KI im Unternehmen einführen: Warum die Bewertung von Aufgaben statt Rollen hilft

KI im Unternehmen – sinnvoll geplant und eingesetzt

Das Problem ist nicht KI im Unternehmen – sondern was sie tut, wo sie eingesetzt wird.

Unternehmen, die KI und Automatisierung flächendeckend einführen, haben in der Regel gute Argumente: Effizienz, Kosten, Skalierbarkeit. Dabei übersehen sie, dass nicht jede Aufgabe Automatisierung gleich gut verträgt. Manche gar nicht.

Und dann wird es teuer (wobei die Kosten von KI noch auf einem anderen Blatt stehen – aber dazu an anderer Stelle mehr).

Zwei Kategorien, zwei verschiedene Risiken

Task-Value Thinking (TVT) kann hier helfen, weil diese Denk- und Entscheidungslogik vier Aufgabenkategorien unterscheidet. Für die KI-Frage sind zwei davon besonders relevant: Baseliner-Tasks und Operator-Tasks (zur detaillierten Erläuterung der Quadranten).

Baseliner-Tasks haben niedrige Motivation und niedrigen Erfolgsbeitrag. Niemand macht sie gern, und sie tragen wenig zum Kernziel bei. Das sind die richtigen Kandidaten für Automatisierung. Wenn hier etwas schiefgeht, fällt es auf – und der Schaden ist begrenzt.

Operator-Tasks haben niedrige Motivation, aber hohen Erfolgsbeitrag. Sie sind das stille Rückgrat eines Unternehmens. Hier läuft das Geschäft. Und hier sind Fehler durch Automatisierung nicht nur ärgerlich, sondern im schlimmsten Fall teuer, imageschädlich oder existenzbedrohend.

Auf den ersten Blick scheint das zwar einfach dargestellt aber logisch zu sein. Allerdings wird in der Praxis genau dieser Unterschied oftmals nicht gemacht.

Viel eher lagert man die Aufgaben aus, bei denen der Prozess zur Automatisierung oder KI-Integration weniger aufwändig als bei anderen ist. Nach dem Sinn, spezifisch auf der Aufgabenebene, fragt man selten.

TVT tut das immer, bevor weitreichende Entscheidungen getroffen werden.

Wo KI hingehört: Baseliner-Tasks

Terminplanung, Raumreservierungen, Standardantworten auf wiederkehrende Anfragen, Datenpflege in Systemen, einfache Textzusammenfassungen für interne Zwecke. Das sind Aufgaben, die Zeit kosten, ohne großen Wert zu schaffen. Automatisierung macht sie schneller, günstiger – und niemand vermisst den menschlichen Touch dabei.

Auch ein großer Teil der internen IT-Kommunikation fällt darunter: Passwort-Resets, Standard-Onboarding-Dokumente, FAQ-Antworten für neue Mitarbeitende. Wer das automatisiert, gewinnt Zeit für das, was einen relevanten Erfolgsbeitrag leistet.

Wo KI nicht hingehört: Operator-Tasks

Hier wird es riskant. Und hier gibt es genug Beispiele aus der Praxis, die zeigen, was passiert, wenn die Unterscheidung nach dem Erfolgsbeitrag nicht gemacht wird.

Kundenservice

Ein Bot, der allgemeine Informationen liefert – Öffnungszeiten, Versandstatus, Standardfragen – kann im Baseliner-Bereich liegen. Einer, der Probleme lösen soll, liegt im Operator-Bereich. Der Unterschied ist hier tatsächlich ganz entscheidend.

Wer einen Kunden, der ein Problem hat, durch drei Bot-Schleifen schickt, bevor er zu einem Menschen vorgelassen wird, hat diesen Kunden meist schon verloren – emotional, wenn nicht auch als Käufer. Und ein verlorener Kunde kostet. Neukunden-Akquise ist teuer, je nach Branche mehrere hundert bis tausend Euro pro Person. Das wird selten in der KI-Kosten-Nutzen-Rechnung bedacht.

