KI im Unternehmen:
Der Mehrwert beginnt beim Menschen.

Künstliche Intelligenz kann Arbeit erleichtern, Wissen schneller zugänglich machen und wiederkehrende Aufgaben beschleunigen. Dafür braucht es zum Einstieg weder ein eigenes Entwicklungsteam noch ein großes IT-Projekt. Schon Werkzeuge wie ChatGPT können bei alltäglichen Büroaufgaben helfen: beim Formulieren, Strukturieren, Vergleichen und Vorbereiten.

Meine Überzeugung ist dabei: KI bringt einen Mehrwert, wenn das Unternehmen seine Mitarbeitenden auf den Einsatz vorbereitet, passende Werkzeuge auswählt und verbindliche Standards schafft. Ein Zugang allein reicht dafür nicht aus. Menschen müssen verstehen, was ein Werkzeug leisten kann, welche Daten sie verwenden dürfen und wie sie Ergebnisse prüfen.

Als Leiter Logistik betrachte ich KI vor allem mit Blick auf die Arbeit im Betrieb. Mich interessiert, ob ein Werkzeug wiederkehrende Aufgaben erleichtert, Informationen verständlicher macht und den Menschen Zeit für ihre eigentlichen Aufgaben verschafft. Dabei zählt für mich, ob eine Lösung im Alltag trägt.

Ein sinnvoller Einstieg verbindet deshalb drei Dinge: praktische Anwendungen mit erkennbarem Nutzen, ordentliche Schulungen und klare Regeln. So entsteht aus einzelnen Versuchen eine verlässliche Arbeitsweise. Gleichzeitig wächst die Grundlage für spätere Projekte, in denen KI auf Unternehmenswissen zugreift oder verschiedene Systeme miteinander verbindet.

Auf dem Papier einfach – im Betrieb eine Veränderung

Auf dem Papier sieht vieles überzeugend aus: Ein Werkzeug auswählen, Mitarbeitende schulen, Daten bereitstellen und Zeit gewinnen. Im Betrieb müssen dafür zahlreiche Hürden überwunden werden. Gewachsene Abläufe, unklare Zuständigkeiten, unterschiedliche Systemstände und fehlende Zeit für Einarbeitung können eine gute Idee ausbremsen.

Eine der größten Hürden sehe ich im menschlichen Umgang mit KI. Manche Menschen erwarten zu viel, andere haben Sorge vor Fehlern, Kontrolle oder dem Verlust ihrer Aufgabe. Auch lieb gewonnene Arbeitsweisen lassen sich nicht allein durch die Bereitstellung einer Software verändern. Dafür braucht es Verständnis, Vertrauen und eine Führung, die Fragen zulässt und den Nutzen konkret erklärt.

Zugleich müssen wir akzeptieren, dass die aktive Arbeit mit KI nicht für jeden Menschen, jede Aufgabe und jede Situation gleichermaßen geeignet ist. Technische Neugier, Erfahrung, Sprachsicherheit und die Fähigkeit, Ergebnisse kritisch zu prüfen, sind unterschiedlich ausgeprägt. Eine Schulung kann helfen; sie macht jedoch nicht automatisch aus jedem einen sicheren oder begeisterten KI-Anwender.

Für mich folgt daraus: Alle betroffenen Mitarbeitenden benötigen ein verständliches Grundwissen über die Chancen, Grenzen und betrieblichen Regeln. Wer KI selbst nutzt, braucht zusätzlich die passende praktische Befähigung. Andere können ihre Stärke in der Fachprüfung, der operativen Umsetzung oder dem Einbringen von Prozesswissen haben. Technikaffinität allein sollte kein Maßstab für den Wert eines Menschen im Unternehmen sein.

Auch eine Anwendung, die auf dem Papier viel Zeit spart, kann ungeeignet sein, wenn ihre Bedienung zu kompliziert ist oder die notwendige Prüfung im Alltag nicht gelingt. Deshalb halte ich kleine Erprobungen mit unterschiedlichen Nutzern für sinnvoll. Aus ihren Erfahrungen lässt sich ableiten, wo Schulung, einfachere Abläufe, zugängliche Werkzeuge oder eine andere Aufgabenverteilung gebraucht werden.

Ich möchte den KI-Einsatz so gestalten, dass Menschen ihre Fähigkeiten sinnvoll einbringen können. Dazu gehört auch, Grenzen und ungeeignete Einsatzfälle zu akzeptieren.

