Essay · AI
AI verstärkt, bevor sie transformiert.
Ein Denkmodell dafür, warum dieselbe Technologie in zwei Unternehmen zwei verschiedene Ergebnisse erzeugt.
Nicht das Modell entscheidet über die Wirkung, sondern das System, auf das es trifft.
AI ist kein Werkzeug, sondern ein Verstärker
Ein Werkzeug erledigt eine Aufgabe. Ein Verstärker nimmt, was schon da ist, und macht es größer. Genau so verhält sich AI in Unternehmen.
Deshalb erzeugt dieselbe Technologie in zwei Organisationen zwei verschiedene Ergebnisse. Nicht das Modell entscheidet, sondern das System, auf das es trifft. Das ist keine Kritik an der Technologie. Es ist eine Aussage darüber, wo die Arbeit liegt.
Was hineingeht, kommt verstärkt heraus
Das lässt sich an drei Paaren zeigen, die in jedem Projekt auftauchen.
- Klarer Prozess plus AI ergibt höhere Skalierbarkeit. Unklarer Prozess plus AI ergibt schnelleres Durcheinander.
- Gute Daten plus AI ergeben bessere Unterstützung. Schlechte Daten plus AI ergeben skalierte Unsicherheit.
- Klare Verantwortung plus AI ergibt mehr Handlungsfähigkeit. Unklare Verantwortung plus AI ergibt ein Governance-Problem.
Keine dieser Zeilen ist eine Warnung vor AI. Sie sind eine Aussage über Reihenfolge.
Der Grund ist einfach: Ein Modell bewertet, formuliert und sortiert. Es entscheidet nicht, welcher Fall wichtig ist, wer zuständig ist und was im Zweifel gilt. Diese Festlegungen kommen aus dem Unternehmen. Fehlen sie, füllt das Modell die Lücke mit Wahrscheinlichkeit, und das Ergebnis wirkt entschieden, ohne entschieden zu sein.
Warum Piloten glänzen und der Betrieb stockt
Ein Pilot läuft in einer freundlichen Umgebung. Ausgewählte Fälle, motivierte Leute, kurze Wege. Der Betrieb ist eine andere Welt: Sonderfälle, Altbestände, Vertretungen, Prüfungen, Fristen.
Wenn ein Ablauf im Betrieb heute schon unklar ist, trifft AI genau auf diese Unklarheit. Sie verschwindet nicht. Sie wird schneller sichtbar, in mehr Fällen gleichzeitig.
Das erklärt ein Muster, das ich immer wieder sehe: Die Demo überzeugt, die Einführung enttäuscht, und die Diskussion dreht sich danach um das Modell. Gelöst wird sie aber im Prozess.
In den eigenen Anwendungen läuft es deshalb umgekehrt. Zuerst stehen Routing, Rollen und Budgetgrenzen, dann kommt das Modell dazu. Drei dieser Fälle stehen offen auf der AI-Seite: eine Entscheidungslogik, die Aufgaben auf den passenden Weg bringt, mehrere spezialisierte Agenten mit harten Grenzen, und ein Weg vom Gedanken zum geprüften Prototyp.
Der Beleg dafür ist unbequem
Laut McKinsey nutzen 2026 rund 89 Prozent der befragten Unternehmen AI in mindestens einem Bereich. 37 Prozent sehen einen Effekt auf das Ergebnis, 6 Prozent eine deutliche Wirkung von mindestens fünf Prozent des EBIT. Nutzung ist damit fast überall vorhanden, deutliche Wirkung fast nirgends.
Diese Lücke ist kein Technologieproblem. Sie ist ein Hinweis darauf, dass die Verstärkung dort wirkt, wo das System sie tragen kann.
Was das für die Auswahl von Vorhaben heißt
Aus dem Verstärker-Gedanken folgt ein brauchbares Auswahlkriterium. Geeignet ist ein Ablauf, der drei Eigenschaften hat: Er läuft oft, er ist beschrieben, und jemand ist für sein Ergebnis verantwortlich.
Läuft er selten, lohnt der Aufwand nicht. Ist er nicht beschrieben, verstärkt AI eine Vermutung. Ist niemand verantwortlich, gibt es später niemanden, der das Ergebnis prüft oder korrigiert.
Umgekehrt gilt: Ein Ablauf, der diese drei Eigenschaften hat, ist auch ohne AI besser geworden. Genau das ist der Punkt. Die Vorarbeit zahlt zweimal.
Was daraus folgt
Bevor ein Unternehmen fragt, welches Modell es einsetzt, lohnt sich eine andere Frage: Was genau wollen wir verstärken?
Ist die Antwort ein klarer, gemessener, verantworteter Ablauf, dann verstärkt AI etwas Tragfähiges. Ist die Antwort eine Vermutung, verstärkt AI eine Vermutung. Der Unterschied kostet kein Budget, nur eine Entscheidung.