Wenn über KI und Jobs geredet wird, geht es fast immer um Entwickler. Der grössere Teil der Arbeitswelt sitzt aber woanders, in Büros, in HR, im Marketing, in der Verwaltung.
In Folge 3 von Prompt & Proper schauen Steffen Ochsenreither von der Post und ich genau dorthin. Und wir landen schnell bei einem Punkt, der mit Technik nichts zu tun hat.
Bürojobs mit repetitiven Aufgaben sind der offensichtliche Fall#
Steffens Einordnung: Jobs mit vielen repetitiven Tätigkeiten, die nicht direkt wertschöpfend sind, waren schon immer prädestiniert für Automatisierung. Das hat mit KI nichts zu tun. Neu ist nur, dass die Hürde gesunken ist. Früher brauchtest du einen Experten und modelliertest das in UiPath. Heute sagst du es einem Agenten.
Sein Beispiel kennt jede Firma. Eine geteilte Inbox, die erste Person am Morgen sieht den Request, bearbeitet ihn, lässt die Mail aber ungelesen, damit die zweite Person am Nachmittag sieht, dass etwas passiert ist, nachprüft und die Mail in einen Ordner schiebt. Solche Abläufe gibt es überall. Sie liessen sich komplett automatisieren, mit besserem Ergebnis, kürzerer Durchlaufzeit und weniger Fehlern.
Erst das Requirement, Automatisierung ganz am Schluss#
Mein Einwand dazu ist derselbe wie in Folge 1. Wir denken zu schnell in Automatisierung und unterschätzen, welche Komplexität wir uns damit einhandeln. Jede Automatisierung muss gewartet werden.
Also: zuerst das Requirement identifizieren. Dann so lange auseinandernehmen, bis nur noch das Kleinste übrig ist, was sich automatisieren lässt. Dann klassisch starten, ohne Automatisierung. Und erst wenn du wirklich siehst, dass es sich lohnt, automatisierst du. Zuletzt und nur das Minimum. Was ich gerade oft sehe, ist das Gegenteil: ein komplexer Prozess, KI drauf, wird schon.
Steffens Satz dazu ist der Kern der Folge:
„Ein kaputter Prozess bleibt ein kaputter Prozess, egal wie intelligent ich ihn nachher mache."
Wobei er sofort abwägt: Manchmal ist es aufwendiger, den Prozess an der Wurzel zu packen, als nur den letzten Schritt zu automatisieren. Die Gefahr ist der Weg des geringsten Widerstands. Du optimierst die Oberfläche und lässt alles dahinter unangetastet, weil genau das der komplizierte Teil ist.
Ein Warnbeispiel aus der Praxis#
Ich war kürzlich auf einem Kongress der VDMA, dem Verband deutscher Maschinen- und Anlagenbauer. Ein Unternehmen dort hatte genau das gemacht, was ich empfehle: eine AI-Plattform mit einem Partner gebaut und die ganze Belegschaft enabled.
Dann kam ein Kunde zum CEO zurück und fragte, was das für ein Angebot sei, das er da erhalten habe. Das Ding war voller Em-Dashes, nichts passte zusammen, nicht einmal die Zahlen stimmten. Erstellt hatte es der Vertrieb mit KI.
Das Learning daraus ist Schulung. Leuten ein Werkzeug hinstellen reicht nicht. Dazu kommt der Human in the Loop und eine klare Antwort auf die Frage, wer verantwortlich ist. Der Geschäftsführer hat das der Belegschaft danach noch einmal unmissverständlich gesagt: verantwortlich ist nicht die KI. Steffen ist an dem Punkt deutlich: Customer-facing KI einfach laufen zu lassen, ist mindestens mutig.
Die Lücke zwischen Potenzial und Nutzung#
Eine Statistik, die Steffen mitgebracht hat, finde ich besonders aufschlussreich: die theoretische Abdeckung von KI in Berufsgruppen gegen die tatsächliche Nutzung. In produktionsnahen, händischen Berufen ist beides niedrig, das leuchtet ein. In Management, Legal und den Office- und Admin-Bereichen liegt die theoretische Abdeckung bei 60 bis 80, teilweise bis 90 Prozent. Nicht ersetzt, aber KI-unterstützt durchführbar. Die tatsächliche Nutzung liegt bei den meisten unter 30 Prozent.
An den Modellen liegt es nicht. Die Release-Kadenz war noch nie so hoch. Vor zwei Jahren lagen 60 bis 70 Tage zwischen Major Releases, heute kommt fast täglich ein Update. Und die Verbesserungen zeigen sich vor allem bei komplexen Tasks, während die einfachen ohnehin seit Monaten zuverlässig laufen.
