Ich bin ziemlich leicht für gute KI-Demos zu begeistern.

Wenn jemand in dreissig Minuten einen funktionierenden Workflow baut, schaue ich mir das gerne an. Die Geschwindigkeit, mit der heute Dinge möglich werden, die vor zwei Jahren noch ein richtiges Projekt gewesen wären, ist beeindruckend.

Schwierig wird es für mich erst beim nächsten Satz:

«Damit ist der Prozess automatisiert.»

Vielleicht.

Vielleicht haben wir aber auch einfach eine sehr gute Demo.

Und dazwischen liegt in einem Unternehmen erstaunlich viel Realität.

Eine Demo hat keine Montagsprobleme

Ein Prototyp muss nicht zwingend wissen, was bei der seltenen Ausnahme passiert.

Ein Geschäftsprozess schon.

Er muss mit echten Daten umgehen. Mit Rollen und Freigaben. Mit bestehenden Systemen. Mit Fehlern. Mit Kunden. Mit Verantwortlichkeiten. Und mit Menschen, die am Montagmorgen nicht drei Stunden Zeit haben, um herauszufinden, warum der schöne Workflow heute anders reagiert als am Freitag.

Das ist kein Argument gegen schnelles Prototyping.

Im Gegenteil. Ich bin ein grosser Freund davon, Dinge früh auszuprobieren.

Ich möchte nur Geschwindigkeit nicht mit Betriebsreife verwechseln.

Eine technische Möglichkeit ist noch keine betriebliche Lösung.

Auch beim Datenschutz helfen die einfachen Antworten selten

Das andere Extrem begegnet mir genauso häufig.

Sobald Cloud, ein amerikanischer Anbieter oder der CLOUD Act auftaucht, wird aus einer realen Datenschutz- und Risikofrage schnell ein pauschales «Das geht nicht».

Auch das ist mir zu einfach.

Datenschutz, Vertraulichkeit, Berufsgeheimnis, Datenflüsse und Datenhoheit müssen ernst genommen werden. Gerade in Unternehmen, die mit sensiblen Informationen arbeiten.

Aber ernst nehmen heisst für mich nicht, aus komplexen Fragen einfache Verbote zu machen.

Es heisst, sauber hinzuschauen: Welche Daten sind betroffen? Was soll mit ihnen geschehen? Welche Verträge und Einstellungen gelten? Wo werden sie verarbeitet? Welche Kontrolle soll das Unternehmen behalten? Welches Risiko ist akzeptabel und welches nicht?

Manchmal lautet die Antwort danach tatsächlich: Nein, so machen wir es nicht.

Manchmal lautet sie aber auch: Ja, unter diesen Bedingungen ist es vertretbar.

Beides ist professioneller als Panik.

Nicht jedes Problem braucht KI

Ich sehe noch einen dritten Reflex.

Ein Prozess ist langsam, also braucht er Automatisierung.

Dabei ist er manchmal einfach schlecht organisiert.

Unklare Zuständigkeiten werden mit KI nicht klarer. Fünf unnötige Freigabeschlaufen werden durch einen Agenten nicht automatisch sinnvoll. Schlechte Daten werden nicht dadurch gut, dass ein Sprachmodell schneller darauf zugreifen kann.

KI kann einen guten Prozess enorm unterstützen.

Sie kann aber auch einen schlechten Prozess sehr effizient beschleunigen.

Deshalb darf ein gutes Ergebnis auch sein:

Diesen Ablauf räumen wir zuerst auf.

Oder:

Für diesen Anwendungsfall brauchen wir gerade keine neue Technologie.

Oder sogar:

Das verfolgen wir nicht weiter.

Ich halte das nicht für verlorene Zeit.

Ich halte es für eine gute Entscheidung.

Die spannendste Frage kommt nach «Was kann KI?»

Es gibt hervorragende technische Spezialistinnen und Spezialisten, die Modelle, Schnittstellen und Architekturen tiefer kennen als ich.

Das ist gut so. Sie werden gebraucht.

Meine Arbeit setzt an einer anderen Stelle an.

Mich beschäftigt die Auftraggeberseite.

Was will ein Unternehmen überhaupt erreichen? Was muss vorher entschieden werden? Welche Anwendungen sind wirklich relevant? Was brauchen die Fachpersonen? Wo bleibt menschliche Kontrolle? Was soll ein technischer Partner anschliessend konkret bauen? Und woran erkennen wir später, ob sich die Arbeit tatsächlich verbessert hat?

Diese Fragen funktionieren nicht nur in Finance oder Treuhand.

Sie stellen sich genauso in HR, Administration, Wissensarbeit, Kommunikation, internen Services und vielen anderen Büroprozessen eines KMU.

Die Technologie kann dabei wechseln.

Diese Fragen bleiben.

Aus Praxis wurde eine Methodik

Aus meinen Mandaten hat sich deshalb in den letzten Monaten ein klarer Weg entwickelt:

Erst ausrichten. Dann entscheiden. Danach sauber in die Anwendung führen. Später prüfen, was im Alltag trägt und wie es weitergehen soll.

Nach aussen ist dieser Weg bewusst einfach.

Ein Kunde muss nicht mein internes Handbuch kennen.

Aber er sollte merken, dass hinter einem Workshop nicht einfach ein paar Post-its und hinter einem KI-Projekt nicht einfach ein gutes Tool stehen.

Im Hintergrund verbinden sich Unternehmenspraxis, Moderation, Didaktik, Prozessverständnis, technische Anschlussfähigkeit, Verantwortung und Wirkungsmessung.

Und vor allem eine Überzeugung:

Menschen sind nicht das Problem, das man am Ende einer KI-Einführung noch mit einer Schulung lösen muss.

Sie sind von Anfang an Teil davon.

Die eigentliche Transformation ist weniger spektakulär

Vielleicht wird die nächste Phase der KI deshalb ein bisschen unspektakulärer.

Weniger Meldungen darüber, welche Tätigkeit angeblich gerade komplett ersetzt wurde.

Weniger Prozesse, die auf LinkedIn schon automatisiert sind, bevor sie im Betrieb überhaupt jemand benutzt hat.

Weniger pauschale Angst vor Technologie.

Dafür mehr Unternehmen, die sich ernsthaft damit beschäftigen, wie sie künftig arbeiten wollen.

Die richtigen Anwendungen auswählen.

Verantwortung klären.

Menschen befähigen.

Technik dort einsetzen, wo sie wirklich hilft.

Und später auch nachschauen, ob tatsächlich etwas besser geworden ist.

Das ist langsamer als eine Demo.

Aber immer noch sehr viel schneller als sechs Monate in die falsche Richtung zu laufen.

Am Ende gewinnt nicht das Unternehmen mit der meisten KI.

Es gewinnt das Unternehmen, das es schafft, mit KI besser zu arbeiten.

Genau daran möchte verAInt arbeiten.