht, sich die Eingaben ändern oder sich die Geschäftslage wandelt? Werden diese Punkte nicht im Vorfeld definiert, wird aus dem Pilotprojekt ein Nebenprojekt – und Nebenprojekte lassen sich nicht skalieren. Inklusive Führung fungiert hier als operativer Alpha-Faktor. Die 30 bis 40 Prozent der operativen Verbesserungen, die typischerweise von der Basis ausgehen, basieren auf dem Verständnis der Mitarbeiter an vorderster Front, wie Arbeitsabläufe tatsächlich funktionieren, im Gegensatz zu den Annahmen der Führungsebene. Das Teammitglied, das weiß, dass die aktuelle Ausnahmebehandlung mehr Zeit in Anspruch nimmt als die Standardverarbeitung, verfügt über Wissen, das in die Technologieentwicklung einfließen sollte. Wenn Architekten ohne dieses Feedback entwerfen, optimieren sie die falschen Arbeitsabläufe.

Eine praktische Methode, um Klarheit zu schaffen, ist die Erstellung einer einseitigen Scorecard für jede KI-Idee. Kein ausführlicher Business Case. Nur eine Seite. Zielsetzung: Wir reduzieren X um Y innerhalb von Z Wochen. Gewinn- und Verlustrechnung: Kosten, Cashflow, Umsatz oder Risiko als primäres Ziel. Ausgangswert: Aktueller Wert, Messmethode und Bestätigung der Realisierbarkeit. Zielwert: Neuer Wert und Nachweis des Erfolgs. Geltungsbereich: Segment, Region, Team, Ausnahmen. Betriebsplan: Verantwortlicher, Zeitplan, Einführungsplan, Abbruchkriterien. Kontrollplan: Qualitätskontrollen, Prüfprotokoll und manuelle Prozesse. Abbruchkriterien sind wichtiger als Optimismus. Führungskräfte, die ein Pilotprojekt nicht stoppen können, sorgen für Finanzierungsprobleme.

Betrachten wir nun ein Anwendungsbeispiel, das zwar unscheinbar wirkt, aber dennoch einen echten Mehrwert bietet: Bestellungen. In vielen Unternehmen werden Bestellungen immer noch als PDFs empfangen und manuell gelesen, die Daten werden in ein System übertragen und einfache Prüfungen durchgeführt, um fehlende Informationen oder Unstimmigkeiten aufzudecken. Dieser Prozess ist langsam, repetitiv und fehleranfällig. Er führt außerdem zu Folgeproblemen, da Fehler bei der Auftragserfassung Auswirkungen auf die Auftragsabwicklung, die Rechnungsstellung, die Kundenzufriedenheit und die Bearbeitung von Reklamationen haben. Dies ist kein Problem der KI, sondern ein Workflow-Problem mit deutlichen wirtschaftlichen Folgen. Der Einsatz von KI wird sinnvoll, wenn man die Problematik richtig betrachtet: Wir investieren qualifizierte Arbeitszeit in wenig wertschöpfende Tätigkeiten und nehmen vermeidbare Fehler in Kauf. Unser Ziel ist es, manuelle Eingriffe zu reduzieren und die Qualität der ersten Bearbeitungsrunde bei der Auftragserfassung zu verbessern.

Hier spielt eine Lösung wie ein Bestellassistent ihre Stärken aus. Das Konzept ist einfach: Ein KI-Tool liest die Bestell-PDFs, erfasst die erforderlichen Felder im System und führt erste Qualitätsprüfungen durch, sodass sich die Mitarbeiter auf echte Ausnahmen konzentrieren können, anstatt nur Text zu kopieren und einzufügen. Der Erfolg hängt nicht davon ab, ob das Modell ein PDF lesen kann. Der Erfolg liegt vielmehr darin, dass das Team weniger Bestellungen bearbeiten muss, weniger Fehler macht und schneller arbeitet, ohne das Risiko zu erhöhen. Diese Unterscheidung ist entscheidend. Technologischer Erfolg, gemessen an seinen Fähigkeiten, zeigt, was das Tool leisten kann. Geschäftlicher Erfolg, gemessen am Ergebnis, zeigt, welchen Mehrwert das Tool schafft. Beides hängt zusammen, ist aber nicht identisch.

Im Beispiel von PO Assist ist die entscheidende Designentscheidung nicht die Frage, ob KI eingesetzt wird oder nicht. Entscheidend ist vielmehr, wo Sie Qualitätskontrollen platzieren und wie Sie mit Unsicherheit umgehen. Sie ersetzen Kontrollen nicht durch Vertrauen. Sie schaffen einen gestaffelten Ablauf: Daten mit hoher Zuverlässigkeit werden direkt in die strukturierten Systemfelder übertragen; Daten mit mittlerer Zuverlässigkeit werden zur manuellen Überprüfung weitergeleitet, wobei die unsicheren Felder deutlich hervorgehoben werden; Fälle mit geringer Zuverlässigkeit werden mit einem Fehlercode in die Ausnahmewarteschlange verschoben. So gewährleisten Sie die Sicherheit Ihres Unternehmens und erzielen gleichzeitig Wertschöpfung. Perfektion ist nicht der Schlüssel zum Erfolg. Sie benötigen eine kontrollierte Automatisierung, die das Arbeitslastprofil verschiebt und Fehler dort reduziert, wo dies gefahrlos möglich ist.

