KI an kritischen Übergaben: wo sie wirklich Wirkung erzeugt — und wo nicht

KI als Allheilmittel zu verkaufen ist einfach. KI an die richtige Stelle setzen, ist es nicht. Aus unseren Diagnose-Mandaten hier drei Muster, an denen sich KI rechnet — und drei, an denen sie das Problem verschiebt, statt es zu lösen.

Drei Stellen, an denen KI im Mittelstand wirkt

1. Lead-Klassifikation an der Übergabe Marketing → Sales. Wenn MQL/SQL-Definitionen drei Eingangskanäle abdecken und drei Sales-Reps mit unterschiedlicher Auffassung arbeiten, glättet eine KI-Klassifikation auf neutralen Daten den Übergang.
2. Reklamations-Routing nach Schwere und Owner. Reklamations-Prozesse leiden an Unter-Eskalation. KI auf den ersten zwei Sätzen einer Reklamation klassifiziert nach Dringlichkeit schneller und konsistenter als der nicht-spezialisierte Erst-Empfänger.
3. Stammdaten-Bereinigung vor Migration. Vor einer ERP- oder CRM-Migration sind verwaiste, doppelte oder widersprüchliche Stammdatensätze der teuerste Block. KI kann hier in Tagen schaffen, was manuell Wochen dauert.

Drei Stellen, an denen KI das Problem verschiebt

1. Pipeline-Forecasting auf schlechten Daten. Wenn Sales-Reps ihre Stages nicht sauber pflegen, macht KI den Forecast nicht besser — sie versteckt nur den Engpass.
2. Customer-Service-Chatbots ohne klare Eskalationspfade. Wenn die zweite Stufe nicht definiert ist, schaufelt der Bot Tickets in eine Sackgasse.
3. Recruiting-Vorauswahl ohne überarbeitetes Stellenprofil. Wenn das Profil das eigentliche Problem ist, beschleunigt KI nur die Fehlhire.

Wie wir das im Mandat prüfen

In der Diagnose schauen wir pro Engpass auf drei Fragen:

• Ist die Definition der Übergabe sauber? Wenn nein, KI nicht.
• Ist die Frequenz hoch genug, dass sich Trainings-/Konfigurations-Aufwand amortisiert?
• Gibt es einen klaren Rückfall-Pfad, wenn die KI eine Klassifikation nicht treffen kann?

Sind alle drei Antworten ja, kommt KI in den 90-Tage-Plan. Sonst nicht.