KI zur Steigerung der Produktivität in Unternehmen: Wie lässt sich ihr Einsatz skalieren?

Wenn jedes Teammitglied durch einen KI-Assistenten 20 Minuten pro Tag einspart, gewinnt das Unternehmen dann 20 Minuten pro Tag multipliziert mit der Anzahl der Teammitglieder? Die Rechnung erscheint einleuchtend, doch die Panorama Vibe Coding Brasil-Studie von Skyone weist auf ein grundlegendes Problem hin: Zwar besteht Interesse an der Entwicklung mit KI, doch die Umsetzung lässt zu wünschen übrig. Von den 1.982 Befragten gaben 52,7 % (1.044) fehlendes technisches Wissen als größte Hürde an. Unter denjenigen, die zwar die Entwicklung eines Projekts erwogen, aber nie umgesetzt haben (394 Personen), steigt dieser Anteil sogar auf 66,8 % – ein Unterschied von 14,1 Prozentpunkten.
KI 14 Min. Lesezeit Von: Skyone

Wenn jedes Teammitglied durch einen KI-Assistenten 20 Minuten pro Tag einspart, gewinnt das Unternehmen dann 20 Minuten pro Tag multipliziert mit der Anzahl der Teammitglieder? Die Rechnung erscheint einleuchtend, doch die Panorama Vibe Coding Brasil-Studie von Skyone in Zusammenarbeit mit der Nachrichtenagenturweist auf ein grundlegendes Problem hin: Zwar besteht Interesse an der Entwicklung mit KI, doch die Umsetzung lässt zu wünschen übrig. Von den 1.982 Befragten 52,7 % (1.044) fehlendes technisches Wissen als größtes Hindernis an. Unter denjenigen, die zwar die Entwicklung eines Projekts erwogen, es aber nie umgesetzt haben (394 Personen), steigt dieser Anteil sogar auf 66,8 %– ein Unterschied von 14,1 Prozentpunkten.

Die Investitionstätigkeit bleibt derweil hoch: Über 80 % der befragten Unternehmen planen, ihr Budget für KI und Automatisierung im kommenden Jahr zu erhöhen, und 22 % setzen KI oder LLMs bereits in ihren Entwicklungszyklen ein. Dieser Artikel geht von einem Punkt aus, an dem das Unternehmen die spontane Einführung erkannt und Regeln sowie Transparenz definiert hat. Nun stellt sich die Frage, wie individuelle Experimente in operative Fähigkeiten umgewandelt werden können. Dazu werden Beispiele aus verschiedenen Bereichen, ein Pilotfahrplan und Messkriterien vorgestellt. Die Daten stammen aus einer Umfrage mit unserer eigenen Stichprobe, die die befragte Gruppe und nicht alle brasilianischen Unternehmen repräsentiert.

Worin besteht der Unterschied zwischen individuellem Gewinn und Unternehmensergebnissen?

Der individuelle Nutzen bezieht sich auf die Zeitersparnis oder Qualitätsverbesserung, die eine Person durch die Ausführung ihrer Aufgaben mit KI erzielt. Der organisatorische Nutzen bezieht sich auf die messbare Veränderung eines Unternehmensprozesses: Durchlaufzeit, Kosten pro Lieferung, Nacharbeitsquote, Qualität oder Servicekapazität.

Die beiden Vorgehensweisen können voneinander abweichen. Jemand mag Berichte schneller verfassen, dennoch kann die Bearbeitung, Genehmigung und Einreichung des Berichts genauso lange dauern. Die in einem Schritt eingesparte Zeit wird in den anderen Schritten wieder aufgehoben oder durch neue Anforderungen aufgebraucht.

Das Panorama verdeutlicht eine ähnliche Diskrepanz: die Kluft zwischen Nutzung und Entwicklung. Einerseits 45,3 % der 2.440 befragten Fachkräfte LLMs als erste Suchoption. Andererseits geben selbst unter den fortgeschrittensten Profilen der Stichprobe („strukturiertes Umfeld“) 47,9 % fehlendes technisches Wissen als Haupthindernis an. Der Einsatz von KI ist eine individuelle Fähigkeit; die Entwicklung von Systemen, Automatisierungen und Routinen erfordert Methode, Wissen und verantwortungsbewusste Personen.

