„Nicht das nächste Tool löst das Problem“

Simon Biela und Till Aufderheide über KI-Piloten, Unternehmenswissen und die Frage, wie KI im Alltag wirklich tragfähig wird

KI ist in vielen Unternehmen längst angekommen. Was häufig fehlt, ist ein gemeinsamer Rahmen für Wissen, Prozesse, Systeme und Verantwortung. Simon, Gründer und Geschäftsführer von taod, und Till, Principal Advisor AI Strategy & Solutions bei taod, diskutieren darüber, warum Experimente trotzdem wichtig sind, weshalb Technologie allein nicht skaliert und wo Unternehmen konkret anfangen können.

‍

KI ist in vielen Unternehmen gleichzeitig an mehreren Stellen entstanden. Mitarbeitende testen Chatbots, Fachbereiche bauen Assistenten und die IT prüft Plattformen. Von außen wirkt das wie Fortschritt. Intern wächst jedoch oft die Unübersichtlichkeit.

Simon: Das ist kein Widerspruch. Nutzung kann sehr schnell wachsen, ohne dass die Organisation als Ganzes weiterkommt. Zunächst ist diese Dynamik sogar hilfreich. Menschen sammeln Erfahrungen und entdecken Aufgaben, bei denen KI wirklich entlasten kann. Schwierig wird es, wenn aus vielen lokalen Erfolgen keine gemeinsame Arbeitsweise entsteht.

Till: Die Piloten sind nicht das Problem. Ein dezentrales Experiment ist häufig der schnellste Weg, um zu verstehen, ob ein Anwendungsfall im Alltag trägt. Problematisch wird es erst, wenn jede Initiative eigene Datenquellen, Begriffe, Berechtigungen und Qualitätsmaßstäbe entwickelt. Dann funktioniert eine Lösung vielleicht hervorragend in einem Team, lässt sich aber nicht übertragen.

Simon: Und häufig hängt der Erfolg stärker an einzelnen Personen als an der Lösung selbst. Jemand kennt den richtigen Prompt, weiß, welches Dokument aktuell ist, und gleicht Fehler manuell aus. Verlässt diese Person den Prozess, verschwindet ein Teil der vermeintlichen Produktivität wieder.

Till: Typische Warnsignale sind doppelte Entwicklungen und einzelne KI-affine Mitarbeitende, die unfreiwillig zur zentralen Anlaufstelle werden. Vertrieb, Marketing und Service bauen ähnliche Wissensassistenten, obwohl sie teilweise dieselben Quellen benötigen. Einige wenige KI-affine Mitarbeitende lösen ständig die Probleme der anderen, ohne dafür Zeit oder Verantwortung zu haben. Spätestens wenn niemand sagen kann, wer eine Lösung nach dem Projekt pflegt, gibt es einen Piloten, aber noch keinen belastbaren Betrieb.

Eine zentrale Plattform erscheint in dieser Situation als naheliegende Antwort.

Till: Sie kann ein sinnvoller Baustein sein, löst aber nicht automatisch die organisatorischen Fragen. Ein Unternehmen kann allen denselben Copilot bereitstellen und trotzdem unterschiedliche Definitionen, veraltete Wissensquellen und ungeklärte Freigaben haben. Die Oberfläche ist nur der sichtbare Teil. Entscheidend ist, was dahinter liegt und ob die KI auf einen verlässlichen Unternehmenskontext zugreifen kann.

Simon: Das nächste Tool beseitigt keine ungeklärte Verantwortung. Es macht die Folgen im Zweifel nur schneller sichtbar.

‍

„Das nächste Tool beseitigt keine ungeklärte Verantwortung.“ – Simon Biela

‍

Unternehmenswissen ist keine rein technische Aufgabe

Sobald KI auf internes Wissen zugreifen soll, wird aus einem Technologieprojekt eine Organisationsfrage.

Simon: Genau das wird häufig unterschätzt. Die Technik kann Informationen auffindbar machen. Sie kann der Organisation aber nicht abnehmen, festzulegen, welchem Wissen sie vertraut. Selbst eine scheinbar eindeutige Kennzahl wie Umsatz kann in Finance, Vertrieb und Controlling unterschiedlich verstanden werden.

Till: Greift ein KI-System auf diese Quellen zu, verschwindet der Widerspruch nicht. Er wird nur schneller sichtbar. Unternehmen müssen sich auf Bedeutungen, maßgebliche Quellen und Zuständigkeiten einigen. Sonst liefert die KI womöglich eine sprachlich überzeugende Antwort, die fachlich auf der falschen Definition basiert.

