ChatGPT allein bringt Unternehmen nichts: Warum die meisten KI-Projekte schon am System scheitern

In diesem Beitrag lesen Sie, warum viele KI-Projekte bereits an fehlenden Schnittstellen und ungeeigneten IT-Strukturen scheitern, weshalb ChatGPT allein noch keine KI-Strategie ist und was Unternehmen technisch schaffen müssen, damit aus einzelnen KI-Tools tatsächlich funktionierende Automatisierung entsteht.

Wenn der Mensch die wichtigste Schnittstelle bleibt

KI-Programme haben mittlerweile in viele Unternehmen Einzug gehalten und die Nutzung fühlt sich vertraut an. Meist gibt es zusätzlich eine Mitarbeiterschulung oder sogar interne Prompt-Leitfäden, die die Arbeit mit der künstlichen Intelligenz erleichtern sollen. Doch nicht immer bedeutet der Einsatz von KI eine wirkliche Produktivitätssteigerung. Das zeigt sich an einem einfachen Beispiel: Um ein Angebot zu erstellen, öffnet Mitarbeiter X das CRM-System. Dort kopiert er die relevanten Kundendaten, fügt sie in ChatGPT ein, lässt einen Text formulieren, überträgt das Ergebnis anschließend in Word, formatiert das Dokument, speichert es als PDF und verschickt es über Outlook.

Gewiss kann ChatGPT in einem solchen Ablauf Zeit sparen. Der eigentliche Geschäftsprozess ist dadurch jedoch nicht automatisiert. Nach wie vor ist ein Mitarbeiter notwendig, der Informationen zwischen den einzelnen Anwendungen hin- und herträgt. Der Mensch fungiert dann als Schnittstelle zwischen Systemen, die technisch nicht miteinander verbunden sind.

Problematisch ist diese Art der KI-Nutzung vor allem, weil niemand messen kann, inwiefern KI tatsächlich hilft. Hinzu kommt, dass Wissen schnell an einzelnen Personen hängt. Ist die Mitarbeiterin, die besonders effektiv mit ChatGPT arbeitet, eine Woche in Urlaub, sinkt womöglich auch die Produktivität. Eine echte Automatisierung funktioniert dagegen unabhängig davon, wer gerade am Schreibtisch sitzt.

Warum KI-Projekte häufig am System scheitern

Bringt ein KI-Projekt nicht das erhoffte Ergebnis, liegt dies im Übrigen nicht am gewählten KI-Modell. In den meisten Fällen entstehen Probleme bereits an der Wurzel – der IT- und Prozesslandschaft. Viele Unternehmen arbeiten mit älteren Branchenlösungen, die keine geeignete API anbieten. Daten lassen sich dadurch weder automatisiert auslesen noch zurückschreiben. Selbst wenn eine KI einen Arbeitsschritt übernehmen kann, bleibt am Ende der Mitarbeiter für das Copy-and-paste zuständig.

Das zweite Problem ist die fehlende, einheitliche Datenbasis. Kundeninformationen liegen im CRM, in Excel-Listen, E-Mail-Postfächern oder ausschließlich in den Köpfen der Vertriebler. Greift eine KI auf unvollständige oder widersprüchliche Informationen zurück, werden zwangsläufig auch ihre Ergebnisse unzuverlässiger. Schnell entsteht dann der Eindruck, die KI funktioniere nicht, obwohl die eigentliche Schwachstelle in der Datenstruktur liegt.

Die dritte Hürde sind Prozesse, die nie eindeutig definiert wurden. Wenn mehrere Mitarbeiter denselben Vorgang unterschiedlich bearbeiten, fehlt eine Grundlage für die Automatisierung. Automatisieren lässt sich nur, was vorher klar beschrieben wurde. Deshalb sollte ein KI-Projekt nicht mit der Auswahl eines Tools beginnen, sondern mit einer strukturierten Aufnahme der bestehenden Prozesse.

KI-Tool ist nicht gleich KI-Strategie

Der Unterschied zwischen einem KI-Tool und einer KI-Strategie liegt vor allem in der Fragestellung. Ein Tool beantwortet die Frage: Womit wird gearbeitet? Eine Strategie beschäftigt sich damit, welches Geschäftsproblem gelöst werden soll und woran sich der Erfolg messen lässt. ChatGPT kann für einzelne Wissensarbeiter ein leistungsfähiges Werkzeug sein. Isoliert eingesetzt, kennt es jedoch weder die Kunden eines Unternehmens noch dessen Preise oder offene Aufträge, solange ihm diese Informationen nicht übermittelt werden.