Und der Erfolg lässt sich messen. In dieser Erfolgsgeschichte übertraf der KI-gestützte Ansatz sein ursprüngliches Ziel um mehr als 80 Prozent. Diese 80 Prozent über dem Ziel sind keine leere Marketingfloskel. Es ist die Art von Leistungssteigerung, die Führungskräfte fordern sollten, bevor sie über Skalierung sprechen. Wenn das Pilotprojekt das Ziel in einer kontrollierten Umgebung nicht erreichen kann, führt die Skalierung nur zu Enttäuschung in weiteren Teams. Ein weiterer Aspekt, den Führungskräfte oft übersehen, ist die Reproduzierbarkeit. Ein Pilotprojekt, das nur dank der intensiven Betreuung durch zwei Experten funktioniert, ist kein Pilotprojekt, sondern ein Prototyp. Der PO-Assist-Ansatz war deshalb so wichtig, weil er als Rahmenwerk konzipiert wurde, das sich global replizieren lässt. Das ist der Unterschied zwischen einer beeindruckenden Demo und einem funktionsfähigen Betriebsmodell.

Was sollten Sie als Führungskraft also tun, bevor Sie grünes Licht für die nächste KI-Initiative geben? Erstens: Lassen Sie sich nicht mit vagen Vorschlägen abspeisen. Fordern Sie Ihre Teams auf, den Hebel und die konkreten Zahlen zu benennen. Wenn jemand behauptet, die Effizienz werde verbessert, fragen Sie nach der Kennzahl, der Messmethode und der entsprechenden Position in der Gewinn- und Verlustrechnung. Zweitens: Bestehen Sie auf der Verantwortung für die Arbeitsabläufe. KI behebt keine fehlerhaften Übergaben, sondern verschärft sie. Der Prozessverantwortliche muss die Führung übernehmen, nicht die IT, kein externer Dienstleister und auch kein Transformations-PMO, das sich als innovativ präsentieren möchte. Drittens: Finanzieren Sie die Messung als Teil des Projekts. Wenn die Ausgangslage unzureichend ist, können Sie später keinen Erfolg verkünden. Das Projekt muss sich das Vertrauen durch nachvollziehbare Berechnungen verdienen.

Viertens: Die Einführungsplanung muss von Anfang an feststehen. Schulungen, Kommunikation, Ausnahmebehandlung, Kontrollpunkte und die Frage, wer die KI außer Kraft setzen darf, gehören in die erste Planungswoche, nicht erst in die letzte Woche der Einführung. Fünftens: Bauen Sie auf Skalierbarkeit. „Einmal implementieren, vielfach einsetzen“ ist kein Slogan, sondern eine Designanforderung. Standardisierte Eingaben, konsistente Zuordnungen, konfigurierbare Regeln und eine Möglichkeit zur Qualitätskontrolle ohne neue Bürokratie sind unerlässlich. Dies ist psychologische Sicherheit im Technologiekontext. Die gemeinsame Überzeugung, dass man hinterfragen kann, ob KI notwendig ist, zugeben kann, wenn einfachere Lösungen besser wären, oder fragwürdige Ergebnisse des Modells ansprechen kann, ohne als innovationsresistent abgestempelt zu werden. In Organisationen, in denen diese Sicherheit fehlt, verkommen KI-Initiativen zu einer inszenierten Show, in der alle so tun, als sei die Einführung ein Erfolg, selbst wenn sich die Geschäftsergebnisse nicht ändern.

Wenn Sie das gut machen, werden Sie etwas Interessantes feststellen: Viele KI-Potenziale führen letztendlich zu einfacheren Lösungen. Sie erkennen, dass eine regelbasierte Automatisierung oder eine Formularüberarbeitung 60 Prozent des Problems ohne jegliches Modell beseitigen würde. Das ist kein Versagen, sondern Führung. KI ist ein Werkzeug, keine Identität. Und wenn KI das richtige Werkzeug ist, werden Sie auch feststellen, dass die größten Erfolge selten glamourös sind. Es sind die unscheinbaren Arbeitsabläufe, die still und leise Stunden in Anspruch nehmen und nachgelagerte Reibungsverluste verursachen. Auftragsannahme. Rechnungsstellung. Qualitätskontrollen. Datenvalidierung. Ausnahmebehandlung. Genau hier schaffen disziplinierte Führungskräfte Freiräume im System, und diese Freiräume werden zu Liquidität, Resilienz und Kapazitätserweiterung.

Wenn Ihre Organisation KI als mehr als nur Show nutzen will, sollten Sie nicht länger die bloße Einführung von Tools belohnen, sondern die erzielten Ergebnisse. Konzentrieren Sie sich auf die Qualität der Entscheidungen, den Arbeitsablauf und die messbaren Veränderungen. So stellen Sie eine klare und zielführende Kommunikation sicher. Diese Disziplin verhindert, dass sich in Organisationen Technologieschulden anhäufen, Tools schneller anwachsen, als sie Nutzen bringen, Pilotprojekte ohne Übergang in den Regelbetrieb unkontrolliert zunehmen und Innovation mit bloßer Aktivität statt mit konkreter Wirkung gleichgesetzt wird.

