Wenn intelligente Werkzeuge Aufmerksamkeit binden, statt Prozesse zu verbessern.
KI verspricht Produktivität, Geschwindigkeit und Entlastung. Doch was passiert, wenn ein intelligentes Werkzeug zwar einzelne Aufgaben beschleunigt, gleichzeitig aber neue Arbeit erzeugt? Dann optimieren wir möglicherweise einen Prozessschritt – und verschlechtern den Gesamtprozess.
Eine ungewöhnliche Orchidee liefert dazu eine interessante Perspektive.
Eine Orchidee, die unsere Wahrnehmung herausfordert
Die Spiegel-Ragwurz (Ophrys speculum) verfolgt eine bemerkenswerte Fortpflanzungsstrategie.
Ihre Blüte imitiert bestimmte Merkmale weiblicher Insekten. Männliche Bestäuber reagieren auf diese Signale und versuchen, sich mit der Blüte zu paaren. Dabei übertragen sie Pollen.
Die Orchidee muss weder denken noch bewusst handeln. Durch evolutionäre Anpassung nutzt sie Wahrnehmungs- und Verhaltensmuster ihrer Bestäuber.
Das Entscheidende: Der Erfolg der Orchidee hängt nicht davon ab, welchen Nutzen sie dem Insekt bietet, sondern davon, wie zuverlässig sie dessen Verhalten auslöst.
Dieses Prinzip lässt sich als Metapher auf digitale Technologien übertragen.
Denn auch ein digitales Werkzeug muss nicht zwangsläufig einen wirtschaftlichen Mehrwert erzeugen, um intensiv genutzt zu werden.
Es muss zunächst nur überzeugend genug sein, damit Menschen ihm ihre Aufmerksamkeit widmen.
Und genau hier beginnt eine interessante Frage für den Einsatz künstlicher Intelligenz.
Die falsche Leitfrage: Wo können wir mit KI Zeit sparen?
Bei der Einführung von KI wird häufig eine naheliegende Frage gestellt:
Welche Tätigkeiten können wir durch KI schneller erledigen?
Das ist eine berechtigte Frage. Aber sie greift zu kurz.
Denn wer ausschließlich die Bearbeitungszeit einer einzelnen Tätigkeit betrachtet, übersieht möglicherweise die Auswirkungen auf den gesamten Prozess.
Ein KI-System erstellt einen Text in Sekunden. Ein Mitarbeiter benötigt dafür bisher 30 Minuten.
Die Rechnung scheint einfach: 30 Minuten eingespart.
Doch was passiert anschließend?
Der Text muss geprüft werden. Fachliche Ungenauigkeiten werden korrigiert. Aussagen müssen verifiziert werden. Möglicherweise entstehen zusätzliche Abstimmungen.
Die vermeintlich eingesparte Arbeit verschwindet nicht vollständig. Sie verlagert sich.
Aus einer ursprünglich produktiven Tätigkeit wird möglicherweise eine kontrollierende und korrigierende Tätigkeit.
Und diese kann kognitiv anspruchsvoller sein als die ursprüngliche Aufgabe.
Die entscheidende Frage lautet deshalb nicht nur, wie schnell KI arbeitet, sondern wie sie den gesamten Wertschöpfungsprozess verändert.
Wenn lokale Effizienz den Gesamtprozess verschlechtert
Betrachten wir ein vereinfachtes Beispiel aus der betrieblichen Praxis.
Ein Unternehmen führt KI zur Unterstützung seiner Angebotserstellung ein.
Bisher benötigt ein Mitarbeiter durchschnittlich 60 Minuten für die Erstellung eines Angebots.
Mit KI liegt nach 10 Minuten ein erster Entwurf vor.
Das Unternehmen meldet einen deutlichen Produktivitätsgewinn.
Doch eine genauere Prozessanalyse ergibt ein anderes Bild.
| Tätigkeit | Ohne KI | Mit KI |
|---|---|---|
| Angebot erstellen | 60 Minuten | 10 Minuten |
| Inhalt fachlich prüfen | – | 25 Minuten |
| Fehler korrigieren | – | 15 Minuten |
| Zusätzliche Rückfragen klären | – | 20 Minuten |
| Gesamtaufwand | 60 Minuten | 70 Minuten |
Illustratives Rechenbeispiel, keine empirische Untersuchung.
Die KI reduziert die ursprüngliche Bearbeitungszeit um 50 Minuten.
Gleichzeitig entstehen zusätzliche Tätigkeiten im Umfang von 60 Minuten.
Das Ergebnis:
Die einzelne Tätigkeit wird schneller. Der Gesamtprozess benötigt mehr Ressourcen.
Damit wird ein klassisches Problem aus dem Lean Management sichtbar.
Wer einzelne Prozessschritte isoliert optimiert, verbessert nicht automatisch die Leistungsfähigkeit des Gesamtsystems.
Ein ähnliches Problem entsteht, wenn zusätzliche Prüfungen, Rückfragen oder Freigaben den Arbeitsfluss unterbrechen.
