KI für Entscheider | Teil 2: Warum „wir nutzen ChatGPT" noch keine KI-Strategie ist

Der Unterschied zwischen Mitarbeiter-Werkzeug und Applied AI – und warum er über die Zukunft Ihres Unternehmens entscheidet

Wenn ich mit Geschäftsführern und Vorständen über KI spreche, höre ich fast immer denselben Satz: „Wir nutzen schon KI – unsere Mitarbeiter arbeiten mit ChatGPT."

Das ist gut gemeint. Es ist aber, als würde man sagen: „Wir haben schon Buchhaltung", und damit meinen, dass die Mitarbeiter ihre Belege selbst sammeln und einmal im Quartal beim Steuerberater abgeben.

Der Unterschied zwischen ChatGPT-Nutzung und tatsächlich angewandter KI – „Applied AI" – ist nicht graduell. Er ist fundamental. Und genau deshalb verstehen ihn so wenige Entscheider.

Dieser Artikel erklärt den Unterschied, zeigt, warum er geschäftskritisch ist, und gibt Ihnen einen praktischen Rahmen, um zu erkennen, wo in Ihrem Unternehmen echtes Potenzial liegt.

Die Analogie: Der Praktikant und die Abteilung

Stellen Sie sich zwei Szenarien vor.

Szenario 1: Der außergewöhnliche Praktikant

Sie haben einen jungen, brillanten Praktikanten eingestellt. Er kann fast alles. Texte formulieren, Marktrecherche betreiben, Dokumente zusammenfassen, in zwölf Sprachen übersetzen, Daten analysieren, sogar programmieren. Er macht keine Pausen. Er wird nie müde.

Aber: Er sitzt in einem Raum und wartet. Er hat keinen Zugang zur Eingangs-Mailbox des Vertriebs. Er sieht nicht in Ihr ERP. Er kennt Ihre Lieferantenstammdaten nicht. Er weiß nicht, welche Rechnung gestern bezahlt wurde.

Wenn ein Mitarbeiter etwas von ihm braucht, geht er in den Raum, beschreibt das Problem, bekommt eine Antwort, nimmt das Ergebnis mit zurück an seinen Platz und arbeitet damit weiter. Er muss die Frage selbst formulieren. Er muss die Antwort selbst bewerten. Er muss die Information selbst weiterverarbeiten.

Das ist ChatGPT, Claude, Gemini – jedes generative KI-Werkzeug in seiner Standardnutzung.

Szenario 2: Die Abteilung, die nie schläft

Jetzt stellen Sie sich vor, Sie hätten stattdessen eine ganze Abteilung. Sie läuft auch nachts. Eingangsdokumente werden automatisch erfasst, klassifiziert, an die richtige Stelle weitergeleitet. Stammdaten werden direkt aus dem ERP gezogen. Rechnungen werden gegen Bestellungen geprüft. Anfragen werden vorqualifiziert, bevor sie auf einem Schreibtisch landen. Ausnahmen werden erkannt und eskaliert.

Es gibt keine Frage „kann ich dich kurz was fragen". Der Prozess läuft. Mitarbeiter bekommen nur noch die Fälle, bei denen ihre Expertise wirklich gebraucht wird.

Das ist Applied AI.

Was technisch dahintersteht – ohne Fachjargon

Generative KI-Modelle wie ChatGPT sind eine Komponente. Eine sehr mächtige. Aber eben nur eine.

Applied AI verbindet diese Komponente mit drei weiteren Dingen, die ChatGPT alleine nicht hat:

1. Zugriff auf Ihre Daten und Systeme. Eine Applied-AI-Lösung kennt Ihre Kunden, Ihre Produkte, Ihre Lieferanten, Ihre Geschichte. Sie ist verbunden mit dem ERP, dem CRM, der Dokumentenablage, der E-Mail-Eingangsbox. Sie weiß, was bei Ihnen wirklich los ist – während ChatGPT in der öffentlichen Version nichts davon weiß.

2. Definierte Prozesse statt freier Dialog. Bei ChatGPT formuliert ein Mensch jede Anfrage neu. Bei Applied AI ist der Ablauf festgelegt: Eingang → Prüfung → Klassifikation → Aktion → Dokumentation. Jeder Schritt nachvollziehbar, prüfbar, wiederholbar. Auch um drei Uhr nachts. Auch tausendfach parallel.

