Technische Machbarkeit ist nur der Anfang
Viele KI-Vorhaben starten heute mit erstaunlich wenig Aufwand. Ein erster Prototyp kann innerhalb kurzer Zeit zeigen, dass ein Modell eine bestimmte Aufgabe grundsätzlich lösen kann.
Genau darin liegt jedoch ein Risiko. Technische Machbarkeit erzeugt schnell den Eindruck, der schwierigste Teil sei bereits geschafft. In der Praxis beginnen die entscheidenden Fragen oft erst danach.
- Wie zuverlässig sind die Ergebnisse?
- Wie viel manuelle Kontrolle bleibt notwendig?
- Wie wird die Lösung in bestehende Prozesse integriert?
- Wer verantwortet die fachliche Qualität?
- Was kostet der laufende Betrieb?
- Welcher wirtschaftliche Nutzen entsteht tatsächlich?
Eine Demo beantwortet diese Fragen nicht. Sie beweist zunächst nur, dass eine technische Idee grundsätzlich funktionieren kann.
Generative KI kann bei klar abgegrenzten Aufgaben Geschwindigkeit und Qualität deutlich verbessern. In einer Untersuchung mit mehr als 5.000 Kundenservicekräften stieg die Produktivität im Durchschnitt um 15 Prozent. Bei professionellen Schreibaufgaben sank die Bearbeitungszeit in einer weiteren Studie um 40 Prozent, während die Qualität um 18 Prozent zunahm. [1][2]
Die Ergebnisse zeigen, welches Potenzial in geeigneten Aufgaben liegt. Für das Management folgt daraus die nächste Frage: Lassen sich diese Produktivitätsgewinne in bessere Prozessleistung, höhere Qualität, zusätzliche Kapazität oder wirtschaftlichen Nutzen übersetzen?
Eine Investitionsentscheidung benötigt deshalb mehr als einen technischen Funktionsnachweis. Sie braucht eine nachvollziehbare Verbindung zwischen fachlichem Ergebnis, Prozesswirkung, Gesamtkosten und späterem Betrieb.
Der Business Case beginnt beim Problem, nicht beim Modell
Ausgangspunkt ist das relevante Problem und das gewünschte Ergebnis. Erst danach wird geprüft, welchen Beitrag KI leisten kann und welche Technologie dafür geeignet ist.
Die Forschung zur sogenannten ungleichmäßigen technologischen Leistungsgrenze zeigt, dass KI die Leistung bei geeigneten Aufgaben erhöht, bei anderen Aufgaben desselben Arbeitsablaufs aber auch verschlechtern kann. [3]
Ein klar abgegrenzter Anwendungsfall schafft deshalb die Grundlage für Technologieauswahl, Qualitätsanforderungen und Wirtschaftlichkeitsbewertung. Fachlicher Bedarf und gewünschtes Ergebnis bestimmen die Lösung.
Aus der Praxis
Automatisierte Auskunft entlastet den Arbeitsalltag
Für einen Softwareanbieter entwickelte Wegstein Consulting eine KI-Lösung, die wiederkehrende Anfragen auf Grundlage vorhandener Informationen automatisiert beantwortet. Nutzer erhalten unmittelbar Auskunft. Mitarbeitende müssen weniger Routinefragen bearbeiten und können sich auf Anliegen konzentrieren, die Fachwissen oder persönliche Klärung erfordern.
Die Lösung erweitert das bestehende Angebot des Anbieters um einen zusätzlichen digitalen Zugang zu Informationen und ist inzwischen bei zahlreichen Kunden produktiv im Einsatz. Der wirtschaftliche Hebel liegt in der Entlastung des laufenden Betriebs: Nutzbare Kapazität entsteht, wenn die automatisierte Auskunft tatsächlich manuelle Bearbeitung ersetzt und die frei werdende Zeit für andere Aufgaben eingesetzt wird. Wie groß dieser Effekt ist, muss im jeweiligen Einsatz gemessen werden.