Der Einstieg beginnt bei einer konkreten Aufgabe

Viele Unternehmen verbinden KI sofort mit automatisierter Produktionsplanung, intelligenten Maschinen oder umfassenden Systemintegrationen. Solche Anwendungen können sinnvoll sein. Für die ersten Schritte eignet sich jedoch häufig eine überschaubare Büroaufgabe, deren Ergebnis ein Mensch gut prüfen kann.

Ein guter Ausgangspunkt ist die Frage: Welche Arbeit wiederholt sich regelmäßig, kostet Zeit und folgt weitgehend demselben Muster? Das können Besprechungsprotokolle, wiederkehrende E-Mails, das Aufbereiten von Stichpunkten oder das Erstellen von Schulungsunterlagen sein.

Für erste Übungen reichen häufig frei erfundene Beispieldaten oder Informationen, die zur externen Verwendung freigegeben sind. Eine direkte Verbindung zum ERP-System ist dafür nicht erforderlich. Ob kostenlose oder kostenpflichtige Werkzeuge geeignet sind, hängt von den benötigten Funktionen, Nutzungsbedingungen und Schutzanforderungen ab.

Überschaubarer Aufwand bedeutet allerdings nicht, dass die Einführung ohne Kosten auskommt. Auch Schulung, Prüfung, Administration und die Arbeitszeit der Beteiligten gehören zur Rechnung. Entscheidend ist, mit wenigen geeigneten Aufgaben zu beginnen und den Nutzen zu überprüfen, bevor der Einsatz ausgeweitet wird.

Wo KI im Büroalltag konkret helfen kann

Ein Sprachmodell wie das hinter ChatGPT kann aus einer klaren Aufgabenbeschreibung einen ersten Entwurf erzeugen, Texte umarbeiten oder Informationen in eine andere Struktur bringen. Es kennt die betrieblichen Zusammenhänge jedoch nur, soweit sie ihm bereitgestellt werden oder durch ausdrücklich eingerichtete Zugriffe verfügbar sind.

Im Büro ergeben sich daraus zahlreiche Ansatzpunkte:

So kann beispielsweise aus einer Sammlung von Besprechungsnotizen ein geordnetes Protokoll entstehen. Die KI kann fehlende Zuständigkeiten markieren. Sie sollte diese jedoch nicht eigenständig erfinden. Aus einer Prozessbeschreibung kann sie eine Checkliste vorbereiten; die verantwortliche Fachabteilung prüft anschließend, ob alle Schritte stimmen.

Gerade in Einkauf, Logistik und Auftragsabwicklung gibt es viele solcher Fleißarbeiten. Statusmeldungen werden zusammengetragen, Informationen mehrfach formuliert und Abweichungen für verschiedene Empfänger aufbereitet. KI kann die Vorbereitung beschleunigen. Die Bewertung einer Lieferverzögerung, die Entscheidung über eine Eskalation und die Verantwortung für eine Zusage bleiben beim Menschen.

Bei Aufzeichnungen von Besprechungen ist zusätzlich zu klären, ob und unter welchen Voraussetzungen Aufnahme und Verarbeitung zulässig sind. Für erste Übungen sind vorbereitete, bereinigte Notizen oft ausreichend.

Gute Ergebnisse brauchen einen guten Arbeitsauftrag

Die Qualität einer Antwort hängt auch davon ab, wie klar die Aufgabe beschrieben wird. Eine brauchbare Eingabe – häufig als „Prompt“ bezeichnet – benennt das Ziel, den relevanten Zusammenhang, die erlaubten Grundlagen und das gewünschte Ergebnis.

Eine einfache Struktur lautet: Aufgabe – Kontext – Datengrundlage – Ausgabeformat – Grenzen.

Ein Beispiel mit frei erfundenen Informationen:

Erstelle aus den folgenden Notizen ein sachliches Besprechungsprotokoll für ein Büroteam. Verwende ausschließlich die angegebenen Informationen. Trenne Ergebnisse, Aufgaben und offene Fragen. Stelle Aufgaben in einer Tabelle mit Zuständigkeit und Termin dar. Falls eine Zuständigkeit oder ein Termin fehlt, schreibe „offen“. Ergänze keine vermeintlichen Beschlüsse.

Solche Vorlagen lassen sich im Unternehmen sammeln und gemeinsam verbessern. Sie schaffen einheitliche Ergebnisse und erleichtern neuen Nutzern den Einstieg. Trotzdem ist ein Prompt keine Sicherheitsgarantie. Die Aufforderung „Behandle diese Daten vertraulich“ ersetzt weder einen geeigneten Anbieter noch Verträge, Einstellungen oder eine betriebliche Datenfreigabe.

