Die Schnellen fressen die Langsamen

Warum bei KI die Devise lautet: Follow the Data

Bei einem Vortrag der Industrial Explorer Days zum Thema Change Management in Zeiten der KI lautete meine Eingangsbehauptung schlicht:
Die Schnellen fressen die Langsamen. 

Passend dazu habe ich die Vortragsfolien nicht selbst erstellt, sondern von der KI ein interaktives Miro-Board generieren lassen. Design-technisch formvollendet ist es zwar nicht, dafür war ich weit früher fertig und konnte die gewonnene Zeit in etwas anderes stecken.

Genau darum geht es, in der Produktentwicklung ist es nicht anders: Wer früher liefert, ist eher am Markt und schafft in derselben Zeit mehr. 

Größe schützt nicht mehr

Wir in Deutschland kommen aus einer Kultur des „lieber gründlich als überstürzt“. Erst werden alle goldenen Henkel drangebaut, dann darf das Produkt zum Kunden. Dieses „Ingenieurstum” hat uns weit gebracht. Nur ändert sich gerade die Umwelt, in der dieses Prinzip funktioniert hat.

Lange galt eine einfache Regel: Die Großen schlucken die Kleinen. Wer genug Masse hatte, war auf der sicheren Seite und konnte sich die schnelleren Wettbewerber notfalls einverleiben. Genau diese Regel verschiebt sich gerade. Ein Blick auf den Standard & Poor’s Index 500 macht das deutlich. 

1958 blieb ein Unternehmen im Schnitt rund 60 Jahre in diesem Index. Für die kommenden Jahre gehen Prognosen eher in Richtung 12 Jahre. Immer öfter werden die Großen nicht mehr größer, sondern von denen überholt, die schneller sind. Wenn man selbst ein behäbiger Tanker ist, kann einen das nervös machen. Wenn man ein wendiges Mittelstandsunternehmen oder ein Start-up ist, ist das dagegen eine ziemlich gute Nachricht.

Ich vergleiche das gern mit den Dinosauriern. Irgendwann kam der Meteor, veränderte die Bedingungen von jetzt auf gleich und plötzlich galt ein anderes Zeitalter. Ab da war es hilfreicher, klein und beweglich zu sein statt einfach nur groß.
Die KI ist so ein Meteor. Und ich bin fast froh, dass sie so disruptiv ist, weil sie uns zwingt, das Schnellersein wirklich zu lernen.

Ein Missverständnis will ich aber gleich ausräumen. Schnell heißt nicht, kopflos-schnell. Es wird nicht helfen, die Mitarbeitenden rauszuwerfen und alles der Maschine zu überlassen. Wir sehen ja gerade, dass viele Firmen ihre Leute zurückholen. In einer Bank, die ich kürzlich besucht habe, verlangen noch immer deutlich über 50 Prozent der Anrufer an der KI-Hotline nach einem echten Menschen.
Schnell muss heißen: früher am Markt, früher am Produkt, früher beim Kunden als der Wettbewerb.

KI mit der Gießkanne bringt nichts

In unseren Trainings bringen die Teilnehmenden am Anfang häufig dieselbe Erwartung mit: „Zeig mir doch einfach passende KI-Tools für mein Unternehmen. Die kaufe ich ein, Haken dran, dann nutzen wir KI.“ So einfach ist es leider nicht. Die Zahl der Tools ist inzwischen gigantisch, einen Standard gibt es nicht.
Wenn man dann noch etwas genauer hinschaut, merkt man oft: Die KI landet bei den Technik-Affinen, die ohnehin schon schnell sind. Die werden dann noch schneller. – Am Ende der Wertschöpfungskette kommt für die Firma deswegen aber nicht mehr heraus, doch genau darauf käme es an.

Warum es nicht reicht, Einzelpersonen mit KI auszustatten, mache ich mit einer kleinen Simulation greifbar.
Wir bauen eine Fertigungsstraße nach, in der Geschenke vorbereitet, gestaltet und verpackt werden. Die ersten Stationen werden reibungslos durchlaufen. Also lautet der erste Reflex, ausgerechnet dort KI einzusetzen, wo es sowieso schon flott läuft. Das Ergebnis ist verräterisch: Der Stau an der eigentlichen Engstelle wird nur noch größer. Am Ende liegen 33 Teile irgendwo im System herum, fertig geworden sind zwei, und eins davon war fehlerhaft.

Betriebswirtschaftlich ist das kein guter Deal. Alles, was im System liegt, ist gebundenes Kapital. Fertig ist nur das, was hinten herauskommt. Ich brauche also ein Systemverständnis, bevor ich irgendwo optimiere. Wer in den Heizungskeller rennt und alle Hebel gleichzeitig umlegt, weil es oben schneller warm werden soll, macht es selten wärmer.

