Hier anfangen: fünf Schritte, der Reihe nach
Tun Sie diese fünf Dinge zuerst, eines nach dem anderen. Jedes verweist auf die vollständige Praktik und die Evidenz dahinter.
-
Benennen Sie eine verantwortliche Person für KI aus der Geschäftsleitung, mit einem zentralen Team. Machen Sie Risiko und Einhaltung von Vorschriften zu getrennten Rollen.
Tage, eine Person Benennen Sie eine verantwortliche Person für KI
-
Führen Sie ein Verzeichnis aller KI-Anwendungen im Unternehmen, auch der Werkzeuge, die Beschäftigte von sich aus nutzen. Führen Sie es gemeinsam mit Rechtsabteilung und Compliance, und prüfen Sie es vor jedem Kauf eines neuen KI-Werkzeugs.
Tage, eine Person Kennen Sie die Regeln, die für Ihren KI-Einsatz schon gelten
-
Planen Sie das Budget für Schulung, Neugestaltung und die Begleitung der Menschen durch die Veränderung zentral. Überlässt man es den Bereichen, gibt jeder zu wenig dafür aus.
Tage, eine Person Planen Sie Budget für Menschen und Prozesse ein, nicht nur für Werkzeuge
-
Wählen Sie einen Prozess, bei dem ein Pilotprojekt schon einen Gewinn bei einem Schritt gezeigt hat. Gestalten Sie ihn von Anfang bis Ende neu, unter einer verantwortlichen Person, die über die ganze Kette entscheiden kann.
Monate, mehrere Teams Gestalten Sie den Arbeitsablauf neu, statt nur ein Werkzeug hinzuzufügen
-
Bevor Sie eine KI-Anwendung breiter einführen, spielen Sie echte frühere Fälle auf drei Arten durch: Mensch allein, KI allein, Mensch mit KI. Vergleichen Sie zuerst die Qualität, dann die Zeit.
Wochen, einige Personen Testen Sie für jede Art von Aufgabe, ob ein Mensch mit KI besser ist als jeder allein
Dann: alle 27 Praktiken für diese Größe
So sieht es in einem Unternehmen wie Ihrem aus Procter & Gamble: Eine Person mit KI leistete so viel wie ein Zweierteam ohne
Was für diese Größe besonders ist
- Breite Nutzung, seltener Nutzen. In der weltweiten Umfrage von McKinsey 2025 nutzten 88 % der Organisationen KI in mindestens einem Geschäftsbereich. Rund 6 % führten 5 % oder mehr ihres operativen Gewinns auf KI zurück (Seite zur Studie). Umfragen, die alle Unternehmen abbilden sollen, finden weniger. In einer gemeinsam mit Zentralbanken durchgeführten Umfrage unter fast 6.000 Führungskräften in den USA, im Vereinigten Königreich, in Deutschland und Australien nutzten 69 % der Unternehmen KI. Etwa neun von zehn meldeten in den vergangenen drei Jahren keine Wirkung auf ihre eigene Beschäftigung oder Produktivität (Arbeitspapier). In der Umfrage des US Census Bureau erreichte die KI-Nutzung nur bei sehr großen Unternehmen in Information, freiberuflichen Dienstleistungen und Finanzen 50–60 % (Seite zur Studie).
- Die Neugestaltung trennt die beiden Gruppen. Diese Spitzenreiter hatten fast dreimal so häufig wie andere einzelne Arbeitsabläufe von Grund auf neu aufgebaut.
- Führung macht den Unterschied. Bei den Spitzenreitern sagten dreimal so viele, dass die oberste Führung sichtbar Verantwortung für KI übernimmt und sich dafür einsetzt.
