In diesem Blogeintrag zur AI Effektivität und Effizienz geht es primär darum, wie wir entscheiden, welche Aufgaben die AI (auch KI genannt) übernehmen kann.
Der Blogeintrag ist der erste einer Serie von Einträgen:
- AI: Effektivität und Effizienz (sie sind hier) – mehr Effektivität mit KI
- AI-Fachkräfte Recruiting: DrKPI 3-Phasen Modell
- AI Anforderungen und Azubi: Technologiewandel und Duale Ausbildung
- AI – Infrastructure und Umwelt / Klimawandel
- AI: Trends für Manager:innen
Sie sind kein Abonnent? Abonnieren Sie den DrKPI Newsletter. Erhalten Sie die Trends 6-12 Wochen in Ihre Inbox.
Weitere Einträge in unserem #DrKPI Blog zum Thema AI finden sie hier (einfach anklicken):
- Technologien, Innovation und Job Sicherheit dank KI
- Trends in AI Recruiting: Leitfaden mit Checkliste
- Artificial Intelligence (AI) und Klimawandel: Energieverbrauch und Wasserbedarf senken
- WEF Davos 2024: 8 kritische AI Trends
- Elon Musk und AI Urheberrecht: Was Sie wissen müssen
- Künstliche Intelligenz (KI): Alexa kann’s besser?
Scrollen Sie nach unten, Fakten zu AI und Klimawandel, inkl. Kennzahlen werden weiter unten aufgezeigt.Was sie bei uns beim DrKPI Blog alles zum Thema AI oder KI finden. Nicht komplette Liste hier:insert
Wie sollen wir AI einsetzen?
4 Fragen die es zu beantworten gilt
Es ist nun mehr als ein Jahrzehnt her, seit selbstfahrende Autos z.B. in Mountain View im Silicon Valley rumgefahren sind.
Die von Google-Mitbegründer Sergey Brin im Jahr 2012 gesetzte Frist für die Markteinführung autonomer Fahrzeuge im Jahr 2017 erschien aggressiv, aber nicht unrealistisch.
Natürlich hat Google diese Frist nicht eingehalten, genau wie Elon Musks Tesla im Laufe der Jahre mit autonomen Fahrzeugen.
Aber wie die Branche des autonomen Fahrens in den letzten 10 Jahren festgestellt hat, gibt es einen grossen Unterschied zwischen:
KI, die in einer begrenzten Umgebung, wie einem Chatbot-Fenster, gut funktioniert (oder auch nicht, siehe Beispiel Sunrise/Yallo PDF Datei zur Ansicht weiter unten), und
einem Agenten, der in der realen Welt frei agieren kann.
Doch können unkooperative Mitarbeiter und unpassende Organisationsstrukturen den produktiven Einsatz von AI erschweren. Dies kann ein grösseres Hindernis darstellen, als Unzulänglichkeiten in der Technologie selbst.
Nichtdestotrotz müssen wir abwägen, inwieweit wir AI nutzen wollen. Denn AI nicht zu nutzen, ist in den meisten Fällen keine Option. Dies umso mehr, da AI und damit verbundene Technologien und Problemlösungen kontinuierlich und schnell weiterentwickelt werden.
Dies zeigt, dass es notwendig ist, die Situation regelmässig zu analysieren. Speziell gilt es herauszufinden, wann und inwieweit AI Technologie heute oder auch erst morgen genutzt werden kann.
Dabei sollten sich Unternehmen 4 zentrale Fragen stellen (siehe Tabelle 1 unten), wenn sie eine Automatisierung in Erwägung ziehen. Dies erläutern wir hier kurz.
Häufigkeit
Je höher die Frequenz eines Produktionsschrittes oder einer Arbeit, desto wahrscheinlicher ist es, dass sie automatisiert ist. Maschinen sind eindeutig im Vorteil, wenn es darum geht, die Geschwindigkeit über längere Zeiträume aufrechtzuerhalten.
Oft werden langweilige oder auch einfache Aufgaben sehr oft pro Zeiteinheit wie einer Arbeitsstunde ausgeführt. Wenn diese Arbeit dann noch möglicherweise gefährlich oder aber auch körperlich belastend ist, können Maschinen oder Roboter diese Aufgabe übernehmen.
Beispiele sind mit AI gesteuerte Roboter in Lagerhäusern oder Fabriken Siehe auch unser Beitragsbild (ganz oben) vom Lagerwagen von Robust.ai, einem Start-up in Australien.
