Automatisieren ohne Neugestaltung ist der teuerste Weg, die Vergangenheit zu bewahren
Es gibt eine Abfolge von Entscheidungen, die sich mit erstaunlicher Konsequenz in großen Unternehmen mit erheblichen Budgets für die digitale Transformation wiederholt: Sie identifizieren einen Prozess, der ihnen Reibungsverluste bereitet, beauftragen Automatisierungstechnologie, setzen das Werkzeug auf dem bestehenden Ablauf auf und berichten über Fortschritte. Die Führungsdashboards zeigen Geschwindigkeit. Die Präsentationen vor dem Ausschuss sprechen von Effizienz. Und sechs Monate später tauchen dieselben Probleme wieder auf, nun verpackt in einem System, das schwieriger auseinanderzunehmen ist.
Das ist kein anekdotisches Phänomen. McKinsey berichtet, dass 88 % der Organisationen künstliche Intelligenz in mindestens einer Geschäftsfunktion einsetzen, aber nur 39 % eine Auswirkung auf ihre operative Marge verbuchen. Der Unterschied zwischen beiden Gruppen liegt weder beim gewählten Anbieter noch beim zugewiesenen Budget. Er liegt, fast ausnahmslos, darin, ob die Organisation ihre Arbeitsabläufe neu gestaltet hat, bevor sie die Automatisierung einführte, oder ob sie diese lediglich mit einer Technologieschicht überzogen hat.
Das Ausmaß dieser Lücke verdient es, aufmerksam gelesen zu werden. Wir haben es nicht mit einem Problem der technologischen Akzeptanz zu tun. Wir haben es mit einem Problem des organisatorischen Designs zu tun, das die Technologie in größerem Maßstab und zu höheren Kosten sichtbar macht.
Wenn Automatisierung Fehler in Geschwindigkeit verwandelt
Die traditionelle Automatisierung, die auf definierten Regeln und engen Abläufen basiert, wies diese Fragilität bereits auf. Wenn ein Prozess nicht dokumentierte Ausnahmen enthielt, Schritte, die vom stillschweigenden Urteilsvermögen bestimmter Mitarbeiter abhingen, oder unvollständige Daten, die jemand manuell korrigierte, bevor das System sie sah, produzierte die Automatisierung dieses Prozesses inkonsistente Ergebnisse. Aber die Volumina waren begrenzt und der Schaden war handhabbar.
Agentische KI funktioniert anders. Sie interpretiert Ziele, generiert Empfehlungen, aktiviert Abläufe und trifft gleichzeitig Entscheidungen in mehreren Systemen. Das macht sie leistungsfähiger in gut gestalteten Kontexten und erheblich schädlicher in schlecht gestalteten Kontexten. Ein Agent, der auf einem Prozess mit mehrdeutiger Entscheidungslogik eingesetzt wird, erkennt die Mehrdeutigkeit nicht: Er führt sie mit Konsistenz und Volumen aus. Was zuvor ein leitender Analyst mit Urteilsvermögen, Eskalation und institutionellem Gespür löste, wird nun zu einem automatisierten Fehlermuster, das durch das System zirkuliert, bevor es jemand bemerkt.
Der dokumentierte Fall eines Fortune-500-Versicherungsunternehmens veranschaulicht den Mechanismus präzise. Das Unternehmen verfügte über dokumentierte Betriebsverfahren und eine ausgereifte Automatisierungsbasis. Dennoch war die direkte Fallbearbeitung deutlich zurückgegangen. Die Diagnose ergab, dass die Automatisierung auf mit Ausnahmen belasteten Abläufen eingesetzt worden war. Das Ergebnis war ein fragiles und kostspieliges System. Die Lösung war nicht mehr Technologie: Es waren Fachexperten, die den Ablauf neu gestalteten, Engpässe beseitigten und konkreten Führungskräften klare Verantwortlichkeiten zuwiesen. Danach verbesserte sich die Leistung nachhaltig.
Das Muster, das dieser Fall offenbart, ist nicht technischer Natur. Es ist ein Problem des organisatorischen Designs. Die Automatisierung verstärkte die vorherige Struktur, einschließlich ihrer Mängel. Was fehlte, war kein besseres KI-Modell, sondern ein Prozess, der es verdiente, automatisiert zu werden.