Warum haben gute Einzellösungen nicht zu Prozessverbesserungen geführt?

Es gibt fünf wiederkehrende Gründe. Die Qualität hängt von der jeweiligen Aufgabe ab, die die Person an diesem Tag verfasst. Es gibt kein einheitliches Kriterium für eine gute Antwort. Die KI-Ausgabe führt nicht automatisch zum nächsten Prozessschritt. Das Wissen darüber verbleibt bei demjenigen, der den Trick entdeckt hat. Und niemand vergleicht den Zustand vor und nach der Bearbeitung.

Dieser letzte Punkt verdient Beachtung, da die wahrgenommene und die gemessene Produktivität voneinander abweichen können. Ohne vor dem Pilotprojekt erfasste Ausgangswerte verfügt das Unternehmen lediglich über subjektive Einschätzungen, und diese sind tendenziell zu optimistisch. Dies ist eine redaktionelle Empfehlung, kein Forschungsergebnis.

Wie können wir wiederkehrende Aktivitäten identifizieren, die von KI profitieren?

Gute Kandidaten weisen typischerweise fünf Merkmale auf: Sie treten häufig auf, haben einen erkennbaren Start- und Endzeitpunkt, basieren auf Informationen, auf die das Team zugreifen kann, verfügen über überprüfbare Qualitätskriterien und akzeptieren das Risiko, dass bei der Überprüfung ein Fehler entdeckt wird. Zusammenfassungen von Besprechungen, frühe Dokumententwürfe, standardisierte Analysen und Antworten auf häufig gestellte Fragen sind gute Beispiele.

Ungeeignete Kandidaten weisen das gegenteilige Profil auf: Sie treten selten auf, basieren auf unstrukturierten Quelldaten, lassen kein klares Muster „guter Ergebnisse“ erkennen oder beinhalten weitreichende Entscheidungen ohne Überprüfungsmöglichkeit. Ein kurzer Workshop mit jedem Team, in dem die zehn zeitaufwändigsten Aufgaben aufgelistet und anhand dieser fünf Kriterien bewertet werden, liefert bereits eine Prioritätenliste.

Worin besteht der Unterschied zwischen Modellen, Assistenten, Fähigkeiten und Automatisierungen?

In Gesprächen werden Begriffe oft verwechselt, Klarheit hilft jedoch bei der Entscheidung, was gebaut werden soll.

Ein Modell ist die Sprachmaschine, die Antworten generiert, und verschiedene Modelle eignen sich besser für unterschiedliche Aufgaben. Ein qualifizierter Assistent ist eine Konfiguration dieser Maschine mit Anweisungen und Kontext für eine Funktion, beispielsweise zur Prüfung von Handelsverträgen oder zur Vorbereitung von Vertriebsgesprächen. Eine Fähigkeit ist eine wiederverwendbare Funktion, die die konsistente Ausführung einer wiederkehrenden Aufgabe ermöglicht. KI-Automatisierung ist eine Routine, die nach einem Zeitplan oder durch einen Auslöser ausgeführt wird, ohne dass eine Person die Kommunikation initiieren muss. Konnektoren verbinden die KI mit den Tools und Informationsquellen des Unternehmens. Es gibt auch Vibe Coding, ein Begriff für die Erstellung von Software und Automatisierungen durch Beschreibung der gewünschten Funktionen in natürlicher Sprache, wobei die KI den Code generiert.

Der große Reifesprung liegt im Übergang vom einfachen Chat zu einem kontextbezogenen Assistenten und von dort zu einer automatisierten Routine. Je weiter diese Entwicklung fortschreitet, desto größer ist die Konsistenz, desto geringer der manuelle Aufwand und desto wichtiger werden Verantwortlichkeit und Qualitätskriterien.