Komplexität des Auftrages
Die Komplexität ist ein wichtiger Faktor für die Kosten der menschlichen Arbeit und der KI. Beispielsweise Disponenten von Notdiensten lösen eine Vielzahl von Problemen. Deren Komplexität übersteigt die sich wiederholenden Interaktionen eines Kundendienstmitarbeiters.
Aber oft ist sogar die Arbeit der Kundendienstmitarbeiter:innen zu viel für den Chatbot (siehe Sunrise/Yallo Beispiel als PDG Datei unten).
Das primäre Ziel muss sein, dass KI sowohl dem Unternehmen als auch dem Kunden hilft, Zeit zu sparen. Ein Beispiel ist hier die grassierende Schattenarbeit oder Shadow Work, welche immer mehr der Arbeit dem Kunden aufbürdet.
Mit Shadow Work spart das Unternehmen Zeit. Hier wird nämlich ein substantieller Anteil der Arbeit vom Kunden selbst erledigt. Doch auch hier kann KI helfen, die Dinge für Kunden zu verbessern.
Übergabeprozess – Vernetzung des Auftrages
Bei der Erbringung einer Dienstleistung oder der Herstellung eines Produkts sind viele Arbeitsplätze in eine Kette miteinander verbundener Aufgaben eingebunden. Diese werden häufig von verschiedenen Mitarbeitern und Maschinen erledigt.
Was bei der Übergabe zwischen den Aufgaben geschieht, wird oft übersehen. Die Kosten der Fragmentierung entstehen durch Ineffizienz und Fehler im Übergabeprozess.
Wenn beispielsweise der Chatbot die Problemstellung nicht versteht, wird das Chat-Protokoll an die Kundendienstmitarbeiterin weitergeleitet. Diese muss dann zuerst einmal das gesamte Protokoll lesen. Danach entscheidet sie wie sie weiter vorgeht.
Vielleicht schreibt sie dann eine E-Mail und listet das Problem auf, wie sie das gemäss dem Chat-Protokoll versteht. Danach antwortet der Kunde, usw.
Missverständnisse oder falsche Interpretationen von geschriebenen Mails oder Chat-Protokollen sind klassische Kommunikationsprobleme. Das heisst, desto mehr Übergangsprozesse von Maschine zu Maschine oder Mensch, etc. stattfinden, desto grösser ist die Wahrscheinlichkeit das was schief gehen könnte.
Kosten bei Fehlern
Hier geht es primär um die Kostenverursachung beim Eintritt eines Fehlers durch die AI.
Wenn also die AI bei einer Drohne das falsche Ziel angreift, kann dies zum Tode von Zivilisten führen.
Ein Chatbot, welches die Kundenanfrage nicht zufriedenstellend lösen kann, verursacht Ärger. Die Kundin hat 10 oder vielleicht sogar 30 Minuten verwendet, um Hilfe zu bekommen.
Kosten sind einerseits der Zeitaufwand der Mitarbeiterin, die im Nachhinein dem Kunden eine E-Mail mit einer Antwort liefert. Noch teurer wird es, wenn sie die Kundin anrufen muss.
Weitere Kosten fallen an, wenn der Kunde z.B. wegen der Verärgerung sein Abonnement kündigt.
Tabelle 1. Checkliste für die Identifikation von Arbeiten, die AI heute erledigen kann
| 4 zentrale Fragen | Beschreibung |
| 1. Wie häufig wird die Aufgabe ausgeführt? | Häufig ausgeführte Prozesse oder Arbeiten sind für AI prädestiniert. Deshalb: Häufig wiederholte Interaktionen mit Kunden stärken die wirtschaftlichen Argumente für den Ersatz von Kundenbetreuern durch AI. |
| 2.Wie komplex ist die Aufgabe | Im Allgemeinen gilt: Je komplexer die Aufgabe, desto unwahrscheinlicher ist es, dass sie automatisiert wird, da Menschen – im Moment – besser mit zunehmender Komplexität umgehen können als Maschinen. |
| 3.Wie stark sind die Aufgaben miteinander vernetzt? | Starke Vernetzung bedeutet, dass verschiedene Schritte des Arbeitsprozesses durch verschiedene Menschen oder Maschinen ausgeführt werden. Da ist der Übergabeprozess ein kritischer Schritt, um das gewünschte Resultat zu erreichen. |
| 4.Wie hoch sind die Kosten oder der Zeitaufwand für die Korrektur eines Fehlers, der bei der Ausführung der Aufgabe entsteht? | Fehler von Einsatzleitern stellen ein erhebliches Risiko dar, insbesondere in Situationen, in denen es um Leben und Tod geht. Aber auch genervte Kunden welchen die AI keine Lösung anbieten konnte, verursachen Kosten oder führen zur Vertragsauflösung. |
Notiz. Desto häufiger eine einfache Aufgabe unabhängig und Fehler geringe Kosten verursachen würden, desto prädestinierter ist eine von AI unterstützte Lösung.
