KI-Transformation beginnt mit der Neugestaltung von Arbeit

Stellen Sie sich ein Kundenservice-Team vor, das KI nutzt, um Antworten vorzubereiten. Die Zeit bis zur ersten Antwort sinkt. Das Management rechnet vor, dass ein kleineres Team dieselbe Zahl an Anfragen bewältigen könnte. Aber werden die Probleme der Kunden dadurch wirklich schneller gelöst? Oder führen die schnellen Antworten zu mehr Rückfragen, wiedereröffneten Tickets und Übergaben an andere Teams?

In diesem Beispiel hat KI womöglich eine einzelne Aufgabe beschleunigt. Für die Arbeit als Ganzes lässt sich das noch nicht sagen. Wer eine Transformation beurteilen will, muss den Ablauf vom Entwurf einer Antwort bis zur Lösung des Kundenproblems betrachten.

Weniger Stellen zeigen noch keine neue Arbeitsweise

Wenn ein Unternehmen bei der Einführung von KI Stellen abbaut, beweist das für sich genommen nicht, dass es Arbeit neu gestaltet hat. Vielleicht versucht es lediglich, denselben Prozess mit weniger Menschen zu betreiben. Sichtbar wird der Unterschied daran, welche Aufgaben sich verändern, welche Schritte entfallen und wie Verantwortung verteilt wird.

KI kann den Bedarf an bestimmten Aufgaben durchaus senken. Das kann Arbeitsvolumen, Kostenstruktur und Personalbedarf verändern. Wer jedoch zuerst ein Ziel für den Personalabbau setzt und dann erwartet, dass die Technologie die restliche Arbeit übernimmt, macht aus einer ungetesteten Annahme einen Betriebsplan.

Manchmal geht diese Annahme auf. Manchmal verlagern sich Kontrolle, Ausnahmebearbeitung und Korrekturen lediglich auf die Menschen, die bleiben. Das Organigramm wird kleiner, während der Arbeitsaufwand nicht im gleichen Maß sinkt.

Die erste Frage sollte deshalb nicht lauten, wie viele Menschen sich einsparen lassen. Entscheidend ist, warum die Arbeit erledigt wird und wie sie zu einem besseren Ergebnis führen kann.

Die Behauptung „Das hat die KI erledigt“ braucht Belege

In ihrem Harvard-Business-Review-Beitrag „AI Transformation Requires Redesigning Work, Not Cutting Roles“ argumentieren Faisal Hoque, Tom Davenport und Paul Scade, dass frühe Entlassungen, die mit KI begründet werden, die erwarteten Erträge möglicherweise nicht bringen. Sie weisen auch darauf hin, dass manche Ankündigungen eine Form von „AI-Washing“ sein könnten: Entscheidungen, die aus anderen Gründen getroffen wurden, werden nachträglich mit einer KI-Erzählung begründet.

Das bedeutet weder, dass jeder Personalabbau falsch ist, noch dass jedes Unternehmen seine Gründe verschleiert. Eine Ankündigung allein belegt keine Ursache-Wirkungs-Beziehung. Sinkende Nachfrage, frühere Überbesetzung oder allgemeiner Kostendruck können die Entscheidung ebenfalls prägen.

Für die Praxis folgt daraus die Frage: Wo zeigt sich die Veränderung im Ablauf, die den Beitrag der KI belegt?

Kann ein Unternehmen nicht zeigen, welcher Arbeitsschritt sich verändert hat, welchen Aufwand der Schritt vorher verursacht hat und was danach geschah, dann ist das eine Managementannahme, kein Beleg für eine abgeschlossene Transformation. Eine Annahme kann eine Investitionsentscheidung leiten. Als realisierter Gewinn sollte sie nicht gelten.

Meta: Kleinere Teams bedeuten noch keine neu gestaltete Arbeit

The Pragmatic Engineer fasst Reuters-Berichte zu Metas Projekt OT so zusammen: Es wurden Szenarien geprüft, in denen einzelne Teams um bis zu 60 Prozent kleiner werden könnten. Meta bestätigte, dass sich diese Planungsszenarien auf einzelne Teams bezogen. Das war kein unternehmensweiter Stellenabbau um 60 Prozent. Die erste Entlassungswelle im Mai fand statt, die geplante zweite Welle wurde jedoch abgesagt.

