KI in Organisationen: Aufgaben, Prozesse, Menschen, Tools
Es gibt drei Arten, wie Organisationen mit KI umgehen, und alle drei führen ins Leere.
Die erste: KI als IT-Projekt. Eine Abteilung wird beauftragt, eine Lösung zu finden, am besten eine, die alle Probleme löst. Nach sechs Monaten gibt es eine Excel-Liste mit vierzig Tools, drei Pilotprojekte und keinen einzigen Anwendungsfall im Tagesgeschäft.
Die zweite: KI als Marketing-Geste. Auf der Website steht ab sofort „KI-gestützt“, in der Pressemitteilung tauchen Wörter wie „transformativ“ und „zukunftsfähig“ auf, im Maschinenraum ändert sich nichts. Die Geschäftsführung hat das Gefühl, etwas getan zu haben, und kommt deshalb nicht auf die Idee, etwas zu tun.
Die dritte, seltener benannte: KI als Tool-Wahl. Jemand entscheidet, dass jetzt ChatGPT oder Microsoft Copilot eingeführt wird, ohne zu wissen, welche Aufgabe damit eigentlich gelöst werden soll. Das Werkzeug wird ausgerollt, niemand benutzt es ernsthaft, nach einem Jahr läuft die Lizenz aus.
Diese drei Fehler haben dieselbe Ursache. Sie überspringen die Frage, was KI in einer Organisation eigentlich tut. Nicht abstrakt. Konkret.
Was KI tatsächlich verändert, lässt sich auf vier Ebenen beschreiben: Aufgaben, Prozesse, Organisationen, Menschen. Wer eine dieser Ebenen weglässt, baut eine Lösung, die nicht trägt. Wer alle vier zusammen denkt, kommt zur fünften Frage – und das ist die nach dem richtigen Werkzeug.
KI verändert Aufgaben, nicht Abteilungen
Die meisten Organisationen denken in Abteilungen: Marketing, Personal, Buchhaltung, Vertrieb. Aber KI verändert keine Abteilungen. KI verändert Aufgaben.
Eine Aufgabe ist klein. Sie hat einen Anfang, ein Ende, ein nachvollziehbares Ergebnis. Eine Pressemitteilung schreiben. Bewerbungen vorsortieren. Rechnungen kategorisieren. Recherchieren, was die Konkurrenz tut. Diese Aufgaben sind die Bausteine, aus denen Stellen, Rollen, Abteilungen bestehen. Genau hier setzt KI an, nicht weiter oben.
Wer das versteht, fängt anders an. Nicht mit der Frage „Was machen wir mit KI?“, sondern mit der Frage „Welche Aufgabe in der nächsten Stunde?“. Sobald die Aufgabe sauber benannt ist, gibt es heute meistens eine Tool-Antwort. Manchmal sogar zu viele.
Für reine Recherche-Aufgaben stehen Werkzeuge wie Perplexity, NotebookLM, Elicit, Consensus oder You.com nebeneinander. Für Texterstellung ChatGPT, Claude, Gemini, Mistral, Le Chat, Aleph Alpha. Für Bildgenerierung Midjourney, Flux, Ideogram, Stable Diffusion, DALL-E, Adobe Firefly. Für Audio ElevenLabs, Suno, Udio, Whisper. Für die Office-Welt Microsoft Copilot, Gemini in Workspace, Notion AI. Für Coding und Datenarbeit Cursor, Claude Code, Windsurf, GitHub Copilot. Allein auf dieser Aufzählungs-Ebene sind das dreißig Werkzeuge, und die Liste ist nicht vollständig.
Wer im Mittelstand 2026 „KI“ sagt, meint meistens ChatGPT. Das ist ungefähr so, als würde man „Suchmaschine“ sagen und Yahoo meinen. Es funktioniert, aber es ist nicht das Spielfeld.
Wenn Künstliche Intelligenz Prozesse beschleunigt
Eine Aufgabe wird selten allein erledigt. Sie steht in einer Kette: Recherche führt zu Briefing, Briefing zu Konzept, Konzept zu Entwurf, Entwurf zu Freigabe, Freigabe zu Veröffentlichung. Jede dieser Stationen hat einen Verantwortlichen, eine Vorlage, ein typisches Zeitfenster.
Wenn KI eine einzelne Station drastisch beschleunigt, bricht die Kette. Was vorher zwei Wochen brauchte, geht in zwei Stunden. Aber die nachfolgenden Stationen sind nicht darauf vorbereitet. Der Freigabeprozess war auf zwei Wochen ausgelegt, das Lektorat auf drei Tage Vorlauf, der Kanal auf einen wöchentlichen Versand. Der Engpass verschiebt sich, ohne dass der Prozess als Ganzes schneller wird.
Das ist die Stelle, an der Workflow-Plattformen wie Make, n8n, Zapier oder Power Automate ins Spiel kommen. Sie verbinden Aufgaben miteinander, transportieren Ergebnisse von einem Tool zum nächsten, automatisieren Übergaben. Aber auch hier gilt: Wer Prozesse nicht neu denkt, automatisiert nur das alte Chaos. Schneller, aber nicht besser.
