**Deutscher Titel:** Künstliche Intelligenz ist keine technische Verbesserung, sondern eine Neustrukturierung von Organisationen: Hinter dem hochträchtigen Image verbirgt sich oft Unordnung und Mangel an Qualität.

Zusammenfassung des Kerninhalts

Dieser Artikel zeigt anhand des eigenen Fehlschlags des Autors bei einem AI-Unternehmertum (Projekt eines digitalen CEOs) sowie der praktischen Anwendung von AI in einer Telemarketing-Firma, dass die Essenz eines „AI-nativen Teams“ nicht darin besteht, AI-Tools zu verwenden, sondern vielmehr in einer Umstrukturierung der Organisation. Viele Unternehmen glauben fälschlicherweise, dass die Nutzung von AI-Tools bereits ausreicht, um als AI-native zu gelten, obwohl sie zuerst Probleme wie chaotische Geschäftsprozesse, inhomogene Datenstandards, unklare Berechtigungen und Schwierigkeiten bei der Umsetzung lösen müssen. Der Artikel stellt außerdem ein Modell für die Ebenen eines AI-nativen Teams vor (Toolunterstützung, Prozessintegration, regelgesteuerte Abläufe) und betont, dass das Managementwillen des Chefs sowie die Bereitschaft zur organisatorischen Veränderung entscheidend sind – egal wie fortschrittlich AI auch ist, es kann nicht umgehen mit den grundlegenden Aspekten der Unternehmensführung.

Detaillierte Erklärung

#### 1. AI-natives Team: Lassen Sie sich nicht von dem „hohen Image“ täuschen – die Essenz ist die Organisationsumstrukturierung

Viele Menschen denken, dass ein AI-natives Team darin besteht, dass alle Mitarbeiter AI-Tools nutzen und somit extrem effizient arbeiten. Der Autor weist jedoch darauf hin, dass dies ein großer Irrtum ist. Der Kern eines AI-nativen Teams liegt nicht in der AI-Technologie, sondern darin, die Arbeitsweise des gesamten Teams umzudenken: Wie laufen die Geschäftsprozesse ab, wie fließen die Informationen, wer ist für welche Aufgaben verantwortlich und wie werden die Ergebnisse bewertet?

Ein Beispiel: Das Projekt des Autors mit einem digitalen CEO sollte dazu dienen, den Informationsfluss im Unternehmen zu vereinheitlichen, repetitive Arbeiten zu ersetzen und Entscheidungsvorschläge zu liefern. Bei der Umsetzung stellte sich jedoch heraus, dass niemand klar sagen konnte, woher die Informationen kommen, wer sie verteilt und wie sie in konkrete Handlungen umgewandelt werden sollen – die Geschäftsprozesse waren völlig chaotisch, und AI konnte nicht eingesetzt werden. Erst nach drei Monaten der Aufarbeitung der Geschäftsabläufe und der Vereinheitlichung der Begriffe konnte das AI-System effektiv genutzt werden. Das zeigt: Zuerst muss die Grundlage der Organisation gestärkt werden, bevor AI eingeführt wird – nicht umgekehrt.

#### 2. Die vier größten Hindernisse bei der Einrichtung eines AI-nativen Teams: Alle sind Managementprobleme

Der Autor fasst anhand von Beispielen die häufigsten Fehler bei der Umsetzung von AI zusammen:

• Fehlender Geschäftsleitfaden: Die Arbeit des Telemarketing-Unternehmens basierte auf persönlichen Entscheidungen und Koordinationen in WeChat-Gruppen; niemand konnte den gesamten Prozess klar beschreiben. AI benötigt klare Abläufe, um repetitive Arbeiten zu ersetzen – daher ist viel Zeit und Kommunikation mit allen Abteilungen erforderlich, um die Geschäftsprozesse von unklaren Verhältnissen in strukturierte Diagramme umzuwandeln.
• Inhomogene Datenstandards: Die gleichen Informationen wurden in verschiedenen Abteilungen unterschiedlich bezeichnet (z. B. „Kontaktmöglichkeiten“ als „Verkaufschancen“ oder „Forderungen, die noch eingetrieben werden müssen“); AI versteht diese unterschiedlichen Begriffe nicht – daher müssen die Begriffe einheitlich definiert werden. Das Autors-Team musste vier Treffen mit allen Abteilungen abhalten, um eine gemeinsame Terminologie zu entwickeln.
• Unklare Berechtigungen: Wer darf welche Daten sehen und ändern? Offline wird dies durch Fragen gelöst; bei AI funktioniert das nicht – unklare Berechtigungen führen zu Fehlern. Das Telemarketing-Unternehmen verbrachte eine Woche damit, ein „Handbuch zur Berechtigungsgestaltung“ zu erstellen, um Probleme wie die fehlende Sichtbarkeit von Zahlungsinformationen für Verkäufer zu lösen.
• Schwierigkeiten bei der Umsetzung: Selbst wenn Anweisungen gegeben werden, führen Mitarbeiter sie nicht aus – es muss jemand nachhaken. Die Lösung besteht darin, standardisierte Vorgehensweisen festzulegen (z. B. wann Daten eingegeben und wie das System verwendet wird); andernfalls bleibt AI nutzlos.

