Vieles, was Mitarbeiter heute als KI erleben, ist zunächst eine neue Form des Umgangs mit Information.
Für viele Menschen im Unternehmen besteht der erste Kontakt mit generativer KI heute darin, Fragen zu stellen, Informationen aus unterschiedlichen Quellen zusammenzuführen, Texte zusammenzufassen, Inhalte zu formulieren oder große Mengen an Information schneller zu erschließen.
Das ist bereits wertvoll. Und moderne KI kann deutlich mehr: Sie kann einzelne Tätigkeiten automatisieren, Daten analysieren, Inhalte erzeugen und zunehmend auch Aktionen innerhalb von Prozessen auslösen.
Trotzdem sollte man aus meiner Sicht unterscheiden zwischen einer leistungsfähigen Technologie und einem tatsächlich intelligenteren Unternehmen.
Ein Unternehmen wird nicht intelligenter, weil neben zehn vorhandenen Systemen jetzt auch noch ein KI-System läuft.
Entscheidend ist, ob dadurch Informationen besser verfügbar werden, Entscheidungen schneller und belastbarer getroffen werden können, Fehler sinken, Prozesse einfacher werden oder Mitarbeiter Zeit für wertvollere Aufgaben gewinnen.
Unsere knappe Ressource wird zunehmend die verfügbare menschliche Kompetenz sein.
Deutschland hat keinen pauschalen Mangel an Arbeitskräften in jedem Beruf. Gleichzeitig weist die Bundesagentur für Arbeit für 2025 weiterhin 157 Berufsgattungen mit Fachkräfteengpässen aus. Der demografische Wandel wird diese Diskussion langfristig zusätzlich prägen. 1
Für Unternehmen bedeutet das: Wir müssen genauer darüber nachdenken, für welche Tätigkeiten wir die vorhandenen Menschen einsetzen.
Wenn Technologie Routinearbeiten zuverlässig übernehmen kann, halte ich es für richtig, diese Möglichkeit konsequent zu prüfen. Nicht mit dem Ziel, Menschen möglichst schnell aus Unternehmen zu entfernen. Sondern mit dem Ziel, menschliche Kapazität dort einzusetzen, wo sie den größeren Wert schafft.
Die Internationale Arbeitsorganisation kommt bei generativer KI ebenfalls zu einem differenzierten Bild: Weltweit arbeitet etwa jeder vierte Beschäftigte in einem Beruf mit einem gewissen GenAI-Expositionsgrad. Aufgrund des weiterhin notwendigen menschlichen Beitrags erwartet die ILO für die meisten Berufe eher Veränderung als vollständige Ersetzung. 2
Wiederkehrende und klar definierte Tätigkeiten dort automatisieren, wo Qualität und Kontrolle gewährleistet sind.
Daten, Dokumente und Wissen schneller verdichten, damit Menschen nicht ihre Zeit mit Informationssuche verlieren.
Muster, Abweichungen und Alternativen sichtbar machen, ohne Verantwortung mit dem System zu verwechseln.
Gewonnene Kapazität stärker für Kunden, Verbesserung, Innovation, Führung und schwierige Ausnahmefälle nutzen.
Nicht jede technisch mögliche Automatisierung verbessert das Kundenerlebnis.
Gerade im Kundenkontakt sehe ich deshalb eine Grenze, die jedes Unternehmen für sich bewusst definieren sollte.
Natürlich kann KI im Kundenservice enorme Vorteile schaffen: Informationen schneller finden, Vorgänge zusammenfassen, Anfragen klassifizieren, einfache Anliegen direkt bearbeiten oder einen Mitarbeiter bereits mit dem vollständigen Kontext einer Kundenanfrage versorgen.
Aber der Kunde darf aus meiner Sicht nicht das Gefühl bekommen, dass Technologie zwischen ihm und dem Unternehmen steht.
Eine Gartner-Befragung von 3.566 B2B- und B2C-Kunden aus dem Frühjahr 2026 zeigt genau diese Ambivalenz: 50 Prozent sagten, dass GenAI ihre Serviceinteraktion einfacher machen könne. Gleichzeitig hielten 87 Prozent die Möglichkeit, einen menschlichen Ansprechpartner zu erreichen, für wesentlich. 3
Ein guter Kundenservice nutzt KI, um Menschen schneller und besser zu machen – nicht um den Menschen für den Kunden unerreichbar zu machen.
