Warum die Frage „Was kann KI?“ nicht weit genug geht
Kann KI eine Wettbewerbsanalyse erstellen? Kundenfeedback auswerten? Marktinformationen recherchieren? Szenarien entwickeln? Eine Produktstrategie vorbereiten?
Auf diese Fragen gibt es inzwischen immer häufiger eine positive Antwort.
Nur: Was sagt das eigentlich über den wirtschaftlichen Beitrag der KI aus?
Noch immer wird KI häufig auf der Ebene einzelner Fähigkeiten oder Aufgaben betrachtet. Ein Modell kann recherchieren, analysieren, schreiben, strukturieren oder planen. Daraus werden Use Cases abgeleitet und anschließend einzelne Tätigkeiten automatisiert oder unterstützt.
Für Wissensarbeit greift diese Betrachtung zu kurz.
Denn eine Aufgabe existiert nicht für sich selbst. Sie ist Teil einer Arbeit, die wiederum auf etwas anderes einzahlt.
Die Aufgabe ist nicht der Zweck
Nehmen wir eine typische Frage aus dem Produktmanagement:
Welche Produktinitiative soll im nächsten Quartal priorisiert werden?
Man könnte daraus unmittelbar einen KI-Use-Case machen: Daten analysieren, Kundenfeedback auswerten, Wettbewerber recherchieren, Initiativen bewerten und eine Priorisierung vorschlagen.
Aber damit ist die eigentliche Arbeit noch gar nicht beschrieben.
Warum soll überhaupt priorisiert werden?
Vielleicht soll die begrenzte Entwicklungskapazität auf die Initiativen mit dem größten erwarteten Geschäftswert konzentriert werden. Vielleicht soll Wachstum beschleunigt, eine Marktposition verteidigt oder ein wirtschaftlich schwaches Produktportfolio verändert werden.
Die Priorisierungsentscheidung ist also selbst noch nicht der eigentliche Zweck. Sie soll eine Veränderung ermöglichen.
Und genau daraus entsteht die Arbeit.
Kundenfeedback muss vielleicht ausgewertet werden. Marktentwicklungen müssen verstanden werden. Wettbewerber müssen eingeordnet werden. Wirtschaftliches Potenzial muss abgeschätzt werden. Abhängigkeiten müssen sichtbar werden. Szenarien müssen miteinander verglichen werden.
Erst aus dem angestrebten Ergebnis ergibt sich, welche Arbeit überhaupt notwendig ist.
Das ist ein kleiner Unterschied in der Betrachtung – aber ein großer Unterschied für den Einsatz von KI.
Der Kontext verändert die Arbeit
Denn dieselbe Priorisierungsfrage kann in unterschiedlichen Unternehmen eine völlig andere Arbeit bedeuten.
Ein Unternehmen, das gerade stark wächst, wird andere Informationen benötigen als eines, das seine Entwicklungskapazität auf profitable Kernprodukte konzentrieren muss. Ein Unternehmen mit einer dominanten Marktposition bewertet eine neue Produktinitiative anders als ein Unternehmen, das erst einen Markt erschließen muss.
Auch das Wissen, das bereits vorhanden ist, verändert die Arbeit.
Vielleicht liegen Jahre an Kundenfeedback, Produktdaten und Wettbewerbsbeobachtungen vor. Vielleicht gibt es bereits interne Analysen und klare strategische Leitplanken. Oder genau das fehlt.
Der Auftrag bleibt formal derselbe:
„Welche Initiative sollen wir priorisieren?“
Die dafür notwendige Wissensarbeit ist es nicht.
Der Auftrag beschreibt noch nicht die Arbeit. Der Kontext bestimmt mit, was diese Arbeit bedeutet.
Das ist für KI besonders relevant. Denn eine KI arbeitet nicht einfach eine abstrakte Aufgabe ab. Sie muss mit der konkreten Situation arbeiten, in der diese Aufgabe einen Sinn hat.
Erst dann stellt sich die Frage: Was kann KI tragen?
Damit verändert sich die eigentliche KI-Frage.
Nicht:
„Kann KI eine Wettbewerbsanalyse erstellen?“
Sondern:
„Welchen Teil der für diese konkrete Entscheidung notwendigen Arbeit kann KI sinnvoll tragen?“
Vielleicht kann sie einen großen Teil der Recherche übernehmen. Sie kann Informationen aus unterschiedlichen Quellen zusammenführen, Wettbewerber systematisch vergleichen, Kundenfeedback strukturieren, Muster herausarbeiten und Szenarien formulieren.
Vielleicht kann sie auf Basis des vorhandenen Unternehmenswissens sogar deutlich weitergehen.
Aber irgendwann verändert sich die Art der Arbeit.
Aus der Analyse wird Abwägung. Aus der Abwägung wird Entscheidung. Und aus der Entscheidung entsteht Verantwortung.
Dieser Übergang muss nicht dort liegen, wo die KI technisch „nicht mehr weiterkommt“. Er kann auch dort liegen, wo zusätzliche Analyse gegenüber menschlichem Urteil nur noch wenig zusätzlichen Wert erzeugt.
Genau hier liegt der Unterschied zwischen KI-Fähigkeit und Arbeitsfähigkeit.