Zeitgewinn messen, statt Einsparungen versprechen

Das Potenzial liegt häufig in vielen kleinen Erleichterungen. Ein einzelner Entwurf spart vielleicht nur wenige Minuten. Wird dieselbe Aufgabe oft wiederholt, kann daraus eine relevante Entlastung entstehen.

Die folgenden Werte sind frei gewählte Modellannahmen, keine gemessenen Ergebnisse oder allgemeinen Leistungsversprechen. Die Bearbeitungszeit mit KI enthält jeweils die Vorbereitung, Eingabe, fachliche Prüfung und Korrektur bis zu einem vergleichbar brauchbaren Ergebnis.

Eine weitere Modellrechnung: Sparen 20 Mitarbeitende an 220 Arbeitstagen durchschnittlich jeweils zehn Minuten, werden rechnerisch rund 733 Arbeitsstunden pro Jahr frei. Bei einem angenommenen internen Stundensatz von 40 Euro entspricht das einer verfügbaren Arbeitskapazität im Wert von rund 29.333 Euro.

Dem stehen Kosten gegenüber. Bei ebenfalls angenommenen 30 Euro je Nutzer und Monat wären das 7.200 Euro für Zugänge. Vier Stunden Erstschulung je Mitarbeiter ergeben bei demselben Stundensatz 3.200 Euro; weitere 16 Stunden für Einrichtung und erste Standards entsprechen 640 Euro. Der rechnerische Vergleichswert im ersten Jahr liegt dann bei rund 18.293 Euro. Die angenommenen 30 Euro sind ausdrücklich kein Preisangebot für ein bestimmtes Produkt. Laufende Betreuung, spätere Schulungen und weitere Projektkosten sind gegebenenfalls zusätzlich anzusetzen.

Diese Rechnung beschreibt ein Potenzial. Freie Arbeitszeit wird erst zu einer finanziellen Einsparung, wenn sich tatsächlich Ausgaben vermeiden lassen, etwa Überstunden oder externe Leistungen. Häufig besteht der erste Nutzen in schnellerer Bearbeitung, weniger Rückständen oder mehr Zeit für Kunden und Prozessverbesserung.

Für eine belastbare Bewertung sollten Unternehmen den gesamten Ablauf vor und nach dem Einsatz vergleichen: Wie lange dauert er? Wie häufig treten Fehler auf? Wie viel Nacharbeit entsteht? Wird das Werkzeug tatsächlich genutzt? Bei manchen Aufgaben kann der Prüfaufwand den Zeitgewinn auch vollständig aufheben.

Schulung ist ein Teil der Einführung

Mitarbeitende sollten den sinnvollen Umgang mit KI nicht nebenbei selbst herausfinden müssen. Eine allgemeine Präsentation mit einigen beeindruckenden Beispielen ist dafür zu wenig. Gute Schulungen arbeiten mit realistischen, zur Nutzung freigegebenen Aufgaben aus dem jeweiligen Bereich.

Zum Grundwissen gehören die Möglichkeiten und Grenzen des Werkzeugs, der Umgang mit Unternehmensdaten, das Formulieren verständlicher Aufgaben und die Prüfung von Ergebnissen. Teilnehmende sollten üben, erfundene Angaben zu erkennen, Informationen an Originalquellen zu kontrollieren und fehlende Daten ausdrücklich als offen zu behandeln.

Sinnvoll ist eine Kombination aus gemeinsamer Grundlagenschulung und Übungen für die jeweilige Funktion. Die Auftragsabwicklung benötigt andere Beispiele als Einkauf, Personalabteilung oder Logistikplanung. Führungskräfte müssen außerdem verstehen, wie sie Nutzen bewerten, Verantwortung zuordnen und angemessene Prüfungen organisieren.

Zum Abschluss sollte jeder Nutzer eine Aufgabe selbst bearbeiten können: geeignete Daten auswählen, einen Arbeitsauftrag formulieren und das Ergebnis fachlich kontrollieren. Ein interner Ansprechpartner, gemeinsame Vorlagen und regelmäßige kurze Auffrischungen helfen anschließend im Alltag. Dafür müssen Arbeitszeit und Unterstützung eingeplant werden.