Vielleicht verändert sich diese Erwartung in den kommenden Jahren. Heute würde ich allerdings sehr genau prüfen, an welcher Stelle Automatisierung Komfort schafft – und an welcher Stelle sie Vertrauen kostet.
Jede gewonnene Effizienz schafft auch eine neue Abhängigkeit.
Ein automatisierter Lagerprozess ist dafür ein gutes Beispiel. Automatisierung kann Geschwindigkeit erhöhen, Prozesse standardisieren und den Bedarf an manueller Arbeit deutlich reduzieren.
Gleichzeitig verändert sich das Risikoprofil.
Die Abhängigkeit von verfügbarer Arbeitskraft sinkt. Dafür steigt die Abhängigkeit von Stromversorgung, Steuerungstechnik, Netzwerk, Software, Schnittstellen, Daten, Ersatzteilen, technischem Service und zunehmend auch externen Cloud- und Plattformdiensten.
Das spricht nicht gegen Automatisierung. Im Gegenteil: In vielen Bereichen ist sie wirtschaftlich und operativ absolut sinnvoll.
Aber ein Business Case, der ausschließlich Personalersparnis, Geschwindigkeit und Produktivität betrachtet, ist aus meiner Sicht unvollständig. Er muss auch beantworten, welche neue Abhängigkeit das Unternehmen dafür eingeht.
Ein IT-Problem bleibt selten im IT-Bereich.
Eine Erfahrung aus meiner frühen operativen Zeit ist mir bis heute im Gedächtnis geblieben.
Bei einem großen Industriestandort führte eine Systemumstellung dazu, dass Ware zeitweise nicht wie geplant aus dem Lager freigegeben werden konnte. Ein von mir disponiertes Fahrzeug war dadurch nahezu eine Woche gebunden.
Das liegt mehr als zwei Jahrzehnte zurück und die technologischen Möglichkeiten sind mit heute kaum vergleichbar. Die Erfahrung dahinter ist trotzdem aktuell.
Das IT-Problem blieb nicht auf einem Bildschirm. Es stoppte einen physischen Prozess.
Je stärker operative Abläufe digital verknüpft werden, desto unmittelbarer können Fehler in einem System in die reale Leistung des Unternehmens hineinwirken.
Ein falscher Datensatz, eine fehlerhafte Schnittstelle, ein Cyberangriff, eine nicht erreichbare Cloud-Anwendung oder ein längerer Ausfall zentraler Infrastruktur kann dann nicht nur Administration verzögern. Im ungünstigsten Fall steht der operative Prozess.
Gerade der Mittelstand sollte aufpassen, dass KI nicht einfach eine weitere Schicht Komplexität wird.
Viele Unternehmen haben heute bereits historisch gewachsene IT-Landschaften. ERP, CRM, Produktionssysteme, Warehouse- oder Supply-Chain-Systeme, Excel-Lösungen, individuelle Anwendungen und zahlreiche Schnittstellen existieren nebeneinander.
Wenn darauf jetzt ohne klare Architektur zusätzliche KI-Anwendungen, Agenten, Datenplattformen und weitere Schnittstellen gesetzt werden, entsteht nicht automatisch ein intelligenteres Unternehmen.
Es kann auch einfach ein komplexeres Unternehmen entstehen.
Das NIST AI Risk Management Framework und das ergänzende Profil für generative KI verfolgen deshalb bewusst einen risikobasierten Ansatz. Organisationen sollen Risiken von KI-Systemen systematisch erfassen, bewerten, steuern und über den Lebenszyklus der Technologie hinweg beherrschbar machen. 4
Neue Technologie sollte Komplexität beherrschbarer machen. Nicht einfach nur neue Komplexität hinzufügen.
Das Label „AI“ ist noch kein Business Case.
KI ist inzwischen selbstverständlich auch ein Verkaufsargument für Unternehmenssoftware. Das ist zunächst überhaupt nicht problematisch. Viele neue Funktionen können einen echten Mehrwert schaffen.
Problematisch wird es für mich erst, wenn die technische Bezeichnung wichtiger wird als die Frage, welches konkrete operative Problem damit gelöst wird.
Gartner warnte 2026 beispielsweise im Markt für Supply-Chain-Planning-Technologie ausdrücklich vor „Agent Washing“ – also davor, bestehende oder begrenzte Fähigkeiten mit dem neuen Agentenbegriff stärker erscheinen zu lassen, als sie tatsächlich sind. Empfohlen wird ein schrittweises Vorgehen auf Basis belastbarer Anwendungsfälle, Daten und Governance. 5
Für mich ist das keine Kritik an Softwareherstellern. Es ist eine Erinnerung an die Verantwortung des Käufers.