Die Falle, die in Fortschrittsberichten nicht erscheint
Es gibt eine Dynamik, die selten in die Fortschrittsberichte von Transformationsprojekten gelangt: Organisationen neigen dazu, Aktivität mit Fundament zu verwechseln. Wenn Automatisierung eingesetzt wird, verbessern sich bestimmte Kennzahlen sofort, zumindest oberflächlich: Verarbeitungsgeschwindigkeit, Reduzierung sichtbarer manueller Eingriffe, scheinbare Zykluszeit. Diese Indikatoren speisen die vierteljährlichen Präsentationen und verstärken die Wahrnehmung von Fortschritt.
Was in diesen Berichten nicht erscheint, sind die Kosten der nicht dokumentierten Tätigkeiten, die mit der Automatisierung verschwanden. Nicht die manuelle Arbeit, die das System ersetzte, sondern die unsichtbare Arbeit der Korrektur, der informellen Validierung und des situationsbezogenen Urteilsvermögens, die die Mitarbeiter verrichteten, um die Mängel des Prozesses auszugleichen. Wenn die Automatisierung diese menschliche Arbeit eliminiert, ohne zuvor die Mängel behoben zu haben, die sie notwendig machten, sind diese Mängel weiterhin im System vorhanden – nur ohne Abfederung.
BCG benennt diesen Fehler klar: Die häufige Versuchung besteht darin, das zu automatisieren, was bereits existiert. Der Wert entsteht dadurch, dass man vom gewünschten Ergebnis ausgeht und neu erfindet, wie es geliefert werden soll. Diese Unterscheidung ist nicht semantischer Natur. Sie hat strukturelle Konsequenzen. Eine Organisation, die vom Ergebnis ausgeht, muss sich fragen, welche Entscheidungs-, Daten- und Verantwortungsabläufe erforderlich sind, um es nachhaltig zu produzieren. Eine Organisation, die vom bestehenden Prozess ausgeht, kodiert lediglich, was bereits geschah, einschließlich seiner integrierten Ineffizienzen.
Die Kosten dieses Unterschieds skalieren. Die Demontage schlecht gestalteter Automatisierung erfordert System-Reengineering, Modell-Retraining, Überprüfung der Governance und in vielen Fällen das Management des Schadens, den das System während seiner Betriebszeit verursacht hat. Die Ausgaben sind nicht nur finanzieller Natur: Sie umfassen das verlorene Vertrauen der Teams, die vom Prozess abhingen, und der Kunden, die ihn erlebten.
Die fünf Schritte, die Korrektur von Schadenseskalation trennen
Für Organisationen, die bereits Automatisierung auf Prozessen mit schwachem Fundament eingesetzt haben, reicht eine Pause nicht aus. Das Anhalten der Einführung begrenzt den inkrementellen Schaden, behebt aber nicht die Ursache. Die fünf Maßnahmen, die den Unterschied zwischen echter Korrektur und einem temporären Pflaster ausmachen, zielen alle auf denselben Kern ab: den Prozess sichtbar zu machen, bevor versucht wird, ihn mit Technologie zu steuern.
Der erste Schritt besteht darin, die Abläufe mit dem höchsten Risiko zu identifizieren und ihre Ausweitung zu stoppen. Nicht alle schlecht gestalteten Prozesse haben dasselbe Schadensprofil. Diejenigen, die hohe Frequenz, schwer rückgängig zu machende Entscheidungen und regulatorische oder finanzielle Exposition kombinieren, sind die Orte, an denen die Kosten der Verzögerung am größten sind. Diese erfordern vorrangige Aufmerksamkeit, keine zusätzliche Analyse.
Der zweite Schritt besteht darin, den Prozess zu kartieren, der tatsächlich existiert, nicht den, der dokumentiert ist. In den meisten Organisationen weichen der dokumentierte Prozess und der betriebene Prozess auf Weisen voneinander ab, die IT- oder Automatisierungsteams von ihren Positionen aus nicht sehen. Die Ausnahmen, die Workarounds und die informellen Eingriffe, die den Ablauf am Laufen hielten, stehen nicht in den Diagrammen. Sie stecken in der täglichen Praxis der Menschen, die sie ausführen. Sie sichtbar zu machen, ist keine Auditübung: Es ist eine Voraussetzung für jedes Redesign, das funktionieren soll.
