Startseite·Analysen·Wo AI keinen Mehrwert schafft: eine ehrliche Liste
Die Demo funktioniert, die Begeisterung ist echt, der Mehrwert bleibt aus. Vier wiederkehrende Situationen, in denen die Lücke jedes Pilotprojekt überdauert.
Listen mit möglichen AI-Anwendungen gibt es überall und sie sind leicht zu bekommen; Listen zu Fällen, in denen AI keine sinnvolle Option ist, sind dagegen selten. Das ist merkwürdig, denn die zweite Art von Liste spart mehr Geld. Was folgt, ist kein Katalog der technischen Grenzen von AI – die verschieben sich ständig –, sondern vier wiederkehrendeSituationenin Unternehmen, in denen die Demonstration gelingt, die Begeisterung echt ist und der Nutzen dennoch ausbleibt. Es lohnt sich, diese Situationen zu benennen, bevor das Budget für den Pilot ausgegeben ist – nicht erst danach.
Automatisierung rechnet sich durch Wiederholung, und für AI gilt dieselbe Rechnung: Eine Aufgabe, die nur wenige Male im Monat anfällt, bringt – wie elegant sie auch automatisiert sein mag – keinen Ertrag, der Integration, Wartung und die dadurch entstehenden zusätzlichen Fehlerquellen rechtfertigt. Ein Warnsignal ist ein Pilot, der „funktioniert“: Bei einer Aufgabe mit geringem Volumen läuft der Pilot oft glänzend, doch bei der Skalierung bleibt nichts übrig. Das Volumen ist das erste Prüfkriterium beiAuswahl von Anwendungsfällen, und zugleich wird es am häufigsten übergangen, weil gerade Aufgaben mit geringem Volumen in einer Demonstration besonders reizvoll wirken.
AI leistet vor allem kognitive Arbeit und lohnt sich daher nur dort, wo genau diese Arbeit den Engpass bildet. In vielen Prozessen liegt der Engpass jedoch ganz woanders: Man wartet auf die Unterschrift eines Vertragspartners, auf die Aufmerksamkeit der entscheidungsverantwortlichen Person, auf Rückmeldungen aus dem Markt oder auf einen physischen Arbeitsschritt. Ein Modell in eine Warteschlange einzufügen, bringt sie nicht in Bewegung – es verschönert lediglich den Papierkram in der Warteschlange. Die Analyse muss den gesamten Prozess in den Blick nehmen und zeigen, wo Zeit und Kosten tatsächlich anfallen. Ihr ehrliches Ergebnis ist oft eine unbequeme Erkenntnis: Der Engpass ist eine Person, ein Vertrag oder die Entscheidungsgeschwindigkeit des Unternehmens selbst.Dort, wo AI sich in der P&L bemerkbar macht,liegt der Engpass tatsächlich bei intelligenter Arbeit; überall sonst ist AI bloße Dekoration.
Manche Entscheidungen werden so selten getroffen und sind zugleich so folgenreich, dass es nichts wert ist, den Menschen aus dem Prozess zu nehmen und dafür ein Risiko einzugehen: etwa bei der Preisgestaltung eines Flaggschiffprodukts, einer öffentlichen Mitteilung oder einer rechtlich bindenden Verpflichtung. AI kann bei solchen Entscheidungen Entwürfe erstellen, Inhalte zusammenfassen und Vorarbeiten leisten – ein echter Beitrag. Doch die letzte Abwägung ist der Punkt, an dem die Haftung liegt. Unternehmen, die diesen letzten Schritt delegieren, um ein paar Minuten zu sparen, müssen sich diese Minuten später zu einem anderen Preis zurückholen. Es geht dabei nicht um die Genauigkeit des Modells, sondern um die ungleichen Folgen eines Fehlers – und daran ändert auch noch so große Genauigkeit nichts.
Die Automatisierung eines fehlerhaften Prozesses beschleunigt dessen Fehlfunktionen. AI verstärkt jeden Workflow, auf den sie angesetzt wird. Ist der Workflow selbst widersprüchlich – mit überflüssigen Genehmigungsschritten, einander widersprechenden Regeln oder Abläufen, die nur aus Gewohnheit bestehen –, führt das Modell diese Widersprüche schneller und selbstsicherer aus als die erschöpften Mitarbeitenden. Die richtige Reihenfolge ist genau umgekehrt, als man zunächst vermuten würde: erst den Prozess verbessern, dann automatisieren. Und oft schrumpft die Aufgabe durch die Verbesserung so weit, dass siedie Kosten des Prozesses gekoppelt ist.eine Automatisierung überhaupt nicht mehr rechtfertigt – eine Einsparung, die bei der Bewertung des Automatisierungsbudgets nie berücksichtigt wird.
Ein Anwendungsfall, der einen dieser vier Tests nicht besteht, ist keine bloß schwache Chance. Er ist ein klarer Beleg dafür, wie sich Integrationsaufwand vergeuden lässt.
Die Prüfung möglicher Anwendungsfälle anhand der vier Kriterien – Volumen, tatsächlicher Engpass, Fehlerasymmetrie und Prozesszustand – bildet die erste Phase vonBewertung von Chancenund standardisierte Arbeitsabläufe inder AI-Praxis: der kostengünstigste Punkt im Zyklus, um Nein zu sagen – und damit der rentabelste.
Wir verwenden Cookies, um den Datenverkehr zu analysieren und die Website zu verbessern. Die Analyse ist nur mit Ihrer Zustimmung aktiviert.Cookie-Richtlinie