Die lokale Effizienz steigt – während die tatsächliche Wertschöpfung stagniert oder sinkt.
Vier Warnsignale für das Orchideen-Prinzip
Woran erkennen wir, dass ein KI-Werkzeug möglicherweise mehr Aufmerksamkeit bindet, als es Nutzen schafft?
Vier Muster verdienen besondere Aufmerksamkeit.
1. Verdeckte Nacharbeit: Wenn Arbeit nur verschoben wird
Die KI erledigt eine Aufgabe scheinbar vollständig.
Doch nachgelagerte Prozessschritte benötigen mehr Zeit als zuvor.
Fehler müssen korrigiert, Informationen ergänzt oder Entscheidungen erneut geprüft werden.
Die zusätzliche Arbeit wird häufig nicht der KI-Nutzung zugerechnet.
Sie erscheint an anderer Stelle im Prozess.
Aus Lean-Sicht entsteht damit eine Form verdeckter Verschwendung.
Prüffrage: Welche zusätzlichen Tätigkeiten entstehen vor und nach dem KI-Einsatz?
2. Plausibilität statt Richtigkeit: Wenn Überzeugung Vertrauen ersetzt
Generative KI kann Antworten erzeugen, die sprachlich überzeugend und fachlich plausibel erscheinen.
Doch Plausibilität ist kein Beweis für Richtigkeit.
Gerade in komplexen Fachgebieten kann es anspruchsvoll sein, Fehler in gut formulierten Ergebnissen zu entdecken.
Ein kompetent klingender Text kann deshalb mehr Vertrauen erzeugen, als sein tatsächlicher Informationsgehalt rechtfertigt.
Das Risiko liegt nicht nur in der technischen Fehleranfälligkeit.
Es liegt auch in unserer eigenen Wahrnehmung.
Wenn eine Antwort zu unseren Erwartungen passt, hinterfragen wir sie möglicherweise weniger intensiv.
Hier zeigt sich die eigentliche Parallele zur Orchidee:
Nicht die objektive Qualität eines Signals entscheidet allein über unsere Reaktion, sondern auch darüber, wie gut es unsere Erwartungen trifft.
Prüffrage: Wie stellen wir sicher, dass überzeugende KI-Ergebnisse auch fachlich richtig sind?
3. Nutzung als Erfolgsnachweis: Wenn Aktivität mit Wirkung verwechselt wird
Viele Unternehmen messen den Erfolg ihrer KI-Initiativen anhand von Nutzungskennzahlen.
Wie viele Mitarbeiter verwenden das System?
Wie viele Anfragen werden gestellt?
Wie viele Dokumente wurden generiert?
Diese Zahlen zeigen zunächst nur, dass eine Technologie verwendet wird.
Sie sagen wenig darüber aus, ob dadurch tatsächlich bessere Ergebnisse entstehen.
Eine steigende Nutzungsrate kann Ausdruck eines funktionierenden Werkzeugs sein.
Sie kann aber auch bedeuten, dass immer mehr Aufmerksamkeit in ein System fließt, ohne dass der wirtschaftliche Nutzen entsprechend wächst.
Nutzung ist ein Indikator für Akzeptanz – kein ausreichender Beweis für Wertschöpfung.
Prüffrage: Welche messbaren Verbesserungen entstehen durch die Nutzung?
4. Fragmentierung: Wenn KI den Arbeitsfluss unterbricht
KI-Systeme liefern Vorschläge, Empfehlungen und Handlungsoptionen.
Das kann hilfreich sein.
Doch jeder Vorschlag verlangt möglicherweise eine Entscheidung.
Soll ich die Empfehlung übernehmen?
Muss ich sie überprüfen?
Gibt es eine bessere Alternative?
Soll ich eine weitere Antwort generieren lassen?
Dadurch kann eine ursprünglich zusammenhängende Aufgabe in zahlreiche kleine Interaktionen zerfallen.
Der Mensch arbeitet nicht mehr kontinuierlich an einer Aufgabe, sondern wechselt zwischen Bearbeitung, Bewertung, Korrektur und erneuter Eingabe.
Diese Fragmentierung kann Konzentration und Arbeitsfluss beeinträchtigen.
Ein schnelleres Werkzeug führt dann nicht zwangsläufig zu schnellerer Arbeit.
Prüffrage: Unterstützt die KI einen durchgängigen Arbeitsfluss – oder erzeugt sie zusätzliche Unterbrechungen?
Drei Prüffragen für einen wirksamen KI-Einsatz
Was bedeutet das für Unternehmen, die KI sinnvoll in ihre Prozesse integrieren möchten?
Aus meiner Sicht sollten wir die Bewertung von KI um drei Perspektiven erweitern.
1. Wie hoch ist der tatsächliche Nettoaufwand?
Die relevante Größe ist nicht allein die eingesparte Bearbeitungszeit.
Wir müssen sämtliche zusätzlichen Aufwände berücksichtigen:
Kontrolle, Korrektur, Abstimmung, Nacharbeit und gegebenenfalls weitere Prozessschritte.
