KI macht einen kaputten Prozess nicht besser. Sie macht ihn schneller kaputt. Das ist kein Slogan gegen KI, sondern eine Beobachtung aus der Praxis: Ein Sprachmodell, ein Automatisierungs-Workflow, ein Assistent — sie alle tun zuverlässig das, was der Prozess unter ihnen vorgibt. Ist der Prozess sauber, beschleunigt KI ihn. Ist er unklar, halb dokumentiert, voller stiller Ausnahmen, dann beschleunigt KI genau das. Mit mehr Selbstvertrauen und weniger Spuren, an denen jemand später nachvollziehen kann, was eigentlich passiert ist.
Der Druck, der gerade durch die Mittelstands-IT geht, ist real. Die Geschäftsführung kommt von einer Messe zurück, ein Mitbewerber postet über seine „KI-Transformation“, der Beirat fragt nach. Und mittendrin sitzt der IT-Leiter, der weiß, dass das ERP zehn Jahre alt ist, dass drei prozesskritische Excel-Dateien den halben Vertrieb tragen und dass dieselbe Lieferadresse in zwei Systemen unterschiedlich geschrieben steht. Er soll jetzt KI liefern. Bevor das Problem überhaupt definiert ist.
Was KI wirklich tut: verstärken, nicht reparieren
Es hilft, sich KI nicht als Werkzeug vorzustellen, sondern als Verstärker. Ein Verstärker macht aus einem guten Signal ein lauteres gutes Signal und aus einem Rauschen ein lauteres Rauschen. Er hat keine Meinung dazu, was richtig klingt. Genau so verhält sich ein Modell gegenüber einem Prozess: Es trifft Annahmen, füllt Lücken, entscheidet Zweifelsfälle — und wo der zugrunde liegende Ablauf ungeklärt ist, entscheidet es eben irgendwie. Plausibel klingend, in vollem Tempo, ohne das Zögern, das ein erfahrener Mensch an genau dieser Stelle hätte.
Ein Mensch, der einen wackeligen Prozess bedient, hat eine eingebaute Bremse. Er stutzt, wenn etwas nicht stimmt. Er ruft im Zweifel kurz in der Buchhaltung an. Er erkennt den Sonderfall, weil er ihn schon dreimal gesehen hat. Diese Bremse ist nirgends dokumentiert, sie steht in keinem Handbuch, sie ist Erfahrung. Wenn KI den Schritt übernimmt, übernimmt sie die Geschwindigkeit — aber nicht die Bremse. Und genau die war oft das Einzige, was den Prozess bisher zusammengehalten hat.
KI verstärkt gute Systeme. Sie repariert keine schlechten.
Ein Projekt, an dem das sichtbar wurde
In einem unserer Projekte sollte ein Assistent eingehende Bestellungen automatisch vorqualifizieren: Kunde erkennen, Artikel zuordnen, Lieferadresse prüfen, einfache Fälle direkt durchwinken, die kniffligen an einen Sachbearbeiter geben. Auf dem Papier ein sauberer Anwendungsfall. In der Demo lief er auch — auf zwanzig handverlesenen Datensätzen. Dann haben wir uns den Prozess davor angesehen, statt nur den Wunsch dahinter.
Die Bestelldaten kamen aus drei Quellen: dem ERP, einer über Jahre gewachsenen Excel-Liste und PDFs aus einem Mail-Postfach. Drei Quellen, die sich in Kundennummern, Artikelbezeichnungen und sogar in der Schreibweise von Lieferadressen widersprachen. Rund 18 Prozent der Datensätze passten nicht sauber zusammen. Niemand wusste das so genau, weil zwei erfahrene Kolleginnen die Unstimmigkeiten seit Jahren still im Kopf korrigierten. Sie haben nie gemeldet „hier ist ein Konflikt“. Sie haben ihn einfach aufgelöst, jeden Tag, ohne dass es jemandem auffiel.
Hätten wir KI auf diesen Stand gesetzt, hätten wir nicht den Bestellprozess automatisiert. Wir hätten das Chaos automatisiert. Schneller, mit mehr Durchsatz und ohne die zwei Menschen, die bisher gemerkt haben, wenn etwas nicht stimmte. Die Fehler wären nicht verschwunden — sie wären nur unsichtbarer geworden, eingebacken in eine Maschine, der man von außen nicht ansieht, dass sie auf einer falschen Annahme rechnet.
Wir haben das Projekt nicht abgesagt. Wir haben die Reihenfolge gedreht. Erst eine eindeutige Quelle pro Datenfeld, ein definierter Abgleich, ein klar benannter Fall „unklar — geht an einen Menschen“. Erst dann der Assistent. Das KI-Stück war am Ende der kleinste Teil der Arbeit. Der größte Teil war, das aufzuschreiben und zu klären, was zwei Kolleginnen jahrelang einfach gewusst hatten.