In vielen Unternehmen unterstützen KI-Systeme inzwischen Programmierenden, Datenanalyst:innen, Designenden oder Kundenservice-Teams. Diese Entwicklung verändert, wie die Arbeit und ganze Teams organisiert werden. Berufsfelder verschwinden nicht, sie sind im Wandel. Gerade deshalb lohnt sich ein differenzierter Blick auf ein Phänomen, das momentan zur öffentlichen Debatte anregt. Mehrere große Medien sprechen sogar von AI-Washing. Praxiseinblicke von Gastautorin Anna Zarudzka.
AI-Washing – wenn KI ungeprüft Wunder bewirken soll
In den vergangenen zwei Jahren hat kaum ein Begriff die Technologie- und Wirtschaftsdiskussion so stark geprägt wie Künstliche Intelligenz. Für viele Unternehmen ist KI zur strategischen Möglichkeit geworden: mehr Effizienz, geringere Kosten und schnellere Innovation. Richtig umgesetzt kann sie Prozesse deutlich beschleunigen und Mitarbeitende entlasten. Besonders repetative Aufgaben können durch die KI übernommen werden.
Das größere Risiko besteht nicht darin, dass KI zu viel verspricht, sondern darin, dass Unternehmen unumkehrbare Entscheidungen auf der Grundlage von Versprechungen treffen, die in der Praxis noch nicht auf Herz und Nieren geprüft wurden.
Erfahrene Mitarbeitende zu entlassen, bevor die Technologie bereit ist, ihr Urteilsvermögen zu ersetzen, ist ein Risiko, das sich nur selten auszahlt. Die deutsche Ingenieurstradition bietet ein besseres Vorbild: KI sollte als infrastrukturelle Maßnahme betrachtet werden, nicht als Schnelllösung. Sie muss sorgfältig aufgebaut, gründlich validiert und so integriert werden, dass sich ihr Nutzen im Laufe der Zeit vervielfacht. Unternehmen und Beratende müssen sich dafür verantwortlich fühlen, ehrlich zu sein, was KI leisten kann und was nicht.
Wenn aus Technologie Marketing wird
AI-Washing, eingedeutscht auch KI-Washing, bezeichnet eine Marketing Initiative, durch welche unrealistische Erwartungen an KI Integrationen aufgebaut werden. Stellenabbau wird durch den Einsatz von KI Produkten versprochen, welche häufig nicht ausgereift genug sind um die menschliche Arbeit vollständig zu ersetzen.
In der Praxis könnte das bedeuten: Teams werden verkleinert, obwohl die Technologie, die ihre Arbeit angeblich ersetzen soll, nicht stabil oder leistungsfähig genug ist. Besonders betroffen sind dabei häufig Bereiche wie Kundenservice, Marketing, Softwareentwicklung oder Datenanalyse.
Der Rebound-Effekt
So entsteht der “Rebound-Effekt”, welcher für Unternehmen eine große Existenzgefahr darstellt. Unternehmen, die zu früh Stellen abbauen, stellen später fest, dass ihnen entscheidende Kompetenzen fehlen. Insbesondere Kompetenzen, die für die nachhaltige Etablierung von KI-Tools unabdinglich gewesen wären.
Die Konsequenzen sind vielfältig:
- Talentverlust: Erfahrene Mitarbeitende verlassen das Unternehmen.
- Wissensverlust: Internes Know-how verschwindet.
- Reputationsschäden: Automatisierung führt zu schlechterer Servicequalität.
- Teure Rückwärtsbewegungen: Unternehmen müssen später erneut Personal aufbauen.
Solche Entwicklungen zeigen, dass technologische Transformation und KI-Lösungen keine “One-Size-Fits-All” sind, sondern es sich um einen sehr individuellen Prozess handelt. Jedes Unternehmen hat andere Anforderungen an eine Technologie und diese muss bedacht implementiert werden. Als fester Bestandteil der Unternehmens- und Entwicklungsstrategie.
Automatisierung als Gradwanderung
Ein Beispiel, das in diesem Zusammenhang häufig diskutiert wird, ist der Zahlungsanbieter Klarna. Das Unternehmen stellte einen KI-gestützten Kundenservice-Assistenten vor, der einen Großteil der Anfragen automatisiert bearbeiten sollte. Parallel dazu reduzierte Klarna seine Belegschaft deutlich.
Die Automatisierung funktionierte in vielen Fällen, insbesondere bei standardisierten Anfragen. Gleichzeitig berichteten Kund:innen jedoch über Schwierigkeiten bei komplexeren Problemen. In der Folge stellte Klarna später wieder mehr menschliche Support-Mitarbeitende ein und betonte, dass Kund:innen weiterhin Zugang zu menschlichem Service haben sollen.
Der Fall zeigt weniger das Scheitern von KI, sondern vielmehr, wie schwierig es sein kann, den richtigen Grad der Automatisierung zu finden. Das Problem lag nicht in der Technologie, sondern im Zeitplan. Ein schrittweiser Ansatz, bei dem Menschen und KI während der Validierungsphase parallel arbeiten, hätte diese Kehrtwende vielleicht vermieden.
Die Implementierungs-Lücke: Wieso funktioniert KI ohne Menschen nicht?
Ein Grund für nicht erfüllbare Erwartungen liegt in der sogenannten Implementierungs-Lücke. Zwischen der Vision einer KI-gestützten Organisation und der Realität produktionsreifer Systeme liegen oft Jahre intensiver Entwicklungsarbeit. Während Investorenpräsentationen häufig suggerieren, dass KI Prozesse nahezu vollständig automatisieren kann, ist die Realität deutlich komplexer.
