Die teuerste Stelle ist oft nicht die Arbeit selbst
Viele Teams glauben, sie verlieren Zeit beim Machen — beim Schreiben, Recherchieren, Sortieren, Planen. Manchmal stimmt das. Oft verlieren sie Zeit zwischen den Dingen.
Eine Anfrage kommt rein. Jemand liest sie. Jemand fragt nach Kontext. Jemand sucht die letzte Version. Jemand prüft im CRM. Jemand wartet auf Freigabe. Jemand schreibt eine Antwort. Jemand anderes sagt: „Haben wir das nicht schon letzte Woche entschieden?“ Dann wird gesucht. Nicht gearbeitet. Gesucht.
In Mails. In Slack. In Notion. In HubSpot. In Google Drive. In einem Ordner, der „Neu final final 2“ heißt und aus Datenschutzgründen allein schon gelöscht werden sollte. Das ist der Alltag vieler Agenturen, Beratungen und Dienstleister. Nicht dramatisch. Nur jeden Tag ein bisschen teuer.
KI als Copy-Paste-Middleware ist kein Fortschritt
Aktuell sieht KI-Nutzung oft so aus: Man nimmt Kontext aus Tool A, kopiert ihn in ChatGPT oder Claude, bekommt einen Vorschlag, kopiert ihn nach Tool B, passt ihn an, schreibt irgendwo eine Notiz, vergisst, irgendwo anders den Status zu setzen — und nennt das dann KI-Integration.
Das ist keine Integration. Das ist ein Mensch als USB-Kabel. Ein teures USB-Kabel mit Kalenderstress und Rücken.
Natürlich kann das kurzfristig helfen. Ein Text ist schneller formuliert. Eine Zusammenfassung schneller da. Eine Antwort klingt weniger nach Montagmorgen. Aber der Ablauf bleibt kaputt. Die KI hängt neben der Arbeit — sie bekommt Ausschnitte, erzeugt Fragmente und verschwindet wieder aus dem Prozess. Der Mensch muss alles zusammenhalten. Mehr dazu in Prompting ist kein Prozess.
Übergaben sind der Punkt, an dem KI ernst wird
Eine Übergabe ist mehr als „ich schicke dir das mal rüber“. Eine gute Übergabe beantwortet: Was ist passiert? Was ist offen? Welche Daten wurden genutzt? Welche Annahmen stecken drin? Was schlägt das System vor? Was darf automatisch passieren? Was muss ein Mensch prüfen? Was wurde entschieden? Wo wird es dokumentiert?
Wenn diese Fragen nicht beantwortet sind, entsteht Reibung. Und Reibung ist in Wissensarbeit selten ein lautes Problem. Sie ist eher dieses ständige kleine Hängenbleiben, bei dem alle sagen: „Ich muss mich da kurz wieder reinfinden.“ Dieses „kurz“ ist eine Lüge mit Outlook-Termin.
Mensch und Maschine brauchen klare Rollen
KI kann nicht einfach alles übernehmen. Sie sollte es auch nicht. Es gibt Aufgaben, die sie gut vorbereiten kann: Kontext sammeln, Daten prüfen, Informationen zusammenfassen, Entwürfe schreiben, Abweichungen markieren, nächste Schritte vorschlagen.
Und es gibt Stellen, an denen ein Mensch entscheiden muss: Kundenkommunikation mit Risiko, Budgetfragen, Verträge, strategische Empfehlungen, rechtliche oder sensible Themen — alles, was später jemand mit echtem Gesicht vertreten muss.
Das ist kein Misstrauen gegenüber KI. Das ist erwachsenes Arbeiten. Ein gutes System weiß, wann es laufen darf und wann es die Klinke an den Menschen übergibt — nicht mit Panik, nicht mit 17 roten Warnsymbolen, sondern sauber: Hier ist der Vorschlag. Hier ist der Kontext. Hier sind die offenen Punkte. Bitte prüfen.
HITL, HOTL und die Sache mit den Abkürzungen
Man kann das Human-in-the-loop nennen. Oder Human-on-the-loop. Oder sonst ein Kürzel nehmen, das in einem Whitepaper aussieht, als hätte jemand Scrabble mit Compliance gespielt.