Diese Konzepte werden in Skyone Astro übersichtlich dargestellt . Experten fungieren als Assistenten, die auf den jeweiligen Arbeitsbereich zugeschnitten sind. Fähigkeiten helfen bei der konsistenten Ausführung wiederkehrender Aufgaben. Geplante Automatisierungen laufen selbstständig ab, ohne dass eine Person die Konversation initiieren muss. Die Umgebung bietet Zugriff auf zahlreiche Vorlagen mit konfigurierbarem Routing, sodass für jede Aufgabe die am besten geeignete Vorlage verwendet wird. Skyone nennt als Anwendungsbeispiele die Überprüfung von Kommunikationen, die Synthese von Materialien, die Vorbereitung von Analysen für Meetings und die Erstellung von ersten Dokumentversionen. Wichtig ist, dass die Anzahl der verfügbaren Vorlagen nicht deren Qualität widerspiegelt: Der richtige Test besteht darin, vergleichbare Aufgaben auszuführen und die Ergebnisse zu vergleichen.

Für diejenigen, die über die reine Nutzung hinausgehen und Lösungen entwickeln möchten, stellt die Übersicht Studio Creator vor, das eine „Corporate Coding-Atmosphäre“ bietet: Business-Teams beschreiben ihre Anforderungen in natürlicher Sprache und erhalten sofort testbare Lösungen mit Prototypen, die bereits mit Skyone Studio verbunden und von Anfang an gesteuert werden.

Wie können wir Werkzeuge und Informationen vernetzen, um manuelle Aufgaben zu reduzieren?

Ein Beispiel: Ein wöchentlicher Bericht, der aktuell das Exportieren von Daten aus dem CRM, das Einfügen in eine Tabellenkalkulation, das Verfassen einer Zusammenfassung und das Senden an den Vorgesetzten erfordert. Dank der Anbindung an die Datenquellen und eines festgelegten Ablaufs kann KI die Daten abrufen, einen Entwurf erstellen und diesen zur Überprüfung bereitstellen. Die menschliche Arbeit verlagert sich vom Zusammentragen zum Prüfen und Entscheiden. Je mehr Verbindungen bestehen, desto wichtiger wird die Zugriffskontrolle – ein Thema, das im Artikel „ KI-Governance in Unternehmen: Wie sie in der Praxis umgesetzt wird“ ausführlich.

In Astro wird diese Verbindung über Konnektoren, individuelle OAuth-Authentifizierung und dedizierte MCP-Server hergestellt, sodass das Team mit den bereits verwendeten Tools arbeiten kann. In Kombination mit geplanter Automatisierung wandelt die Verbindung den Beispielbericht in eine Routine um, die zur Überprüfung bereitsteht, und der Administrator behält die Kontrolle über Berechtigungen und Verbindungen. Um Systeme zu integrieren und Datensilos abzubauen, stellt die Übersicht Skyone Studiomit iPaaS und Lakehouse vor.

Wer ist für die Ergebnisse verantwortlich und wie werden die Qualitätskriterien definiert?

Jeder Anwendungsfall benötigt einen Verantwortlichen: die Person, die festlegt, was in den Prozess einfließt, die Ergebnisse überwacht und Anpassungen vornimmt, wenn die Qualität nachlässt. Ohne einen Verantwortlichen veraltet die Automatisierung, ohne dass es jemand merkt.

Qualitätskriterien sollten vor dem Pilotprojekt und nicht erst danach festgelegt werden, um eine Anpassung des Standards an das Endergebnis zu vermeiden. Typischerweise umfassen diese Kriterien die inhaltliche Richtigkeit, Vollständigkeit, Einhaltung des erwarteten Tons und Formats, die Einhaltung von Fristen und die Nachbearbeitungsquote. Eine in festgelegten Abständen von einem Spezialisten geprüfte Stichprobe gewährleistet die Qualitätskontrolle, ohne dass eine komplette Überarbeitung erforderlich ist.

