„Wir müssen was mit KI machen.”

„Wir müssen was mit KI machen.”

Dieser Satz klingt nach Aufbruch. Nach Strategie. Nach einem Unternehmen, das die Zeichen der Zeit erkannt hat.

In Wahrheit ist er das Gegenteil.

Er ist ein Symptom. Nicht von Innovationskraft, sondern von Angst. Die Angst, etwas zu verpassen, was alle anderen angeblich schon haben. FOMO — Fear of Missing Out — getarnt als Unternehmensstrategie.

Ein OKR ohne Ziel

Vor ein paar Wochen sitze ich bei einem KI-Meetup in Wien. Neben mir Pauline, Produktmanagerin bei einem B2B-SaaS-Startup. Kleine Nische, spezialisiertes Produkt. Ihre Geschäftsführer haben ihr ein OKR gegeben:

KI im Unternehmen einführen.

Ich frage: Für welches Problem?

Sie zuckt die Schultern. Kein konkretes Problem. Keine Kundennachfrage — die Kunden in dieser Nische erwarten das nicht mal. Es geht rein um interne Prozesse. Aber welche genau? Unklar.

Auf Nachfrage stellt sich heraus: Die Geschäftsführer wissen es selbst nicht. Sie wissen nur, dass „alle KI machen” und dass sie nicht die Letzten sein wollen.

Eine Lösung, die ein Problem sucht.

Und das Verrückte daran: Das ist kein Einzelfall. Auf demselben Meetup erzählt mir jemand von einer Firma, die komplett im Microsoft-Ökosystem arbeitet. Alle Mitarbeiter haben Copilot bekommen. Einfach so. Ohne Einschulung, ohne Kontext, ohne ein einziges definiertes Ziel.

Und jetzt sitzt da dieses mächtige System auf jedem Arbeitsplatz. Und keiner weiß, was er damit tun soll.

Die falsche Frage

Das Problem ist nicht, dass Unternehmen KI einsetzen wollen. Das Problem ist die Frage, mit der sie starten.

Wo können wir KI einsetzen?

Die Frage klingt vernünftig. Ist sie aber nicht. Denn die Antwort ist theoretisch: überall. Und genau deshalb führt sie in die Irre. Was dabei herauskommt, sind Use-Case-Listen. Lange Dokumente voller Möglichkeiten, die sich alle irgendwie plausibel anhören, aber keinen einzigen Business Case enthalten.

Kein Wort darüber, was davon tatsächlich Geld spart, Zeit freisetzt oder Qualität verbessert.

Das ist der Unterschied, den die meisten übersehen:

Nicht: Wo können wir KI einsetzen?

Sondern: Welche Entscheidungen oder Prozesse kosten uns heute am meisten Geld, Zeit oder Qualität — und welche davon lassen sich mit Daten und Modellen besser lösen?

Die erste Frage erzeugt Use-Case-Listen.

Die zweite erzeugt Business Cases.

Mein eigenes Shiny-New-Object Wochenende

Ich bin nicht immun dagegen. Niemand, der tief in diesem Bereich arbeitet, ist das.

Vor etwa achtzehn Monaten hatte ich ein funktionierendes System. Einzelne Prompts für mein Content Operating System — also das System, mit dem ich Inhalte von der Idee bis zur Veröffentlichung durchschleuse. Die Prompts funktionierten. Ich war schnell damit.

Aber ich wollte mehr. Ich wollte automatisieren. Nicht mehr manuell zwischen verschiedenen Chat-Fenstern hin- und herkopieren, sondern alles in einem Fluss: Webrecherche für Podcast-Gäste, Textaufgaben hintereinander abarbeiten, Ergebnisse zusammenführen.

Also stürzte ich mich in CrewAI — ein Framework, das damals State of the Art war für KI-Agenten (Programme, die mehrere Sprachmodelle orchestrieren und eigenständig Aufgaben abarbeiten). Ein ganzes Wochenende Programmieren. Setup, Konfiguration, Debugging. Und am Ende?

Nicht weitergekommen.

Nicht, weil die Idee falsch war. Sondern weil das Verhältnis nicht stimmte. Ein komplexes “Zaumzeug”— ein sogenanntes Harness, also die technische Rahmenstruktur, die KI-Agenten orchestriert und mit Werkzeugen verbindet — das ich erst erlernen musste. Erst dann konnte ich überhaupt anfangen, mein eigentliches Problem zu lösen. Die Anfangshürde war riesig. Und mein Prozess war zu dem Zeitpunkt noch gar nicht stabil genug, um ihn sinnvoll zu automatisieren.

Wenn du zu früh automatisierst, automatisierst du deine eigene Unklarheit.

Was mich umdenken ließ, war ein Blogartikel von Anthropic — „Building Effective Agents”. Der Kerngedanke: Die erfolgreichsten Implementierungen nutzen keine komplexen Frameworks. Sie nutzen einfache, zusammensetzbare Muster. Erst das einfachste mögliche System bauen. Komplexität nur hinzufügen, wenn es nachweislich bessere Ergebnisse liefert.