Auch die europäische KI-Verordnung adressiert KI-Kompetenz. Nach den Erläuterungen der Europäischen Kommission sollen entsprechende Maßnahmen zum Wissen der Beteiligten sowie zum Kontext und Risiko der Nutzung passen. Für die Umsetzung empfiehlt sich eine nachvollziehbare Dokumentation der Schulungen und weiteren Unterstützungsangebote. ^[1]

Die Lizenz schafft Zugang. Schulung und klare Arbeitsabläufe schaffen die Voraussetzung für einen verlässlichen Nutzen.

Geeignete KI auswählen und Standards schaffen

Wenn jeder Mitarbeiter eigene Werkzeuge, private Zugänge und unterschiedliche Erweiterungen verwendet, verliert das Unternehmen den Überblick: Welche Daten werden wohin übertragen? Welche Bedingungen gelten? Wer hilft bei Problemen? Welche Ergebnisse sind nachvollziehbar?

Deshalb sollte die Auswahl zentral und gemeinsam mit den Fachbereichen erfolgen. Ein geeignetes Werkzeug muss zu den Aufgaben, Schutzanforderungen und vorhandenen Systemen passen. Eine beeindruckende Demonstration allein reicht als Entscheidungsgrundlage nicht aus.

Für die Auswahl empfehle ich einen einfachen Kriterienkatalog:

Ein kostenpflichtiger privater Zugang ist nicht automatisch eine geeignete Unternehmenslösung. Entscheidend sind die konkreten Bedingungen, Schutzmaßnahmen und Verwaltungsmöglichkeiten.

Ein gemeinsames Grundwerkzeug kann für viele Büroaufgaben ausreichen. Zusätzliche Spezialwerkzeuge sollten bei begründetem Bedarf geprüft und freigegeben werden. Standards sollen passende Lösungen ermöglichen und gleichzeitig einen unkontrollierten Einsatz verhindern.

Eine übersichtliche Liste sollte festhalten, welche Werkzeuge und Funktionen zugelassen sind, für welche Aufgaben sie verwendet werden dürfen, welche Datenfreigabe gilt und wer verantwortlich ist. Erweiterungen und Verbindungen zu anderen Anwendungen gehören ebenfalls in diese Prüfung. Datenschutzfunktionen unterscheiden sich je nach Produkt, Tarif und Konfiguration; die konkrete Lösung muss bewertet werden. ^[2]

Datenqualität beginnt im täglichen Prozess

Für vernetzte KI-Projekte liegt aus meiner Sicht eine der größten Hürden in der Datenbasis. Informationen fehlen, werden verspätet erfasst oder liegen verteilt in E-Mails, Excel-Dateien und verschiedenen Systemen. Bezeichnungen und Kennzahlen sind nicht überall einheitlich. Manche Abläufe funktionieren vor allem durch das Wissen einzelner Mitarbeiter.

Das wird besonders sichtbar, wenn KI Zusammenhänge zwischen Systemen auswerten soll. Ein guter Prompt kann einen fehlenden Wareneingang, eine unterlassene Bestandsbuchung oder eine falsche Mengeneinheit nicht zuverlässig ersetzen.

Ein Beispiel aus der Logistik: Soll eine Anwendung Lieferengpässe erkennen, benötigt sie unter anderem verwertbare Informationen über Bedarfe, Bestände und bestätigte Liefertermine. Werden Materialbewegungen nicht zeitnah gebucht, fehlen Lieferbestätigungen oder unterscheiden sich Artikelnummern zwischen Systemen, kann selbst eine überzeugend formulierte Auswertung auf einer falschen Grundlage beruhen.

Deshalb gehört zur Vorbereitung ein klarer Blick auf sechs Fragen: Sind die benötigten Daten vollständig, richtig, aktuell, einheitlich, eindeutig zuordenbar und mit den passenden Berechtigungen zugänglich?

Für einen ausgewählten Anwendungsfall sollten Unternehmen Datenquellen und Verantwortliche festlegen, gemeinsame Begriffe definieren und Fehler an ihrer Entstehungsstelle beheben. Wer einen Vorgang bearbeitet, muss wissen, welche Informationen wann zu erfassen sind. Datenqualität entsteht im Prozess und benötigt Verantwortung in den Fachbereichen.

KI kann bei der Suche nach Dubletten, widersprüchlichen Angaben oder auffälligen Mustern unterstützen. Korrekturen müssen jedoch fachlich abgesichert werden. Fehlende Fakten dürfen nicht durch plausible Erfindungen aufgefüllt werden.

Das gesamte Unternehmen muss für einen ersten, begrenzten Anwendungsfall nicht perfekt aufgeräumt sein. Die benötigte Datenbasis muss dafür ausreichend belastbar sein. Erfahrungen aus diesem Einstieg können anschließend auf weitere Bereiche übertragen werden.