Welche praktischen Beispiele gibt es in den verschiedenen Bereichen?

Die folgenden Beispiele dienen der Veranschaulichung und stellen keine realen Kunden dar. In allen Fällen erfolgt vor der endgültigen Auslieferung eine manuelle Überprüfung.

Marketing. Eine in den Markenrichtlinien geschulte Assistenzkraft erstellt Textvarianten für verschiedene Kanäle und fasst wöchentlich die Kampagnenperformance anhand von Berichten zusammen. Die Fachkraft prüft die Markenkonformität und die Schlussfolgerungen.

Vertrieb. Vor einem Meeting gehört es zum Standard, die Kundenhistorie im CRM-System, die neuesten Kontakte und vorgeschlagene Tagesordnungspunkte zusammenzutragen. Der Vertriebsmitarbeiter prüft und ergänzt diese Informationen, anstatt alles von Grund auf neu zu erstellen.

Personalwesen. Standardisierung der internen Kommunikation, Stellenbeschreibungen und Zusammenfassungen offener Antworten aus Mitarbeiterbefragungen. Personalentscheidungen, wie Einstellung oder Kündigung, erfordern besondere Sorgfalt: Das brasilianische Datenschutzgesetz (LGPD) garantiert Betroffenen das Recht, eine Überprüfung von Entscheidungen zu verlangen, die ausschließlich auf der automatisierten Verarbeitung personenbezogener Daten beruhen.

Finanzbereich. Entwurf von Kommentaren zu Budgetabweichungen auf Basis der Periodendaten und Überprüfung der Lieferantenverträge, um Klauseln hervorzuheben, die Aufmerksamkeit erfordern. Berechnungen und Werte müssen von der für den Jahresabschluss verantwortlichen Person geprüft werden.

Kundenservice. Dem Mitarbeiter werden Antwortvorschläge und eine Zusammenfassung der Kundenhistorie zur Verfügung gestellt, anhand derer er die zu versendenden Informationen festlegt. Die Messung der Bearbeitungszeit und des Nachbearbeitungsaufwands vor und nach der Optimierung zeigt, ob sich der Ablauf tatsächlich verbessert hat.

Technologie. Dokumentation, Vorfallszusammenfassungen und Unterstützung bei Code-Reviews. Gerade in diesem Bereich ist es besonders wertvoll, die Auswirkungen im jeweiligen Kontext zu messen, anstatt von Vorteilen auszugehen. Die Übersicht zeigt, dass 52,1 % der Technologieentwickler bereits Automatisierungen implementieren und 49,5 % interne Integrationen erstellen. Damit ist der Technologiebereich ein idealer Partner für ein strukturiertes Pilotprojekt.

Wie startet man ein Pilotprojekt und misst die erzielten Erfolge?

Ein gut konzipiertes Pilotprogramm umfasst fünf Schritte. Erstens: Wählen Sie eine reale Routine mit einer definierten Gruppe und einer verantwortlichen Person. Zweitens: Vereinbaren Sie im Vorfeld Qualitätskriterien, Kontrollmechanismen und eine manuelle Überprüfung. Drittens: Führen Sie das Programm mit autorisierten Daten durch und überwachen Sie Nutzung und Ergebnisse. Viertens: Vergleichen Sie die Ergebnisse vor und nach der Umsetzung der gewählten Routine. Hierfür ist es notwendig, vor Beginn die Ausgangswerte zu erfassen. Fünftens: Skalieren Sie das Programm teamweise, basierend auf den gewonnenen Erkenntnissen und nicht nur auf anfänglicher Begeisterung.

Die Kennzahlen sollten den Prozess widerspiegeln: Zykluszeit, Stunden pro Lieferung, Nacharbeitsquote, stichprobenartig bewertete Qualität, Zufriedenheit der Empfänger und Kosten pro Aufgabe, einschließlich des KI-Einsatzes. Die Anzahl der Zugriffe allein zeigt zwar die Nutzung an, beweist aber nicht den Wert. Wenn möglich, ist der Vergleich einer Gruppe mit KI-Einsatz mit einer Gruppe ohne KI-Einsatz die zuverlässigste Methode, den Effekt zu isolieren. Es ist außerdem wichtig zu bedenken, dass Zeitersparnis nicht automatisch zu finanziellem Gewinn führt: Es kommt darauf an, wie das Team diese Zeit nutzt.