Das hat einen Shift in meinem Denken ausgelöst. Ich habe CrewAI zur Seite gelegt und angefangen, mein eigenes System zu bauen. Schritt für Schritt. Agent für Agent. Immer nah am konkreten Problem.

Was die Zahlen sagen

Dass die Mehrheit noch in dieser FOMO-Phase steckt, ist keine Vermutung. Die Accenture/Industriellenvereinigung-Studie „Digitale Dividende 2025/26” zeigt es schwarz auf weiß — erhoben bei siebzig österreichischen Unternehmen:

77 Prozent nutzen Generative KI zumindest teilweise. Aber nur 17 Prozent flächendeckend.

Die Lücke dazwischen ist kein technisches Problem. Es ist ein strategisches.

24 Prozent berichten von einem negativen Return on Investment. Nicht, weil die Technologie nicht funktioniert. Sondern weil die Implementierung planlos war. Gleichzeitig sparen jene, die es richtig machen, durchschnittlich 1,25 Stunden pro Arbeitstag ein.

Und dann die Zahl, die alles zusammenfasst: Fast 65 Prozent der befragten Unternehmen stehen noch auf der niedrigsten Digitalisierungsstufe. Nur rund 6 Prozent sind sogenannte „digitale Champions”. Aber — und das ist die entscheidende Erkenntnis — Unternehmensgröße und Branche spielen dabei keine Rolle. Jedes Unternehmen kann Champion werden.

Der Unterschied: Champions starten mit dem Problem, nicht mit dem Tool.

Der Kippmoment

Was ich bei Pauline, bei der Copilot-Firma und bei mir selbst sehe, ist dasselbe Muster.

Es ist nicht das Tool, das den Unterschied macht. Es ist die Frage, die man vorher stellt.

Eine Mitarbeiterin aus der “Copilot-Firma” hat das verstanden. Sie geht bald in Babypause und hat eine eigene Initiative gestartet: Sie klont ihr Fachwissen. Nicht, weil sie ersetzbar sein will — sondern weil sie tagtäglich von Kollegen unterbrochen wird. Wo finde ich das? Was sollen wir dem Kunden anbieten? Wie war das nochmal mit dem Prozess?

Statt Standard Operating Procedures zu schreiben, die niemand liest, baut sie einen internen Chatbot, der mit ihrem Wissen trainiert ist. Das ist kein FOMO-Projekt. Das ist ein Problem — ständige Unterbrechungen, Wissensverlust bei Abwesenheit — und eine Lösung, die genau auf dieses Problem zugeschnitten ist.

Das ist der Unterschied.

Was ich heute anders mache

Mein CrewAI-Experiment war nicht umsonst. Es war die Grundlage für alles, was danach kam. Denn als Claude Code Skills erschienen — im Grunde kleine, spezialisierte Skripte, die man mit KI-Hilfe erstellt und die ohne tiefe Programmierkenntnisse lesbar und anpassbar sind — konnte ich meine Erfahrung sofort übersetzen. Das geht mittlweile auch in Claude Cowork in der Desktop App.

Was damals Stunden im Setup und Debugging gekostet hat, funktioniert heute in einer Stunde. Nicht weil die Idee eine andere ist, sondern weil das Harness, das Zaumzeug — die technische Infrastruktur — jetzt zum Problem passt statt umgekehrt.

Und genau das ist die Logik, die ich in meiner Arbeit anwende. Ich baue mit Geschäftsführern, Beratern und Fachexperten keine KI-Projekte. Ich baue Content-Infrastruktur. Ein System, das ihr Fachwissen einfängt und nach außen trägt oder nach innen nutzbar macht — wiederholbar, dokumentiert, ohne dass sie selbst zum Content Creator werden müssen.

Die Frage ist nie: Welches KI-Tool sollen wir nutzen?

Die Frage ist: Welches Wissen steckt in deinem Kopf, das deine Zielgruppe braucht — und welches System trägt es nach draußen?

Wenn du jetzt selbst starten willst: In meinem kostenlosen Minikurs zeige ich dir, wie du deine erste Claude Code Skill baust — Schritt für Schritt, ohne Programmierkenntnisse.

→ Zum Newsletter & Skill-Kurs

Pauline hat übrigens ihr OKR erfüllt. Sie hat für das gesamte Team ein KI-Training organisiert. Nicht das, was ihre Geschäftsführer sich vorgestellt hatten. Aber das Einzige, was in dieser Situation Sinn ergab.

Denn bevor du ein Problem mit KI löst, musst du wissen, dass du eines hast.

Und bevor du weißt, dass du eines hast, musst du die richtige Frage stellen.

Nicht: Was können wir mit KI machen?

Sondern: Was kostet uns heute am meisten?

Alles andere ist FOMO.