Simon: Dazu kommt, dass Wissen nicht nur in Datenbanken liegt. Es steckt in Dokumenten, Meetings, Chats, operativen Systemen und in den Köpfen einzelner Personen. Alles pauschal anzubinden, schafft deshalb noch keinen guten Kontext.

Till: Ein großer ungeprüfter Datenbestand ist eher ein zusätzliches Risiko. Sinnvoller ist es, mit dem Wissen zu beginnen, das ein konkreter Prozess wirklich benötigt. Für die Angebotserstellung können das Informationen aus Kundengesprächen, dem CRM, dem Leistungsportfolio und internen Kalkulationsregeln sein. Diese Quellen müssen aktuell, eindeutig und zugriffsgesteuert sein. Außerdem braucht es jemanden, der ihre Qualität verantwortet.

Simon: Wissen wird damit zu einem Produkt. Es hat einen Anwendungszweck, verantwortliche Personen und Anforderungen an Aktualität und Qualität. Das ist ein anderer Blick als die Vorstellung, man müsse lediglich einen großen Dokumentenbestand anschließen.

‍

„Wissen wird damit zu einem Produkt.“ – Simon Biela

‍

Der Prozess ist wichtiger als der beeindruckende Agent

Die Angebotserstellung zeigt, wie schnell die Diskussion um Agenten zu kurz greifen kann.

Till: Ein Agent kann Kundendaten sammeln, einen Entwurf vorbereiten und offene Punkte markieren. Damit daraus ein produktiver Ablauf wird, muss jedoch beschrieben sein, wie das Unternehmen Angebote strukturiert, welche Regeln gelten und wo Ausnahmen liegen. Preis, Risiken und Leistungsversprechen werden anschließend von einem Menschen geprüft. Nach der Freigabe aktualisieren die verbundenen Systeme den Status.

Simon: Der Mehrwert liegt also nicht in maximaler Autonomie. Interessanter ist, ob der gesamte Prozess besser wird. Entsteht das Angebot schneller, werden weniger Informationen vergessen und steigt die Qualität? Wenn darauf keine Antwort existiert, hilft auch der beeindruckendste Agent wenig.

Till: Autonomie ist kein Qualitätsmerkmal an sich. Ein sinnvoller Agent übernimmt klar beschriebene und kontrollierbare Schritte. Bei kritischen Entscheidungen bleibt eine menschliche Freigabe bestehen. Das ist kein Zeichen mangelnder Reife, sondern gutes Prozessdesign.

Datenschutz, Informationssicherheit und Mitbestimmung werden in KI-Projekten trotzdem oft als späte Hürden erlebt.

Simon: Das liegt häufig daran, dass Governance als Endkontrolle organisiert wird. Eine fast fertige Lösung wird geprüft und muss im schlechtesten Fall zurückgebaut werden. So entsteht verständlicherweise der Eindruck, Regeln würden Innovation verhindern.

Till: Besser ist es, die relevanten Funktionen früh einzubeziehen. Dann lassen sich Datenklassen, erlaubte Werkzeuge, Freigaben und Eskalationswege passend zum Prozess gestalten. Gute Governance bremst verantwortbare Umsetzung nicht. Sie macht sie überhaupt erst möglich.

‍

„Gute Governance bremst verantwortbare Umsetzung nicht. Sie macht sie überhaupt erst möglich.“ – Till Aufderheide

‍

Damit bleibt die Frage nach der Zuständigkeit. In vielen Unternehmen wandert sie zwischen Fachbereich, IT und einer zentralen KI-Initiative hin und her.

Till: Eine einzelne Funktion reicht selten. Der Fachbereich kennt den Prozess und kann beurteilen, ob das Ergebnis nützlich ist. IT und Data verstehen Systeme, Schnittstellen und Datenqualität. Datenschutz, Informationssicherheit und gegebenenfalls der Betriebsrat definieren belastbare Grenzen. Zusätzlich braucht es ein Mandat aus der Geschäftsführung.

Simon: Ohne dieses Mandat bleibt KI schnell ein Nebenprojekt engagierter Einzelner. Gleichzeitig darf nicht jede Entscheidung in einem großen Gremium landen. Eine kleine crossfunktionale Taskforce ist oft wirksamer, wenn sie tatsächlich entscheiden darf und nicht nur Empfehlungen formuliert.

Till: Ihre Aufgabe ist nicht, sämtliche KI-Projekte zentral zu bauen. Sie schafft Orientierung, löst wiederkehrende Probleme und sorgt dafür, dass spätere Vorhaben auf bereits entwickelte Grundlagen aufsetzen können.