- Zwei randomisierte Tests eines Büroassistenten. HMRC, die britische Steuerbehörde, gab 3.000 Lizenzen für Microsoft 365 Copilot an zufällig ausgewählte Beschäftigte. 83 % nutzten sie. Die Nutzenden gaben an, etwa 60 Minuten pro Woche zu sparen, nachdem HMRC die selbst angegebene Zahl um etwa 20 % gekürzt hatte, um Verzerrungen zu berücksichtigen (Fall HMRC). In 66 Unternehmen verbrachten 7.137 Beschäftigte, die per Zufall dasselbe Werkzeug erhielten, etwa zwei Stunden pro Woche weniger mit E-Mails, ohne dass sich Umfang oder Mischung ihrer Aufgaben änderten. Drei der vier Autoren arbeiteten für Microsoft (Seite zur Studie).
- Die Einstellung von Berufseinsteigern ist umstritten. In US-Lebenslaufdaten machten Unternehmen, die Stellen für Leute ausgeschrieben hatten, die generative KI in ihre Arbeit einbauen sollten, 3,7 % der Unternehmen aus, beschäftigten aber 16 % der Beschäftigten. Sechs Quartale nach dem Start lag ihre Beschäftigung von Berufseinsteigern etwa 9 % niedriger als bei anderen Unternehmen, und die der Erfahrenen hielt sich (Seite zur Studie). Der monatliche Tracker des Yale Budget Lab, aktualisiert im September 2026, findet keine klare Störung auf dem US-Arbeitsmarkt insgesamt (Yale Budget Lab). Siehe die Einstiegsaufgaben behalten, an denen Neue lernen.
- Das Risiko wächst mit der Größe. In derselben Umfrage hatten 51 % der Organisationen, die KI nutzen, mindestens eine negative Folge erlebt, am häufigsten fehlerhafte Ergebnisse.
Lesen Sie den Abschnitt des Leitfadens zu dieser Größe, mit den Zahlen und ihren Quellen.
Alle Praktiken für diese Größe
Dies ist die vollständige Liste, zu der Sie nach den fünf Schritten zurückkehren: 27 Praktiken, die zu Unternehmen mit 1.000+ Beschäftigte passen. Sie sind nach Phasen geordnet. In jeder Gruppe steht oben, was zuerst zu tun ist. Nach Thema, Zeitpunkt oder Evidenzstufe filtern.
Erkunden
Finden Sie heraus, wo Sie stehen und wo KI helfen könnte.
- Erfassen Sie die Aufgaben, bevor Sie entscheiden, was Sie automatisieren Zerlegen Sie Berufe in Aufgaben und betrachten Sie jede einzeln. Veröffentlichte Werte schätzen, wie viel eines Berufs KI übernehmen könnte, die „Exposition“. Behandeln Sie einen hohen Wert als Hinweis, wo Sie genauer hinsehen, nicht als Entscheidung zum Automatisieren. Zuerst · Aufwand: gering (Tage, eine Person)
- Verlangen Sie vor dem Kauf Belege von KI-Anbietern, und testen Sie mit Ihrem eigenen Material Glauben Sie der Genauigkeitszahl eines KI-Anbieters oder seinem Versprechen „voll konform“ nicht ungeprüft. Fragen Sie, wie und womit getestet wurde, machen Sie einen kleinen Test mit Ihrem eigenen Material und prüfen Sie die Bedingungen zu Ihren Daten und zum Ausstieg. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Kennen Sie die Regeln, die für Ihren KI-Einsatz schon gelten Die meisten Regeln, die Ihren KI-Einsatz binden, sind keine KI-Gesetze. Sie stehen für das, was Ihre KI sagt und tut, nach den Regeln zu Verbraucherschutz, Datenschutz, Werbung und Berufspflichten ein, die Sie schon einhalten. Listen Sie Ihre KI-Anwendungen auf und ordnen Sie jeder ihre Regeln zu. Zuerst · Aufwand: gering (Tage, eine Person)
- Behandeln Sie einen Reifegradwert nicht als Prognose Ein Wert für KI-Reifegrad oder KI-Bereitschaft beschreibt, wo Sie nach eigener Angabe stehen. Die Evidenz, dass ein höherer Wert zu besseren Ergebnissen führt, ist dünn und umstritten. Nutzen Sie ihn als Anstoß für ein Gespräch, nicht zur Vorhersage von Erträgen. Als Nächstes · Aufwand: gering (Tage, eine Person)
- Ermitteln Sie die KI-Bereitschaft aus mehreren Quellen, nicht aus der Einschätzung einer einzigen Führungskraft Ein Bereitschafts-Check, den eine einzige Person aus der Leitung ausfüllt, spiegelt deren Sicht. Fragen Sie auch Beschäftigte und Führungskräfte und vergleichen Sie die Antworten mit dem, was Sie beobachten können. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Messen Sie Bereitschaft und Widerstand getrennt Beschäftigte können KI gleichzeitig begrüßen und fürchten. Fragen Sie beides getrennt ab. Ein einzelner Wert für „Bereitschaft“ verdeckt die Sorgen. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
Einführen
Setzen Sie KI bei echten Aufgaben ein, und Menschen prüfen die Ergebnisse.