Die Kosten pro Aufgabe hängen von der Visualisierung des Verbrauchs ab. In Astro werden sie in brasilianischen Reais (Rana) dargestellt, mit Limits pro Nutzer und Warnmeldungen. So können die Finanzabteilung und der Pilotenmanager die Investition mit der beobachteten Veränderung des Arbeitsablaufs vergleichen. Skyone selbst empfiehlt dieses Bewertungsmodell: eine reale Aufgabe, vorab vereinbarte Kriterien, synthetische oder autorisierte Daten und die vom Unternehmensausschuss als unerlässlich erachteten Kontrollen, wie z. B. Prüfung, Schutz, Verbrauch und Verbindungen.

Da mangelndes technisches Wissen das am häufigsten genannte Hindernis in diesem Bereich darstellt, bietet das Pilotprogramm auch eine Schulungsmöglichkeit. Builders by Skyone bietet Führungskräften und Praktikern Weiterbildungen an, darunter Bootcamps im „Build-a-Bot“-Modell, das Skyone Accelerate-Programm und reale Anwendungsfälle, die auf der Plattform selbst basieren.

Wo ist eine menschliche Überprüfung unerlässlich?

Bei Entscheidungen, die Menschen betreffen, bei der externen Kommunikation, bei Zahlen, die in Bilanzen und Verträgen landen, und bei jedem Ergebnis, bei dem ein Fehler kostspielig oder schwer rückgängig zu machen ist, bewahrt die Gestaltung des Prozesses, bei dem KI die menschliche Urteilsfähigkeit ergänzt und nicht ersetzt, auch das Wissen der Teams über ihre eigene Arbeit.

Warum sollte man KI auf der Grundlage von Erkenntnissen ausbauen?

Denn Begeisterung lässt sich günstiger erzeugen als Ergebnisse. Das Bild zeigt eine Diskrepanz: In über 80 % der befragten Unternehmen wird mit steigenden Budgets für KI und Automatisierung gerechnet, doch das Interesse an der Entwicklung schlägt sich nicht in der Umsetzung nieder, hauptsächlich aufgrund fehlenden technischen Know-hows (52,7 % der Gesamtbefragung und 66,8 % derjenigen, die die Entwicklung zwar erwogen, aber nie umgesetzt haben). Investitionen, die die vorhandenen Kapazitäten übersteigen, führen häufig zu Pilotprojekten, die nie realisiert werden.

Evidenzbasierte Expansion funktioniert wie ein Trichter: Jedes Team steigt ein, sobald der vorherige Anwendungsfall eine nachweisliche Verbesserung der Abläufe gezeigt hat, mit einer definierten verantwortlichen Person, Kriterien und Kontrollmechanismen. Anfangs verläuft sie langsamer, später jedoch deutlich effektiver.

Fazit: Vom individuellen Werkzeug zur Unternehmensfähigkeit

Der Weg von der individuellen Nutzung zu Geschäftsergebnissen umfasst die Auswahl wiederkehrender Abläufe, die Zuweisung von Verantwortlichkeiten und Kriterien, die Verknüpfung der notwendigen Informationen, die Durchführung von Pilotprojekten mit Vorher-Nachher-Messungen und die Skalierung erst bei Vorliegen nachweisbarer Ergebnisse. Menschliche Überprüfung bleibt dort erforderlich, wo Fehler kostspielig sind.