3. Integration in bestehende Software. Das Ergebnis landet nicht im Chatfenster eines Mitarbeiters. Es landet im richtigen System – als Eintrag im CRM, als Buchung im ERP, als E-Mail an den richtigen Empfänger, als Aufgabe im Ticket-System. Der Mensch bekommt nur noch das, was wirklich seine Aufmerksamkeit braucht.

Was das praktisch bedeutet: Drei Beispiele

Beispiel 1: Eingangsrechnungen

Mit ChatGPT: Ein Mitarbeiter öffnet eine eingehende Rechnung als PDF, kopiert den Text, fügt ihn in ChatGPT ein, bittet um Extraktion der Daten, kopiert das Ergebnis zurück in das Buchhaltungssystem. Spart ihm vielleicht zwei Minuten pro Rechnung. Bei 500 Rechnungen im Monat: 16 Stunden Ersparnis.

Mit Applied AI: Die Rechnung kommt in der Mailbox an. Das System erkennt automatisch den Lieferanten, prüft gegen die Bestellung im ERP, extrahiert Positionen und Beträge, prüft mathematische Stimmigkeit, ordnet Kostenstellen zu, leitet bei Auffälligkeiten an die Buchhaltung weiter, bucht den Rest automatisch. Bei 500 Rechnungen im Monat: 400 Stunden Ersparnis. Plus weniger Fehler, plus kürzere Skonto-Zyklen, plus saubere Daten.

Beispiel 2: Vertriebsanfragen

Mit ChatGPT: Der Vertriebler bekommt eine Anfrage per E-Mail. Er nutzt ChatGPT, um einen Antwortentwurf zu generieren, passt ihn an, schickt ihn raus. Schneller, ja. Aber jede Anfrage erfordert seine volle Aufmerksamkeit.

Mit Applied AI: Eingehende Anfragen werden automatisch klassifiziert nach Produkt, Kaufabsicht, Region und Priorität. Standardanfragen erhalten innerhalb von Minuten eine fundierte Erstantwort mit passenden Informationen aus dem Produktkatalog. Komplexe Anfragen landen vorqualifiziert beim richtigen Vertriebsmitarbeiter – mit allen relevanten Kundendaten und einer Einschätzung der Opportunity bereits aufbereitet.

Beispiel 3: Wartung in der Produktion

Mit ChatGPT: Ein Techniker fragt ChatGPT nach Diagnose-Tipps zu einer Fehlermeldung. Bekommt allgemeine Hinweise. Geht zurück an die Maschine.

Mit Applied AI: Sensoren erkennen Abweichungen, bevor die Maschine ausfällt. Das System verknüpft Maschinendaten mit Wartungshistorie und Ersatzteilbestand, schlägt einen Termin vor, ordert bei Bedarf Ersatzteile vor. Der Techniker bekommt einen vollständig vorbereiteten Wartungseinsatz statt einer Notreparatur.

Warum das geschäftskritisch ist

Der Unterschied zwischen den beiden Welten ist nicht nur einer der Effizienz. Es ist ein struktureller Unterschied im Wert für das Unternehmen.

ChatGPT-Nutzung bringt lineare Verbesserung. Jeder Mitarbeiter wird etwas schneller. Das ist gut, aber begrenzt. Das Wissen bleibt im Kopf des Mitarbeiters. Wenn er das Unternehmen verlässt, ist es weg. Wenn er krank ist, ruht es. Wenn ein anderer Mitarbeiter die gleiche Aufgabe hat, muss er die gleiche Lernkurve neu durchlaufen.

Applied AI verändert die Skalierbarkeit Ihres Geschäfts. Wenn ein Prozess einmal sauber automatisiert ist, läuft er. Bei zehn Vorgängen am Tag genauso wie bei zehntausend. Das eingebaute Wissen ist Teil des Systems, nicht des Mitarbeiters. Die Qualität ist konstant, nicht abhängig von Tagesform.