Moderne KI-Systeme benötigen umfangreiche Datenaufbereitung, kontinuierliches Training, Qualitätskontrollen und menschliche Aufsicht. KI muss deshalb eher als ein Produktivitätswerkzeug wahrgenommen werden, anstatt als ein vollständiger Ersatz für menschliche Arbeit.
Auf Investor:innen mag eine „AI-First-Strategie“ zwar attraktiv wirken, doch diese kurzfristige Perspektive kann sich als riskant erweisen. Wenn Unternehmen zentrale Kompetenzen verlieren, wird der Aufbau der versprochenen KI-Infrastruktur schwieriger oder sogar unmöglich. Aus diesem Grund ist eine langfristige KI-Implementierungsstrategie so wichtig. Nur durch sie kann KI als richtiger Wettbewerbsvorteil genutzt werden.
Der richtige Umgang mit KI: Ergänzen statt ersetzen
Die Lehre aus Fällen wie Klarna ist nicht, dass KI im Unternehmen keinen Platz hat. Im Gegenteil: Viele Organisationen profitieren bereits erheblich von KI-gestützten Tools. Etwa in den Bereichen der Datenanalyse, Softwareentwicklung oder der Automatisierung repetitiver Aufgaben. Viele Unternehmen berichten bereits, dass sie künftig kleinere Teams benötigen, weil einzelne Mitarbeitende durch KI-Tools deutlich produktiver geworden sind.
KI sollte nicht als Mittel zur Kostensenkung betrachtet werden, sondern als Verstärker für qualifizierte Fachkräfte. Eine Entwickler:in, die KI einsetzt, ersetzt keine Architekt:in, sondern liefert schneller Ergebnisse, während sich die Architekt:in auf Entscheidungen konzentriert, die tatsächlich Urteilsvermögen erfordern. Das Team wird nur dort kleiner, wo Routinearbeiten tatsächlich wegfallen, nicht dort, wo sie vorschnell für überflüssig erklärt wurden.
Schrittweise strategisch begleitete Implementierung
In der Praxis entstehen daher zwei parallele Entwicklungen: neue Rollen rund um KI-Systeme und gleichzeitig ein Rückgang bestimmter Routineaufgaben. Der entscheidende Unterschied liegt im strategischen Ansatz, bereits bei der Implementierung.
Ein Gegenbeispiel zu kurzfristigen Automatisierungsstrategien findet sich häufig in der Industrie. Unternehmen wie Siemens verfolgen seit Jahren einen deutlich langfristigeren Ansatz. In Bereichen wie Produktion, Simulation oder Wartung integriert Siemens KI schrittweise in bestehende Systeme. Unter anderem durch industrielle Datenanalyse oder vorausschauende Wartung. Statt Arbeitskräfte abrupt zu ersetzen, liegt der Fokus dort häufig auf Augmentation: Maschinen unterstützen Ingenieur:innen, Techniker:innen und Produktionsmitarbeitende dabei, komplexe Systeme effizienter zu betreiben.
KI wird voraussichtlich ein fester Bestandteil diesen Wandels werde, weshalb es nun wichtiger denn je ist, dass Unternehmen bereit sind, ihre Strukturen umzudenken und KI nachhaltig in ihr Unternehmen zu integrieren.
Die Frage lautet nicht, ob KI eingesetzt wird, sondern wie.
Erfolgreiche Unternehmen betrachten KI zunehmend als Erweiterung menschlicher Fähigkeiten. Automatisierte Systeme übernehmen repetitive Aufgaben, während Menschen sich auf komplexe Entscheidungen, Kreativität und zwischenmenschliche Interaktionen konzentrieren. Gerade im Kundenservice zeigt sich diese Kombination als besonders effektiv: Automatisierte Systeme lösen einfache Probleme sofort, während menschliche Mitarbeitende komplexe Fälle übernehmen.
Langfristig wird der Wettbewerbsvorteil daher nicht allein von der technologischen Infrastruktur abhängen, sondern von der Fähigkeit, Technologie und menschliche Expertise sinnvoll zu kombinieren. Aktuelle Innovationen im Punkto KI wird zweifellos viele Branchen verändern.
Fazit zum AI-Washing
Einerseits gibt es berechtigte Kritik an falschen Versprechen und AI-Washing. Andererseits findet bereits eine reale Transformation von Arbeitsprozessen statt. Mit echten Effizienzgewinnen, aber auch mit Veränderungen auf dem Arbeitsmarkt. Eine ernsthafte Diskussion über KI muss deshalb beides gleichzeitig anerkennen; den technologischen Fortschritt und die Risiken überzogener Narrative.
Der Weg in die Zukunft erfordert also mehr als nur eine philosophische Haltung. Er erfordert Unternehmen, die bereit sind, an der Grenze des Möglichen zu agieren, anstatt sich nur dazu zu äußern. Unternehmen, die bei der KI-Transformation beraten, sind verpflichtet, das, was sie empfehlen, auch selbst umzusetzen. Sie müssen KI in ihr eigenes Geschäftsmodell integrieren. Nicht, weil es sich gut anhört, sondern weil dies der einzige glaubwürdige Weg ist, um zu verstehen, was funktioniert, was nicht funktioniert und wie sich die Umsetzungslücke von innen tatsächlich anfühlt.
Für Unternehmen, die diesen Wandel durchlaufen: Die Frage ist nicht, ob man KI einsetzt, sondern ob man die internen Fähigkeiten aufbaut, um sie gut zu nutzen – und ob die Partner:innen, für die man sich entscheidet, dasselbe tun.
Newsletter