Unternehmensdaten schützen: erst auswählen, dann eingeben

Eine Eingabe in einen KI-Dienst ist nicht automatisch eine öffentliche Veröffentlichung. Bei einem externen Dienst werden die Inhalte jedoch an einen Anbieter übermittelt. Die entscheidende Frage lautet deshalb: Darf dieser Anbieter diese Informationen für diesen Zweck und unter diesen Bedingungen verarbeiten?

Dabei geht es sowohl um personenbezogene Daten als auch um Geschäftsgeheimnisse und vertragliche Vertraulichkeit. Eine Kalkulation, eine unveröffentlichte Konstruktion oder eine vertrauliche Lieferantenvereinbarung kann schutzbedürftig sein, obwohl kein Name darin vorkommt.

Für den normalen Büroalltag empfehle ich eine verständliche Datenampel. Sie ist eine betriebliche Orientierung und muss an die tatsächlichen Schutzanforderungen angepasst werden:

Die Beispiele sind keine automatische Einstufung. Auch öffentlich auffindbare personenbezogene Daten sind nicht für jede Verarbeitung frei verfügbar. Mehrere scheinbar harmlose Informationen können zusammen einen vertraulichen Sachverhalt offenlegen. Bei Unsicherheit sollte ein klar benannter Ansprechpartner entscheiden.

Für Firmenzugänge sind unter anderem die Vertragsbedingungen, gegebenenfalls erforderliche Auftragsverarbeitungsvereinbarungen, Rechtsgrundlagen, Speicher- und Löschregeln, Unterauftragnehmer und mögliche Drittstaatenübermittlungen zu prüfen. Datenschutz, IT-Sicherheit und die zuständigen Fachbereiche gehören frühzeitig an einen Tisch. ^[2]

Bei ChatGPT Business und Enterprise verwendet OpenAI Geschäftsdaten nach eigener Dokumentation standardmäßig nicht zum Modelltraining. Auch API-Daten werden standardmäßig nicht dafür verwendet, sofern keine entsprechende Freigabe erfolgt. Trotzdem können Daten verarbeitet und je nach Funktion gespeichert werden. „Kein Modelltraining“ bedeutet weder „keine Speicherung“ noch eine automatische Freigabe für sämtliche Unternehmensdaten. ^[3][4]

Zum praktischen Schutz gehören firmenseitig verwaltete Einzelzugänge, passende Berechtigungen und eine Mehrfaktor-Authentifizierung, soweit verfügbar. Verbindungen zu Postfächern, Laufwerken oder anderen Anwendungen sollten auf das Erforderliche begrenzt werden. Je nach Schutzbedarf können technische Prüfungen problematische Uploads erkennen oder blockieren. Solche Maßnahmen ergänzen Schulung und Regeln.

Namen entfernen reicht häufig nicht aus

Viele Aufgaben lassen sich bereits lösen, wenn nur ein Ausschnitt, eine allgemeine Struktur oder ein frei erfundenes Beispiel verwendet wird. Für eine Excel-Formel benötigt die KI beispielsweise häufig die Spaltenstruktur und einige Beispielzeilen; die echte Kundenliste ist dafür entbehrlich.

Wenn Originaldaten vorbereitet werden, müssen auch indirekte Hinweise betrachtet werden: eindeutige Projektbezeichnungen, genaue Zeitpunkte, Funktionen, kleine Personengruppen oder Kombinationen mehrerer Merkmale. Das Ersetzen eines Namens durch „Mitarbeiter A“ ist häufig lediglich eine Pseudonymisierung. Eine echte Anonymisierung geht weiter: Entscheidend ist, ob eine Person unter Berücksichtigung der vernünftigerweise einsetzbaren Mittel noch identifiziert werden kann. Die konkrete Bewertung muss den Inhalt und den Verarbeitungskontext berücksichtigen. ^[5]

Auch nach dem Entfernen von Personenbezügen können geschäftliche Informationen vertraulich bleiben. Ein anonymisierter Preisvergleich kann weiterhin eine geheime Verhandlungsstrategie enthalten.

Vor einer Weitergabe sollten zudem Kommentare, Änderungsverläufe, ausgeblendete Tabellen, weitere Arbeitsblätter, Dokumenteigenschaften und eingebettete Inhalte geprüft werden. Bei PDFs muss eine Schwärzung den betreffenden Inhalt tatsächlich entfernen; ein darübergelegtes schwarzes Rechteck kann unzureichend sein.

