Der bisherige Verlauf…
Mit dem fünften Teil startete Akt II („Diagnose“), nachdem in Akt I („Belastung“) die organisatorischen, wirtschaftlichen und personellen Folgen einer reinen Beschäftigungslogik aufgezeigt wurden[cite: 1].
Teil 1 behandelte die Belastung durch administrative Tätigkeiten (58 % Abstimmungszeit)[cite: 1].
Teil 2 beleuchtete die verdeckten Kosten (8 bis 12 % Einbußen bei der Marge)[cite: 1].
Teil 3 adressierte den Aufwand auf Führungsebene (65.000 bis 95.000 € Opportunitätskosten pro Führungskraft im Jahr)[cite: 1].
Teil 4 zeigte auf, dass der ungeklärte Einsatz von KI fehlerhafte Vorgänge lediglich beschleunigt[cite: 1].
Teil 5 eröffnete die Analyse der Meetingkultur: 72 % der Führungszeit fließen in Besprechungen, 67 % verlaufen ohne Entschluss[cite: 1]. Die Kernbotschaft: Mehr Termine verdeutlichen unklare Zuständigkeiten[cite: 1].
In diesem Teil vertiefen wir die Diagnose. Wenn Beschlüsse in Terminen stecken bleiben, wo verbleiben dann Daten und KI-Initiativen? Die Ursache liegt in abgegrenzten Abteilungsstrukturen (Silos), die in Organigrammen sichtbar sind, aber in der alltäglichen Unternehmensführung oft unterschätzt werden.
Die zentrale Erkenntnis
Eine Orientierung für Entscheidungsträger, die nachhaltigen Nutzen statt reiner Testprojekte anstreben.
Was vor der Freigabe weiterer KI-Maßnahmen geprüft werden sollte
Wer Datenmodelle über abgegrenzte Abteilungsstrukturen legt, erreicht keine ganzheitliche Unternehmenssteuerung. Stattdessen beschleunigt man lediglich, dass einzelne Bereiche ihre Eigeninteressen noch gezielter durchsetzen. Die entscheidende Maßnahme ist daher nicht technischer, sondern organisatorischer Natur: Ohne durchgängige Prozessverantwortung verstärkt jede neue Anwendung exakt jene Hürden, die eigentlich abgebaut werden sollten.
Die Folgen isolierter Bereichsstrukturen
Vier Werte aus Erhebungen und Projekten veranschaulichen die finanziellen Auswirkungen, wenn Abteilungen isoliert optimiert werden und KI zum Einsatz kommt. Diese Angaben spiegeln den Regelfall in etablierten Unternehmen wider.
Arbeitsaufwand für abteilungsübergreifende Abstimmungen bei Führungskräften
KI-Testprojekte ohne messbaren Beitrag zum Gesamterfolg
Abweichung der Prognosen zwischen Vertrieb und Fertigung (Erfahrungswert)
Einbuße bei der Gesamtwertschöpfung durch isolierte Bereichsoptimierung
Ausgangslage
Ein bekanntes Bild in Management-Runden: Der Vertrieb präsentiert seine Absatzerwartungen, die Produktion verweist auf abweichende Kapazitätsplanungen, und das Controlling stellt eigene Berechnungen an. Am Ende stützt sich die Entscheidung auf Annahmen, die im System nicht einheitlich vorliegen. Drei Fachbereiche, drei Datenstände und eine Entscheidung ohne klare Grundlage.
Die genannten Abweichungen bei Planung, Durchlaufzeiten und Kosten sind keine reinen Datenfehler. Sie entstehen, weil Organisationen in getrennten Einheiten arbeiten, obwohl die tatsächlichen Wertströmebereichsübergreifend verlaufen. Das Betrachten von Einzelproblemen führt zu zusätzlichen Abstimmungen, da Mittel lokal optimiert, aber im Gesamtsystem uneffizient eingesetzt werden.
Zusätzlich verlangen rechtliche Vorgaben wie der EU AI Act eine klare Verantwortung über den gesamten Prozess[cite: 2]. Viele Unternehmen versuchen derzeit, diese Schnittstellenprobleme mit KI zu überdecken, anstatt die organisatorische Ursache zu beheben.