- Schützen Sie die psychologische Sicherheit während einer KI-Einführung KI-Projekte können dazu führen, dass Beschäftigte sich nicht mehr trauen, etwas anzusprechen, und ihr Wissen nicht mehr teilen. Sagen Sie früh, was KI für die Arbeitsplätze bedeutet, und beziehen Sie die Betroffenen ein. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Lassen Sie einen Menschen alles prüfen, was an Kunden geht oder rechtliches Gewicht hat Bevor ein KI-Ergebnis das Unternehmen verlässt oder einer Entscheidung zugrunde gelegt wird, prüft es eine benannte Person an echten Quellen und gibt es frei. Machen Sie die Prüfung zu einem Schritt im Prozess, mit eingeplanter Zeit. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Planen Sie Budget für Menschen und Prozesse ein, nicht nur für Werkzeuge Lizenzen sind der kleine Teil der Kosten. Planen Sie den Großteil von Zeit und Geld für Schulung, die Umgestaltung der Arbeit und die Begleitung der Menschen durch die Veränderung ein. Zuerst · Aufwand: gering (Tage, eine Person)
- Schulen Sie die Beschäftigten an den Werkzeugen, die Sie tatsächlich gewählt haben Zeigen Sie allen Nutzenden, was Ihr gewähltes KI-Werkzeug ist, wo es danebenliegt und was sie prüfen müssen. Nutzen Sie Ihre eigenen Aufgaben und Regeln, geben Sie Zeit zum Üben und beziehen Sie Aushilfen und Zeitarbeitskräfte ein. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Benennen Sie eine verantwortliche Person für KI Übertragen Sie einer namentlich benannten Person aus der Leitung die Verantwortung für KI: Prioritäten, Budget, Risiken und Ergebnisse. Geteilte Verantwortung heißt meist, dass niemand entscheidet. Zuerst · Aufwand: gering (Tage, eine Person)
- Legen Sie fest, welche Daten in welche KI-Werkzeuge dürfen Teilen Sie Ihre Daten in zwei oder drei Gruppen ein und sagen Sie, in welche KI-Werkzeuge jede Gruppe darf. Kundengeheimnisse und personenbezogene Daten bleiben aus öffentlichen Werkzeugen heraus. Wo ein Fehler schwer wöge, sperren Sie das Hochladen, statt sich auf eine Regel zu verlassen. Zuerst · Aufwand: gering (Tage, eine Person)
- Messen Sie die eingesparte Zeit je Aufgabe an einer Ausgangsmessung Halten Sie fest, wie lange eine Aufgabe dauert und wie gut das Ergebnis ist, bevor Sie KI einsetzen. Ohne diesen Ausgangswert können Sie einen echten Gewinn nicht von einem erhofften unterscheiden. Zuerst · Aufwand: gering (Tage, eine Person)
- Planen Sie Budget für die Arbeit ein, die KI erzeugt KI nimmt Arbeit weg und bringt neue: ihre Ergebnisse prüfen, Aufzeichnungen führen, Ausnahmen bearbeiten und die Werkzeuge pflegen. Rechnen Sie diese Arbeit ein und geben Sie ihr eine verantwortliche Person, bevor Sie die Ersparnis rechnen. Zuerst · Aufwand: gering (Tage, eine Person)
