Die Imagination Gap – Warum Vorstellungskraft der eigentliche Engpass für eine erfolgreiche KI-Implementierung ist

Unsichtbare Reibung: Probleme, die niemand als Probleme erkennt

Die Imagination Gap hat aber noch eine andere Dimension. Es geht nicht nur darum, die „richtigen Probleme“ auszuwählen, bei denen der Einsatz von KI tatsächlich einen Mehrwert darstellt. Es geht auch um die Herausforderung, tatsächliche Probleme gar nicht erst als solche zu erkennen – weil sie bereits als typischer Arbeitsaufwand normalisiert wurden. Oder anders: Das haben wir schon immer so gemacht.

Studien zeigen: Mitarbeitende verbringen im Durchschnitt 1,8 Stunden pro Tag – also 9,3 Stunden pro Woche – mit der Suche nach Informationen [8]. Das ist rund ein Fünftel der gesamten Arbeitszeit, gebunden in unsichtbarer Reibung. Niemand würde diese Informationssuche als „Problem“ auf die Agenda setzen – sie gehört eben zum Arbeitsalltag. Genau deshalb taucht sie auf keiner Liste von KI-Anwendungsfällen auf. Und genau deshalb ist sie ein Beispiel für die Imagination Gap: ein realer Engpass, der unsichtbar bleibt, weil er nie als solcher hinterfragt wurde.

Das Gegenstück dazu beschreiben Forschende der Universität Leeds als „efficient inefficiency“ [9]: Unternehmen, die KI auf Aufgaben ansetzen, die von Anfang an überflüssig sind – und damit den Leerlauf lediglich beschleunigen, statt ihn zu beseitigen. Auch das ist eine Folge der Imagination Gap. Wer nicht erkennt, welche Aufgaben tatsächlich wertschöpfend sind, läuft Gefahr, mit KI die falschen Probleme effizienter zu lösen und doch keinen wertschöpfenden Beitrag zu leisten. [LINK: KI in der Produktion – anderer Hallenboden, ähnliche Herausforderungen?]

Wie wird KI zum Diagnoseinstrument statt nur zum Beschleuniger?

Die strategisch interessante Frage ist doch: Was geschieht, wenn ein Unternehmen KI nicht nur als Werkzeug zur Beschleunigung einsetzt, sondern als Instrument zur Diagnose?

KI kann Muster sichtbar machen, die im Tagesgeschäft unsichtbar bleiben. Sie kann Prozesse challengen, die niemand mehr hinterfragt, weil sie schon immer so gelaufen sind. Sie kann – bildlich gesprochen – als Röntgengerät fungieren, das zeigt, in welchen Prozessen Reibung entsteht oder Energie nicht nutzbringend eingesetzt wird, weil kein substanzieller Mehrwert für das Unternehmen generiert wird.

Und sie kann noch etwas: das implizite Wissen, das in den Köpfen der Mitarbeitenden steckt, systematisch erschließen. In vielen Unternehmen sind die wichtigsten Prozesse, Entscheidungsregeln und Erfahrungswerte nie ausführlich dokumentiert und hinterfragt worden. Sie existieren als internes Expertenwissen – aber nicht als verschriftlichtes Wissen. Das ist nicht nur ein Risiko für die Organisation, sondern auch ein fundamentales Hindernis für den Einsatz von KI: Ohne Kontext kann KI nur bedingt wertschöpfend arbeiten.

Unternehmen, die ihre Prozesse und ihr Domänenwissen systematisch dokumentieren – und KI kann dabei ein idealer Sparringspartner sein –, schaffen gleichzeitig die Grundlage für wertvolle KI-Anwendungsfälle.

Dafür braucht es allerdings Menschen, die wissen, wo sie hinschauen müssen. Und genau hier schließt sich der Kreis.

Die Lösung liegt nicht in „mehr Technologie“, sondern in „mehr Vorstellungskraft“

BCGs viel zitiertes 10-20-70-Prinzip für erfolgreiche KI-Implementierung beziffert den Anteil der Technologie auf 10 Prozent Algorithmen und 20 Prozent Daten und Infrastruktur. Die verbleibenden 70 Prozent entfallen auf Menschen und Prozesse [10]. Um Menschen zu befähigen, zu begeistern – und ihnen die Vorstellungskraft zu erschließen, wo KI in ihren täglichen Arbeitsabläufen tatsächlich eine hilfreiche Unterstützung sein kann. [LINK: Wenn KI die Arbeit intensiviert, statt sie zu reduzieren]

Die Imagination Gap schließt sich also nicht durch mehr Wissen über KI-Tools und auch nicht durch bessere Infografiken. Sie schließt sich, indem Unternehmen drei Dinge systematisch angehen.

Erstens: Vorstellungskraft gezielt steigern. Das klingt ungewohnt im Kontext von Technologieimplementierung, ist aber der entscheidende erste Schritt. Unternehmen benötigen strukturierte Formate, in denen Teams ihre eigenen Arbeitsprozesse mit neuen Augen betrachten. Nicht die Frage „Was kann KI?“ steht am Anfang, sondern die Frage „Wo entsteht bei uns Reibung, die wir nicht mehr hinterfragen?“

Zweitens: Vorhandenes Prozesswissen als strategischen Vorteil nutzen. In einer Welt, in der jedes Unternehmen auf dieselben KI-Modelle zugreifen kann, wird der organisatorische Kontext zum Differenzierungsmerkmal [11]. Ihre Mitarbeitenden kennen die Arbeitsabläufe, die Ausnahmen, die Workarounds und die wiederkehrenden Engpässe. Dieses Wissen ist der Rohstoff, aus dem wertschöpfende KI-Anwendungsfälle entstehen – aber nur, wenn es systematisch erschlossen wird.

Drittens: Befähigung vor Technologie. Prosci hat in einer Studie mit über 1.100 Fachleuten festgestellt, dass 38 Prozent aller Herausforderungen bei der KI-Einführung auf mangelnde Kompetenz der Nutzenden zurückzuführen sind – gegenüber nur 16 Prozent auf technische Implementierungsprobleme [12]. Befähigung bedeutet nicht, Schulungen über Prompting-Techniken anzubieten. Es bedeutet, Mitarbeitenden die Sicherheit zu geben, KI als Werkzeug in ihre eigene Fachkompetenz zu integrieren – ohne die Angst, ersetzt zu werden, und mit dem Freiraum, zu experimentieren.

Warum betrifft die Imagination Gap auch den Mittelstand?

Die Imagination Gap ist kein technisches Problem. Sie ist ein strategisches. Und sie betrifft den deutschen Mittelstand in besonderem Maße: 81 Prozent der deutschen Unternehmen sehen KI als die wichtigste Zukunftstechnologie [13]. Aber nur sechs Prozent setzen sie in mehreren Geschäftsbereichen ein [14]. Die größte Hürde, die das Institut der deutschen Wirtschaft identifiziert hat, ist nicht fehlende Technologie, sondern der als schwer einschätzbar wahrgenommene Nutzen von KI – mit 62,7 Prozent der am häufigsten genannte Hinderungsgrund [14].

Das ist die Imagination Gap in einer Zahl.

Die gute Nachricht: Der Mittelstand bringt genau die Voraussetzungen mit, die es braucht, um diese Lücke zu schließen. Tiefes Domänenwissen, Prozessorientierung, kurze Entscheidungswege und Mitarbeitende, die ihr Geschäft kennen. Es fehlt nicht an KI-Kompetenz. Es fehlt an einer systematischen Herangehensweise, die vorhandene Fachkompetenz mit den Möglichkeiten der KI zusammenzubringen.