Zukünftig werden jene Organisationen, die den Nutzen von KI voll ausschöpfen, Technologie nicht länger als Allheilmittel, sondern als ein mögliches Mittel zu klar definierten Zielen betrachten. Dies erfordert, die Illusion zu überwinden, dass innovative Werkzeuge automatisch Innovationen erzeugen. Es bedarf Rahmenbedingungen, in denen die geschäftlichen Hebel der Werkzeugauswahl vorausgehen, Prozesse, in denen Messgrundlagen vor Pilotprojekten definiert sind, Arbeitsabläufe, in denen Technologie ergebnisorientiert arbeitet, und Kulturen, in denen psychologische Sicherheit Teams befähigt, einfachere Lösungen zu wählen, wenn diese bessere Ergebnisse liefern. Es braucht Führungskräfte, die verstehen, dass ihre Rolle nicht darin besteht, Technologiehelden zu sein, die jedes neue Werkzeug propagieren, sondern Architekten, die Umgebungen gestalten, in denen Technologie dem Geschäftszweck dient und in denen Einfachheit gegenüber Komplexität geschätzt wird, wenn sie das gleiche Ergebnis zu geringeren Kosten und Risiken liefert.

Fragen und Antworten

F: Wie wähle ich den richtigen ersten Anwendungsfall für KI aus?

A: Wählen Sie einen Workflow mit hohem Volumen, wiederkehrenden Entscheidungen und messbarem Ausschuss. Falls sich Ausschuss nicht messen lässt, beginnen Sie nicht dort. Konzentrieren Sie sich auf langweilige, unscheinbare Workflows, die still und leise Stunden in Anspruch nehmen: Auftragsannahme, Rechnungsprüfung, Qualitätskontrollen, Datenvalidierung, Ausnahmebehandlung. Dadurch schaffen Sie Kapazitäten im System.

F: Wie kann man am schnellsten die Piloten-Falle umgehen?

A: Definieren Sie Abbruch- und Skalierungskriterien, bevor das Pilotprojekt startet. Halten Sie sich dann ohne Ego daran. Führungskräfte, die ein Pilotprojekt nicht erfolgreich abschließen können, werden die Finanzierung unnötig in die Länge ziehen. Wenn das Pilotprojekt in einer kontrollierten Umgebung das Ziel nicht erreicht, führt eine Skalierung nur zu Enttäuschung in weiteren Teams.

F: Was passiert, wenn die Modellgenauigkeit nicht perfekt ist?

A: Perfektion ist nicht das Ziel. Kontrollierte Implementierung ist entscheidend. Verwenden Sie Vertrauensschwellenwerte, leiten Sie Unsicherheiten an Experten weiter und protokollieren Sie alle Vorgänge. Daten mit hoher Sicherheit werden direkt extrahiert, solche mit mittlerer Sicherheit zur Verifizierung weitergeleitet und Fälle mit geringer Sicherheit in Ausnahmewarteschlangen einsortiert. So schützen Sie Ihr Unternehmen und erzielen gleichzeitig Mehrwert.

F: Wie kann ich den ROI nachweisen, ohne zu viel zu versprechen?

A: Verwenden Sie Vergleichswerte, vergleichen Sie vergleichbare Volumina und trennen Sie die Zeitersparnis von den eingesparten Kosten. Zeitersparnis wird erst dann zu Kosten, wenn Sie die Kapazität tatsächlich umverteilen. Messen Sie, bevor Sie etwas bauen. Ihr Pilotprojekt darf erst starten, wenn Sie den Zustand vor dem Projekt in Zahlen beschreiben können, die ein Finanzpartner akzeptieren würde.

F: Was bedeutet „an die Gewinn- und Verlustrechnung anknüpfen“ in der Praxis?

A: Das bedeutet, dass Sie in einem Satz erklären können, welcher Kostenfaktor sich verbessert und wie die Workflow-Änderung diese Verbesserung bewirkt – inklusive einer entsprechenden Zahl. Die Stellhebel sind Kosten, Liquidität, Umsatz oder Risiko. Können Sie keinen dieser Faktoren benennen und die zugehörige Kennzahl angeben, handelt es sich eher um ein Neugierprojekt als um einen Business Case.

F: Was passiert, wenn man feststellt, dass eine einfachere Lösung besser funktionieren würde als KI?

A: Das ist kein Versagen, sondern Führung. Viele KI-Anwendungen führen zu regelbasierter Automatisierung oder Formularüberarbeitungen, die 60 Prozent der Probleme ohne jegliches Modell lösen. KI ist ein Werkzeug, keine Identität. Wenn einfachere Lösungen bessere Ergebnisse bei geringeren Kosten und Risiken liefern, ist die Entscheidung für Einfachheit der richtige Schritt.