Das KI-Betriebssystem ist kein Softwareprodukt

An diesem Punkt wird der Begriff KI-Betriebssystem relevant. Er klingt zunächst stark nach Technologie. Erklärt ihr das kurz?

Simon: Gemeint ist aber keine Software, die ein Unternehmen installiert. Ein KI-Betriebssystem ist das gemeinsame Betriebsmodell für den Einsatz von KI. Es verbindet Unternehmenswissen, Prozesse, technische Systeme, Verantwortlichkeiten und Qualitätsstandards. Der Begriff beschreibt also die Art, wie eine Organisation mit KI arbeitet.

Till: Entscheidend ist, dass der Wert nicht allein im jeweiligen Modell liegt. Modelle werden leistungsfähiger, günstiger und in Teilen austauschbar. Das Unternehmen baut dagegen etwas Eigenes auf, und zwar strukturiertes Wissen, Prozesslogik, Systemverbindungen und klare Verantwortlichkeiten.

Simon: Wer nur auf das aktuelle Modell optimiert, baut auf eine bewegliche Grundlage. Wer Wissen und Prozesse sauber strukturiert, schafft etwas Dauerhafteres. Dann lässt sich die Technologie später austauschen, ohne die gesamte Lösung neu zu erfinden.

‍

‍

Ein persönliches KI-Cockpit gilt dabei oft als mögliches Zielbild. Wie realistisch ist diese Vorstellung?

Till: Ein solches Cockpit ist technisch grundsätzlich realistisch, aber kein Standardprodukt, das sich einfach einführen lässt. Mitarbeitende könnten darin an einem Ort sehen, welche Aufgaben, Freigaben, Budgets oder laufenden Prozesse relevant sind. Im Hintergrund bereiten Agenten Arbeit vor, während CRM, Kalender, E-Mail und weitere Systeme verbunden sind.

Simon: Das Cockpit selbst ist aber nicht das KI-Betriebssystem. Es ist nur die sichtbare Oberfläche. Wenn Wissen, Berechtigungen und Prozesse dahinter nicht geklärt sind, bleibt es eine schöne Fassade.

Der Einstieg beginnt mit einem Geschäftsproblem

Für Unternehmen mit vielen Einzelinitiativen stellt sich am Ende die praktische Frage nach dem Anfang.

Till: Der Anfang ist nicht die Suche nach dem besten Tool. Sinnvoller ist ein geschäftlich relevanter Prozess, der häufig vorkommt, erkennbar Zeit bindet und eine verantwortliche Person hat. Danach wird festgelegt, was sich in diesem Prozess verändern soll, etwa die Durchlaufzeit, die Fehlerquote oder die Angebotsqualität.

Simon: Das Ziel sollte sich möglichst ohne das Wort KI formulieren lassen. „Wir führen Copilot ein“ beschreibt eine Maßnahme, aber keinen besseren Zustand. Wenn ein Unternehmen am Ende nur Lizenzen und Nutzung misst, weiß es viel über Aktivität und wenig über Wirkung.

Till: Ein konkretes Ziel verändert auch die technische Diskussion. Dann geht es nicht mehr darum, möglichst viele Funktionen bereitzustellen, sondern genau die Informationen, Systemzugänge und Freigaben zu organisieren, die der Prozess benötigt.

Der Markt verändert sich rasant. Ist Abwarten deshalb eine vernünftige Strategie?

Simon: Bei einzelnen Werkzeugentscheidungen kann Zurückhaltung sinnvoll sein. Für die Grundlagen gilt das jedoch nicht. Prozesswissen, klare Zuständigkeiten, kuratierte Quellen und Messgrößen verlieren ihren Wert nicht, nur weil ein neues Modell erscheint.

Till: Im Gegenteil. Gerade die schnelle technische Entwicklung spricht dafür, in stabile Strukturen zu investieren. Wer seine Geschäftslogik und sein Wissen sauber organisiert, bleibt beweglich und kann neue Technologien leichter einordnen oder austauschen.

‍

„Wenn ein Unternehmen am Ende nur Lizenzen und Nutzung misst, weiß es viel über Aktivität und wenig über Wirkung.“ – Simon Biela

‍

Welche Fragen sollten Unternehmen beantworten können, damit aus einzelnen KI-Initiativen ein tragfähiger Betrieb wird?

Till: Wer merkt in drei Monaten, dass eine produktive KI-Lösung schlechter geworden ist? Wenn darauf niemand antworten kann, gibt es zwar ein Projekt, aber keinen Betrieb.

Simon: Und was soll in zwölf Monaten im Unternehmen konkret besser sein, ohne das Wort KI zu verwenden? Wer das nicht benennen kann, hat vermutlich noch keine Strategie, sondern vor allem Aktivität.