Konkret in Zahlen:

• ChatGPT-Nutzung im Unternehmen: typisch 10–20 Prozent Produktivitätsgewinn bei den nutzenden Mitarbeitern

• Eine gut umgesetzte Applied-AI-Lösung an einem definierten Prozess: typisch 50–90 Prozent weniger manuelle Arbeit bei diesem Prozess, plus Qualitäts- und Geschwindigkeitsgewinne

Das sind keine Marketingzahlen, das ist die Erfahrung aus realen Projekten im Mittelstand.

Vier Fragen, um Ihr eigenes Potenzial zu erkennen

Wenn Sie als Entscheider wissen wollen, wo in Ihrem Unternehmen Applied AI wirklich Sinn macht, stellen Sie diese vier Fragen:

1. Wo läuft ein Prozess regelmäßig und in hoher Stückzahl? Applied AI lohnt sich dort, wo eine Aufgabe oft wiederholt wird. Einzelne Sonderfälle automatisiert man nicht. Aber alles, was Hunderte Male im Monat passiert, ist ein Kandidat.

2. Wo ist der Engpass ein Mensch, nicht eine Maschine? Wenn Aufträge liegen bleiben, weil jemand sie zuerst sichten muss – das ist Applied-AI-Gebiet. Wenn die Maschine läuft, aber niemand die Daten auswertet – ebenfalls.

3. Wo entstehen Fehler durch Routine? Menschen werden bei Routinearbeit unaufmerksam. Systeme nicht. Wenn Sie regelmäßig Fehler aus Tippfehlern, Übertragungsfehlern oder vergessenen Prüfschritten haben – Applied AI eliminiert diese Kategorie.

4. Wo ist Wissen in einzelnen Köpfen statt im System? Wenn die Krankmeldung von einer einzelnen Person einen Prozess lahmlegt, ist das Wissen falsch gespeichert. Applied AI ist eine Möglichkeit, dieses Wissen explizit ins System zu bringen.

Wenn Sie auch nur einen Prozess identifizieren, der alle vier Kriterien erfüllt, haben Sie einen klaren Applied-AI-Kandidaten gefunden.

Was Applied AI nicht ist

Damit der Begriff nicht zum Marketing-Buzzword verkommt, drei Klarstellungen:

Applied AI ist kein „großes KI-Projekt". Die besten Anwendungen sind klein, fokussiert und lösen ein konkretes Problem. Wer mit „wir machen jetzt KI" anfängt, scheitert. Wer mit „wir automatisieren die Eingangsrechnungsprüfung" anfängt, gewinnt.

Applied AI ist kein Ersatz für Mitarbeiter. In aller Regel ist es eine Entlastung von Routine, damit Menschen sich auf wertschöpfendere Arbeit konzentrieren können. Die Mitarbeiter, die heute Rechnungen abtippen, werden gebraucht – für die anspruchsvolleren Fälle, für die Klärung von Ausnahmen, für die Weiterentwicklung des Geschäfts.

Applied AI ist keine Frage des Modells, sondern der Integration. Das KI-Modell ist austauschbar geworden. Was den Unterschied macht, ist die saubere Verbindung mit Ihren Systemen, Ihren Prozessen, Ihren Daten. Genau dort entsteht der Wert – und genau dort entscheidet sich, ob ein KI-Projekt erfolgreich wird oder scheitert.

Wie dataso Applied AI baut

Bei dataso bauen wir keine „KI-Lösungen" im luftleeren Raum. Wir starten mit einem konkreten Geschäftsprozess, der heute Geld, Zeit oder Genauigkeit kostet. Wir analysieren, wo der menschliche Engpass liegt, welche Systeme angebunden werden müssen, welche Daten zur Verfügung stehen.

Dann bauen wir – mit Engineering-Erfahrung aus über 25 Jahren und KI als integraler Teil moderner Software. DSGVO-konform, souverän auf europäischer Infrastruktur, integriert in Ihre bestehende IT-Landschaft. Keine Insellösung. Kein Vendor-Lock-in.

Das Ergebnis ist keine ChatGPT-Lizenz für Ihre Mitarbeiter. Es ist eine Abteilung, die nie schläft.

Wenn Sie wissen wollen, welcher Prozess in Ihrem Unternehmen das größte Applied-AI-Potenzial hat, sprechen Sie mit uns. Ein erster Potenzial-Check ist kostenlos – und in 30 Minuten haben Sie eine klare Einschätzung.