KI-Fähigkeit ist eine Eigenschaft des Systems. Arbeitsfähigkeit entsteht erst in der Arbeit.
Der erste Entwurf ist bereits Wert
Das bedeutet gleichzeitig: Arbeitsfähigkeit darf nicht mit vollständiger Automatisierung verwechselt werden.
Eine KI muss eine Aufgabe nicht bis zum letzten Schritt erledigen, damit ihr Beitrag wirtschaftlich relevant ist.
Wenn sie eine große Menge an Informationen recherchiert, strukturiert und zu einem belastbaren ersten Entwurf verdichtet, ist bereits notwendige Arbeit geleistet.
Der Mensch beginnt nicht mehr bei null.
Der erste Entwurf ist bereits Wert.
Nicht, weil er automatisch richtig wäre. Sondern weil er den Ausgangspunkt der menschlichen Arbeit verschiebt.
Der Mensch kann dort einsteigen, wo sein Beitrag einen höheren zusätzlichen Wert erzeugt: beim Bewerten, Abwägen, Entscheiden, Verantworten oder Handeln.
Damit wird auch die Frage nach dem Realisierungsgrad anders gestellt.
Nicht: Wie viel Prozent des fertigen Dokuments kann die KI erzeugen?
Sondern:
Wie weit kann sie die für ein konkretes Ergebnis notwendige Arbeit tragen?
Das ist keine feste Eigenschaft eines Modells. Es hängt vom Ergebnis, vom Kontext, von der Informationsbasis und von der Art der Arbeit ab.
Am Ende zählt nicht das Artefakt
Dass Arbeit nicht mit einem digitalen Ergebnis gleichzusetzen ist, zeigt sich besonders deutlich außerhalb klassischer Wissensarbeit.
Betrachten wir einen Messeauftritt.
Das Ziel könnte sein, neue Kundenkontakte aufzubauen, Kundenbedürfnisse besser zu verstehen oder Geschäftschancen zu identifizieren.
KI kann dafür viel Arbeit tragen: Zielkunden recherchieren, relevante Unternehmen identifizieren, Wettbewerber analysieren, Gespräche vorbereiten, mögliche Einwände simulieren und Follow-ups strukturieren.
Vielleicht kann ein Agent sogar organisatorische Schritte übernehmen.
Aber am Stand steht der Mensch.
Er führt das Gespräch, reagiert auf das Unerwartete, baut Vertrauen auf und entscheidet situativ, was aus einer Begegnung entstehen kann.
Die KI hat deshalb nicht versagt, weil sie den Messeauftritt nicht vollständig ausführt.
Sie trägt einen Teil der Arbeit, die für das Ergebnis notwendig ist.
Nicht jede Wertschöpfung endet in einem digitalen Artefakt.
Und nicht jede sinnvolle KI-Unterstützung muss deshalb bis zum Ende eines Prozesses reichen.
Von der KI-Fähigkeit zur Arbeitsfähigkeit
Damit verschiebt sich die Perspektive auf KI in der Wissensarbeit.
Die relevante Einheit ist nicht mehr allein das Modell und auch nicht die einzelne Aufgabe.
Entscheidend ist die Arbeit, die in einem konkreten Kontext notwendig ist, damit sich in der Realität etwas verändert.
Von dort aus lässt sich KI sinnvoll einordnen:
Was soll erreicht werden?
Welche Arbeit ist dafür notwendig?
Welche Informationen und welcher Kontext sind dafür relevant?
Und welchen Teil dieser Arbeit kann KI tatsächlich tragen?
Das ist ein anderer Blick auf KI als die reine Frage nach ihren Fähigkeiten.
Er erklärt auch, warum ein leistungsfähigeres Modell nicht automatisch mehr Arbeitsfähigkeit erzeugt. Wenn der Kontext fehlt, die notwendige Arbeit falsch verstanden wird oder die KI an einer Stelle eingesetzt wird, an der menschliches Urteil den größeren Wertbeitrag liefert, steigt die wirtschaftliche Wirkung nicht automatisch mit der technischen Fähigkeit.
Umgekehrt kann eine KI bereits dann erheblichen Wert schaffen, wenn sie nur einen Teil der notwendigen Arbeit übernimmt – solange genau dieser Teil relevant ist.
Fazit
Die Frage „Was kann KI?“ bleibt relevant. Für wirtschaftliche Wissensarbeit ist sie aber nur der Anfang.
Die entscheidende Frage lautet:
Welche Arbeit ist notwendig, damit ein konkretes Ergebnis erreicht wird – und welchen Teil davon kann KI sinnvoll tragen?
Das Ergebnis gibt der Arbeit ihren Zweck. Der Kontext bestimmt, wie diese Arbeit konkret aussieht. Die Informationsbasis bestimmt, worauf sie aufbauen kann. Die Fähigkeiten der KI bestimmen, welchen Teil davon sie übernehmen kann.
KI-Fähigkeit ist eine Eigenschaft des Systems. Arbeitsfähigkeit entsteht erst in der Arbeit.
Der Wert von KI entscheidet sich deshalb nicht daran, wie viele Aufgaben sie erledigen kann.
Er entscheidet sich daran, wie viel relevante Arbeit sie für ein reales Ergebnis tragen kann.