KI-Effekte nach Bereich und Gesamtablauf
Veränderung in % — isolierter Bereich (Blau/Orange) vs. Gesamtablauf (Dunkelblau)
Optimierung im Einzelbereich
Rückgang im Gesamtprozess
KI verstärkt bereichsbezogene Kennzahlen – während die übergreifende Leistung sinken kann.
Vier Signale für Silos beim KI-Einsatz
Abteilungsdenken zeigt sich im Tagesgeschäft an konkreten Verhaltensweisen. Die folgenden vier Muster treten in der Praxis häufig auf und führen dazu, dass KI-Maßnahmen nur einzelne Bereiche stärken, anstatt das Gesamtunternehmen voranzubringen:
🔒 Zurückhalten von Informationen
- Ein Fertigungsbetrieb führte ein System für KI-Prognosen ein. Der Vertrieb gab weiterhin angepasste Erfahrungswerte ein, während reale Auftragsdaten im internen Vertriebssystem verblieben.
- Die interne Haltung: „Wenn die Produktion alle Daten sieht, stehen wir bei Abweichungen in der Verantwortung.“ Das Ergebnis: Das KI-Modell arbeitete mit verzerrten Angaben und spiegelte bestehende Barrieren wider.
- Dies verdeutlicht kein IT-Problem, sondern fehlende Regelungen zur Datennutzung.
📉 Fokus auf Bereichskennzahlen statt Gesamtziel
- Ein Komponentenhersteller steigerte mithilfe automatisierter Belegungsplanung die Auslastung auf über 92 Prozent – während Kunden kürzere Lieferzeiten und flexible Varianten forderten. Das Werk optimierte Rüstzeiten, woraufhin Kunden den Anbieter wechselten.
- Das Kennzahlendenken der Fertigung stand im Widerspruch zum Markterfordernis.
- Ohne übergreifende Zielsetzung verstärkt KI genau jene Werte, an denen die jeweilige Abteilung gemessen wird – selbst wenn diese dem Gesamtziel schaden.
🌀 Unklare Verantwortungen im Prozessablauf
- Ein KI-Projekt sollte die Abwicklungszeit von der Bestellung bis zur Auslieferung verkürzen[cite: 2]. Sieben Abteilungen waren eingebunden, jedoch hatte niemand die Verantwortung für den gesamten Ablauf[cite: 2].
- Jeder Bereich baute ein eigenes Teilmodell, ohne Abstimmung auf das Gesamtsystem[cite: 2]. Nach über einem Jahr bestanden vier isolierte Teillösungen[cite: 2].
- KI-Initiativen ohne klare Rollenverteilung erzeugen Aufwand ohne messbaren Ertrag[cite: 2].
💸 Kosten durch ungenutzte Schnittstellen
- Bei einem Handelsunternehmen führten manuelle Abstimmungen zwischen Einkauf, Disposition und Finanzen zu erheblichen jährlichen Aufwänden. Diese waren nicht im Reporting ausgewiesen, sondern verteilten sich auf viele Mitarbeiterstunden.
- Drei getrennte KI-Ansätze deckten jeweils einen Teilbereich ab, verkürzten die Abstimmungen jedoch nicht. Ergebnisse mussten weiterhin manuell zusammengeführt werden.
- Isolierte Optimierungen zeigen ihre Kosten erst bei einer Betrachtung des Gesamtprozesses.
Ursachenanalyse
Zurückgehaltene Forecast-Daten, isolierte Kennzahlenoptimierung oder parallele Datenmodelle sind keine Zufälle, sondern Folgen bestehender Strukturen. Drei Ursachen wirken dabei zusammen:
1. Zielsysteme belohnen Bereichserfolge statt Gesamtergebnisse: Eine Produktionsleitung, die nach Auslastung und Fertigungskosten bewertet wird, sieht in KI-gestützter Flexibilität zunächst ein Risiko für die eigenen Vorgaben – eine nachvollziehbare Reaktion auf das bestehende Anreizsystem.
