KI scheitert nicht an der Technologie. Woran dann?

Alle sagen es: KI ist kein Technologieproblem. Stimmt. Aber kaum jemand sagt, was es stattdessen ist. Nach vier Jahren intensiver Datenanalyse, vielen Projekten und unzähligen Gesprächen mit Betrieben haben wir eine klare Antwort.

Wir haben gelernt, IT wie ein Werkzeug zu kaufen

Über Jahrzehnte haben Unternehmen einen bewährten Weg aufgebaut: Anforderungen sammeln, Projekt aufsetzen, Anbieter vergleichen, Preise verhandeln, dem passendsten Produkt vertrauen – und es dann mit viel Herzblut einführen. Das hat funktioniert.

Jetzt kommt KI, und viele denken: Gleiches Spiel, neues Tool. Die nächste große Softwareeinführung, die uns die kommenden fünf Jahre beschäftigt.

Falsch gedacht. In KI-Projekten schwingt etwas mit, das sich anders anfühlt – auf Betreiber- wie auf Anbieterseite. Natürlich kann man mit dem alten Ansatz durchs Tal der Tränen gehen. Aber der Markt ist so unübersichtlich geworden, dass das „perfekte Produkt“ kaum noch zu finden ist. Und wie wir alle wissen: Ein perfektes Produkt ist leichter ausgesucht als erfolgreich in Betrieb genommen.

Das eigentliche Problem: die Mikroprozesse

Was unsere Analysen zeigen, ist eigentlich einfach. Entscheidend ist das Verständnis der kleinsten Prozesse in eurem Betrieb. So klein, dass sie in keinem Wiki stehen. Entscheidungen, die Mitarbeiter aus persönlichen oder organisatorischen Gründen genau so treffen – und niemand hat sie je aufgeschrieben.

Selbst wenn wir mit Menschen sprechen, die ihre Prozesse gut kennen, bekommen wir zunächst die überarbeitete, dokumentierte Version. Die granularen Entscheidungen kommen erst ans Licht, wenn man sie im Detail mit den Mitarbeitern durchgeht und fragt: Was genau ist hier die Entscheidung – und warum?

Warum das bei KI so teuer wird

Ein Beispiel: Wenn ihr klar definieren könnt, ob eine E-Mail Inhalt X oder Y hat, lässt sich das sauber in einem Workflow abbilden. Ist diese Regel nirgends definiert, macht ein großes Sprachmodell etwas „Großes“ daraus – und liegt vielleicht jedes dritte Mal richtig. Dazwischen: Nacharbeit.

Schon vor einem Jahr war die Frage bei Agenten: Zahle ich dafür 10 € oder 100 € im Monat? Die Antwort des Marktes war Pay-per-Use – undurchschaubar und kaum messbar.

Damit gibt es zwei Wege:

1. Alles in ein großes Modell werfen. Man zahlt über Jahre über Tokens. Mehr

Menge bedeutet mehr Fehler, mehr Nacharbeit, mehr Laufkosten – und dauerhaft das Gefühl, dass die Technologie „nicht ganz funktioniert“.

1. Einmal in die Prozessanalyse investieren. Nicht in ein Tool, sondern in

das Verständnis, warum eine Entscheidung so getroffen wird. Daraus entstehen smarte Workflows mit gezieltem agentischen Input.

Die Entscheidungslogik muss erarbeitet werden

Egal wie: Diese Entscheidungen müssen einmal erarbeitet, definiert und gelernt werden. Erst dann können sie sauber in KI- und agentische Workflows einfließen. Ob digital oder vor Ort im Gespräch – der Schritt lässt sich nicht überspringen.

Fazit

KI scheitert nicht an der Technologie. Sie scheitert daran, dass niemand die kleinen Entscheidungen kennt, aus denen der Betrieb tatsächlich besteht.

👉 Mit OfficeHub erfasst ihr genau diese Mikroprozesse und Entscheidungen strukturiert – oder wir erarbeiten sie gemeinsam vor Ort. Lasst uns herausfinden, wo euer Betrieb steht.