Die Fähigkeiten, über die Künstliche Intelligenz mittlerweile verfügt, sind beeindruckend. Neben „Klassikern“ wie dem Verfassen oder Optimieren von Texten kann KI große Datensets in kürzester Zeit analysieren, ganze Prozesse autonom durchlaufen oder Entscheidungen vorbereiten. Diese Entwicklung ist noch nicht abgeschlossen und ihre Leistungsfähigkeit steigt mit jeder neuen Generation. Doch zwischen dem, was theoretisch möglich ist, und dem konkreten Einsatzumfeld in einem Unternehmen, klafft oft eine Lücke. Wie kann diese Lücke geschlossen und damit die tatsächliche Leistungsfähigkeit realisiert werden? In vielen Fällen sind es fehlender Kontext und damit das Fehlen klar dokumentierter Prozesse, die den entscheidenden Unterschied machen.
TL;DR:
In den meisten Unternehmen steckt das operative Wissen in den Köpfen einzelner Mitarbeitender, nicht in Dokumenten. Ohne diesen Kontext produziert KI generische Ergebnisse, die am konkreten Bedarf vorbeigehen. Wer sein Wissen explizit macht, schafft nicht nur die Grundlage für wirksame KI-Nutzung, sondern steigert auch Qualität und Konsistenz seiner Abläufe. KI kann bei der Erstellung dieser Dokumentation aktiv unterstützen. Doch der naheliegende nächste Schritt – alles zu automatisieren – greift zu kurz. Forschung zeigt: Vollautonome Systeme bleiben unzuverlässig, während KI als Teammitglied im Arbeitsprozess bessere Ergebnisse liefert als isolierte Automatisierung.
Warum werden die vermeintlichen Basics so oft zu Stolpersteinen für die KI?
KI-Systeme können nicht im luftleeren Raum arbeiten. Sie benötigen eine solide Arbeitsgrundlage: klare Anweisungen, strukturierte Informationen und definierte Abläufe. Ohne diese Grundlagen produzieren sie im besten Fall generische Ergebnisse und im schlechtesten Fall Ergebnisse, die auf den ersten Blick zwar professionell wirken, aber am tatsächlichen Bedarf vorbeigehen. Das liegt daran, dass KI-Systeme Wissenslücken eigenständig füllen – mit plausibel klingenden, aber nicht auf das Unternehmen zugeschnittenen Informationen.
Wie wichtig der spezifische Unternehmenskontext ist, zeigen die Erfahrungen aus der Praxis. Ein Unternehmen investiert in Lizenzen, stellt die Tools bereit und erwartet logischerweise Produktivitätsgewinne. Doch auch Wochen später sind die Ergebnisse noch immer ernüchternd. Nicht weil die KI schlecht ist, sondern weil jedes Gespräch mit ihr, jeder Prompt bei null anfängt. Ihr fehlt das Wissen darüber, wie das Unternehmen arbeitet, was das Unternehmen ausmacht und wie die Tonalität gewählt werden soll.
In einem anderen Zusammenhang wird Kontext besonders dann relevant, wenn die KI Prozesse automatisieren soll. KI verstärkt, was bereits vorhanden ist. Ist der Prozess klar, dann erledigt die KI ihn effizient und schnell. Wenn der Prozess hingegen unklar ist, wird die KI sich schwertun, denn ihr bleibt nichts anderes, als die Lücken mit Annahmen zu füllen. Im ungünstigsten Fall führt die KI pflichtbewusst Prozesse aus, die keine Wertschöpfung für das Unternehmen bedeuten, die aber „schon immer so“ gemacht wurden.
Wo steckt das Wissen in Ihrem Unternehmen?
In vielen mittelständischen Unternehmen sind die wichtigsten operativen Abläufe nicht umfassend dokumentiert. Vielmehr steckt das Know-how in den Köpfen einzelner Personen. Langjährige Mitarbeitende, die jedes Problem im Produktionsprozess nicht nur in kurzer Zeit diagnostizieren, sondern auch lösen können. Die Vertriebsleiterin, die intuitiv weiß, welche Angebotspakete bei welchem Kunden ankommen. Der Produktionsleiter, der schon an den Geräuschen einer Werkzeugmaschine hört, ob der Fertigungsprozess tatsächlich effizient ist.
Dieses in jedem Unternehmen existente, aber implizite Wissen, das auch als „Tribal Knowledge“ bezeichnet und von Person zu Person weitergegeben wird, ist von enormem Wert. Wie hoch dieser Wert ist, wird klar, wenn Mitarbeitende das Unternehmen verlassen und dadurch ihr gesamter Erfahrungsschatz für das Unternehmen verloren geht. Für KI-Anwendungen bedeutet dies, dass dieses oft informelle Wissen nicht nutzbar ist, weil es nur in den Köpfen der Mitarbeitenden existiert.