Beispiel ist der Roboter als Staubsauger oder Rasenmäher. Geringer Aufwand, weder komplex noch vernetzt, aber grosse Wirkung.s
Jobs oder Aufgaben wo AI unterstützen kann
KI-Technologien haben Schwierigkeiten, den Überblick über mehrere Informationsströme zu behalten. Auch auf eine dynamische Umgebung zu reagieren oder mit unklaren oder wechselnden Zielen zu arbeiten ist nicht einfach mit AI.
Das erklärt auch, wieso unstrukturierte Arbeitsabläufe noch nicht nahtlos von AI übernommen werden können. Auch das Überprüfen der Codierung in einem Programm oder die Antwort zu einer Prüfungsfrage kann die AI noch nicht immer perfekt durchführen.
Sind die Arbeitsabläufe zum Teil jedoch klar strukturiert, kann die Arbeit in sehr vielen Fällen vom Anfang bis zum Ende von KI erstellt werden.Grund ist die Aufgabe ist:
- linear und sequentiell, d.h. stark strukturiert.
Dies trifft beispielsweise für Programmierer und Kommunikationsfachleute/Texter zu.
So kann ein KI-Assistent wie Claude von Anthropic gegen einen nicht fest angestellten Texter ausgetauscht werden, ohne dass HR eingeschaltet wird.
Die Grafik unten zeigt, dass 2024 in den USA die AI als Unterstützer für das Verfassen von Texten (Corporate Communication und Journalismus) sowie das Erstellen von Programmzeilen (Programmierung) vermehrt Einzug gehalten hat.
Grafik von John Burn-Murdoch 2025-03-29 UK p. 10 FT View
Warum hat die AI meinen Job noch nicht übernommen?
Die täglichen Aufgaben von Buchhaltern, Versicherungsvertretern, Reisebüros und Büroangestellten überschneiden sich fast vollständig mit den Fähigkeiten von Large Language Models.
Doch die Zahl der Beschäftigten in diesen Berufen ist trotz der zunehmenden Verbreitung generativer KI in ihrem üblichen Rahmen geblieben. Anders bei Textern und Programmierern.
AI Effektivität: KI übernimmt vermehrt Aufgaben mit steigendem Zeitaufwand
Die obige Grafik wird indirekt auch von einer in 2025 vom Higher Education Policy Institute unter britischen Bachelor Studenten durchgeführten Umfrage illustriert:
- 92 % von ihnen nutzen 2025 generative KI in irgendeiner Form, verglichen mit
- 66 % in 2024,
Weiter zeigt die Studie ebenfalls, dass:
- 88 % der Studenten 2025 Generative AI in Prüfungen eingesetzt haben, gegenüber
- 53 % im Jahr 2024.
Klar strukturierte Aufgaben wie die Lösung einer Prüfungsaufgabe sind für KI gute Einsatzorte.
Doch neue Studienresultate zeigen, dass sich AI immer weier entwickelt. Bei der Arbeit manifestiert sich dies mit der Tatsache, dass KI immer mehr Aufträge ausführen kann, deren Zeiterfordernisse immer grösser sind. Desto komplexer eine Arbeit, desto mehr Zeit braucht auch ein Mensch um diese auszuführen.
Die Grafik unten zeigt aber auch, dass AI immer zeitaufwendigere, d.h. komplexere Arbeiten ausführen kann.
Grafik von Measuring AI Ability to Complete Long Tasks 2025-03-30 v.2
Die Autoren haben eine Extrapolation dieser in der Studie erarbeiteten Trends gemacht. Die zeigt, dass wir in weniger als 5 Jahren KI-Agenten sehen werden, die Aufgaben selbständig erledigen können.
Dies trifft speziell auf Tätigkeiten zu, die mit Hilfe von Software ausgeführt werden für deren Ausführung Menschen derzeit Tage oder Wochen brauchen,
Das zeigt, was heute AI vielleicht nicht kann, löst es schon in 8 Monaten!
sss
Das Beispiel von Sunrise/Yallo einem Telco Provider in der Schweiz illustriert das Ganze. Je nach Komplexität der Kundenanfrage braucht es weniger oder mehr Zeit für den Kunden.