Ein Unternehmen sollte keine KI kaufen, weil der Anbieter KI verkauft. Es sollte Technologie einsetzen, weil ein relevantes Problem damit nachweisbar besser gelöst wird.
Sechs Fragen interessieren mich mehr als die nächste Produktpräsentation.
Bevor eine weitere technologische Schicht in ein Unternehmen eingebaut wird, würde ich zunächst einige sehr einfache Fragen beantworten wollen.
Nicht: Was kann das Tool? Sondern: Welcher heutige Prozess wird dadurch messbar besser?
Zeit, Qualität, Geschwindigkeit, Kosten, Kundenerlebnis oder bessere Entscheidungen?
Was passiert bei falschen Ergebnissen und wie werden Fehler erkannt?
Anbieter, Daten, Schnittstellen, Cloud, Infrastruktur, Know-how oder einzelne Schlüsselpersonen?
Können wir weiterarbeiten? Wie lange? Und welcher Mindestbetrieb bleibt möglich?
Wo entscheidet die Technologie – und wo muss bewusst ein Mensch entscheiden oder eingreifen können?
Effizienz ist nicht dasselbe wie Resilienz.
Ein Unternehmen kann im Normalbetrieb extrem effizient und gleichzeitig bei einer größeren Störung sehr verletzlich sein.
Je stärker Prozesse automatisiert, digitalisiert und miteinander verbunden werden, desto wichtiger wird deshalb die Frage, wie das Unternehmen auf einen Ausfall reagiert.
Dabei geht es nicht darum, jede moderne Lösung mit einem vollständig manuellen Parallelprozess abzusichern. Das wäre häufig wirtschaftlich unsinnig.
Es geht darum zu wissen, welche Prozesse kritisch sind, welche Abhängigkeiten bestehen, welche Systeme Single Points of Failure darstellen und welcher Mindestbetrieb im Krisenfall aufrechterhalten werden muss.
KI einsetzen. Aber mit Augenmaß, Anspruch und Verantwortung.
Ich halte künstliche Intelligenz für eine der Technologien, die Unternehmensarbeit in den kommenden Jahren erheblich verändern werden.
Gerade deshalb sollten wir sie nicht kleiner machen, als sie ist – aber auch nicht größer.
Sie kann Menschen entlasten, Wissen verfügbar machen, Abläufe automatisieren, Muster sichtbar machen und Entscheidungen besser vorbereiten.
Gleichzeitig bleibt sie eine Technologie, die Fehler machen, ausfallen und neue Abhängigkeiten schaffen kann. Verantwortung, Urteilsvermögen und die Gestaltung eines belastbaren Unternehmens bleiben Führungsaufgaben.
Für mich liegt die eigentliche Chance deshalb nicht darin, ein möglichst „KI-lastiges“ Unternehmen aufzubauen.
Der Beitrag beschreibt meine persönliche operative Perspektive. Die folgenden Quellen dienen zur Einordnung ausgewählter Aussagen und aktueller Entwicklungen.
157 Berufsgattungen mit Fachkräfteengpässen.
02 · INTERNATIONAL LABOUR ORGANIZATION Generative AI and Jobs: A 2025 UpdateGenAI verändert voraussichtlich mehr Tätigkeiten, als dass sie ganze Berufe vollständig ersetzt.
03 · GARTNER GenAI im Kundenservice87 % der Befragten halten den Zugang zu einem menschlichen Ansprechpartner für wesentlich.
04 · NIST AI Risk Management Framework · GenAI ProfileRisikobasierter Rahmen für den verantwortungsvollen Einsatz generativer KI.
05 · GARTNER Agent Washing in Supply-Chain-Planning-TechnologieWarnung vor Hype und Empfehlung, reale Fähigkeiten, belastbare Use Cases, Daten und Governance voneinander zu unterscheiden.
Wenn neue Technologie mehr Fragen erzeugt als Probleme löst.
Brueggemann Interim übernimmt operative Führungsverantwortung auf Zeit, wenn Prozesse, Systeme, Informationen und Entscheidungswege wieder zu einem steuerbaren Gesamtbild zusammengeführt werden müssen.