Ein Team von zehn bis zwanzig Personen auf drei bis fünf Personen mit KI-Unterstützung zu verkleinern, gestaltet die Arbeit noch nicht neu. Fachwissen, Redundanz, Kapazität für Bereitschaft und Vertretung, Urteilsvermögen sowie wirksame Kontrollen und klare Verantwortungsstrukturen müssen ebenfalls neu gestaltet werden. Ob eine KI-Transformation gelingt, zeigt sich an veränderten Aufgaben, Kontrollen, die im neuen Ablauf tatsächlich greifen, und messbaren Ergebnissen für Kunden oder Produkte – nicht allein an der Zahl der Beschäftigten.

Rollen in einzelne Aufgaben zerlegen

Arbeit neu zu gestalten heißt, auf die tatsächlichen Tätigkeiten innerhalb einer Rolle zu schauen. Bezeichnungen wie „Sales Operations“ oder „Kundenservice“ sind für eine Automatisierungsentscheidung zu grob. Dieselbe Rolle kann Informationen zusammentragen, Texte entwerfen, Ergebnisse prüfen, Entscheidungen treffen und sich mit anderen abstimmen.

Nehmen wir einen Angebotsprozess. Den Bedarf eines Kunden verstehen, frühere Verträge prüfen, einen Entwurf erstellen, einen Preis freigeben und eine Lieferung zusagen: Das sind verschiedene Arten von Arbeit. Ein schnellerer Entwurf beweist nicht, dass dieselbe Technologie auch über Preise entscheiden oder die Verantwortung für die Lieferung übernehmen kann.

Die Betrachtung einzelner Aufgaben eröffnet noch eine weitere Möglichkeit: Manche Schritte sollten ganz entfallen, statt automatisiert zu werden. Einen Bericht schneller zu erstellen, den niemand verwendet, schafft wenig geschäftlichen Nutzen.

Es reicht nicht, ein detailliertes Aufgabenverzeichnis anzulegen. Entscheidend ist, welchem Ergebnis jeder Schritt dient und an welcher Stelle Technologie dieses Ergebnis verbessern kann.

Wie sich veränderte Aufgaben auf die erwarteten Fähigkeiten von Beschäftigten und die Gestaltung ihrer Rollen auswirken, habe ich in Wenn KI Arbeit verändert, reicht Mitarbeiterschulung nicht behandelt.

Entscheidungsbefugnisse und Verantwortung müssen klar bleiben

Wenn ein System eine Empfehlung vorbereitet, kommt es darauf an, wer sie freigibt. Wenn das System selbst handelt, müssen seine Grenzen noch klarer sein.

In einem hypothetischen Retourenprozess könnte KI eine Anfrage einordnen, fehlende Informationen anfordern und die passende Maßnahme empfehlen. Das Unternehmen muss dennoch festlegen, unter welchen Bedingungen ein Kunde eine Erstattung erhält, welche Ausnahmen weiter geprüft werden müssen und wer verantwortlich ist, wenn die Entscheidung falsch ist.

„Ein Mensch trifft die endgültige Entscheidung“ ist für sich genommen keine ausreichende Gestaltung. Hat diese Person genug Zeit und die nötigen Informationen, um die Entscheidung zu prüfen, und darf sie den Vorgang anhalten? Bleibt die Kontrolle noch wirksam, wenn die Zahl freigegebener Vorgänge steigt?

Wenn ein Beschäftigter lediglich das Ergebnis des Systems bestätigt, kann auf dem Papier menschliche Aufsicht vorhanden sein. Echte Verantwortung verlangt, dass die zuständige Person in den Ablauf eingreifen kann. Das ist ebenso eine Frage von Kapazität und Befugnis wie von Stellenbeschreibung.

Qualität und Nacharbeit zusammen mit der Geschwindigkeit messen

Ein erstes Ergebnis schneller zu erstellen heißt nicht, dass insgesamt weniger Arbeit anfällt. Einen Entwurf zu prüfen, falsche Informationen zu korrigieren oder einem Kunden denselben Sachverhalt noch einmal zu erklären, verursacht ebenfalls Aufwand.

Kehren wir zum Kundenservice-Beispiel zurück. Sinkt die Zeit bis zur ersten Antwort, während der Anteil wiedereröffneter Tickets steigt, kann ein Teil des Geschwindigkeitsgewinns in späteren Phasen wieder verloren gehen. Wer nur die Zahl versandter Antworten betrachtet, erhält ein irreführendes Bild vom Erfolg.