Einige Dinge kann die im Chatbot integrierte AI schlichtweg noch nicht meistern. Aber die Weiterentwicklung ist heute so rasant, dass sich die Dinge schon 2027 so stark ändern könnten, dass diese Anfrage gelöst wird.
- Yallo Beispiel – Job welcher AI, je nach Komplexität der Kundenanfrage nicht übernehmen kann
Download Use-Case Sunrise/Yallo als PDF Datei
13 Antworten
Interessant, die Zahlen der KI-Nutzung. Sie entsprechen einer Steigerung von jeweils >50% der KI-Nutzung gegenüber 2024.
– Ist inzwischen nun alles KI, oder was? Oder,
– kann es KI wirklich besser, oder ist es Bequemlichkeit, KI zu nutzen?
Ein Beispiel aus dem Schulalltag meiner Tochter (1. Sekundarklasse, Eschenbach).
Meine Tochter ist ziemlich gut in Englisch und lernt Vocabular intensiv, weil sie daran glaubt, dass es ohne Vocabular-Wissen nicht klappt.
Recht hat sie – nur ihre Lehrperson hat sie relativ harsch angefahren, ob sie die letzten Aufgaben mit „KI“ gelöst hätte. Dies, weil sie gelernte Wörter (aus dem Vocabular) verwendete, welche gemäss Lehrerin in England sehr wenig verwendet würden.
Diese Unterstellung – meine Tochter hat, ausser ihren Hausaufgaben zu machen, keine KI verwendet – von einer Lehrperson gegenüber starken Schülerinnen finde ich gefährlich.
Sind Lehrer mit diesem Thema überfordert? Beim Thema KI scheint zudem jeder Experte zu sein.
Beste Grüsse,
Rolf
ANTWORT 1
Wow lieber Rolf ein heisses Eisen
Ich glaube zum Teil ist die Nutzung von KI eine Sache der Bequemlichkeit…. man denkt es geht schneller… aber eben nicht immer, denn man muss die Dinge ja überprüfen.
Eine Microsoft Studie (2025) über die Nutzung generativer KI durch Wissensarbeiter, kam zu dem Ergebnis, dass das Werkzeug AI “die Natur des kritischen Denkens” von
“Informationsbeschaffung zur Informationsüberprüfung”, von der
“Problemlösung zur Integration von KI-Antworten” und von der
“Aufgabenausführung zu Aufgabenverwaltung”
verändert hat.
Das bedeutet aber auch, dass beim Erstellen von Texten oder Programmen, der Mensch immer noch die Information überprüft, die verschiedenen AI Vorschläge zusammenführt und das Ganze leitet.
ANTWORT 2
Das mit der Reaktion der Lehrperson ist sehr interessant. Einenteils zeigt es, dass die Lewhrperson wohl weder ChatGPT noch andere Programme schon für das Erstellen von Englisch-Texten genutzt hat.
Hätte die Lehrperson diese Programme schon mehrfach getestet, wüsste die Person, das gemäss Erfahrung der Nutzer und von der Microsoft Studie bestätigt, die Nutzung von AI bei der Texterstellung immer noch die
– Informationsüberprüfung UND die
von KI erstellter Textbaustein umschreiben und in das Essay oder den Aufsatz einbauen 
– Integration von KI Antwort,
des Menschen braucht, um einen guten Text zu erstellen.
Wenn man dies tut, braucht es oftmals fast genau gleich viel Zeit, wie man den Text alleine erstellt hat.
Wenn die Lehrperson mehr von KI verstehen würde, wüsste diese auch, dass z.B. bei der Erstellung eines Textes auf Englisch – vor allem bei einfacheren Texten – ChatGPT immer die Wörter nutzt, die auch am meisten bekannt sind …. d.h. Teil des Grundwortschatzes sind.
Wenn der Lehrer also sagt…. „…gelernte Wörter (aus dem Vocabular) verwendete, welche gemäss Lehrerin in England sehr wenig verwendet würden.“ hätte ChatGPT diesen „Fehler“ kaum begangen sondern eben, die Wörter genutzt welche man halt so braucht.
PS. Wenn die Leute in England die Wörter im Vocabulary des Lehrmittels selten brauchen, vielleicht brauchen es dann vielleicht die Leute in Indien or Kanada
?