All diese Probleme haben nichts mit der Technologie zu tun, sondern sind typische Managementaufgaben, die bei der Einführung von AI unvermeidlich sind.

#### 3. Drei Ebenen eines AI-nativen Teams: Auf welcher Ebene befindet sich Ihr Team?

Der Autor unterteilt AI-native Teams in drei Ebenen; die Effizienzunterschiede können bis zu zehnmal so groß sein:

• Ebene L1 (Toolunterstützung): Mitarbeiter nutzen gelegentlich AI-Tools (z. B. ChatGPT für Texterstellung), aber es gibt keine Verbesserungen in der Organisation.
• Ebene L2 (Prozessintegration): AI wird in die Abteilungsprozesse integriert (z. B. zur Verteilung von Kontaktmöglichkeiten durch das Telemarketing-Unternehmen), aber letztendlich treffen Menschen die Entscheidungen (z. B. der Chef kann die Verteilung beeinflussen).
• Ebene L3 (regelgesteuerte Abläufe): AI wirkt direkt auf Belohnungen, Beförderungen usw. ein (z. B. AI bewertet die Leistung der Mitarbeiter, der Chef mischt sich nicht willkürlich ein). Das ist die wahre Form eines AI-nativen Teams – doch nur wenige Unternehmen erreichen diese Ebene.

Weitere Kriterien für die Bewertung sind: Ob AI in die individuellen Arbeitsabläufe (Tool-Ebene), die Aufgaben der Mitarbeiter (Positionsebene), die Abteilungsprozesse (Prozessebene) sowie die Kerngeschäftsprozesse (Geschäftsebene) eingeflossen ist. Die meisten Unternehmen bleiben auf den ersten beiden Ebenen stecken.

#### 4. Das „heimliche Denken“ der Chefs: Auch das fortschrittlichste AI kann nicht umgehen mit dem Managementwillen

Das Beispiel des Autors mit dem Kontaktmöglichkeitsverteilungssystems ist besonders aufschlussreich: Das AI-System reduzierte die Anzahl der Mitarbeiter von fünf auf einen und verbesserte die Effizienz deutlich. Der Chef stellte jedoch das System ein, weil er mit einem bestimmten Vertriebsleiter unzufrieden war und wollte, dass dieser weiterhin nach herkömmlichen Kriterien belohnt wird. Das zeigt: Die Umsetzung von AI hängt letztendlich davon ab, ob der Chef zulässt, dass AI die Entscheidungen trifft. Viele Chefs behaupten zwar, „voll und ganz auf AI setzen“ zu wollen, aber tief im Inneren möchten sie Kontrolle behalten – zu viel Gerechtigkeit passt nicht zu ihren Managementansprüchen. Auch das Scheitern des Projekts mit dem digitalen CEO lag daran, dass die Chefs vor drei Jahren keine Bereitschaft zur Organisationsumstrukturierung zeigten; erst jetzt, da AI populär geworden ist, ändern sie ihre Meinung. Das zeigt: Es geht nicht um Technologie, sondern um das Bewusstsein und den Willen der Chefs.

#### 5. Ratschläge für Unternehmen und Einzelpersonen: Versuchen Sie nicht, mit AI zu „schlafen“ – erledigen Sie erst die „schmutzigen“ Managementaufgaben

Der Hauptrat des Autors lautet: Versuchen Sie nicht, AI einzusetzen, um das Management zu umgehen. Die Voraussetzung für eine AI-native Organisation ist es, die Grundlagen klarzustellen – Geschäftsprozesse, Datenstandards und Berechtigungsregeln. Das sind zwar langweilige Managementaufgaben, aber unvermeidlich.

Für Unternehmen: Eilen Sie nicht mit dem Kauf von AI-Tools; erstellen Sie zunächst einen klaren Geschäftsleitfaden, vereinheitlichen Sie die Begriffe und klären Sie die Berechtigungen. Für Einzelpersonen: Machen Sie sich keine Sorgen, dass AI Ihre Arbeit übernimmt – konzentrieren Sie sich darauf, welche Aufgaben AI nicht erledigen kann (z. B. kreative oder soziale Aufgaben), anstatt darüber nachzudenken, was AI ersetzen kann.

Der Autor fasst zusammen: Hinter der Idee eines AI-nativen Teams steckt viel Managementarbeit – aber genau das ist der eigentliche Wert: repetitive Arbeiten zu eliminieren und Menschen dazu zu bringen, bedeutungsvollere Aufgaben zu erledigen. Dieser Artikel zerstört die Illusion von „hochmoderner“ AI-Technologie und zeigt, dass es darum geht, die Organisation mithilfe von AI weiterzuentwickeln – und der Schlüssel dazu in der Lösung alter Managementprobleme liegt. Ohne eine solide Managementbasis bleibt selbst fortschrittliche AI nur ein schöner Schein.