Was kann KI wirklich? Warum die meisten KI-Automatisierungen eigentlich Software sind
KI automatisiert alles? Nicht ganz. Warum die meisten KI-Projekte klassische Software brauchen – und was das für dein Unternehmen bedeutet.
Das Wichtigste in Kürze
- KI-Sprachmodelle allein können weder E-Mails beantworten noch Excel ausfüllen – dafür braucht es klassische Software drumherum
- Die Grenzen von KI-Projekten liegen meist nicht am Modell, sondern am Aufwand für stabile Software-Integration
- Jede KI-Automatisierung muss gewartet werden: Fehlerfälle, Schnittstellen und Edge Cases sind klassische Softwareprobleme
- Bevor du das nächste KI-Projekt startest: Frag nicht, ob die KI das kann – sondern wer die Software drumherum baut und wartet
Was kann KI eigentlich – und was nicht?
Die Vorstellung klingt verlockend: KI durchsucht E-Mails, füllt Excel-Tabellen aus und automatisiert komplette Geschäftsprozesse. So wird es zumindest verkauft. Aber technisch gesehen kann ein Sprachmodell – also die eigentliche KI – davon wirklich gar nichts.
Was ein Sprachmodell kann: Text verstehen, Kontext erkennen, Fragen beantworten, Texte schreiben. Aber eine E-Mail automatisch lesen, beantworten und archivieren? Dafür braucht es Software drumherum. Adapter, Schnittstellen, Fehlerbehandlung – ganz klassische Softwareentwicklung.
Warum die meisten KI-Automatisierungen klassische Software sind
Was uns als „KI-Automatisierung” verkauft wird, ist in den meisten Fällen ein Zusammenspiel aus:
- Traditioneller Software: Schnittstellen zu E-Mail-Systemen, Datenbanken, ERPs – das gab es vor 10, 15 Jahren auch schon.
- Dem Sprachmodell als Zwischenschicht: Die KI versteht den Kontext und liefert eine Antwort – aber sie kann nicht selbst auf Systeme zugreifen.
- Orchestrierung und Fehlerbehandlung: Was passiert, wenn ein Dokument nicht gefunden wird? Wenn die KI eine falsche Antwort gibt? Wer fängt das ab?
Das Sprachmodell ist dabei nur ein Baustein. Der Großteil der Arbeit – und der Kosten – steckt in der Software drumherum.
Was bedeutet das für KI-Projekte im Mittelstand?
Wenn du als Unternehmen ein KI-Projekt planst, solltest du dir bewusst machen: Du planst in Wahrheit ein Softwareprojekt mit KI-Komponente. Das bedeutet:
- Budget nicht nur für das Modell: Die KI-API-Kosten sind oft der kleinste Posten. Die Integration in bestehende Systeme (DATEV, SAP, CRM) ist der eigentliche Aufwand.
- Wartung einplanen: Schnittstellen ändern sich, Dokumentformate werden aktualisiert, Edge Cases tauchen auf. Jemand muss das pflegen.
- Expertise einkalkulieren: Wer versteht, was passiert, wenn die KI eine Quatschantwort gibt? Wer baut den zweiten Check ein?
Beispiele aus der Praxis
- Steuerberatung: Die KI kann Belege verstehen – aber die Integration in DATEV, die Fehlerbehandlung bei unlesbaren Scans und die Validierung der Ergebnisse sind Softwarearbeit.
- Hausverwaltung: Nebenkostenabrechnungen prüfen klingt nach einem KI-Job. Aber die Daten aus verschiedenen Quellen zusammenzuführen? Klassische Softwareentwicklung.
- E-Commerce: Ein semantischer Produktsuche-Layer ist mächtig – aber ohne saubere Produktdaten und Schnittstellen zum Shop-System nutzlos.
Wo liegen die echten Grenzen von KI?
Die Grenzen liegen aktuell nicht beim Sprachmodell selbst. Die Modelle werden besser, schneller, günstiger. Die echten Grenzen sind:
- Integrationsaufwand: Wie viel Software bin ich bereit drumherum zu bauen?
- Datenqualität: Hat meine Software überhaupt Schnittstellen? Sind meine Daten digital und zugänglich?
- Wartungsbereitschaft: Wer kümmert sich darum, wenn sich etwas ändert?
Fazit: KI richtig einschätzen, bevor du investierst
KI ist kein Zauberstab, der auf Knopfdruck automatisiert. KI ist ein mächtiges Werkzeug – aber eben nur ein Werkzeug in einem größeren System. Wer das versteht, trifft bessere Entscheidungen und vermeidet teure Enttäuschungen.
Die Frage ist nicht „Kann KI das?” – sondern „Bin ich bereit, die Software drumherum zu bauen und zu warten?”
Du planst ein KI-Projekt und willst wissen, was realistisch ist? Lass uns sprechen.