Buchhaltung und Finanzprozesse

Automatisierte Buchungssätze klingen nach einem eindeutigen Effizienzgewinn. Und wenn sie funktionieren, sind sie das auch. Aber wenn sie nicht funktionieren – und das tun sie bei komplexen Buchungsfällen regelmäßig nicht – muss manuell nachgearbeitet werden. Oft Wochen später. Und dann von jemandem, der sich in den ursprünglichen Vorgang einarbeiten und den Fehler finden muss.

Je nach Unternehmensgröße kann das erheblich werden. Nacharbeiten in der Buchhaltung kosten Zeit, die zweimal bezahlt wird: einmal für das System, einmal für die Korrektur.

Recruiting und Bewerbungsscreening

Automatisiertes CV-Screening klingt nach Zeitersparnis. Ist es auch – solange die richtigen Profile nicht aussortiert werden. Algorithmen filtern nach Mustern. Wer nicht ins Muster passt, fliegt raus. Das betrifft Quereinsteiger, Menschen mit Lücken im Lebenslauf, Menschen, die außergewöhnliche Wege gegangen sind. Also oft genau die, die interessant wären.

Ein schlechtes Recruiting-Ergebnis zeigt sich zudem oftmals spät – nämlich erst zum Ende oder sogar nach der Probezeit. Bis dahin ist viel investiert worden.

Human-in-the-Loop plus Aufgabentransparenz ist ein Wettbewerbsvorteil (mehr dazu, siehe auch die TVT-Recruiting-Plattform Questploy®).

Qualitätssicherung in der Produktion

Bilderkennungs-KI zur Fehlerdetektion funktioniert gut bei klar definierten, wiederkehrenden Fehlerbildern. Sie versagt bei unbekannten Fehlern – und gibt dann entweder falschen Alarm oder, schlimmer, lässt fehlerhafte Produkte durch. Je nachdem, was produziert wird, sind die Konsequenzen begrenzt oder gravierend.

Die eigentliche Herausforderung

KI-Einführung ist nicht ausschließlich technisch herausfordernd, sondern im ersten Schritt, in der Entscheidung, ein Bewertungsproblem.

Bevor ein Unternehmen festlegt, was automatisiert wird, muss es wissen, welche seiner Aufgaben Operator-Tasks sind – also hohen Erfolgsbeitrag haben – und welche Baseliner. Diese Einschätzung auf der Beitragsachse (in Task-Value Leadership: Impact-Dimension) ist der entscheidende Schritt. Und er wird in den meisten KI-Projekten übersprungen, weil er unbequem ist. Er erfordert eine präzise Auseinandersetzung damit, wo im Unternehmen die Erfolgstreiber sitzen.

Wer das nicht macht, automatisiert in großen Teilen nach Bauchgefühl. Und stellt irgendwann fest, dass die erhofften Einsparungen von Folgekosten aufgefressen werden, die niemand eingeplant hat.

Angst vor Arbeitsplatzverlust

Die Medien schreiben fleißig darüber und bedienen sich der zunehmenden Zukunftsangst. Die Frage dabei ist – wie oben auch – welche Jobs, welche Stellen eigentlich durch KI wegfallen? Was sagt es über einen Arbeitsplatz aus, der ausschließlich aus Aufgaben besteht, die einfach mal von einer KI übernommen oder automatisiert werden können?

Dazu ein Ausflug zur menschlichen Exzellenz. Exzellenz ist per Definition die Abweichung vom Mittel. Eine KI optimiert auf das Wahrscheinliche, auf das bereits Vorhandene. In dem Moment, in dem dasselbe durchschnittsfähige Werkzeug allen zur Verfügung steht, hört der Durchschnitt auf, ein Unterscheidungsmerkmal zu sein. Wettbewerbsvorteil ist also das, was darüber hinausgeht.

Verlassen wir uns ausschließlich auf den Durchschnitt, verlieren wir an Exzellenz. Und das gilt auch am Arbeitsplatz. Wenn wir Stellen beschreiben oder neu schaffen, ist es sinnvoll und zukunftsträchtig, einen hohen Grad an Exzellenz abzubilden. Nämlich das, was uns letztlich einen Wettbewerbsvorteil bringt.

Bleibt die Frage, wie sich dieser Wettbewerbsvorteil greifbar machen lässt. Dafür lohnt der Blick auf die Aufgabenebene.