Der dritte Schritt besteht darin, die Verantwortung für den Prozess zuzuweisen, nicht für das Werkzeug. Wenn die Rechenschaftspflicht zwischen dem Technologieteam, dem Betriebsteam und dem Geschäftsbereich aufgeteilt ist, hat der Prozess keinen Eigentümer. Er hat teilweise Hüter, die ihren Teil optimieren, ohne die Verantwortung für das Gesamtergebnis zu übernehmen. Agentische KI schneidet horizontal durch mehrere Funktionen, Entscheidungen und Daten. Ohne eine Führungskraft, die für dieses End-to-End-Ergebnis verantwortlich ist, verbessert die Automatisierung isolierte Aufgaben, während der Geschäftsindikator stagniert oder sich verschlechtert.
Der vierte Schritt besteht darin, die menschliche Validierung an den Punkten wieder aufzubauen, an denen Fehler kostspielig sind. Das bedeutet nicht, die Automatisierung auf unbestimmte Zeit zu bremsen oder manuelle Schritte wiederherzustellen, die keinen Mehrwert bringen. Es bedeutet, die Entscheidungsknoten zu identifizieren, an denen ein falsches Ergebnis materielle, schwer rückgängig zu machende Konsequenzen hat, und an diesen Punkten eine aktive Aufsicht aufrechtzuerhalten, während sich der Prozess stabilisiert. Die Autonomie der Agenten muss schrittweise verdient werden, nicht von Anfang an vorausgesetzt werden.
Der fünfte Schritt besteht darin, die Erfolgsmetriken zu ändern. Zyklusgeschwindigkeit und Reduzierung manueller Eingriffe sind Aktivitätsindikatoren, keine Ergebnisindikatoren. Organisationen, die nachhaltige Korrekturen erzielen, überwachen die Entscheidungsqualität, die Kosten der Fehlerbehebung, die Solidität der regulatorischen Compliance und die Auswirkungen auf das Kundenerlebnis. Diese Indikatoren verbessern sich nicht durch mehr Automatisierung auf schwachen Prozessen. Sie verbessern sich, wenn der zugrunde liegende Prozess solide ist.
Der Moment der Krise hatte sich bereits ereignet, bevor die KI ankam
Es gibt eine Lesart des Problems, die man nicht aus den Augen verlieren sollte: Wenn die KI-Automatisierung schlechte Ergebnisse liefert, wurde die Krise, die sich in diesem Moment manifestiert, nicht von der KI verursacht. Sie entstand zuvor, in dem Moment, in dem die Organisation beschloss, nicht in das Design ihrer Prozesse zu investieren. Die KI machte lediglich eine bereits bestehende strukturelle Fragilität in größerem Maßstab und mit größerer Dringlichkeit sichtbar.
Das verändert die Natur der Diagnose. Wir haben es nicht mit einem Problem der technologischen Akzeptanz zu tun, das sich durch mehr Investitionen in Werkzeuge, besseres Änderungsmanagement oder mehr technische Schulungen lösen lässt. Wir haben es mit Organisationen zu tun, die das Versprechen der Automatisierung nutzten, um eine Designentscheidung aufzuschieben, die irgendwann unbequem oder kostspielig zu treffen wurde.
Der Fall des Technologieunternehmens mit fehlerhaften Umsatzprognosen ist in dieser Hinsicht aufschlussreich. Die Prognose-Arbeitsabläufe umfassten mehrere Übergaben von Verantwortung und asynchrone Aktualisierungen, die falsche Prognosen erzeugten. Diese Prognosen verzerrten Entscheidungen über Einstellungen, Planung und Margen. Die Lösung war kein ausgefeilteres Prognosemodell. Es war ein neu gestalteter Prozess mit klaren Kontrollpunkten und einer Verantwortung, die funktionsübergreifenden Führungskräften zugewiesen wurde. Sobald das Fundament korrigiert war, begann die Automatisierung, die das Problem verstärkt hatte, die Lücke zu schließen.
Die Lektion ist nicht, dass KI nicht funktioniert. Die Lektion ist, dass KI genau so funktioniert, wie der Prozess gestaltet ist, der sie umgibt. Die Organisationen, die mit Zuversicht skalieren, sind diejenigen, die Prozesskklarheit als strategisches Gut behandeln, bevor sie es als Zielort für Technologie betrachten.
Eine Organisation, die automatisiert, was sie bereits schlecht gestaltet hat, beschleunigt nicht ihre Transformation. Sie beschleunigt ihre Distanz von dem Punkt, von dem aus sie irgendwann neu starten muss.