Im Alltag heißt es schlicht: Manchmal muss der Mensch vorher freigeben. Manchmal reicht es, wenn er überwacht und eingreifen kann. Manchmal darf das System allein laufen, weil der Vorgang harmlos ist.
Beispiel: Eine interne Log-Analyse kann automatisch laufen. Eine Support-Antwort an einen Kunden sollte vielleicht vorgeschlagen und geprüft werden. Eine Vertragsänderung geht nicht einfach raus, nur weil ein Modell heute mutig ist. Das ist die ganze Magie. Der Rest ist Architektur. Siehe KI-Workflow mit Human-in-the-Loop.
Warum Zustand so wichtig ist
Eine KI-Übergabe funktioniert nur, wenn der Prozess Zustand hat. Das System muss wissen, wo es steht: Wurde der Entwurf schon geprüft? Hat jemand Daten ergänzt? Ist der Kunde freigegeben? Ist das Risiko hoch? Wurde die Mail verschickt? Was war die letzte Entscheidung?
Ohne Zustand passiert Folgendes: Der Mensch prüft etwas, wird unterbrochen, kommt später zurück, und das System guckt ihn an wie ein Praktikant am ersten Tag. „Kannst du mir den Kontext noch mal schicken?“ Nein, Kevin. Genau dafür bist du hier.
Ein produktives KI-System muss pausieren und weitermachen können. Es muss Zwischenstände speichern, wissen, welche Tools schon genutzt wurden, und Ergebnisse nicht nur erzeugen, sondern behalten und erklären können. Sonst wird jede Übergabe wieder Handarbeit.
Ein Beispiel: Outreach ohne Fremdscham
Nehmen wir einen Sales- oder Outreach-Prozess. Die schlechte Variante kennen wir alle: Eine KI schreibt eine Mail mit „Ich habe gesehen, dass Ihr Unternehmen spannende Herausforderungen im Bereich Wachstum meistert“. Danach möchte man kurz das Internet schließen.
Die bessere Variante beginnt früher: Das System nimmt einen Lead aus dem CRM, prüft, ob der Kontakt angeschrieben werden darf, schaut, wann der letzte Kontakt war, lädt freigegebene Informationen zur Firma, prüft, ob es ein echtes Signal gibt — neue Finanzierung, Stellenanzeige, Expansion, technischer Wechsel, öffentliches Projekt.
Es entwirft eine Mail, markiert jeden Fakt, auf den es sich bezieht. Wenn ein Fakt nicht sauber belegt ist, geht der Entwurf in die Prüfung. Wenn Risiko niedrig ist und alle Regeln passen, kann das System den Vorgang weiterführen. Danach wird im CRM dokumentiert, was passiert ist.
Das klingt weniger nach „KI schreibt 500 Mails am Tag“. Gut so. Niemand braucht 500 schlechte Mails am Tag. Siehe auch CRM- und E-Mail-Integration.
Übergaben brauchen nicht mehr Tools, sondern bessere Oberflächen
Viele Teams versuchen Übergabeprobleme mit mehr Tools zu lösen: ein neues Dashboard, ein neues Projektmanagement, ein neues Wiki, ein neues Slack-Channel-Präfix, das nach zwei Wochen niemand mehr versteht. Aber Übergaben werden nicht besser, nur weil die Information an einem weiteren Ort falsch liegt.
Eine gute KI-Arbeitsoberfläche sollte zeigen: Was ist der Vorgang? Welche Daten wurden geladen? Was schlägt die KI vor? Was ist unsicher? Wer muss prüfen? Was passiert nach Freigabe? Wo wird das Ergebnis gespeichert?
Das ist keine Schönheitspreis-Frage. Das ist Betrieb. Menschen brauchen nicht noch ein Tool, das ihnen Arbeit erklärt. Sie brauchen eine Oberfläche, die Arbeit zusammenführt.
Kontrolle ist kein Bremspedal
Viele haben Angst, dass Freigaben KI langsam machen. Kann passieren, wenn man sie schlecht baut. Wenn jeder kleine Schritt durch drei Menschen muss, hat man keine Governance. Dann hat man einen digitalen Amtsgang.