Bitte den Workshop vom Marketing Club Lago oder MC Lago zum Thema nicht vergessen:
AI im Business wie Marketing, Corporate Communication und Informatik – jetzt kostenlos anmelden = mit einem Klick .
Teilnahme ist kostenlos.
Lieber Marketing Club Lago
Danke für den Hinweis.
Ich habe auch gleich noch eine Verlinkung zu diesem Workshop am Anfang des Blogeintrages eingebaut.
Freue mich auf die Teilnahme.
Grüessli
Urs
#DrKPImetrics #CyTRAP
Cooler Beitrag.
I love your checklist. Eigentlich logisch aber, dass man anhand von:
1. Häufigkeit
2. Komplexität
3. Vernetzung
4. Kosten bei Fehlern
abklären muss, ob es sich lohnt ist schön und mit Beispielen aufgelistet.
Ebenfalls finde ich gut, dass du uns aufforderst, diese Checkliste immer wieder – vielleicht alle 6 Monate – durchzuarbeiten, denn AI entwickelt sich rasant.
Vielen Dank Alice
Ja ich glaube das regelmässige überprüfen der Situation ist wichtig. Denn auch wenn der Chat-Bot die Situation vielleicht heute noch nicht meistert, in 8 Monaten hat er sich so stark verbessert, das es lohnt.
Ein Beispiel ist der Chatbot vom Verein OrphanHealthcare (einfach anklicken) – für Familien mit Kindern mit seltenen Krankheiten.
Dieser verbessert sich laufend, d.h. wird mit neuen Erkenntnissen aus der Forschung, usw. gespeist und bietet dabei den Eltern ein immer besseres Tool für wichtige Informationen betreffend des Krankheitsbildes derer Kindern.
PR neu denken – das ist kein Zukunftsthema, sondern jetzt schon entscheidend.
Im zweiten Teil des Workshops des Marketing Club Lago zeige ich, wie KI-Tools wie z.B.:
– ChatGPT,
– Perplexity oder
– DALL-E
uns in der Öffentlichkeitsarbeit entlasten können – und was trotzdem bleibt:
Ich freue mich auf alle, die bereits erste KI-Erfahrungen gesammelt haben und nun wissen wollen, wie sie diese Werkzeuge sinnvoll und wirksam in ihrer PR einsetzen können.
Kommunikation braucht Haltung – und einen Plan.
Hier kann man sich zum Workshop anmelden
https://mclago.com/marketing-events/ki-im-marketing/
Liebe Sabine
Danke für diesen hilfreichen Hinweis. Bin natürlich gespannt was du uns zeigen wirst.
Speziell zum Schmunzeln bringt mich dein Text oben wenn du darauf hinweist, das trotz KI oder AI was bleibt, nämlich:
Für mich gilt ebenfalls, wenn die Prozesse nicht stimmen, dann können wir auch nicht das ganze Potential der AI ausschöpfen…
Beispiel: Wenn die Person welche die Öffentlichtkeitsarbeit oder Corporate Communication macht nichts von der Materie versteht, bleibt vielleicht die Qualitätskontrolle auf der Strecke.
Ohne substantielles Verständnis von einem Thema bin ich nicht in der Lage eine Qualitätskontrolle des Textes vorzunehmen.
Nur dank eigenem Know-How kann ich überprüfen, inwiefern von den von DALE-E oder Perplexity generierten Inhalten auch wirklich Hand und Fuss haben und den Tatsachen / Fakten entsprechen.
Die kritische Qualitätskontrolle der AI unterstützten Arbeit bleibt (siehe auch Microsoft (siehe Kommentar oben / hier) .
Schönes Weekend wünsche ich.
Urs
#DrKPImetrics
Das AI Modell vom chinesischen Start-Up DeepSeek gibt es auf GitHub zum Download:
Liebe Elena
Danke für Deinen Link, das habe ich doch oben im Beitrag glatt vergessen.
Merci
Urs
#DrKPImetrics
#CyTRAP
Also gemäss Tabelle im Blogeintrag haben wir uns entschieden welche Arbeiten wir mit AI erledigen möchten oder wenigstens teilweise.
Doch was nun, wie finden wir die KI-Fachkräfte? Welche Qualifikationen müssen diese haben?
Hast du Ideen?.
Lieber Peter
Danke für die Frage. Interessant, bin gerade am erarbeiten eines Blogeintrages zum Thema Recruiting von AI-Fachkräften.
Also noch ein wenig geduld sollte innerhalb einer Woche publiziert werden.
Da solltest du die Fachkräfte finden.
Gruss
Urs