Prozessgestaltung ist im KI-Zeitalter wichtiger geworden, nicht weniger wichtig. Was sich ändert, ist die Frage. Vorher hieß sie: Wer macht was, in welcher Reihenfolge. Jetzt heißt sie: Wer entscheidet, was eine Maschine entscheiden darf, und wo die menschliche Überprüfung wieder einsetzt.
KI-Architektur statt Tool-Kauf
Wenn einzelne Aufgaben durch KI auf einen Bruchteil ihrer früheren Bearbeitungszeit fallen, ist das zunächst nur ein Effizienzgewinn. Aber Effizienz ist nie nur Effizienz. Sie verschiebt Macht.
Wer früher als Texterin zwei Wochen brauchte, braucht jetzt zwei Tage. Das ist nicht nur ein Vorteil, das ist eine Statusverschiebung. Welche Stellen werden gebraucht, welche nicht. Welche Hierarchieebenen verlieren ihre Daseinsberechtigung, weil sie auf Knappheit basierten, die nicht mehr existiert. Welche Rollen entstehen neu, weil plötzlich jemand entscheiden muss, was die Maschine als Nächstes tut.
Das sind keine technischen Fragen. Das sind Organisationsfragen. Sie betreffen Stellenbeschreibungen, Vergütungsstrukturen, Karrierepfade, Mitarbeiterführung. Und sie betreffen die Frage, wo Datenkontrolle stattfindet, weil Tool-Wahl auf Organisationsebene auch Datenschutz-Wahl ist.
Ein Tool, das in einer Forschungseinrichtung läuft, muss andere Anforderungen an Datenschutz, Reproduzierbarkeit und Zitierfähigkeit erfüllen als ein Tool im Mittelstands-Marketing. Eine NPO mit Spenderdaten hat andere Sorgfaltspflichten als ein Industrieunternehmen mit Konstruktionsdaten. Anbieter aus den USA, China und Europa unterliegen unterschiedlichen Rechtsrahmen, und diese Rahmen verändern sich. Was vor einem Jahr noch als unbedenklich galt, kann heute durch Sub-Processor-Klauseln, Trainingsdaten-Nutzung oder Hosting-Verlagerung problematisch sein.
Wer Organisation ernst nimmt, kauft kein Tool. Wer Organisation ernst nimmt, baut eine KI-Architektur.
Was KI mit Menschen wirklich macht
Hier wird es schwierig. Auf den ersten drei Ebenen kann man planen, strukturieren, optimieren. Bei Menschen funktioniert das nicht.
Was KI mit Menschen macht, ist nicht primär ein Skill-Problem. Es ist ein Identitätsproblem. Wer dreißig Jahre lang Texterin war und im Beruf gut wurde, weil sie ein Gefühl für Sprache entwickelt hat, erlebt KI nicht als Hilfsmittel, sondern als Infragestellung. Das gilt für Buchhalter, Lektoren, Übersetzer, Programmierer, Designer, Berater. Auch für mich.
Diese Erfahrung wird in den meisten KI-Einführungsprojekten unterschätzt oder ignoriert. Stattdessen werden Schulungen organisiert. Die Schulung trainiert das Tool. Aber das Problem ist nicht das Tool. Das Problem ist die Frage, wer ich noch bin, wenn das, was ich gut konnte, jetzt jemand anders auch kann, der drei Stunden Übung hat.
Diese Frage hat nichts mit Bequemlichkeit oder Veränderungsresistenz zu tun. Sie ist berechtigt. Und sie verdient eine ernsthafte Antwort, nicht ein Onboarding-Video.
In meiner Beratungspraxis ist das die Stelle, an der die meiste Zeit verbracht wird. Nicht beim Tool-Vergleich, nicht bei der Prozesskartierung. Bei den Menschen, die mit der neuen Realität leben sollen. Welche Aufgaben behalten sie, weil sie ihnen ihr Berufsverständnis geben. Welche geben sie ab, weil sie sie ohnehin nicht mochten. Welche neuen Aufgaben entstehen, die ihnen passen könnten. Wo wird ihre Erfahrung wertvoller, nicht weniger wert.
Wer diese Gespräche führt, bevor das Tool ausgerollt wird, hat eine Implementierungsquote, die das Doppelte beträgt. Das ist keine empirische Aussage, das ist Erfahrungswert.
Tool-Urteil als Beratungsleistung
Wenn die vier Ebenen zusammen gedacht werden, entsteht ein konkretes Beratungsmandat: Welches Tool für welche Aufgabe, mit welchem Prozess dahinter, in welcher Organisationsstruktur, für welche Menschen.
Ich beantworte diese Frage nicht mit einer Liste. Ich beantworte sie mit sechs Kriterien.
Erstens, der Use Case. Was genau soll das Tool tun. Nicht „Texte schreiben“, sondern „Bewilligungsbescheide in einfacher Sprache rephrasieren, mit Faktencheck gegen die Bescheidvorlage“. Je präziser, desto klarer die Auswahl.