Gute Kontrolle ist anders. Sie unterscheidet Risiko: Niedriges Risiko — laufen lassen. Mittleres Risiko — prüfen lassen. Hohes Risiko — verpflichtende Freigabe. Unklare Daten — stoppen und nachfragen.
Das ist keine Bremse. Das ist eine Ampel. Und ja, Ampeln nerven manchmal. Aber nur bis man sich vorstellt, wie Kreuzungen ohne sie aussehen würden. Dann wird man plötzlich sehr regelverbunden.
Agenten-Wildwuchs killt Effizienz
Mehr KI-Agenten bedeuten nicht automatisch mehr Produktivität. Manchmal bedeuten sie nur mehr kleine digitale Mitarbeiter, die niemand führt. Ein Agent sortiert Leads. Ein anderer schreibt Mails. Ein dritter bewertet Risiko. Ein vierter prüft Fakten. Ein fünfter aktualisiert das CRM. Keiner weiß genau, was der andere getan hat. Alle haben ein bisschen Zugriff. Und irgendwo läuft noch ein Test-Agent von vor drei Monaten, weil niemand ihn ausgeschaltet hat.
Das ist kein Zukunftsbetrieb. Das ist ein Kindergarten mit API-Keys. Agenten brauchen Führung: Rollen, Grenzen, Logs, einen Katalog und eine Stelle, an der sichtbar ist, was läuft, warum es läuft und wer verantwortlich ist. Sonst baut man keine Effizienz — man baut Koordinationskosten mit Science-Fiction-Aroma. Siehe Bauen statt Kaufen.
Was gute KI-Übergaben messbar besser machen
Saubere Übergaben sparen nicht nur Zeit. Sie senken Fehler, reduzieren Rückfragen, machen Entscheidungen nachvollziehbar, verhindern doppelte Arbeit und sorgen dafür, dass Wissen nicht in Chatverläufen vergammelt. Sie machen sichtbar, wo Prozesse wirklich hängen.
Das ist oft unangenehm. Denn ein gutes System zeigt nicht nur, was KI kann. Es zeigt auch, welche internen Abläufe vorher schon absurd waren — zum Beispiel, dass eine Freigabe angeblich zwei Minuten dauert, aber seit Jahren in einem Nebel aus „kurz abstimmen“ lebt.
KI macht solche Dinge nicht automatisch besser. Aber sie macht sie sichtbarer. Und Sichtbarkeit ist der erste Schritt zur sehr unromantischen, aber hilfreichen Frage: Warum machen wir das eigentlich so?
Wo ich ansetze
Ich helfe Dienstleistern, Agenturen und Beratern, KI dort einzubauen, wo Arbeit wirklich hängt: an Übergaben, Freigaben, Kontextverlust und Tool-Brüchen — nicht mit Prompt-Sammlungen, nicht mit einem Demo-Agenten, der auf der Landingpage lächelt und im Alltag nach zwei Klicks vergisst, wer er ist.
Sondern mit Arbeitsoberflächen, Zustand, Datenmodellen, klaren Freigaben und Logs — und der ehrlichen Entscheidung, welche Schritte automatisiert werden dürfen und welche besser in menschlichen Händen bleiben.
Der Punkt ist nicht, Menschen aus dem Prozess zu entfernen. Der Punkt ist, sie nicht mehr als Copy-Paste-Middleware zu missbrauchen. Einstieg oft über ein KI-Audit mit 90-Tage-Roadmap oder Inbound-Triage.
Fazit: Effizienz entsteht an der Klinke
Die wichtigste Frage bei KI ist nicht immer: Was kann das Modell? Oft ist die bessere Frage: Wo übergibt es? An wen? Mit welchem Kontext? Mit welcher Verantwortung? Und was passiert danach?
Wenn diese Übergaben schlecht sind, wird KI nur ein weiteres Tool, das Arbeit produziert, die jemand anders wieder einsammeln muss. Wenn sie gut sind, entsteht echte Entlastung — nicht, weil die Maschine alles macht, sondern weil Mensch und Maschine wissen, wann wer dran ist.
Das klingt banal. Ist aber wahrscheinlich produktiver als der nächste Prompt-Ordner mit 137 „geheimen“ Formulierungen. Von geheim kann keine Rede sein. Die stehen inzwischen alle in derselben Notion-Vorlage.