Prozessdokumentation löst gleich mehrere Probleme auf einmal. Sie macht das Wissen einzelner Personen für die gesamte Organisation verfügbar, sie schafft einheitliche Standards (und trägt damit zur Sicherung der Qualität bei), sie reduziert die Abhängigkeit von einzelnen Wissensträgern und schafft die Arbeitsgrundlage für KI-Systeme, damit diese tatsächlich nutzbare Ergebnisse erzielen können.
Müssen alle Prozesse händisch erfasst werden?
Nein, denn genau hier liegt eine Stärke von KI-Systemen, die häufig übersehen wird. KI kann nicht nur dokumentierte Prozesse umsetzen, sie kann auch aktiv dazu beitragen, die Dokumentation erstmalig zu erstellen.
Ein Beispiel: Ein Mitarbeitender beschreibt im Gespräch mit einem KI-System, wie er eine bestimmte Aufgabe typischerweise erledigt. Die KI strukturiert diesen Bericht, identifiziert fehlende Schritte und Lücken, stellt Rückfragen und erstellt daraus einen ersten Entwurf einer sogenannten SOP (Standard Operating Procedure) – also einer standardisierten Arbeitsanweisung, die Schritt für Schritt beschreibt, wie ein Prozess durchzuführen ist.
Dieser Entwurf wird anschließend von Kollegen nachvollzogen und dadurch überprüft und verfeinert. Das Ergebnis ist eine Prozessdokumentation, die viel schneller entsteht, als dies mit klassischen Herangehensweisen möglich ist, dabei häufig vollständiger ist und viele kleine Tricks und Kniffe beinhaltet, um Fehler oder Störungen zu beseitigen.
Weil die KI eines der wenigen Werkzeuge ist, das seine eigene Arbeitsgrundlage zumindest miterstellen kann, sinkt die Einstiegshürde für Unternehmen deutlich. Der oft zu Recht gefürchtete Dokumentationsaufwand wird mit der passenden KI-Unterstützung deutlich handhabbarer. Das trifft nicht nur auf bestehende Prozesse zu, sondern auch auf solche, die neu entwickelt werden müssen. Auch hier kann die KI dazu beitragen, durch ein strukturiertes Vorgehen schnell zu belastbaren Ergebnissen zu gelangen.
Warum „alles automatisieren“ der falsche Reflex ist
Alle Prozesse sind dokumentiert. Die Grundlage für die KI steht bereit. Da liegt der reflexhafte Gedanke nahe, alles mit KI zu automatisieren, oder? Wir glauben, dass diese Herangehensweise zu kurz greift.
KI-Implementierung bedeutet nicht, dass Menschen überflüssig werden. Vielmehr bedeutet sie eine fundamental andere Arbeitsrealität, verbunden mit anderen Aufgaben und Herangehensweisen. In einem früheren Beitrag haben wir beschrieben, warum KI-Nutzung dazu führt, dass Mitarbeitende auf allen Ebenen neue Kompetenzen entwickeln müssen: Koordination, Qualitätskontrolle, die Fähigkeit, KI-Ergebnisse einzuordnen und zu bewerten (LINK). Und die Forschung zeigt: Wenn Unternehmen diese neue Arbeitsrealität nicht aktiv gestalten, kippt die anfängliche Begeisterung in Überlastung. KI-gestützte Produktivität braucht Leitplanken, sonst entsteht nicht Entlastung, sondern eine schleichende Verdichtung von Arbeit (LINK).
Dazu kommt ein praktisches Risiko: Vollautonome KI-Systeme sind bisher nicht zuverlässig genug, um ohne menschliche Aufsicht zu arbeiten. Eine aktuelle Studie der Northeastern University illustriert das eindrucksvoll [1]. Forschende setzten sechs autonome KI-Agenten in einer realistischen Umgebung ein – mit E-Mail-Zugang, Dateisystemen und Kommunikationskanälen – und ließen 20 Wissenschaftler diese Systeme über zwei Wochen testen. Die Ergebnisse waren ernüchternd: Die Agenten gaben vertrauliche Informationen an Unbefugte weiter, löschten Dateien ohne Autorisierung und konsumierten unkontrolliert Ressourcen. Besonders problematisch: In mehreren Fällen meldeten die Agenten, eine Aufgabe sei erfolgreich abgeschlossen, obwohl das Gegenteil der Fall war. Ein System behauptete beispielsweise, vertrauliche Daten gelöscht zu haben, während die Daten in Wirklichkeit weiterhin zugänglich waren.
Der Mensch muss die letztentscheidende Instanz bleiben. Auch das ist Teil des notwendigen Kompetenzerwerbs bei der KI-Implementierung.
