KI ist Individualsoftware wie vor 20 Jahren, und wir machen dieselben Fehler wieder
Anfang der 2000er-Jahre wollten viele Unternehmen ihre Abläufe endlich digitalisieren. Die Erwartungen waren hoch, die Vorstellungen vom Aufwand eher bescheiden. Ein paar Eingabemasken, eine Datenbank, ein Export ins Buchhaltungsprogramm, wie schwierig konnte das sein? Viele dieser Projekte wurden teurer als geplant, manche wurden nie fertig. Weil die Technik noch nicht so weit war oder die Programmierer versagten? Nein. Weil die eigentliche Arbeit an ganz anderen Stellen lag.
Heute erleben wir mit KI ein Déjà-vu. Und weil wir bei swissbrain seit über dreissig Jahren Individualsoftware entwickeln, erkennen wir die Muster wieder. Vier Lehren von damals gelten heute genauso. Eine Sache ist allerdings wirklich neu.
Lehre 1: Was in der Demo einfach aussieht, ist im Alltag schwierig
Vor 20 Jahren reichte ein Prototyp mit drei Masken, um ein Projekt zu verkaufen. Dass die echte Lösung mit Sonderfällen, Fehlerbehandlung, Berechtigungen und hunderten realen Datensätzen klarkommen musste, zeigte sich erst später.
Heute ist es dasselbe, nur schneller. Jeder hat ChatGPT, Claude oder eine andere KI ausprobiert und gesehen, wie mühelos es eine E-Mail zusammenfasst, Marketingtexte schreibt, teil automatisiert oder eine kleine App baut. Daraus entsteht leicht die Annahme, eine KI-Lösung fürs eigene Unternehmen sei ebenso schnell gebaut und entsprechend günstig. Ein beeindruckender Prototyp entsteht heute tatsächlich in wenigen Tagen. Manchmal in Stunden. Eine Lösung, die im Geschäftsalltag zuverlässig läuft, braucht ein Vielfaches davon. Die Demo zeigt, was möglich ist, nicht was es kostet.
Lehre 2: Zuerst der Prozess, dann die Technik
Damals wurden oft bestehende Papierabläufe einfach digitalisiert, mitsamt allen Umwegen. Das Ergebnis war ein umständlicher Prozess, nur jetzt am Bildschirm.
Bei KI droht derselbe Fehler. Wer fragt «Wo können wir KI einsetzen?», beginnt bei der Technik. Die bessere Frage lautet: «Welcher Ablauf kostet uns heute am meisten Zeit, Geld oder Nerven?» Manchmal ist KI die Antwort. Oft reicht eine klassische Automatisierung, die günstiger und zuverlässiger ist. Und manchmal muss man zuerst den Ablauf selbst vereinfachen.
Lehre 3: Daten und Schnittstellen entscheiden über das Projekt
Viele Softwareprojekte von damals scheiterten nicht an der neuen Anwendung, sondern daran, dass sie mit den bestehenden Systemen nicht sprechen konnte. Kundendaten lagen in drei verschiedenen Programmen. Jedes mit eigener Logik und eigener Technologie (geschlossene Technologie).
Daran hat sich nichts geändert. Eine KI ist nur so gut wie die Informationen, auf die sie zugreifen kann. Wenn ERP, CRM und Branchenlösung nicht miteinander verbunden sind, liegt dort die eigentliche Arbeit, und nicht beim KI-Modell. Die gute Nachricht: Ihre bestehende Software muss deshalb meist nicht ersetzt werden. Sie muss richtig angebunden werden.
Lehre 4: Mit der Einführung beginnt die Arbeit erst
Damals unterschätzten viele Unternehmen, dass Software gepflegt werden muss: Updates, Anpassungen an neue Abläufe, Betreuung der Anwender und die Dokumentation. Wer das nicht einplante, hatte nach wenigen Jahren eine Lösung, die niemand mehr gern benutzte.
Bei KI gilt das noch stärker, und damit kommen wir zum Punkt, der wirklich neu ist.
Was diesmal anders ist
Klassische Software verhält sich immer gleich. Gleiche Eingabe, gleiches Ergebnis. Rechnet sie falsch, ist das ein Fehler, den man findet und behebt.
KI arbeitet mit Wahrscheinlichkeiten. Ein Beispiel, vereinfacht dargestellt: Ihre Kunden bestellen per E-Mail, in eigenen Worten, mal mit Artikelnummer, mal ohne. Eine KI liest diese Mails und erfasst die Bestellungen im ERP. Das klappt vielleicht in 96 von 100 Fällen hervorragend. In den übrigen vier liegt sie daneben, und niemand weiss im Voraus, welche Fälle das sein werden. Das ist kein Programmierfehler, sondern eine Eigenschaft der Technologie.
Dazu kommt: Die Logik steckt nicht mehr nur im eigenen Code, sondern teilweise in einem Modell, das ein externer Anbieter bereitstellt und weiterentwickelt. Eine Lösung, die heute zuverlässig läuft, kann sich nach einem Modellwechsel anders verhalten, ohne dass jemand etwas daran geändert hat.
Für Ihr Unternehmen heisst das ganz praktisch: Vor dem Projekt muss geklärt sein, welche Fehlerquote akzeptabel ist. Wo Fehler teuer werden, gehört ein Kontrollschritt in den Ablauf, etwa eine Freigabe durch einen Mitarbeitenden. Und im Betrieb braucht die Lösung eine laufende Überwachung ihrer Qualität, nicht nur technische Updates.
Fünf Fragen, bevor Sie in ein KI-Projekt investieren
1. Welcher Ablauf soll besser werden, und was kostet er heute? Beginnen Sie beim Problem, nicht bei der Technologie.
2. Folgt die Aufgabe klaren Regeln, oder geht es um Sprache, Dokumente und unstrukturierte Informationen? Bei klaren Regeln ist klassische Automatisierung oft die bessere Wahl.
3. Sind die nötigen Daten zugänglich und die Systeme verbunden? Wenn nicht, liegt dort die erste Aufgabe.
4. Was kostet ein Fehler, und wie hoch darf die Fehlerquote sein? Lassen Sie die Lösung mit Ihren echten Daten testen, bevor Sie gross investieren.
5. Wer überwacht die Lösung im Betrieb? Fragen Sie Ihren Anbieter, was passiert, wenn sich das zugrunde liegende Modell ändert.
Fazit
KI ist zu einem grossen Teil Individualsoftware, und die Lehren aus zwanzig Jahren Digitalisierung gelten weiterhin. Wer Prozesse versteht, Systeme verbinden kann und Software verantwortungsvoll betreibt, bringt die wichtigsten Voraussetzungen mit. Neu ist, dass die Software nicht mehr immer gleich antwortet. Wer diesen Unterschied ernst nimmt, kann KI dort einsetzen, wo sie sich lohnt, und bewusst darauf verzichten, wo sie es nich tut.