Ebenso stößt es keine Prozesse an, wenn es lediglich darauf wartet, dass ein Mitarbeiter einen Prompt eingibt. Eine KI-Strategie denkt deshalb in Geschäftsprozessen: Wo geht besonders viel Arbeitszeit verloren? Welche Abläufe wiederholen sich häufig? Welche Daten werden benötigt und wo befinden sie sich? Erst danach sollte entschieden werden, ob ein Sprachmodell, eine klassische Automatisierung oder eine Kombination aus beiden die passende Lösung ist.

Die KI ist dabei häufig nur ein Baustein innerhalb eines größeren Konzepts. Daten können beispielsweise automatisch aus dem CRM abgerufen, durch ein Sprachmodell verarbeitet und anschließend wieder in das benötigte System zurückgespielt werden. Der Kauf von ChatGPT-Lizenzen ist damit zunächst eine Beschaffungsentscheidung. Eine KI-Strategie ist eine Unternehmensentscheidung.

Gute KI-Strategien beginnen bei den Prozessen

Eine funktionierende KI-Strategie beginnt mit einer Bestandsaufnahme: Welche Prozesse existieren, wo entstehen Wartezeiten, Fehler oder Doppelarbeit und welche Abläufe bieten das größte Automatisierungspotenzial? Geeignete Use Cases lassen sich anhand weniger Kriterien priorisieren: Wie häufig tritt der Prozess auf? Wie viel Zeit kostet er? Wie gut sind die benötigten Daten verfügbar? Und wie groß ist das Risiko eines Fehlers? Gerade zu Beginn eignen sich klar abgegrenzte Anwendungsfälle wie automatisiertes Onboarding, die Vorqualifizierung von Leads, Angebotsentwürfe oder die automatische Zusammenfassung von Kundengesprächen.

Statt sofort eine unternehmensweite KI-Plattform aufzubauen, ist es sinnvoller, einen solchen Use Case innerhalb weniger Wochen produktiv umzusetzen, den Nutzen zu messen und anschließend zu skalieren. Dafür braucht es allerdings ein solides Datenfundament und eine Integrationsschicht, die unterschiedliche Anwendungen miteinander verbindet. Plattformen wie n8n können beispielsweise dafür sorgen, dass Informationen automatisiert zwischen Systemen ausgetauscht werden.

Der Mensch muss deshalb nicht vollständig aus dem Prozess verschwinden. An kritischen Stellen braucht es immer den Mitarbeiter, der Ergebnisse kontrolliert und Entscheidungen trifft. Die Rolle verschiebt sich vom Ausführenden zum Kontrollierenden. Wichtig ist, die Mitarbeiter frühzeitig einzubinden. Fachkräfte, die einen Prozess täglich bearbeiten, kennen Ausnahmen und Sonderfälle, die in keinem Prozesshandbuch stehen. Dieses Wissen muss in die Automatisierung einfließen. Ferner gehören Datenschutz und Datenhoheit von Beginn an zur technischen Architektur. Gerade im DACH-Raum müssen DSGVO, Security, Hosting-Standort und Zugriffsrechte frühzeitig berücksichtigt werden.

Fazit: Der größte Hebel liegt zwischen den Anwendungen

ChatGPT und andere Sprachmodelle können wichtige Aufgaben übernehmen – etwa Informationen verarbeiten, Texte erstellen oder Gespräche zusammenfassen. Ihr Nutzen bleibt jedoch begrenzt, wenn Mitarbeiter die benötigten Daten weiterhin manuell zusammensuchen und Ergebnisse anschließend selbst in andere Systeme übertragen.

Die entscheidende Frage lautet daher nicht, wie viele Mitarbeiter bereits ChatGPT verwenden. Entscheidend ist, wie viele manuelle Arbeitsschritte noch notwendig sind, damit die richtigen Daten zur richtigen Zeit im richtigen System landen. Erst wenn Daten automatisiert fließen, Systeme miteinander kommunizieren und Mitarbeiter nur dort eingreifen, wo ihre Kontrolle oder Entscheidung tatsächlich erforderlich ist, wird aus dem Einsatz eines KI-Tools ein automatisierter Geschäftsprozess.

Über Jousef Murad

Jousef Murad ist Gründer, Geschäftsführer und leitender Ingenieur bei APEX Consulting sowie Experte für Digitalisierung & künstliche Intelligenz. Seit über sieben Jahren beschäftigt er sich mit der Automatisierung und künstlicher Intelligenz in Unternehmen und unterstützt sie beim Aufbau digitaler Strategien. Seine Schwerpunkte liegen auf Business Automatisierung, KI-getriebenem Consulting, und der Digitalisierung von Unternehmen, Automatisierung und dem Einsatz künstlicher Intelligenz. Weitere Informationen unter: https://apex-consulting.ai/de/

Pressekontakt:

Jousef Murad
Email: [e-mail]
Webseite: https://apex-consulting.ai/de/

Original-Content von: APEX Consulting übermittelt durch news aktuell

http://ots.de/61468a