Lokale Werkzeuge zur Datenbereinigung können bei der Vorbereitung unterstützen. Mit anoCK verfolge ich dafür einen praktischen Ansatz: Texte lokal aufbereiten und sensible Angaben bewusst ersetzen. Wie bei jedem solchen Werkzeug muss die exportierte Datei kontrolliert werden. Automatische Erkennung kann Hinweise übersehen; eine Datenschutzfreigabe ergibt sich daraus nicht von selbst. Die unbereinigte Originaldatei zunächst in einen externen KI-Dienst hochzuladen, um sie dort anonymisieren zu lassen, verhindert die ursprüngliche Datenübermittlung nicht.

Ein KI-Knigge für den Arbeitsalltag

Eine Richtlinie wird im Alltag wirksam, wenn Mitarbeitende sie verstehen und anwenden können. Aus meiner Sicht gehören zehn einfache Grundregeln in einen betrieblichen KI-Knigge:

1. Ich nutze freigegebene Werkzeuge und Firmenzugänge. Zusätzliche Anwendungen, Erweiterungen und Systemverbindungen werden vorher geprüft.
2. Ich kläre die Datenfreigabe vor der Eingabe. Für unklare Fälle gibt es einen bekannten Ansprechpartner.
3. Ich verwende nur die erforderlichen Informationen. Wenn Beispieldaten oder ein Textausschnitt ausreichen, beschränke ich mich darauf.
4. Ich beschreibe die Aufgabe und die Grenzen. Fehlende Fakten sollen als offen gekennzeichnet werden.
5. Ich prüfe das Ergebnis entsprechend seinem Risiko. Zahlen, Quellen, Termine, Zusagen und Fachangaben kontrolliere ich an verlässlichen Grundlagen.
6. Ich bleibe verantwortlich. Ein KI-Entwurf ersetzt meine fachliche Prüfung und die notwendigen Freigaben nicht.
7. Ich mache den KI-Einsatz nachvollziehbar, wo es erforderlich ist. Gesetzliche, vertragliche und interne Transparenzregeln werden eingehalten.
8. Ich wahre Rechte und einen respektvollen Umgang. Personenbezogene Bewertungen, fremde Inhalte und mögliche Benachteiligungen erfordern besondere Sorgfalt.
9. Ich melde Fehler und versehentliche Datenweitergaben unverzüglich. Dafür nutze ich den festgelegten Meldeweg.
10. Ich teile geeignete Erfahrungen und halte mein Wissen aktuell. Bewährte Vorlagen und neue Funktionen werden gemeinsam bewertet.

Ergänzend sollte die Richtlinie Zuständigkeiten, Freigabeverfahren und die Ablage wichtiger Ergebnisse festlegen. Fachliche Arbeitsergebnisse gehören in die dafür vorgesehenen Unternehmenssysteme; ein Chatverlauf allein ist kein belastbares Dokumentenmanagement.

Für die Entwicklung empfehle ich, zunächst typische Aufgaben und Fehlerfälle zu sammeln, die Regeln gemeinsam mit Fachbereichen, IT und Datenschutz zu formulieren und sie mit einem kleinen Team zu erproben. Eine Beschäftigtenvertretung ist einzubeziehen, soweit dies erforderlich ist. Die Fassung braucht einen Verantwortlichen, einen Versionsstand und einen Termin zur Überprüfung.

Rechte und rechtliche Grenzen berücksichtigen

Zur verantwortlichen Nutzung gehört auch der Umgang mit fremden Texten, Bildern, Software und anderen geschützten Inhalten. Ein KI-Ergebnis ist nicht automatisch frei von Rechten Dritter. Vor einer Veröffentlichung ist zu prüfen, ob es geschützte Inhalte wiedergibt oder diesen unzulässig ähnelt. Eine bloße Quellenangabe ersetzt keine erforderliche Nutzungserlaubnis. ^[8]

Datenschutz und Informationssicherheit sind ebenfalls nur ein Teil der Bewertung. Je nach Einsatz können zusätzlich Vorgaben zu Geschäftsgeheimnissen, Beschäftigtenrechten, Mitbestimmung, branchenspezifischen Anforderungen und der europäischen KI-Verordnung relevant sein. Insbesondere Anwendungen für Bewerberauswahl, Mitarbeiterbewertungen oder sicherheitskritische Vorgänge benötigen eine gesonderte rechtliche und fachliche Bewertung.