- Schreiben Sie eine einseitige KI-Richtlinie, die die Beschäftigten auch lesen Fassen Sie die Regeln für KI auf einer Seite zusammen: welche Werkzeuge erlaubt sind, was nie eingegeben werden darf, wer die Ergebnisse prüft und wen man fragt. Bauen Sie dann die wichtigste Regel in die Arbeit selbst ein, denn eine Seite allein wird übergangen. Zuerst · Aufwand: gering (Tage, eine Person)
- Lassen Sie die KI zeigen, worauf ihre Antwort beruht Einen Wert oder eine Schätzung ohne Begründung kann man schwer beurteilen. Wählen und richten Sie KI-Werkzeuge so ein, dass jede Antwort zeigt, worauf sie beruht: den markierten Teil des Bildes, die ähnlichen früheren Fälle, die Stelle im Dokument. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Prüfen Sie das KI-Wissen, statt die Beschäftigten sich selbst einschätzen zu lassen Menschen schätzen ihre eigenen Fähigkeiten schlecht ein. Um herauszufinden, was Ihre Beschäftigten über KI wissen, nutzen Sie einen kurzen Wissenstest oder eine zweite Meinung, nicht nur eine Selbsteinschätzung. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Bringen Sie Ihre eigenen Daten in Ordnung, bevor KI daraus Vorhersagen macht Eine KI, die einen Preis, eine Dauer oder einen nächsten Schritt schätzt, lernt aus Ihren früheren Aufträgen und Kunden. Machen Sie diese Daten zuerst vollständig, einheitlich und an einem Ort verfügbar. In den Fällen hier war das der größte Teil der Arbeit. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Geben Sie KI-Unterstützung zuerst den neueren Beschäftigten Wenn Sie einen KI-Assistenten für eine klar umrissene Aufgabe einführen, beginnen Sie mit Ihren weniger erfahrenen Leuten. Studien zeigen, dass sie am meisten gewinnen. Als Nächstes · Aufwand: gering (Tage, eine Person)
- Versprechen Sie nur, was Ihre KI nachweislich kann Wenn Sie Kunden sagen, dass Ihr Produkt oder Ihre Dienstleistung KI nutzt oder wie gut sie funktioniert, sollten Sie die Belege haben, bevor Sie es sagen. Aufsichtsbehörden behandeln „KI-gestützt“ und „98 % genau“ wie jede andere Tatsachenbehauptung. Als Nächstes · Aufwand: gering (Tage, eine Person)
- Fahren Sie zweigleisig: Manche Aufgaben gehen an KI, bei anderen hilft KI den Fachleuten Behandeln Sie die KI-Arbeit als zwei Programme. Eines automatisiert wiederholbare digitale Aufgaben, deren Ergebnisse leicht zu prüfen sind. Das andere gibt Fachleuten KI-Hilfe bei Arbeit, die sich nicht abgeben lässt. Messen Sie jedes an seinem eigenen Maßstab. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Legen Sie die Grenzen fest, bevor das Werkzeug handelt Bevor ein KI-Werkzeug für Sie einen Preis setzt, eine Nachricht verschickt oder einen Schritt unternimmt, schreiben Sie auf, was es nie tun darf, wie weit es gehen darf und wofür es einen Menschen braucht. Bauen Sie diese Grenzen in das Werkzeug ein und testen Sie dann innerhalb davon. Als Nächstes · Aufwand: gering (Tage, eine Person)
Umgestalten
Ändern Sie, wie die Arbeit gemacht wird, nicht nur die Werkzeuge.