Unternehmensplattformen können diesen Prozess teilweise beschleunigen. Skyone Astrobeispielsweise vereint in einer einzigen Umgebung spezialisierte Assistenten (Experten), Fähigkeiten für wiederkehrende Aufgaben, geplante Automatisierungen, Anbindungen an die bereits vom Team genutzten Tools, Zugriff auf mehrere Modelle mit konfigurierbarem Routing sowie Kostenkontrolle in Reais (brasilianischer Währung) mit nutzerspezifischen Limits und Benachrichtigungen. Die Plattform ersetzt jedoch weder die menschliche Überprüfung bei kritischen Entscheidungen noch die Qualität der Quelldaten und funktioniert am besten, wenn bereits ein konkreter Anwendungsfall existiert und eine verantwortliche Person für die Umsetzung benannt ist.

Möchten Sie die Arbeitsabläufe Ihres Teams in der Praxis anhand definierter Kriterien testen? Entdecken Sie Skyone Astro und die Inhalte von Skyone zum Thema KI- Einführung und -Governance

Häufig gestellte Fragen

Was versteht man unter Automatisierung mit künstlicher Intelligenz?

Es handelt sich um den Einsatz von KI zur Ausführung von Routineabläufen, ohne dass jeder Ablauf manuell gestartet werden muss, beispielsweise die Erstellung eines wöchentlichen Berichts aus verknüpften Daten. Im Gegensatz zu einem einmaligen Gespräch verfügt sie über Auslöser oder Zeitpläne, definierte Datenquellen und idealerweise eine menschliche Überprüfung.

Worin besteht der Unterschied zwischen der Nutzung von KI und dem Einsatz von KI in den Unternehmensprozessen?

Der Einsatz von KI bedeutet, sie fallweise zur Lösung einer spezifischen Aufgabe heranzuziehen. Die Integration von KI in Prozesse hingegen bedeutet, sie in einen Arbeitsablauf mit einer benannten verantwortlichen Person, Qualitätskriterien, Anbindungen an Datenquellen und Leistungskennzahlen einzubinden. Ersteres führt zu individuellen Vorteilen; Letzteres kann die Leistung des gesamten Prozesses verändern.

Wie lässt sich Produktivität mithilfe von KI messen?

Erfassen Sie die Ausgangswerte vor dem Pilotprojekt und vergleichen Sie anschließend die Prozesskennzahlen: Durchlaufzeit, Stunden pro Lieferung, Nacharbeit, Qualität pro Probe und Kosten pro Aufgabe. Vergleichen Sie die Ergebnisse nach Möglichkeit mit einer Gruppe, die keine KI einsetzt. Die Anzahl der Zugriffe allein ist kein Wertmaß.

Wo soll man ein KI-Pilotprojekt starten?

Durch eine regelmäßig durchgeführte und praxisnahe Routine mit einer kleinen Gruppe, einer verantwortlichen Person und vorab festgelegten Qualitätskriterien. Verwenden Sie autorisierte Daten, definieren Sie die Phase der manuellen Überprüfung und vergleichen Sie die Ergebnisse vor und nach der Implementierung, bevor Sie über eine Ausweitung entscheiden.

Kann KI selbstständig kritische Entscheidungen treffen?

Es wird nicht empfohlen. Entscheidungen, die Personen, Finanzen oder rechtliche Verpflichtungen betreffen, sollten einer menschlichen Überprüfung unterliegen. Im Falle personenbezogener Daten sieht das brasilianische Datenschutzgesetz (LGPD) das Recht vor, eine Überprüfung von Entscheidungen zu beantragen, die ausschließlich auf automatisierter Verarbeitung beruhen.

Skyone
Verfasst von Skyone

Beginnen Sie mit der Transformation Ihres Unternehmens

Testen Sie die Plattform oder vereinbaren Sie ein Gespräch mit unseren Experten, um zu erfahren, wie Skyone Ihre digitale Strategie beschleunigen kann.

Abonnieren Sie unseren Newsletter

Bleiben Sie mit den Inhalten von Skyone auf dem Laufenden

Sprechen Sie mit dem Vertrieb

Haben Sie eine Frage? Sprechen Sie mit einem Spezialisten und lassen Sie sich alle Ihre Fragen zur Plattform beantworten.