Erst dann lässt sich beurteilen, ob der KI-Einsatz tatsächlich Ressourcen freisetzt.
Dabei sollten auch die Auswirkungen auf nachgelagerte Bereiche betrachtet werden.
2. Wie zuverlässig erkennen wir Fehler?
KI-Ergebnisse müssen nicht grundsätzlich vollständig manuell überprüft werden.
Der notwendige Prüfaufwand hängt unter anderem von der Fehlerwahrscheinlichkeit, den möglichen Folgen und der Zuverlässigkeit vorhandener Kontrollen ab.
Bei kritischen Prozessen benötigen wir geeignete Verfahren, um fehlerhafte Ergebnisse zuverlässig zu erkennen.
Dazu können fachliche Prüfregeln, gezielte Stichproben oder Tests mit bekannten Fehlerfällen gehören.
Entscheidend ist, dass Qualität nicht allein aus der sprachlichen Überzeugungskraft des Ergebnisses abgeleitet wird.
3. Welchen zusätzlichen Wert schafft die KI?
Die vielleicht wichtigste Frage geht über Zeitersparnis hinaus.
Denn KI kann auch dann sinnvoll sein, wenn die Bearbeitungszeit unverändert bleibt.
Beispielsweise, wenn sie die Qualität von Entscheidungen verbessert, Fehler reduziert, neue Erkenntnisse ermöglicht oder die Kundenzufriedenheit erhöht.
Deshalb sollten Unternehmen vor der Einführung festlegen, welche Ergebnisgrößen tatsächlich verbessert werden sollen.
Mögliche Kennzahlen sind Durchlaufzeit, Prozesskosten, Fehlerquote, Nacharbeitsaufwand, Entscheidungsqualität oder Kundennutzen.
Nicht die Nutzung eines Werkzeugs ist das Ziel. Entscheidend ist seine Wirkung.
Vom KI-Tool zum wirksamen Prozess
Für mich beginnt eine erfolgreiche KI-Integration deshalb nicht mit der Auswahl einer Technologie.
Sie beginnt mit dem Verständnis des bestehenden Prozesses.
Welche Ergebnisse sollen entstehen?
Wo liegen heute die tatsächlichen Engpässe?
Welche Tätigkeiten schaffen Wert?
Welche erzeugen Aufwand, ohne den Kundennutzen zu erhöhen?
Und welche Veränderungen entstehen, wenn KI einzelne Aufgaben übernimmt?
Methoden aus dem Prozessmanagement und Lean Management liefern hierfür einen geeigneten Rahmen.
Mit SIPOC lassen sich beispielsweise Prozessgrenzen und Schnittstellen sichtbar machen.
Wertstromanalysen helfen, Bearbeitungszeiten, Wartezeiten und Informationsflüsse zu betrachten.
Makigami kann insbesondere in administrativen Prozessen verdeckte Abstimmungen, Schleifen und Nacharbeiten sichtbar machen.
Solche Methoden werden durch KI nicht überflüssig.
Im Gegenteil.
Je einfacher es wird, einzelne Tätigkeiten zu automatisieren, desto wichtiger wird das Verständnis ihrer Auswirkungen auf das Gesamtsystem.
Fazit: Nicht jede Automatisierung ist eine Verbesserung
Das Orchideen-Prinzip ist kein Argument gegen künstliche Intelligenz.
Es ist eine Aufforderung, genauer hinzusehen.
KI kann Menschen entlasten, Prozesse beschleunigen und neue Möglichkeiten eröffnen.
Doch ein überzeugendes Werkzeug ist nicht automatisch ein wirksames Werkzeug.
Wenn wir seine Leistungsfähigkeit ausschließlich anhand lokaler Zeitersparnis oder steigender Nutzung bewerten, übersehen wir möglicherweise zusätzliche Aufwände und unerwünschte Nebenwirkungen.
Deshalb sollten wir bei jeder KI-Einführung zwei Fragen stellen:
Was nimmt uns die KI an Arbeit ab?
Und was verändert sie dadurch im gesamten Prozess?
Erst die Antworten auf beide Fragen ermöglichen eine belastbare Bewertung.
Denn letztlich gilt:
Nicht jede Automatisierung ist eine Verbesserung. Und nicht jede Zeitersparnis ist ein Produktivitätsgewinn.
Wo in Ihren Prozessen arbeitet gerade eine Orchidee?
Vielleicht gibt es auch in Ihrem Unternehmen KI-Anwendungen, die auf den ersten Blick überzeugen – deren tatsächlicher Nutzen aber noch nicht ausreichend untersucht wurde.
Ich unterstütze Unternehmen dabei, Prozesse systematisch zu analysieren, Verbesserungspotenziale zu identifizieren und KI dort einzusetzen, wo sie nachweislich zur Wertschöpfung beiträgt.
CoCao Consulting – Business Excellence | Prozesse | Lean | Agile | KI