- Testen Sie für jede Art von Aufgabe, ob ein Mensch mit KI besser ist als jeder allein Gehen Sie nicht davon aus, dass ein Mensch zusätzlich zur KI oder KI zusätzlich zum Menschen das beste Ergebnis bringt. Testen Sie es für jede Art von Aufgabe, bevor Sie den Prozess festlegen. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Gestalten Sie den Arbeitsablauf neu, statt nur ein Werkzeug hinzuzufügen Wer Menschen ein KI-Werkzeug in einem unveränderten Prozess gibt, ändert wenig. Legen Sie neu fest, wer jeden Schritt erledigt, in welcher Reihenfolge und wo ein Mensch prüft. Als Nächstes · Aufwand: hoch (Monate, mehrere Teams)
Betreiben
Halten Sie es am Laufen: Kompetenzen, Qualität und regelmäßige Überprüfungen.
- Wenn KI-Ergebnisse falsch sind, korrigieren Sie schnell und offen Legen Sie jetzt fest, was passiert, wenn ein KI-Fehler nach außen gelangt: wer informiert wird, wer die Arbeit zurückzieht oder korrigiert und wer prüft, wie weit das Problem reicht. In den dokumentierten Fällen kamen Firmen, die rasch dazu standen, weit besser weg als Firmen, die den Fehler verteidigten. Als Nächstes · Aufwand: gering (Tage, eine Person)
- Erhalten Sie die Einstiegsaufgaben, an denen Neue lernen Bevor Sie Routinearbeit automatisieren, prüfen Sie, ob Nachwuchskräfte daran den Beruf lernen. Wenn ja, lassen Sie ihnen einen Teil davon, oder ersetzen Sie das Lernen auf andere Weise. Später · Aufwand: mittel (Wochen, einige Personen)
- Prüfen Sie ab und zu, was Beschäftigte ohne die KI können Lassen Sie Menschen eine Stichprobe von Fällen ohne die KI bearbeiten und vergleichen Sie das Ergebnis mit ihrer üblichen Arbeit. Fangen Sie mit denen an, die KI-Ergebnisse prüfen, und mit denen, die den Beruf noch lernen, und stellen Sie die Werkzeuge für Lernende so ein, dass sie Hinweise geben, keine Antworten. Später · Aufwand: mittel (Wochen, einige Personen)
Firmenfälle
Das sind namentlich genannte Unternehmen dieser Größe, mit Zahlen und einer öffentlichen Quelle. Alle Fälle.
- Air Canada: haftbar für das, was der Chatbot auf der Website einem Kunden sagte Der Chatbot auf der Website von Air Canada gab einem Kunden falsche Auskunft über Erstattungen. Ein kanadisches Schiedsgericht verurteilte die Airline zur Zahlung. Es wies das Argument zurück, das Unternehmen sei für seinen Chatbot nicht verantwortlich.
- Ashurst: erste Entwürfe 45–80 % schneller in Versuchen mit Zeitmessung, Anwälte bei der Genauigkeit weiter vorn Die Kanzlei Ashurst testete generative KI fünf Monate lang mit 411 ihrer Leute und veröffentlichte die Ergebnisse. Erste Entwürfe gingen in Versuchen mit Zeitmessung 45 % bis 80 % schneller. In einem Blindvergleich waren die Entwürfe der Anwälte im Schnitt genauer, und ein KI-Entwurf nannte ein falsches Urteil.
- Commonwealth Bank of Australia strich 45 Stellen für einen Sprachbot und sagte dann, sie seien nicht überflüssig Die Commonwealth Bank of Australia kündigte an, ein KI-Sprachbot werde 45 Stellen im Kundenservice ersetzen. Die Gewerkschaft der Beschäftigten sagte, die Zahl der Anrufe steige, statt zu sinken. Einen Monat später sagte die Bank, ihre Einschätzung sei ein Fehler gewesen, die Stellen seien nicht überflüssig, und entschuldigte sich.