Meine Empfehlungen sind eine allgemeine Orientierung. Ein KI-Knigge, eine Schulung oder ein bestimmter Zugang bescheinigen keine vollständige Rechtskonformität eines Unternehmens. Welche Anforderungen konkret gelten, hängt von Anwendung, Daten, Beteiligten und tatsächlicher Umsetzung ab.

Risiken kennen und angemessen beherrschen

KI kann Antworten erzeugen, die überzeugend klingen und trotzdem falsch sind. Solche „Halluzinationen“ können erfundene Quellen, falsche Aussagen oder unzutreffende Zusammenfassungen enthalten. Ein sprachlich sauberer Text ist deshalb kein Beleg für fachliche Richtigkeit. ^[6]

Die Prüfung sollte zur möglichen Folge eines Fehlers passen. Bei einem unverbindlichen Formulierungsvorschlag genügt oft eine sachkundige Durchsicht. Bei Rechtsfragen, verbindlichen Kundenzusagen, Personalentscheidungen oder sicherheitsrelevanten Anweisungen braucht es die zuständige fachliche Prüfung und gegebenenfalls zusätzliche Freigaben.

Weitere Risiken entstehen durch veraltete Informationen, fehlenden betrieblichen Zusammenhang oder ungeprüfte Annahmen. Auch eine Rechnung sollte mit einem verlässlichen Rechenweg geprüft werden. Quellenangaben sind aufzurufen und darauf zu kontrollieren, ob sie die Aussage tatsächlich belegen.

Vernetzte Anwendungen benötigen zusätzliche Aufmerksamkeit: In E-Mails, Dokumenten oder Webseiten können manipulierte Anweisungen enthalten sein, die eine KI zu unerwünschten Handlungen verleiten sollen. Dieses Angriffsmuster wird als „Prompt Injection“ bezeichnet. Forschungsarbeiten zeigen, dass solche Angriffe bei integrierten Anwendungen unter anderem Datenabfluss und unerwünschte Systemaktionen ermöglichen können. ^[7]

Für den Betrieb empfehle ich deshalb begrenzte Zugriffsrechte, klar definierte erlaubte Aktionen und eine gesonderte Freigabe folgenreicher Vorgänge. Fremde Dokumentinhalte dürfen keine Berechtigung erteilen. Ein verdächtiger Inhalt, eine unerwartete Ausgabe oder ein möglicher Datenabfluss braucht einen einfachen, bekannten Meldeweg.

Von der Bürohilfe zu verbundenen Unternehmenssystemen

Wer heute nur einzelne Texte bearbeitet, kann trotzdem bereits die Grundlage für zukünftige Integrationen schaffen. Entscheidend sind dokumentierte Prozesse, belastbare Daten, eindeutige Zuständigkeiten und kontrollierbare Schnittstellen.

Ich empfehle, die Entwicklung in drei überschaubaren Stufen zu betrachten:

Stufe 1: Mitarbeitende bei einzelnen Aufgaben unterstützen. Die KI erhält bewusst ausgewählte Informationen und erstellt Entwürfe oder Auswertungen. Menschen prüfen die Ergebnisse und übernehmen sie in den Arbeitsablauf.

Stufe 2: Freigegebenes Unternehmenswissen zugänglich machen. Eine Anwendung kann passende Inhalte aus aktuellen Arbeitsanweisungen, Handbüchern oder Prozessbeschreibungen suchen und für eine Antwort bereitstellen. Ein Ansatz dafür heißt RAG: Relevante Quellen werden für die jeweilige Anfrage herangezogen. Das ist keine automatische Schulung des Grundmodells mit sämtlichen Unternehmensdokumenten. Quellenqualität und fachliche Prüfung bleiben erforderlich. ^[6]

Stufe 3: Daten aus mehreren Systemen für einen konkreten Prozess verbinden. Beispielsweise könnten Bedarfe aus dem ERP-System, Bestände aus dem Lager und Lieferbestätigungen zusammengeführt werden, um Abweichungen sichtbar zu machen. Daraus kann die KI einen Statusentwurf oder einen Vorschlag für die weitere Bearbeitung vorbereiten.

Für jede Stufe muss klar sein, welches System für einen Datenbestand maßgeblich ist, wie aktuell die Informationen sind und wer darauf zugreifen darf. Vorhandene Berechtigungen müssen auch beim Abruf, bei der Zusammenfassung und in der Ausgabe gelten. Eine KI-Suche darf keinen Zugang zu Informationen schaffen, die ein Mitarbeiter sonst nicht sehen dürfte.