Nutzen, Wirtschaftlichkeit und Betriebsfähigkeit gemeinsam bewerten
Ein wirtschaftlich tragfähiges KI-Vorhaben verbindet fachliche Qualität, Prozesswirkung, Gesamtkosten und Betriebsfähigkeit.
Ein guter KI-Use-Case muss drei Fragen gleichzeitig beantworten.
Entsteht ein relevanter fachlicher Nutzen?
Entscheidend ist, welches fachliche Ergebnis sich verbessert und welche Wirkung im Geschäftsprozess entsteht. Maßgeblich sind Qualität, Zeitgewinn oder zusätzliche Leistung sowie die Häufigkeit des Vorgangs und die tatsächliche Nutzung der Lösung.
Steht dieser Nutzen in einem sinnvollen Verhältnis zu Investition und laufendem Aufwand?
Dem erwarteten Nutzen stehen die vollständigen Kosten gegenüber. Dazu gehören Entwicklung, Integration, Datenpflege, Qualitätssicherung, Betrieb und organisatorische Veränderung. Erst dieser Vergleich zeigt, ob der Anwendungsfall wirtschaftlich tragfähig ist.
Kann die Lösung dauerhaft verantwortet und betrieben werden?
Fachliche Qualität, Datenpflege und technischer Betrieb brauchen klare Verantwortlichkeiten. Ebenso müssen Überwachung, Änderungen und Fehlerbehandlung geregelt sein. Die Lösung muss sich zuverlässig in bestehende Abläufe integrieren und dauerhaft betreiben lassen.
Ergänzende Investitionen in Prozesse, Fähigkeiten, Organisation und Speicherkapazität sind häufig Voraussetzung dafür, dass sich das Potenzial einer Basistechnologie vollständig realisiert. Die Productivity J-Curve beschreibt genau diesen Zusammenhang. [4]
Ein Pilot braucht eine Entscheidungsfrage
Ein Pilot soll eine definierte Unsicherheit reduzieren und eine konkrete Investitionsentscheidung vorbereiten. Vor dem Start sollten deshalb Qualitätsanforderungen, erwarteter Nutzen, Kostenrahmen und Abbruchbedingungen feststehen.
Am Ende stehen drei gleichwertige Managemententscheidungen: Skalieren. Anpassen. Beenden.
Jede dieser Entscheidungen kann wirtschaftlich richtig sein. Ein früh beendeter Pilot verhindert größere Investitionen in einen Anwendungsfall, dessen Nutzen, Qualität oder Betriebsfähigkeit nicht ausreicht.
Produktiver Einsatz verändert Prozesse und Verantwortung
Produktiv wird eine KI-Lösung, wenn sie in einen klar verantworteten Geschäftsprozess integriert ist. Dafür müssen fachliche Qualität, Daten, technische Änderungen, Überwachung und Eskalation eindeutig zugeordnet sein. Ebenso wichtig ist die Entscheidung, wann ein Mensch übernimmt und wie Fehler behandelt werden.
Das NIST AI Risk Management Framework betrachtet Governance, Kontext, Messung und laufendes Management über Entwicklung, Einsatz und Bewertung von KI-Systemen hinweg. [5]
Mit der Einführung beginnt die Betriebsverantwortung. Nutzung, Qualität, Kosten und Risiken müssen weiterhin beobachtet und gesteuert werden. So entsteht aus einer technischen Lösung ein dauerhaft nutzbarer Bestandteil des Geschäftsprozesses.
Wert entsteht im Geschäftsprozess
Unternehmenswert entsteht, wenn KI einen relevanten Geschäftsprozess messbar verbessert. Das kann kürzere Durchlaufzeiten, höhere Qualität, besser nutzbares Wissen, zusätzliche Kapazität oder ein neues wirtschaftliches Produkt bedeuten.
Die entscheidende Managementfrage lautet: Rechtfertigt der erzielte Nutzen die Investition, den laufenden Aufwand und die organisatorische Veränderung?
Technische Machbarkeit eröffnet die Möglichkeit. Wirtschaftlicher Wert entsteht, wenn fachlicher Nutzen, Technologie, Wirtschaftlichkeit und Betriebsfähigkeit dauerhaft zusammenpassen.
