Die Mittagspausen-KI ist kein Betriebsmodell
In vielen Unternehmen läuft KI längst. Nur eben nicht offiziell. Ein Vertriebsmitarbeiter lässt sich Angebotsmails formulieren. Eine Kollegin aus HR prüft Stellenanzeigen. Marketing schreibt Kampagnenideen. Der Einkauf fasst Lieferantenmails zusammen. Jemand aus der IT fragt ein Modell nach Code. Jemand anders lädt eine Excel-Datei hoch, weil es schnell gehen musste und der Kunde ja „nur anonymisiert“ war.
Natürlich. Anonymisiert wie ein Dorf, in dem jeder weiß, wer den roten Golf fährt.
Das alles passiert nicht, weil Mitarbeiter böswillig sind. Es passiert, weil sie Arbeit schneller erledigen wollen und die offiziellen Systeme dabei oft ungefähr so hilfreich sind wie ein Formular mit Pflichtfeld „Sonstiges“.
Wenn Unternehmen keine gute KI-Oberfläche anbieten, bauen sich Menschen ihre eigene — nicht aus Rebellion, sondern aus Pragmatismus. Und genau da beginnt Shadow AI.
Das Problem ist nicht Neugier. Das Problem ist Unsichtbarkeit.
Mitarbeiter, die KI ausprobieren, sind nicht das Problem. Im Gegenteil: Das sind oft die Leute, die Prozesse wirklich kennen. Die wissen, wo Arbeit hängt. Wo Texte doppelt geschrieben werden. Wo Daten gesucht werden. Wo Systeme so tun, als würden sie zusammenarbeiten, obwohl sie sich nur gelegentlich auf einem Export treffen.
Das Problem ist, dass diese Nutzung unsichtbar bleibt. Niemand weiß: Welche Tools werden genutzt? Welche Daten werden eingegeben? Welche Ergebnisse fließen zurück in Kundenarbeit? Welche Prompts funktionieren? Welche Fehler passieren? Welche Abteilung baut gerade denselben Mini-Agenten wie die andere?
Ohne Sichtbarkeit entsteht kein Lernen. Nur Wildwuchs. Und Wildwuchs ist in der IT nie romantisch. Das ist kein verwunschener Garten. Das ist eher ein Kabelschrank, in dem jemand aus Versehen einen Bonsai gegossen hat.
Tool-Wildwuchs sieht am Anfang produktiv aus
Am Anfang fühlt sich alles gut an. Ein Team testet ChatGPT. Ein anderes Claude. Jemand nutzt Perplexity. Marketing hat ein Bildtool. Sales hat einen Outreach-Assistenten. HR hat ein Bewerber-Screening ausprobiert. Die Geschäftsführung bekommt eine Demo und sagt den gefährlichsten Satz der Digitalisierung: „Das sieht doch schon ganz gut aus.“
Dann passiert, was immer passiert: Die Tools vermehren sich. Prompts liegen in privaten Notizen. Kosten laufen über Kreditkarten. Kundendaten wandern durch Webinterfaces. Niemand dokumentiert, welche Ausgabe auf welchen Daten basierte.
Und irgendwann fragt jemand aus Compliance oder IT sehr ruhig: „Können wir nachvollziehen, was da passiert ist?“ Dann wird es still. Dieses Schweigen ist teuer.
n8n, Make und Zapier lösen nicht alles
Natürlich kann man viel mit Automations-Tools bauen. Und ja, manchmal reicht das. Wenn eine Anfrage eingeht und danach ein Ticket erstellt werden soll: bitte. Automatisieren. Niemand braucht dafür einen KI-Agenten mit Missionsstatement.
Aber im Mittelstand werden Prozesse schnell unordentlich. Ein Kunde schreibt eine Mail. Das System soll Kundendaten laden, Vertragsstatus prüfen, interne Notizen berücksichtigen, ein Risiko erkennen, eine Antwort vorschlagen, bei Unsicherheit eskalieren und nach Freigabe dokumentieren.
Das ist kein linearer Trigger mehr. Das ist Arbeit mit Zustand. Und Zustand ist der Punkt, an dem viele hübsche Automationsketten anfangen, sich leise aufzulösen. Ein KI-System muss wissen, wo ein Vorgang steht, was schon geprüft wurde, welche Daten gültig sind, wer entscheiden darf und was passiert, wenn etwas fehlt. Sonst hat man keine Automatisierung — man hat eine Rube-Goldberg-Maschine mit API-Key. Mehr dazu in Prompting ist kein Prozess.