Eine freigegebene Wissenssuche benötigt außerdem aktuelle Dokumentversionen, nachvollziehbare Quellen und ein geregeltes Löschen überholter Inhalte. Bei externer Verarbeitung ist zu prüfen, welche gefundenen Inhalte tatsächlich an welchen Dienst übertragen werden.

Für spätere Integrationen empfehle ich zunächst lesende Zugriffe und Vorschläge. Buchungen, Bestellungen, Zahlungen oder verbindliche Nachrichten können anschließend gesondert bewertet werden. Kontrollierte Schreibzugriffe benötigen klar festgelegte Grenzen, Tests, Freigaben und einen Plan für Störungen.

Nicht jeder Arbeitsschritt braucht ein Sprachmodell. Für eindeutige Berechnungen und feste Regeln kann eine klassische Automatisierung geeigneter sein. Die Auswahl sollte sich am Prozessproblem und am messbaren Nutzen orientieren.

Ein pragmatischer Weg für die ersten 90 Tage

Ein begrenzter Einstieg kann helfen, Erfahrungen zu sammeln, bevor umfangreiche Investitionen beschlossen werden. Die folgenden Zeiträume sind eine mögliche Orientierung:

Tage 1 bis 30: Zwei oder drei geeignete Aufgaben auswählen, die Ausgangszeiten erfassen, Schutzanforderungen klären und ein Werkzeug prüfen. Verantwortliche benennen, Datenampel und erste Nutzungsregeln festlegen. Das Pilotteam vor der produktiven Nutzung schulen.

Tage 31 bis 60: Die ausgewählten Aufgaben im Alltag erproben. Vorbereitung, Prüfung und Nacharbeit mitmessen. Fehler und Unsicherheiten gemeinsam auswerten, Vorlagen verbessern und erreichbare Unterstützung anbieten.

Tage 61 bis 90: Nutzen und Kosten bewerten. Erfolgreiche Abläufe dokumentieren, die Regeln überarbeiten und weitere Nutzer gezielt schulen. Erst danach über zusätzliche Anwendungen oder Systemverbindungen entscheiden.

Die Freigabe zur Ausweitung sollte an konkrete Kriterien gebunden sein: Sind Ergebnisse ausreichend zuverlässig? Ist der Datenumgang geklärt? Können Mitarbeitende das Verfahren sicher anwenden? Entsteht ein nachvollziehbarer Nutzen? Für größere Integrationen kommen Anforderungen an Betrieb, Tests und Ausfallverfahren hinzu.

Mitarbeitende beteiligen und Veränderungen offen ansprechen

KI verändert Aufgaben und kann damit auch Rollen und Personalbedarf beeinflussen. Eine pauschale Garantie, dass jeder Arbeitsplatz unverändert bleibt, wäre ebenso wenig belastbar wie die Behauptung, KI werde Menschen überall ersetzen.

Für einen verantwortlichen Einstieg sollten Unternehmen offen erläutern, welche Aufgaben unterstützt werden sollen und wofür frei werdende Zeit genutzt werden kann. Mitarbeitende kennen die wiederkehrenden Fleißarbeiten, die Ausnahmen und die tatsächlichen Probleme ihres Bereichs. Dieses Wissen ist für eine passende Einführung entscheidend.

Zur Beteiligung gehören praktische Schulungen, Zeit zum Üben und die Möglichkeit, Zweifel oder Fehler anzusprechen. Dabei möchte ich auch diejenigen einbeziehen, die KI nicht selbst bedienen: Ihr Fachwissen und ihr Blick auf die Abläufe bleiben wertvoll. Wer eine falsche KI-Antwort erkennt, leistet einen Beitrag zur Qualität. Gute Ideen für den Einsatz sollten ebenso sichtbar werden wie Grenzen und ungeeignete Aufgaben.

Aus meiner Sicht wächst der Mehrwert von KI dort, wo Erfahrung, Fachwissen und neue Werkzeuge sinnvoll zusammenkommen. Das Unternehmen braucht dafür eine klare Richtung: Welche Arbeit soll einfacher werden? Welche Qualität erwarten wir? Welche Daten müssen geschützt bleiben? Und wie befähigen wir unsere Mitarbeitenden, die Möglichkeiten verantwortungsvoll zu nutzen?

Mein Anspruch ist ein KI-Einsatz, der im Alltag hilft: mit geschulten Menschen, ausgewählten Werkzeugen, klaren Standards und verlässlichen Daten. So werden erste Verbesserungen möglich und die Voraussetzungen für spätere, integrierte Projekte Schritt für Schritt geschaffen.

Carsten Kleer