- Deloitte Australia: ein Regierungsbericht, neu herausgegeben wegen falscher Quellenangaben Ein Bericht von Deloitte für ein australisches Ministerium musste neu herausgegeben werden, um Quellenangaben und die Zusammenfassung eines Gerichtsfalls zu korrigieren. Die korrigierte Fassung legte die Nutzung eines generativen KI-Werkzeugs offen. Der Bericht sagt nicht, dass KI die Fehler verursacht hat.
- Kinderschutz in Victoria: Eine Fachkraft gab Falldetails in ChatGPT ein, und die Aufsichtsbehörde ließ die Werkzeuge sperren Eine Fachkraft im Kinderschutz gab persönliche Daten einer Familie in ChatGPT ein, um einen Bericht für das Gericht zu entwerfen. Der Bericht enthielt Fehler. Die Datenschutzbehörde stellte fest, dass das Ministerium keine Regeln, keine Schulung und keine technischen Grenzen für solche Werkzeuge hatte, und ordnete an, sie zu sperren.
- eBay: maschinelle Übersetzung steigerte den grenzüberschreitenden Handel um rund 11 % eBay begann, Suchanfragen und Angebotstitel für spanischsprachige Käufer zu übersetzen. Eine fachlich begutachtete Studie fand, dass die US-Exporte an diese Käufer auf eBay um 10,9 % stiegen. Es ist eines der wenigen KI-Ergebnisse im Handel, die externe Forschende gemessen haben.
- Hitachi Energy: ein KI-Modell fand die zwei Fertigungsschritte, die Chips verdarben Forschende trainierten ein KI-Modell mit den Fertigungsdaten eines Chipwerks und fragten es, welche Prozessschritte am meisten Ausschuss verursachten. Ingenieure testeten seine zwei Vorschläge an einer laufenden Charge, und die Verluste sanken um 21,7 %. Bei einem zweiten Produkt senkte dieselbe Methode die Verluste um 51,3 %. Die übliche Analyse des Werks hatte beide Ursachen übersehen.
- HMRC vergab 3.000 Copilot-Lizenzen per Zufall: etwa eine Stunde pro Woche gespart, nach Schätzung der Beschäftigten Die britische Steuerbehörde wählte 3.000 Beschäftigte zufällig aus und gab ihnen für drei Monate einen KI-Assistenten in ihrer Bürosoftware. Die meisten nutzten ihn und mochten ihn. Die Beschäftigten schätzten, er spare etwa eine Stunde pro Woche, und die Behörde kürzte die selbst angegebenen Schätzungen, weil eifrige Nutzer häufiger antworteten.
- Klarna: KI senkte die Ausgaben für externe Marketingdienstleister um ein Viertel Klarna meldete, dass es dank KI-Werkzeugen 25 % weniger für externe Marketingdienstleister ausgab und dabei mehr Kampagnen fuhr. Für Agenturen ist das ein Kunde, der öffentlich sagt, welche Arbeit er ins eigene Haus geholt hat.
- Klarna: ein KI-Assistent übernahm zwei Drittel der Support-Chats, dann stellte das Unternehmen wieder Menschen ein Klarna meldete große Einsparungen durch einen KI-Assistenten im Kundenservice. Rund ein Jahr später sagte der Vorstandschef, das Unternehmen habe die Arbeit zu sehr nach den Kosten beurteilt, und es begann wieder, menschliche Servicekräfte einzustellen. Der KI-Assistent blieb.