Follow the Data

Wenn ich in ein Unternehmen komme, schaue ich deshalb zuerst auf die Wertschöpfungskette und frage: Wo ist das echte Bottleneck? Erst dort lohnt sich der Einsatz. – Und dort kommt die KI ins Spiel: Sie kann etwas, das klassisches Kanban nicht kann. Sie kann an einer überlasteten Station zusätzliche Kapazität schaffen, ob als eine Art künstlicher Kollege oder als Agentenprozess. Darüber muss man nachdenken, statt reflexhaft überall KI „nachzufüllen”.

Der beste Wegweiser zu den Bottlenecks und zu einer KI-Strategie, die Abhilfe schafft, sind die eigenen Daten. Viele Firmen haben unzählige Excel-Dateien, die verstreut und oft isoliert in den Abteilungen liegen. In der Elektronikindustrie sind das beispielsweise Schaltplanteile, Obsoleszenz-Themen und vieles mehr. In der Software-Produktion sind es Anforderungen in Confluence, Tickets in Jira, Testfälle und Schätzungen in Excel und Fehlermeldungen aus dem Support, die alle nebeneinander herlaufen und selten zusammenfinden. Genau da sitzen die Brüche, die Zeitfresser, die Staus. Und weil KI anders als klassische Systeme keine sauberen Fremdschlüssel und identischen IDs braucht, kann sie Daten aus unterschiedlichen Quellen zusammenführen, die vorher nie zueinander gefunden haben. Man nennt das aktuell Data Mesh. Das ist keine Technologie, eher eine Denkweise: Wie verlinke ich meine einzelnen EDV-Systeme sinnvoll über KI?

Ein Beispiel, das mir in dem Zusammenhang gut gefällt: Bei einem Kunden haben wir alte Zeichnungen, die seit 20 Jahren herum lagen, per Optical Character Recognition (OCR) durchsuchbar gemacht.
Das Problem dort: Wenn an einer sehr alten Maschine ein Teil kaputt geht, gibt es oft keine Teilenummer mehr, nur ein Foto. Früher hat die Suche danach schon mal einen Tag gedauert, jetzt ist es sofort da.
Wirklich spannend wird es beim nächsten Schritt: Ist das gesamte Sortiment einmal komplett digital erfasst, inklusive der alten Bestände, lassen sich darauf intelligente Suchen aufsetzen.
So entsteht ein Wissensmanagement, das sich selbst pflegt, bis hin zu Predictive Maintenance, statt wie ein Wiki zu verstauben.

KI allein macht noch keinen Wandel

So verlockend Beispiele wie diese klingen, der eigentliche Wandel passiert nicht durch das Tool. KI ist wie Strom aus der Steckdose, sagt ein Kollege von mir. Mit dem Strom allein kann niemand etwas anfangen. Erst im Föhn oder in der Mikrowelle wird er nützlich. Bei einer KI-Einführung heißt das, die Menschen mitzunehmen. Veränderung macht Angst, und „das haben wir schon immer so gemacht“ ist ein mächtiger Satz. Man muss erklären, warum die Veränderung stattfindet. Und man braucht etwas zum Anfassen, z. B. einen ersten Prototyp. Denn übers bloße Reden baut niemand seine Scheu ab.

Dazu gehört auch ein gutes Stück Disziplin. In großen Konzernen erlebe ich oft, dass so lange über eine Entscheidung geredet wird, bis man sich eine Expertin holt und dann weiterredet, weil man sich nicht traut. Change, der sich ewig zieht, bringt genauso wenig wie gar kein Change. Deshalb rate ich: Möglichst früh etwas tun, das schnell einen Payoff hat, und dabei messen. Denn wer nicht misst, weiß nicht, ob er schneller geworden ist, wird nervös und bricht auf halber Strecke ab. Genau daran scheitern die meisten Change-Projekte, nicht an der Technik, sondern an uns selbst.

Und noch etwas: Aus dem Sumpf zieht man sich schlecht am eigenen Schopf. Die Haltung, die mir dabei oft begegnet, klingt so: Man kennt seine Kunden und seine Prozesse gut, weiß aber nicht so genau, was die KI heute schon alles leisten kann. Oft reicht dann schon ein Gesprächspartner, der die richtigen Fragen stellt. Allein beim Erzählen, wie etwas bei euch läuft, kommt erstaunlich viel zutage.

Fazit

Größe schützt nicht mehr, Geschwindigkeit schon. Die KI ist dabei der Enabler, nicht der Selbstzweck.
Also: Silos aufbrechen, Transparenz schaffen, messen, und den Daten folgen. Dorthin, wo sie euch verraten, wo es wirklich hakt. Wer den blinden Fleck kennt und an der richtigen Stelle ansetzt, kommt garantiert schneller zum Ziel als der Wettbewerb.

Zum Abschluss mein Lieblingszitat aus dem Vortrag, das nicht von mir stammt: „KI macht dich nicht arbeitslos, aber jemand mit KI schon.“
Schnell schlägt groß. Team statt Einzelkämpfer. Follow the Data.

Wenn ihr wissen wollt, wo in eurer Wertschöpfungskette der größte Hebel liegt, sprecht mich an. Wir bei Colenet haben dafür jede Menge Erfahrungsschatz im Repertoire.