Was ist die Alternative? KI als Teammitglied?
Wenn eine vollständige Automatisierung aktuell noch nicht angeraten ist, was ist dann die praktische und sicher umsetzbare Alternative? Ein möglicher Ansatz ergibt sich aus einem Feldexperiment, das Dell’Acqua und Kollegen an der Harvard Business School gemeinsam mit Procter & Gamble durchgeführt haben [2].
776 erfahrene Fachkräfte arbeiteten an realen Produktentwicklungsaufgaben in unterschiedlichen Konstellationen: allein ohne KI, allein mit KI, im Zweierteam ohne KI und im Zweierteam mit KI. Das zentrale Ergebnis: Einzelpersonen, die mit KI zusammenarbeiteten, erreichten ein Qualitätsniveau, das dem von Zweierteams ohne KI entsprach. Ferner zeigte sich, dass KI funktionale Silos aufbrach: Technisch orientierte Fachkräfte entwickelten mit KI-Unterstützung auch kommerziell ausgewogene Lösungen und umgekehrt.
Der entscheidende Punkt dabei: Die KI agierte nicht als autonomes System, das Ergebnisse liefert, die der Mensch nur noch abnickt. Sie agierte als Teamplayer – als Sparringspartner, der Ideen einbringt, Perspektiven erweitert und Lücken im Denken sichtbar macht. Der Mensch blieb die ganze Zeit über im Prozess, sah, was geschah, und behielt die Kontrolle über die Entscheidungen.
Genau hier liegt der Unterschied zwischen Automatisierung und Zusammenarbeit. Bei der Automatisierung delegiert der Mensch eine Aufgabe an die KI und sieht nur das Endergebnis. Bei der Zusammenarbeit arbeiten Mensch und KI gemeinsam am Ergebnis. Der Mensch bringt Kontext, Erfahrung und Urteilsvermögen ein. Die KI bringt Geschwindigkeit, Breite und Konsistenz ein. Beide zusammen liefern bessere Ergebnisse als jeder für sich allein.
Für Führungskräfte bedeutet das eine klare Verantwortung: Der Mensch ist die letztentscheidende Instanz. Nicht weil KI grundsätzlich schlechte Ergebnisse liefert, sondern weil nur der Mensch den Kontext hat, um zu beurteilen, ob ein Ergebnis im spezifischen Fall richtig und angemessen ist.
Welche Rolle spielt der „Human Factor“?
KI hat bereits ein enormes Potenzial, dokumentierte Prozesse zu unterstützen. Trotzdem gibt es Bereiche, bei denen der „Human Factor“ auch in Zukunft eine entscheidende Rolle spielen wird: immer wenn es um die Fähigkeit geht, die richtigen Fragen zu stellen, statt nur Antworten zu liefern. Oder das Gespür dafür, was ein Kunde wirklich braucht – jenseits von dem, was er als Anforderung formuliert. Oder die Entscheidung, wann eine Regel gebrochen werden kann, weil die Situation es erfordert. Die Fähigkeit, Vertrauen aufzubauen, Konflikte zu lösen und Menschen durch Veränderungen zu führen.
Diese Kompetenzen gewinnen an Wert, gerade weil KI in anderen Bereichen so leistungsfähig wird. Wenn standardisierbare Aufgaben schneller und günstiger erledigt werden können, steigt der Wert dessen, was nicht standardisierbar ist.
Das ist kein Trost für diejenigen, die um ihren Arbeitsplatz fürchten. Aber es ist eine Erinnerung daran, dass die Diskussion über KI und Arbeit nicht bei „automatisieren oder nicht“ stehenbleiben darf. Die produktivere Frage lautet: Wie gestalten wir die Zusammenarbeit zwischen Menschen und KI so, dass beide ihre Stärken einbringen können?
Der erste Schritt dazu ist einfacher als gedacht. Er beginnt nicht mit einer Software-Lizenz. Er beginnt mit der Frage: Welche Prozesse in unserem Unternehmen sind dokumentiert – und welche existieren nur in den Köpfen unserer besten Leute?
Quellen
[1] Shapira, N. et al. (2026): „Agents of Chaos.“ Northeastern University et al. Preprint. https://arxiv.org/abs/2602.20021v1
[2] Dell’Acqua, F. et al. (2025): „The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise.“ Harvard Business School Working Paper 25-043. https://ssrn.com/abstract=5188231
Sie möchten KI in Ihrem Unternehmen einsetzen und haben Fragen zur KI-Implementierung?
Gerne analysieren wir mit Ihnen in einem ersten unverbindlichen Strategiegespräch, wie der Einsatz von KI in Ihrem Unternehmen aussehen könnte und was dabei zu beachten ist.
