Künstliche Intelligenz ist in vielen Unternehmen angekommen. Sie analysiert Daten, unterstützt Entscheidungen und automatisiert Abläufe. Gleichzeitig zeigt sich im Alltag ein anderes Bild. Der große Durchbruch bleibt oft aus. Viele Projekte starten, aber nur wenige schaffen es in den Regelbetrieb. Das liegt nicht an der Technologie, sondern daran, wie und wo sie eingesetzt wird.
WO KI HEUTE TATSÄCHLICH FUNKTIONIERT
Dort, wo Aufgaben klar definiert sind und Daten zuverlässig vorliegen, entfaltet KI schnell Wirkung. Beim Softwarekonzern SAP wird sie in Geschäftsprozesse integriert, analysiert Vertriebsdaten, priorisiert Anfragen und unterstützt Entscheidungen. KI-gestützte Programme übernehmen dabei zunehmend ganze Arbeitsschritte und entlasten Mitarbeiter bei Routineaufgaben.
Ein Beispiel liefert Bosch. Dort wird KI in der Softwareentwicklung eingesetzt, um Code vorzuschlagen und Tests zu automatisieren. Aufgaben, die früher viel Zeit gebunden haben, laufen im Hintergrund. Gleichzeitig zeigt sich eine Grenze: Entscheidend ist nicht die Zahl möglicher Anwendungen, sondern die Auswahl derjenigen, die tatsächlich Mehrwert bringen.
Auch in der Industrie gibt es konkrete Anwendungen. Beim Technologiekonzern Siemens werden Produktionsprozesse mithilfe digitaler Zwillinge simuliert. Anlagen lassen sich virtuell testen, Abläufe optimieren, Fehler reduzieren. Der Nutzen ist klar, weil sich Effekte direkt messen lassen.
Bei DATEV kommt KI vor allem dort zum Einsatz, wo Prozesse klar strukturiert sind – etwa in der Buchhaltung mittelständischer Unternehmen. Systeme erzeugen Buchungsvorschläge, analysieren Zahlungsströme und erkennen Auffälligkeiten. Das reduziert manuellen Aufwand und beschleunigt Abläufe. Diese Beispiele zeigen ein klares Muster. KI funktioniert dort gut, wo Aufgaben standardisiert sind, Daten vorliegen und Ergebnisse überprüfbar bleiben.
WARUM VIELE PROJEKTE IM ALLTAG SCHEITERN
Sobald diese Voraussetzungen fehlen, wird es schwierig. Viele Unternehmen setzen KI im Vertrieb ein, um Kaufwahrscheinlichkeiten vorherzusagen. Technisch ist das schnell umgesetzt, in der Praxis fehlt oft die Grundlage. Kundendaten sind unvollständig oder veraltet, Ergebnisse nicht belastbar.
Ein ähnliches Bild zeigt sich im Kundenservice. Automatisierte Systeme funktionieren bei standardisierten Anfragen. Wird es komplexer, stoßen sie an Grenzen. Fehler nehmen zu, die Kundenzufriedenheit sinkt. Deshalb setzen viele Unternehmen wieder stärker auf eine Kombination aus automatischer Vorsortierung und menschlicher Bearbeitung.
Doch das Grundproblem liegt tiefer. Daten sind häufig über verschiedene Systeme verteilt, nicht einheitlich gepflegt oder nicht aktuell. Gleichzeitig bleiben Prozesse unverändert. KI wird auf bestehende Abläufe gesetzt, statt diese zu hinterfragen. Hinzu kommt ein organisatorisches Problem. Zuständigkeiten für Daten sind unklar, KI-Projekte werden als IT-Thema behandelt, obwohl sie in den Fachbereichen verankert sein müssten. Anwendungen werden entwickelt, aber im Alltag kaum genutzt.
ZWISCHEN EFFIZIENZ UND NEUEN RISIKEN
Neben den praktischen Herausforderungen entstehen auch neue Risiken. Täuschend echte Inhalte lassen sich mit geringem Aufwand erzeugen. Für Unternehmen bedeutet das eine neue Qualität von Betrugsversuchen. Gleichzeitig steigt der Druck, solche Risiken zu beherrschen. KI ist damit nicht nur ein Werkzeug zur Effizienzsteigerung, sondern stellt auch neue Anforderungen an Organisation und Kontrolle. Sie funktioniert dort, wo Aufgaben klar sind und Daten verlässlich. Entscheidend ist deshalb weniger, was KI kann, sondern ob Unternehmen wissen, welches Problem sie lösen wollen.
