Welche Aufgaben sollten KMU wirklich an KI abgeben?

Transparenzhinweis: Dieser Beitrag wurde automatisiert mithilfe generativer KI auf Grundlage eines Podcast-Transkripts erstellt.

Viele KMU stehen gerade vor derselben praktischen Frage: Nicht mehr ob KI nützlich ist, sondern welche Arbeit sie konkret übernehmen sollte.

Genau hier wird es spannend. Denn die größte Hürde ist oft nicht mehr die reine Fähigkeit der Modelle. Die Hürde ist Kontext. Eine KI kann vieles grundsätzlich leisten – aber sie scheitert im Alltag oft daran, dass sie nicht weiß, wie Ihr Unternehmen arbeitet, welche Ausnahmen gelten, welche Systeme beteiligt sind und woran ein gutes Ergebnis intern überhaupt erkannt wird.

Neue Funktionen wie das Beobachten von Arbeitsabläufen oder das gezielte Vormachen einzelner Aufgaben verschieben deshalb die Debatte. Statt nur zu prompten, kann man KI zunehmend zeigen, wie Arbeit tatsächlich erledigt wird.

Die Kernidee in drei Sätzen

Die entscheidende Managementfrage lautet nicht: „Wo können wir KI einsetzen?“ Sondern: „Welche Aufgaben sind so beschaffen, dass KI sie zuverlässig in unserem Namen ausführen kann?“

Dafür braucht es kein Innovations-Theater, sondern ein nüchternes Prüfschema. Gute Kandidaten sind Aufgaben, die häufig vorkommen, Zeit kosten, leicht vorzeigbar sind, schnell geprüft werden können und nicht zwingend von einer bestimmten Person selbst erledigt werden müssen.

Warum der Engpass jetzt „Kontext“ heißt

Im Podcast wird ein wichtiger Punkt gemacht: Der Flaschenhals verschiebt sich von Modellfähigkeit zu Kontextzugang.

Das ist für KMU hochrelevant. Denn in vielen Unternehmen ist nicht das Denken der KI das Problem, sondern das Umfeld:

• Die Aufgabe läuft über drei Tools und ein altes Portal.
• Der Ablauf ist nie sauber dokumentiert.
• Es gibt Sonderfälle, die nur „Frau Müller aus dem Innendienst“ kennt.
• Das Ergebnis ist nur dann gut, wenn es dem internen Stil oder der Kundenerwartung entspricht.

Wenn neue KI-Systeme Arbeitsabläufe beobachten oder per Demonstration lernen, sinkt die Einstiegshürde. Aber das bedeutet nicht, dass nun jede Aufgabe automatisierbar ist. Es bedeutet nur: Mehr Aufgaben werden testbar.

Die fünf Fragen, die über sinnvolle KI-Deputisierung entscheiden

Statt mit Tools zu starten, sollten KMU mit Aufgaben starten. Ein pragmatisches Raster dafür besteht aus fünf Fragen.

1. Wie oft kommt die Aufgabe vor – und wie viel Zeit kostet sie?

Eine Aufgabe, die zweimal im Jahr fünf Minuten dauert, ist kein sinnvoller Pilot. Eine Aufgabe, die jede Woche mehrere Stunden bindet, schon eher.

Was heißt das praktisch?
Suchen Sie zuerst nach wiederkehrenden Routinen: Angebotsvorbereitung, CRM-Pflege, Meeting-Vorbereitung, Statusberichte, Lead-Vorqualifizierung, Content-Wiederverwertung oder Reporting.

2. Ist die Aufgabe lehrbar?

Wenn Sie den Ablauf in zehn Minuten per Bildschirmfreigabe zeigen könnten, ist das ein gutes Zeichen. Wenn Sie Monate brauchen, um die Logik zu erklären, eher nicht.

Was heißt das praktisch?
Viele KMU-Prozesse sind nicht gut dokumentiert, aber gut vormachbar. Genau dort können neue KI-Ansätze interessant werden.

3. Ist das Ergebnis leicht prüfbar?

Wenn das Kontrollieren fast so lange dauert wie das Selbermachen, ist wenig gewonnen.

Was heißt das praktisch?
Gute Kandidaten sind Aufgaben mit klaren Prüfkriterien: vollständig, formal korrekt, im richtigen Format, an der richtigen Stelle abgelegt, mit plausiblen Daten.

4. Wie hoch sind die Folgen eines Fehlers?

Je teurer, heikler oder irreversibler ein Fehler ist, desto vorsichtiger sollte man sein.