Was eine zentrale KI-Schicht leisten muss
Der Mittelstand braucht nicht „noch ein Tool“. Bitte nicht. Es gibt Unternehmen, in denen man für eine einfache Kundenfrage inzwischen fünf Tabs, zwei Logins, ein Excel-Export und ein inneres Gebet braucht. Noch ein Tool macht das nicht besser.
Was fehlt, ist eine Schicht über der bestehenden Arbeit. Eine KI-Schicht, die an vorhandene Systeme andockt: CRM, ERP, Dokumentenablage, Ticketsystem, E-Mail, Wissensdatenbank, Projektmanagement.
Diese Schicht muss nicht alles ersetzen. Sie muss verbinden. Sie muss Kontext holen, Vorschläge machen, Entscheidungen vorbereiten, Freigaben einholen und Ergebnisse sauber zurückschreiben — nicht als Chatfenster, das neben der Arbeit steht, sondern als Arbeitsoberfläche.
Die wichtigsten Bauteile
Erstens: Rollen und Rechte. Nicht jeder darf alles sehen. Die KI auch nicht. Wenn ein Agent mit der Zeit mehr Berechtigungen sammelt als die Abteilungsleitung, ist das kein Innovationsprojekt. Das ist ein zukünftiger Vorfall mit PowerPoint-Nachbereitung.
Zweitens: Datenhoheit. Unternehmen müssen wissen, welche Daten in welches Modell gehen — Kundendaten, Verträge, Personaldaten, technische Informationen. Das ist kein „wird schon passen“-Thema.
Drittens: Logs. Jede wichtige Aktion muss nachvollziehbar sein: Welche Daten wurden genutzt? Was hat die KI vorgeschlagen? Wer hat freigegeben? Was wurde geändert? Wenn das später niemand erklären kann, war es kein Prozess. Dann war es ein digitaler Taschenspielertrick.
Viertens: Freigaben. Human-in-the-loop ist nicht altmodisch. Es ist gesund. Die KI darf vorbereiten, sortieren, vorschlagen und beschleunigen — aber bei Risiko, Kundenwirkung, Budget oder rechtlicher Relevanz braucht es einen Menschen. Siehe KI-Workflow mit Human-in-the-Loop.
Fünftens: Messung. Nicht „wir machen jetzt KI“. Sondern: Welche Aufgabe dauert kürzer? Welche Fehler sinken? Welche Übergaben verschwinden? Welche Antworten werden besser? Welche Eskalationen funktionieren? Wenn man Nutzen nicht messen kann, landet man schnell bei KI-Theater.
Governance ist kein Bremsklotz
Governance klingt wie ein Wort, das in Meetings geboren wurde, in denen niemand Fenster öffnen durfte. Aber im KI-Kontext ist Governance schlicht die Frage: Wer darf was womit machen? Welche Daten sind erlaubt? Welche Entscheidungen gehören nicht der Maschine? Wann muss ein Mensch prüfen? Wie dokumentieren wir das? Was passiert bei Fehlern?
Das ist kein Innovationsverbot. Das ist der Unterschied zwischen produktiver KI und einem Haufen heimlicher Tools, die alle ein bisschen helfen und gemeinsam ein großes Risiko bauen.
Gute Governance macht KI nicht langsamer. Sie macht sie benutzbar — denn Mitarbeiter nutzen Systeme eher, wenn sie wissen, was erlaubt ist, wo die Grenzen liegen und dass sie nicht bei jeder guten Idee das Gefühl haben müssen, gerade eine kleine Straftat im Browserfenster zu begehen. Mehr in KI-Governance für KMU und EU AI Act für Agenturen.
Die eigentliche Aufgabe der IT
IT muss nicht jede KI-Nutzung verhindern. Das wäre ungefähr so sinnvoll, wie Wasser zu verbieten, weil jemand einmal den Keller geflutet hat.
Die Aufgabe ist: gute Wege bauen. Eine zentrale Oberfläche. Freigegebene Modelle. Klare Datenregeln. Schnittstellen in bestehende Systeme. Logs. Eskalationspunkte. Und vor allem: echte Anwendungsfälle aus den Fachabteilungen.