Auch Fehler sind nicht alle gleich. Eine kleine Formulierungsänderung zu korrigieren hat andere Folgen, als einem Kunden eine falsche Zusage zu machen. Kontrollen sollten sowohl die Wahrscheinlichkeit eines Fehlers als auch seine Auswirkungen berücksichtigen.

Kundennutzen entsteht nicht dadurch, dass das Unternehmen mehr Vorgänge abschließt. Er entsteht, wenn ein Kundenproblem richtig gelöst, eine Zusage eingehalten oder eine Leistung leichter zugänglich wird. Lässt sich eine interne Effizienzkennzahl nicht mit solchen Ergebnissen verbinden, kann der Prozess auf einem internen Dashboard besser aussehen, während sich das Kundenerlebnis verschlechtert.

Woran lässt sich KI-Transformation messen?

Am Anfang steht ein sichtbarer Ausgangszustand. Ohne die Durchlaufzeit von Anfang bis Ende, den gesamten Arbeitsaufwand, die Korrekturlast und das Ergebnis für den Kunden zu kennen, lässt sich ein Gewinn schwer verlässlich beurteilen.

Die Kosten einer neuen Arbeitsweise beschränken sich nicht auf das Modell oder die Software. Integration, Kontrolle, Wartung und die Bearbeitung von Ausnahmen gehören ebenfalls dazu. Außerdem lohnt es sich zu verfolgen, ob eingesparte Zeit in andere Aufgaben fließt. Freigesetzte Kapazität hat einen Wert; sie unmittelbar als Kosteneinsparung in Geld zu behandeln, ist eine separate Behauptung.

Wo möglich, lässt sich die Veränderung zunächst in einem begrenzten Rahmen erproben. Vergleiche sollten Anfragevolumen, Schwierigkeit der Arbeit und saisonale Effekte berücksichtigen. Ergebnisse bei einfachen Anliegen zeigen nicht, dass der gesamte Betrieb auf dieselbe Weise funktioniert.

Eine brauchbare Bewertung betrachtet mehrere Kennzahlen gemeinsam: Wird die Arbeit schneller abgeschlossen? Wie verändern sich die Gesamtkosten? Was passiert mit Fehlern und Korrekturarbeit? Welchen Unterschied erlebt der Kunde? Widersprechen sich die Antworten, sollte der Widerspruch zu einer neuen Gestaltung führen, statt verdeckt zu werden.

Für eine Unterscheidung in vier Ebenen, die Modellausgabe, erledigte Arbeit und Geschäftswirkung nicht miteinander verwechselt, lesen Sie Erzielt Ihr KI-System tatsächlich Geschäftsergebnisse?.

Mit einer nützlicheren Frage beginnen

Eine Neugestaltung der Arbeit führt nicht immer zu einem kleineren Team. Sie kann es demselben Team ermöglichen, aufgestaute Nachfrage zu bewältigen, das Leistungsspektrum zu erweitern oder mehr Zeit für Aufgaben einzusetzen, die größere Sorgfalt verlangen. Welches Ergebnis zählt, hängt vom tatsächlichen Bedarf des Unternehmens ab.

Deshalb lohnt es sich, einen konkreten Arbeitsablauf von Anfang bis Ende zu betrachten. Wo entstehen Wartezeiten? Wo entstehen Fehler? Welche Entscheidungen bleiben unsicher? Welches dieser Probleme könnte KI angehen, und woran wäre erkennbar, dass die Lösung funktioniert?

Daraus ergibt sich eine Frage, die sich in eine Managementrunde mitnehmen lässt: Wie verbessert sich das Ergebnis für den Kunden, wenn wir diese Arbeit neu gestalten, und welcher Beleg zeigt, dass es sich tatsächlich verbessert hat?

Eine Personalentscheidung kann dann auf einem festeren Fundament stehen. Der Wert einer KI-Transformation zeigt sich zuerst in dem Ergebnis, das die Arbeit liefert, nicht im Namen des Werkzeugs oder in einem kleineren Organigramm.

Einordnung der Belege: Der HBR-Beitrag ist der Ausgangspunkt dieser Diskussion; die hier vertretenen Überlegungen gelten nicht als kausaler Beleg, der sich auf jedes Unternehmen übertragen lässt. Die Beispiele zu Kundenservice, Angebotsprozess und Retouren sind hypothetisch und berichten weder von einer tatsächlichen Kundenerfahrung noch von einem gemessenen Ergebnis.