Was heißt das praktisch?
Niedriges Risiko: interne Zusammenfassungen, Entwürfe, Vorstrukturierung.
Höheres Risiko: Vertragsinhalte, regulatorische Aussagen, sensible Kundendaten, Freigaben mit Außenwirkung.

5. Muss wirklich genau diese Person die Aufgabe erledigen?

Manche Arbeit ist austauschbar, andere lebt von Beziehung, Erfahrung, Fingerspitzengefühl oder Autorität.

Was heißt das praktisch?
Wenn es egal ist, wer die Aufgabe erledigt, solange das Ergebnis stimmt, ist das ein starkes Signal für KI-Unterstützung.

Drei Kategorien für die Praxis

Aus diesen Fragen ergibt sich eine einfache Dreiteilung.

Deputisieren

Das sind Aufgaben, die häufig, lehrbar, prüfbar und risikoarm sind. Hier lohnt sich ein echter Pilot.

Beispiele:

• Inbox-Vorsortierung
• Standard-Reportings
• CRM-Nachpflege
• Termin- und Reisevorbereitung
• Content-Umformate

Im Duett bearbeiten

Hier arbeitet KI zu, aber der Mensch bleibt eng eingebunden.

Beispiele:

• Angebotsentwürfe
• Kundenrecherche
• Meeting-Briefings
• interne Analysen
• erste Textfassungen

Das ist aktuell für viele KMU der realistischste Bereich.

Verteidigen

Diese Aufgaben sollten bewusst beim Menschen bleiben.

Beispiele:

• heikle Personalgespräche
• finale Vertragsfreigaben
• sensible Eskalationen
• Beziehungsarbeit mit Schlüsselkunden
• Entscheidungen mit hoher Haftungs- oder Reputationswirkung

Die eigentliche Stolperfalle: Nicht das Tool, sondern der Prozess

Viele Unternehmen scheitern nicht an der KI, sondern an unklaren Abläufen. Wenn ein Prozess voller Ausnahmen ist, niemand die Qualitätskriterien benennen kann und drei Personen ihn jeweils anders machen, wird auch ein gutes KI-System nicht plötzlich Ordnung schaffen.

[Annahme] In vielen KMU ist deshalb der erste Hebel nicht die Automatisierung selbst, sondern die Prozessklärung vor der Automatisierung.

Eine passende Metapher

Man kann sich KI hier wie einen neuen stellvertretenden Mitarbeiter vorstellen, der extrem schnell lernt, aber keine stillschweigenden Annahmen kennt. Wenn Ihr Prozess nur deshalb funktioniert, weil „alle schon wissen, wie man das hier macht“, dann ist KI wie jemand, den man in eine Küche stellt, in der zwar gekocht wird, aber auf keinem Gewürz ein Etikett klebt.

Wie ich als KI-Berater dabei konkret helfen kann

Ich würde das Thema für KMU nicht als großes Transformationsprogramm aufziehen, sondern in kleinen, belastbaren Schritten.

1. Deputization-Audit für reale Teamaufgaben

Wir erfassen wiederkehrende Prozesse, bewerten sie nach Lehrbarkeit, Prüfaufwand, Risiko und Zeitverbrauch und priorisieren die besten Pilotkandidaten.

2. Pilotdesign für 1–3 konkrete Routinen

Wir wählen Aufgaben mit niedrigem Risiko und hohem Zeithebel, definieren Erfolgskriterien und bauen eine saubere Human-in-the-Loop-Logik auf.

3. Governance light für den Mittelstand

Wir klären pragmatisch, welche Daten in welchen Tools verarbeitet werden dürfen, wo Freigaben nötig sind und welche Aufgaben bewusst nicht an KI gehen.

Der sinnvollste erste Schritt

Nicht mit „KI für alles“ starten. Sondern mit einer Liste von zehn wiederkehrenden Aufgaben aus einem Team.

Dann pro Aufgabe fünf Fragen beantworten:

• häufig?
• zeitintensiv?
• lehrbar?
• prüfbar?
• risikoarm?

Danach ist meist sehr schnell sichtbar, wo ein Pilot Sinn ergibt – und wo nicht.

Wer KI im Mittelstand wirksam einführen will, braucht weniger Buzzwords und mehr Aufgabenhygiene. Genau dort entsteht der echte ROI.

---

Quelle: The AI Daily Brief, Folge „How to Decide What Work AI Should Do for You: The AI Deputization Audit“, Host: Nathaniel Whittemore, veröffentlicht am 2026-08-14. Die Zusammenfassung, Einordnung und KMU-Ableitungen sind eine eigenständige KI-gestützte Bearbeitung und keine offizielle Veröffentlichung des Podcasts.