Denn die Fachabteilung weiß, wo die Arbeit weh tut. Die IT weiß, wie man es betreibbar macht. Beide Seiten müssen miteinander reden, bevor wieder jemand eine „KI-Initiative“ startet, die nach drei Monaten aus einem SharePoint-Ordner und einer entschuldigenden Mail besteht.
Ein Beispiel: Kundenanfragen im Mittelstand
Nehmen wir einen klassischen Fall: Ein Kunde schreibt eine Anfrage zu einem bestehenden Auftrag. Heute passiert oft das hier: Jemand sucht im CRM. Jemand öffnet die letzte Mail. Jemand schaut in die Dokumentenablage. Jemand fragt im Teams-Channel. Jemand findet eine veraltete Version. Jemand schreibt eine Antwort. Jemand anders korrigiert sie. Am Ende geht etwas raus, das wahrscheinlich stimmt.
Wahrscheinlich ist kein schönes Wort im Kundengeschäft.
Mit einer zentralen KI-Schicht sähe es anders aus: Die Anfrage kommt rein. Das System erkennt Kunde, Auftrag, Ansprechpartner und laufende Vorgänge. Es lädt relevante Dokumente, prüft Status, markiert offene Punkte und schlägt eine Antwort vor. Wenn Daten fehlen oder Risiko besteht, wird eskaliert. Ein Mensch prüft. Danach wird die Antwort dokumentiert und der Vorgang aktualisiert.
Das ist keine Science-Fiction. Das ist einfach Arbeit ohne archäologische Grabung. Siehe auch CRM- und E-Mail-Integration.
Der erfahrene Mensch bleibt entscheidend
KI kann viel beschleunigen. Aber sie ersetzt nicht die Person, die den Betrieb versteht. In guten KI-Systemen ist der erfahrene Mitarbeiter nicht der Depp, der am Ende noch kurz auf „Freigeben“ klickt. Er ist das Qualitätsgate.
Er erkennt, ob ein Vorschlag fachlich passt. Ob Daten fehlen. Ob eine Empfehlung politisch naiv ist. Ob ein Kunde gerade nicht die Standardantwort braucht, sondern Fingerspitzengefühl.
Dieses Wissen steckt selten sauber in Datenbanken. Es steckt in Menschen, die schon genug Projekte gesehen haben, um bei bestimmten Formulierungen innerlich die Jacke anzuziehen. Produktive KI skaliert diese Expertise. Sie ersetzt sie nicht.
Wo ich ansetze
Ich helfe Mittelständlern, Dienstleistern und Beratungsteams dabei, KI aus dem heimlichen Chatfenster in echte Arbeit zu bringen — nicht mit einem weiteren Tool, das nach drei Wochen niemand mehr öffnet.
Sondern mit einer klaren Frage: Welche Arbeit soll besser laufen? Welche Daten braucht sie? Welche Systeme sind beteiligt? Wer entscheidet? Wo braucht es Freigabe? Was muss protokolliert werden? Und welche Oberfläche braucht das Team, damit KI nicht neben der Arbeit hängt wie ein Praktikant mit WLAN?
Manchmal reicht eine kleine Automation. Manchmal braucht es eine Agenten-Oberfläche. Manchmal braucht es zuerst ein KI-Audit mit 90-Tage-Roadmap. Manchmal die unangenehme Erkenntnis, dass der Prozess gar nicht automatisiert werden sollte, sondern beerdigt. Auch das spart Geld.
Fazit: Nicht verbieten. Nicht wild wachsen lassen. Bauen.
KI im Mittelstand scheitert selten daran, dass Menschen sie nicht spannend finden. Sie scheitert daran, dass sie entweder verboten oder verwildert wird. Beides ist bequem. Verbieten beruhigt kurzfristig. Wildwuchs wirkt kurzfristig produktiv. Beides löst das Problem nicht.
Der Mittelstand braucht stabile KI-Systeme: zentrale Arbeitsoberflächen, saubere Datenflüsse, Rollen, Freigaben, Logs und menschliche Kontrolle — nicht, weil Governance so schön klingt, sondern weil produktive KI sonst genau das wird, was sie eigentlich abschaffen sollte: noch ein unübersichtlicher Prozess, den am Ende wieder jemand manuell retten muss.
Und davon gibt es wirklich genug.