2. Steuerung erfolgt entlang von Abteilungen statt Prozessen: Vertrieb, Fertigung und Logistik agieren oft in getrennten Einheiten. Dies erzeugt Koordinationsaufwand, da Mittel ohne ganzheitliche Zielsetzung eingesetzt werden. KI verstärkt dies, wenn Bereiche eigene Datenmodelle nutzen.
3. Fehlende E2E-Verantwortung: Fehlt die Zuständigkeit für den gesamten Ablauf von der Anfrage bis zur Lieferung, begrenzt jeder Bereich seine Optimierung auf das eigene Umfeld – KI liefert hierfür lediglich Werkzeuge.
Ein Rückblick auf die Einführung erster Software-Systeme zeigt Parallelen: Auch damals sollte Technologie Bereiche verbinden. Ohne angepasste Abläufe wurden bestehende Grenzen jedoch nur digital gefestigt. KI wiederholt dieses Muster, sofern die Organisation nicht angepasst wird. Die Herausforderung liegt somit nicht in der Technik, sondern im System.
Die Organisationsstruktur und ihre neuralgischen Punkte
Der Ablauf zeigt, wie Vorgaben in die operative Umsetzung gelangen. In stark getrennten Strukturen bricht diese Kette häufig zwischen Ebene 2 und 3 – dort, wo übergreifende Verantwortung verankert sein müsste, aber in Bereichsziele zerfällt. Wird KI an dieser Stelle eingesetzt, verstärkt sie die bereichsbezogene Ausrichtung, statt die Gesamtausrichtung zu unterstützen. KI bildet Ebene 5 – sie verstärkt lediglich die Vorgaben der darunterliegenden Schichten.
Strategie & Gesamtausrichtung
Legt Unternehmensziele und Kundennutzen fest und macht diese messbar.
⚠️ Entscheidungsarchitektur & Prozessverantwortung — KRITISCHER PUNKT
Regelt Zuständigkeiten entlang der Wertschöpfung statt entlang von Abteilungsgrenzen. Hier entstehen oft Hürden, wenn Verantwortung rein funktionell bleibt.
Prozesse & Wertströme
Übersetzen die Ausrichtung in klare Abläufe und definieren Schnittstellen zwischen Bereichen.
Daten- & Informationsbasis
Bietet eine einheitliche Grundlage; in getrennten Strukturen oft getrennt oder uneinheitlich.
KI-Ebene (Analyse, Prognose, Assistenz)
Verstärkt bestehende Vorgaben; bei klarer Struktur ein Hebel, in Silos ein Beschleuniger lokaler Suboptima.
Steuerung & Anpassung
Sichert die kontinuierliche Verbesserung über den gesamten Prozess ab.
Wirkungsverlauf Tool-First vs. Organisation-First über 36 Monate
Tool-First-Ansätze erreichen anfänglich rasche Ergebnisse in einzelnen Abteilungen, büßen aber an Wirkung ein, sobald Schnittstellen und unterschiedliche Bereichsziele das Unternehmenswachstum hemmen. Ein Organisation-First-Ansatz schafft zuerst Prozessstrukturen und Verantwortlichkeiten – die Wirkung steigt dadurch nachhaltig und trägt KI-Lösungen in die Steuerung. Die Skala zeigt die Gesamtwirkung von KI-Maßnahmen (0–100).
Tool-First-Ansatz
Organisation-First-Ansatz
| Monat | Tool-First KI-Wirkungsindex | Organisation-First KI-Wirkungsindex |
|---|---|---|
| Monat 0 | 5 | 5 |
| Monat 6 | 28 | 12 |
| Monat 12 | 42 | 25 |
| Monat 18 | 45 | 44 |
| Monat 24 | 40 | 62 |
| Monat 30 | 34 | 78 |
| Monat 36 | 30 | 88 |
Reine Tool-Anwendungsfälle bringen rasche Einzelerfolge, verfestigen aber die bereichsbezogene Ausrichtung. Der Organisation-First-Ansatz baut zunächst Prozessstrukturen auf, in denen KI langfristig Nutzen stiftet.
OPEX Training & Consulting GmbH