Denn „welche Stelle fällt weg“ ist eigentlich die falsche Frage. Eine Stelle ist kein einziger Block, sondern ein Bündel aus Aufgaben. Eine KI übernimmt keine Stellen, sie übernimmt Aufgaben. Und zwar genau die, die sich wiederholen, sich aus vorhandenen Daten ableiten lassen und ohne menschliches Zutun funktionieren.

Erfahrungsgemäß erledigt KI zugewiesene Aufgaben auch nicht durchgehend in derselben Qualität. Wer viel mit LLMs arbeitet, hat bestimmt schon mal festgestellt, dass die KI nach einigen Wochen an „Gedächtnisverlust“ leidet. Bei mir passiert es hin und wieder, dass ich plötzlich wieder gesiezt werde, Anweisungen durcheinandergebracht und Dinge erneut diskutiert bzw. übersehen werden, obwohl klare Beschreibungen hinterlegt sind. Zudem fehlt es auch an Umsichtigkeit, was wir allgemeinhin als „denkt nicht mit“ bezeichnen.

Was tue ich – ich spiele verschiedene Markdown-Dateien wieder ein, die ich selbstverständlich regelmäßig aktualisieren muss, korrigiere im Chat und setze hin und wieder auch einen neuen Agenten auf, der dann eine Gruppe von Agenten überwacht (zum Thema Kosten-Nutzen werde ich noch einen gesonderten Beitrag schreiben).

Aber zurück zum Arbeitsplatz. Zukunftsangst kann durch die Gestaltungsfrage abgelöst werden. Wenn Stellen beschrieben oder neu geschaffen werden, stehen die Fragen, welche Aufgaben erfolgskritisch sind und wo Motivation in der Belegschaft besteht, ganz oben. Mit der Regel, dass Aufgaben, die über den Erfolg von Organisationen entscheiden, grundsätzlich nicht in KI-Hände gehören.

Wie man anfängt, KI am richtigen Ort einzusetzen

Vor jeder KI-Entscheidung eine einfache Frage stellen: In welchem Quadranten liegt diese Aufgabe?

Wenn die Antwort Baseliner ist – automatisieren, auslagern, streichen. Je nachdem, wie die Einschätzung der Aufgabe ausfällt, sollte der Übergang mit Piloten, Rückfalloption und Menschen abgesichert werden, die die Fehler sehen können, bevor sie sich auftürmen. Eine unscheinbare Aufgabe kann durchaus Schaden anrichten, selbst wenn sie nicht erfolgskritisch ist.

Wenn die Antwort Operator ist – dann bieten diese Aufgaben Chancen für Junioren und Entwicklungsmöglichkeiten im Kollegenkreis. Wir hören ja hin und wieder, dass Junior-Stellen wegfallen oder wenig Aufstiegsmöglichkeiten bestehen. Die Operator-Aufgaben sind genau dafür gedacht – sie halten und entwickeln Talente.

Auch Achiever- und Explorer-Aufgaben gehören nicht in KI-Hand. Hier passiert Innovation und Kernwertschöpfung. Das ist Arbeit für menschliche Experten, für Exzellenz.

In meinen eigenen Unternehmensprozessen habe ich vor der Entwicklung von TVT die eine oder andere Aufgabe falsch übertragen. Die Korrektur, alles wieder auf Stand zu bringen, war mehr Arbeit, als es die eigentliche Aufgabe gewesen wäre. Heute kann ich sagen, dass wir weder zögerlich noch sparsam mit den Chancen durch KI oder Automatisierung im Tagesgeschäft umgehen. Wir sind uns der Risiken allerdings deutlicher als vorher bewusst und in der Folge schneller bei Entscheidungen, welche Aufgaben wir aus der Hand geben.

Mehr zur Logik im Blogbeitrag oder im Konzeptpapier: Kelbch, P. (2026). Task-Value Thinking (TVT): Die Denk- und Entscheidungslogik für Arbeit und Alltag. Konzeptpapier und Begriffsdefinitionen (Version 1.0) [Working Paper]. PDT Invest GmbH. https://doi.org/10.5281/zenodo.20743758

Bei Fragen oder Anregungen freue ich mich über eine E-Mail. Es kann etwas dauern aber jede Nachricht wird von mir persönlich gelesen und bearbeitet #gernperdu: pamela@taskvaluethinking.de