Zweitens, der Datenschutz. Welche Daten gehen in das Tool. Wer hostet wo. Welche Trainingsdaten-Klauseln greifen. Welche Sub-Processoren werden eingebunden. Bei sensiblen Daten ist das oft die ausschlaggebende Frage, und sie schließt einen Großteil der vermeintlich besten Werkzeuge aus.
Drittens, die Kosten über drei Jahre. Nicht der Listenpreis, sondern die tatsächlichen Kosten inklusive Nutzungsstaffelung, API-Calls, Schulungsaufwand, Anbindungskosten und Lizenz-Konsolidierung. Tools, die einzeln günstig wirken, addieren sich zu einer dreistelligen monatlichen Belastung pro Mitarbeiter.
Viertens, die Zukunftsfähigkeit. Wird der Anbieter in zwei Jahren noch existieren. Ist die Datenstruktur exportierbar. Welche Lock-in-Effekte entstehen. Bei Workflow-Plattformen und Wissensspeichern ist das wichtiger als beim Chatbot.
Fünftens, die Lernkurve. Was muss das Team können, bevor es nutzt. Wie lange dauert es, bis die ersten Aufgaben sicher abgewickelt werden. Welche Tools sind selbsterklärend, welche brauchen begleitete Einführung. Manche Werkzeuge sind technisch überlegen und scheitern an der Lernkurve.
Sechstens, die Anschlussfähigkeit. Wie verbindet sich das Tool mit dem, was schon da ist. CRM, Mailprogramm, Dokumentenverwaltung, Buchhaltung. Wer eine isolierte Insel kauft, kauft sich Mehrarbeit.
Diese sechs Kriterien sind keine Reihenfolge, sondern ein Prüfraster. In der Beratungspraxis wird selten ein einzelnes Tool gegen ein anderes abgewogen. Es wird ein Aufgabenprofil gegen eine Tool-Landschaft gespiegelt, mit klaren Ausschlussgründen und einer kurzen Auswahl, die in den nächsten drei Monaten testbar ist.
Warum die vier Ebenen zusammen gehören
Die meisten KI-Beratungsangebote bedienen genau eine Ebene gut. IT-Berater bedienen Tools. Strategieberater bedienen Organisationen. Change-Manager bedienen Menschen. Prozessberater bedienen Prozesse. Das ist verständlich, und es ist nicht falsch. Aber es führt zu Implementierungen, die auf einer Ebene exzellent sind und auf den anderen drei scheitern.
Das beste Tool nützt nichts, wenn niemand es benutzt. Der schönste Prozess bricht, wenn die Organisation ihn nicht trägt. Die beste Organisationsstruktur scheitert an Menschen, denen niemand ehrlich erklärt hat, was sich ändert. Und die beste Tool-Wahl wird zur teuren Lüge, wenn niemand vorher die Aufgabe definiert hat, die das Tool eigentlich lösen sollte.
Mein Beratungsansatz ist deshalb integrativ. Ich entscheide nicht, was Sie tun sollen. Ich helfe, die vier Ebenen Ihrer Organisation gleichzeitig im Blick zu haben, und im Tool-Urteil sechs Fragen zu stellen, die Sie davor bewahren, das nächste Excel mit vierzig Werkzeugen anzulegen, das niemand mehr aufmacht.
Das ist keine technische Beratung. Es ist Kommunikations- und Organisationsberatung in einer Zeit, in der die Werkzeuge schneller wechseln als die Aufgaben.
Lassen Sie uns reden.
Wenn Sie diese vier Ebenen für Ihre Organisation durchdenken wollen, freue ich mich über ein Gespräch. Nicht weil ich für jeden die richtige Antwort habe, sondern weil sich in den ersten dreißig Minuten herausstellt, ob die Frage zu mir passt. Hier finden Sie meine Kontaktdaten.
Wenn Sie vorher in einzelnen Bereichen weiterlesen wollen: Auf dieser Website finden Sie Cluster mit sektor-spezifischen Beratungsangeboten, in denen die hier beschriebenen vier Ebenen für den jeweiligen Kontext durchdekliniert werden. Für Forschungseinrichtungen, DeepTech-Startups und Innovationsstandorte unter Wissenschaft, DeepTech & Innovation. Für Stiftungen, Hilfswerke und gemeinnützige Organisationen unter NPO & Sozialmarketing. Für Verbände, politische Akteure und Bundesbehörden unter Politikberatung & Public Affairs. Für Museen, Theater und Festivals unter Kulturmarketing. Für Mittelstand und wachstumsorientierte Unternehmen unter Fractional CMO.
Stefan Mannes ist Politikberater und Kommunikationsstratege mit über 25 Jahren Erfahrung. Er arbeitet mit Wissenschaftseinrichtungen, Kulturinstitutionen, NPOs und Mittelstandsunternehmen an strategischer Kommunikation – und an der Frage, welches Werkzeug welcher Aufgabe in welcher Organisation gerecht wird. Er ist Mitglied der Deutschen Gesellschaft für Politikberatung (de’ge’pol).
