Warum Chatbots in Unternehmen scheitern und eingebettete KI-Systeme funktionieren

Die meisten KI-Projekte im B2B beginnen mit einer beeindruckenden Demo und enden als Fenster, das niemand mehr öffnet. Das Problem ist selten das Modell. Das Problem ist der Ort, an dem die KI arbeitet.

Das Chatfenster neben dem Prozess

Der typische erste KI-Versuch in einem Unternehmen sieht so aus: Ein Chatbot bekommt Zugriff auf ein paar Dokumente und beantwortet Fragen. Das funktioniert in der Vorführung, denn Fragen beantworten ist genau das, was diese Technologie gut kann.

Im Alltag passiert dann etwas Ernüchterndes. Die Mitarbeiter müssten ihre Arbeit unterbrechen, das Fenster öffnen, den Kontext beschreiben, die Antwort prüfen und das Ergebnis von Hand in ihr eigentliches System übertragen. Die KI steht neben dem Prozess. Jede Nutzung kostet einen Umweg, und Umwege verlieren gegen Gewohnheit. Nach vier Wochen ist das Fenster zu.

Wir bauen keine Chatbots auf kaputte Prozesse

Es gibt einen zweiten, tieferen Grund für das Scheitern: Viele Abläufe sind gar nicht in einem Zustand, in dem KI helfen könnte. Die Daten liegen verstreut, Zuständigkeiten sind unklar, Entscheidungen folgen keinem dokumentierten Muster. Eine KI auf einen solchen Ablauf zu setzen automatisiert nicht den Prozess, sondern das Chaos.

Deshalb gilt bei uns ein einfacher Grundsatz: Wir bauen keine Chatbots auf kaputte Prozesse. Wir bauen Prozesse so, dass KI darin arbeiten kann. Erst die Struktur, dann die Intelligenz.

Was eingebettete KI-Systeme anders machen

Ein eingebettetes KI-System stellt keine Fragen an den Nutzer. Es arbeitet an der Stelle, an der der Vorgang ohnehin entsteht:

Es liest die eingehende Mail, das Dokument oder den Datensatz, bevor ein Mensch sie anfasst.
Es prüft gegen Stammdaten, Preislisten, Verträge und Historie, jedes Mal, nicht stichprobenartig.
Es entscheidet vor, wo Regeln klar sind, und legt kritische Fälle einem Menschen vor.
Es dokumentiert jeden Schritt so, dass nachvollziehbar bleibt, warum etwas passiert ist.

Der Unterschied ist unscheinbar und entscheidend: Niemand muss das System benutzen. Es übernimmt operative Verantwortung, statt auf Eingaben zu warten. Genau so beschreiben wir auf der Startseite unsere AI Operating Systems: KI-Systeme, die nicht neben dem Prozess stehen, sondern darin arbeiten.

Der Mensch bleibt an der richtigen Stelle

Eingebettet heißt nicht entfesselt. In jedem ernsthaften System gibt es Fälle, die ein Mensch sehen muss: hohe Beträge, ungewöhnliche Muster, reputationskritische Kommunikation. Ein gutes KI-System kennt seine Grenzen und eskaliert dorthin, wo Erfahrung gebraucht wird. Der Mensch prüft dann nicht mehr alles, sondern das Richtige.

Woran man ein ernsthaftes KI-Projekt erkennt

Drei Prüffragen trennen Demo von System:

Arbeitet die KI mit echten, vorhandenen Daten aus Postfächern, CRM, ERP oder Shop, statt mit hochgeladenen Beispieldateien?
Löst sie Folgeaktionen in den bestehenden Systemen aus, oder endet sie in einer Textantwort?
Gibt es eine messbare Größe, an der der Nutzen ablesbar ist: Durchlaufzeit, Fehlerquote, bearbeitete Vorgänge pro Tag?

Wer diese drei Fragen mit Ja beantworten kann, hat kein KI-Experiment, sondern operative Infrastruktur. Warum sich dieser Weg auch wirtschaftlich rechnet, zeigt der Artikel Die Arbeit zwischen den Systemen.