Der eigentliche Knackpunkt: Wem gehört der Prozess?#
Ich wollte kürzlich bei Zühlke ein neues KI-Tool einführen. Dafür gibt es einen Prozess. Ticket erstellen, Ticket wird einer Person zugewiesen, die schickt dir ein Word-Dokument zum Ausfüllen. Mein Claude hat es ausgefüllt, ich habe es zurückgeschickt, und zurück kam eine KI-generierte Antwort.
Ich habe angerufen. Wir waren uns in zwei Minuten einig, dass dieser Prozess so keinen Sinn mehr macht und ein Agent die bessere Lösung wäre. Nur: Wer ist der Owner dieses Prozesses? Dürfen wir ihn einfach anpassen? Genau da stehen wir gerade.
Bei den meisten Organisationen sehe ich dasselbe. Prozesse sind gewachsen, das haben wir schon immer so gemacht, und wem sie gehören, ist unklar. Steffen hat dazu eine klare Meinung:
„Historisch gewachsene Prozesse sind für mich ein Euphemismus für einen Chaos-Prozess."
Sein Bild dazu: Irgendwann hat jemand das aufgesetzt, seither lebt es in der sechsten Generation weiter, jeder hat etwas drangebaut, niemand von den Ursprünglichen ist noch da. Eine Beschreibung existiert nicht. Die maximale Dokumentation ist, dass der Alte es dem Neuen beim Onboarding zeigt. Und niemand setzt sich eine Stunde hin, um das aufzumalen, weil man dann feststellen würde, dass ein Owner fehlt.
Für mich ist das der Schlüssel. Das sind Wertströme, und die musst du sauber mappen.
Wo der Impact ausserhalb der Entwicklung sitzt#
HR. Mitarbeiterbeurteilungen, Onboarding, Offboarding, Recruiting. Viele Firmen sind bereits dran.
Marketing. Gigantisch impacted. Dokumente und Grafiken entstehen mit KI. An einer Konferenz hat ein Industrieunternehmen vorgestellt, wie es den ganzen Tool-Zoo rausgeworfen und voll auf Google gesetzt hat. Wenn ein neues Produkt kommt, generiert die KI die Marketingbilder passend zum Zielmarkt und zum Kulturkreis. Wo du früher Teams gebraucht hast, teils an mehreren Standorten.
Steffen hat dabei einen wichtigen Punkt eingehängt, den ich zuerst als Tooling-Erfolg erzählt hatte: Die Firma hat vor allem den Prozess geändert und alles gestreamlined. Dass Google eine Suite hat, in der alles zusammenspielt, war Glück. Ein Tool zieht nicht automatisch eine Prozessänderung nach sich.
Meine Hypothese für die Industrie: Die Belegschaft bleibt gleich gross, macht damit aber mehr Umsatz und mehr Marge. Das dürfte der KPI werden, an dem sich die Produktivitätssteigerung zeigt.
Der Geheimtipp für Bewerbungen#
Der Grossteil der Bewerbungen, die bei der Post ankommen, ist KI-generiert oder KI-unterstützt. Die Qualität ist oft besser, gelegentlich aber auch over the top. Steffen erkennt es an der Fake-Dialektik, dieser Bauform, in der ein Statement zuerst negiert wird, bevor die eigentliche Aussage kommt.
Gleichzeitig läuft auf der anderen Seite KI im Screening. Und dann wird es interessant: Ein mit ChatGPT geschriebenes Anschreiben kommt durch ein Recruiting-Tool, das ChatGPT nutzt, mit deutlich höherer Wahrscheinlichkeit durch als ein mit Claude geschriebenes. Der Unterschied liegt laut Steffen zwischen 30 und 70 Prozent.
Mich überrascht das nicht. LLMs sind Pattern-Matching-Engines. Wenn der Tokenraum deiner Bewerbung dem entspricht, was das prüfende Netz kennt, bekommst du eine stärkere Resonanz. Für alle, die sich gerade bewerben: Findet heraus, welches KI-Tool im HR der Zielfirma läuft, und schreibt mit derselben Modellfamilie.
Das Take-away#
Prozesse sind das Problem, nicht die technische Lösung. Für den Grossteil der Büro-Tasks reicht heute schon ein einfaches Modell. Und die Tooling-Frage gehört nach hinten, wie Steffen zum Schluss festhält:
„Die Tooling-Frage sollte immer, immer, immer nachgelagert sein."
Erst klären, was du tun willst und musst. Wenn das mit der bestehenden Tool-Landschaft nicht geht, dann suchst du. Umgekehrt anzufangen, mit einem Tool, für das du danach den passenden Einsatz suchst, führt selten irgendwohin.
Wenn euch die Folge gefällt, abonniert Prompt & Proper auf Spotify, Apple Podcasts, Amazon Music oder YouTube und schreibt uns, mit welchem KI-Thema ihr gerade kämpft. Alle Folgen: promptandproper.ai.