Transkript
[00:00] Ich hatte heute Morgen einen Call zu dem Thema, was kann die KI und was kann sie nicht? Macht es Sinn, dass ich alles Mögliche bei mir im Unternehmen automatisiere oder sollte ich lieber davon die Finger lassen, weil KI macht sowieso Fehler? [00:15] Und das hat mich im Nachgang noch ein bisschen beschäftigt, weil ich mir die ganze Zeit überlegt habe, naja, was ist denn KI und was ist nicht KI? [00:22] Das klingt jetzt ein bisschen philosophisch, aber ich erkläre es sofort. Und zwar, die KI kann eigentlich im Grunde genommen, wenn man es technisch sieht, gar nichts von diesen Automatisierungen. [00:32] Und ich habe ein bisschen das Gefühl, dass uns immer mehr vorgegaukelt wird, dass KI das kann. Also dass ein LLM meine E-Mails durchsuchen kann, dass ein LLM meine Excel ausfüllen kann, dass ein LLM was auch immer bei mir im Unternehmen machen kann. [00:45] Ich glaube, man muss das mal in aller Deutlichkeit sagen: Das ist vollkommener Quatsch. Nichts davon kann die KI, das Sprachmodell selbst, sondern was passiert ist, dass wir da ganz viel Software drankleben. [00:56] Das ist auch gut so, so funktionieren Automatisierungen. Aber das hat nichts mit KI zu tun. Das gab es vor fünf Jahren, zehn Jahren, 15 Jahren an sich auch alles schon. [01:05] Und ich muss mir jedes Mal eigentlich als Unternehmen überlegen: Möchte ich mir den Aufwand geben, dass ich diese ganze Software selbst erstelle oder schreibe? [01:14] Was mir die KI übernimmt, ist, dass sie Kontext versteht. Ich kann quasi, wenn ich diesen Adapter von meinen E-Mails geschrieben habe, kann ich das in ein Sprachmodell reinschmeißen und halt Fragen stellen oder sagen, schreib mir mal eine Antwort dafür. [01:28] Aber die KI wird diese Antwort trotzdem nicht zurück zu dem Absender geben, sondern ich muss mit dieser KI über Software irgendwie kommunizieren. [01:37] Und ganz wichtiger Punkt eigentlich, das müssen wir uns mal bewusst machen: Die KI kann gar nichts in unserem Unternehmen. Es ist wahnsinnig wichtig zu wissen, dass jedes Mal wenn ich von diesen ganzen fancy komplizierten Automatisierungen spreche, wir von Software sprechen, die wir links und rechts an so eine KI drankleben. [02:00] Und dieses Zeug muss auch gewartet werden. Und die Grenzen von dem Machbaren liegen aktuell nicht unbedingt bei den Sprachmodellen, sondern: Wie sehr hast du Bock, da Software drumrum zu schreiben, dass die wirklich stabil ist? [02:15] Also dass ich auch wirklich Fehlerfälle, Error Cases, Edge Cases abfange. Und das war schon immer so. [02:22] Ich glaube, da wird einem gerade nur vorgegaukelt mit der mysteriösen KI, dass die das alles kann. Ja, die hat noch ihre Fehler, aber das hat nichts mit der KI an sich zu tun. [02:32] Sondern ganz viel damit: Wie sehr habe ich Bock, Geld auszugeben für Softwareentwickler, für Experten, dass die wirklich alle Edge Cases covern? [02:42] Also was passiert, wenn ein Dokument nicht gefunden wird? Was passiert, wenn die KI irgendeine Quatschantwort gibt? Woher weiß ich überhaupt, dass die KI eine Quatschantwort gibt? Muss ich das mit einem zweiten Agenten irgendwie beantworten? [02:55] Das ist alles ganz klassische Software. Ist jetzt ein bisschen lange ausgeholt, aber ich glaube, das muss man sich bewusst machen: Da wird einem gerade viel vorgegaukelt. Die KI tut das – und das ist einfach stinknormale klassische Software, die irgendjemand schreiben muss.
Häufig gestellte Fragen
- Was kann KI wirklich automatisieren?
- KI-Sprachmodelle können Text verstehen, Kontext erkennen und Antworten generieren. Aber für echte Automatisierung – E-Mails lesen, Daten in Systeme schreiben, Dokumente verarbeiten – braucht es klassische Software drumherum. Die KI ist nur ein Baustein, nicht die ganze Lösung.
- Warum scheitern KI-Projekte im Mittelstand?
- Die meisten KI-Projekte scheitern nicht am Modell, sondern an der Software-Integration. Schnittstellen zu DATEV, SAP oder CRM-Systemen, Fehlerbehandlung und Wartung sind klassische Softwareprobleme, die oft unterschätzt werden.
- Was kostet eine KI-Automatisierung wirklich?
- Die API-Kosten für das KI-Modell sind oft der kleinste Posten. Der eigentliche Aufwand steckt in der Integration in bestehende Systeme, der Fehlerbehandlung und der laufenden Wartung. Budget sollte vor allem für stabile Software-Entwicklung eingeplant werden.