- Morgan & Morgan: Acht erfundene Urteile aus dem eigenen KI-Werkzeug der Kanzlei, unterschrieben von drei Anwälten Ein Anwalt bat das eigene KI-Werkzeug seiner Kanzlei, einem Schriftsatz Rechtsprechung hinzuzufügen. Acht der neun zitierten Urteile gab es nicht. Zwei weitere Anwälte unterschrieben, ohne zu lesen. Die Kanzlei hatte ihre Beschäftigten geschult und baute danach eine Warnung in das Werkzeug ein.
- Procter & Gamble: Eine Person mit KI leistete so viel wie ein Zweierteam ohne Forschende führten mit 776 Beschäftigten von Procter & Gamble ein Experiment an echten Aufgaben der Produktentwicklung durch. Einzelne, die mit KI arbeiteten, lieferten Ideen, die genauso gut bewertet wurden wie die von Zweierteams ohne KI, und waren schneller.
- PSG Global Solutions: KI führte die Vorstellungsgespräche, Menschen trafen die Einstellungsentscheidungen Ein Personaldienstleister ließ einen KI-Sprachagenten Vorstellungsgespräche führen. Alle Einstellungsentscheidungen blieben bei seinen menschlichen Recruitern. In einer randomisierten Studie mit 70.884 Bewerbungen erhielten Bewerbende, die von der KI interviewt wurden, mit 12 % höherer Wahrscheinlichkeit ein Angebot und blieben eher im Job.
- Rite Aid: Fünf Jahre Verbot für Gesichtserkennung, nachdem die Kette sie ungeprüft gekauft hatte Rite Aid setzte Gesichtserkennung ein, um mutmaßliche Ladendiebe zu erkennen. Die US-Verbraucherschutzbehörde sagte, die Kette habe ihre Anbieter nie gefragt, wie genau das System ist, es nie geprüft und die Beschäftigten nicht geschult. Kunden wurden zu Unrecht beschuldigt. Die Kette darf die Technik fünf Jahre lang nicht nutzen.
- Siemens: Prüfer fanden mehr Fehler, wenn die KI zeigte, was sie gesehen hatte Forschende gaben 48 Prüfern in einem Elektronikwerk von Siemens eine KI-Hilfe für die Kontrolle von Leiterplatten. Die Hälfte sah nur den Wert der KI. Die andere Hälfte sah zusätzlich ein Bild, das markierte, wo die KI ein Problem gefunden hatte. Die zweite Gruppe fand mehr Fehler, und die meisten in ihr schnitten besser ab als die KI allein.
- UK Department for Business and Trade: 1.000 Copilot-Lizenzen, zufriedene Nutzer, kein nachgewiesener Produktivitätsgewinn Ein britisches Ministerium gab 1.000 Beschäftigten einen KI-Assistenten in der Bürosoftware, die sie schon nutzten, und maß das Ergebnis. Die meisten Nutzer waren zufrieden, und Schreibaufgaben gingen schneller. Manche Aufgaben dauerten länger oder fielen schlechter aus, und das Ministerium fand keine Belege für höhere Produktivität.
- Walmart: Generative KI korrigierte 850 Millionen Produktdaten Walmart erklärte Investoren, es habe mit generativer KI mehr als 850 Millionen Produktdaten erstellt oder verbessert. Die Aufgabe ist eng gefasst, wiederkehrend und leicht zu prüfen. Genau dort funktioniert KI meist.
- WPP: £300 Millionen im Jahr für eine KI-Plattform, und der Umsatz sank trotzdem WPP, eine der größten Werbegruppen, investierte viel in eine eigene KI-Plattform und meldete eine breite Nutzung durch die Beschäftigten. Trotzdem sank sein Umsatz 2025. Investitionen in KI allein schützten die Einnahmen einer Agentur nicht.
Durchgerechnetes Beispiel
Dieses Beispiel ist ein mittleres Unternehmen. Die Schritte sind bei jeder Größe dieselben: Aufgaben erfassen, sie ordnen, Verantwortliche benennen und in Stufen erproben.