Eine Strategie stützt sich selten auf alle verfügbaren Fakten. Sie stützt sich auf eine ausgewählte Anzahl von Annahmen, die zum Zeitpunkt ihrer Formulierung vernünftig waren und danach nicht mehr aufgebrochen wurden. Eine davon lautet oft: Unser Wissensvorsprung bleibt bestehen, weil wir schon länger in diesem Fach tätig sind, mehr Kunden gesehen, mehr Sonderfälle gelöst haben als jeder, der jetzt einsteigt. Diese Annahme kam irgendwoher. Jahrelange Erfahrung von Spezialisten, Akten und Präzedenzfälle, die sich nicht in einem halben Jahr kopieren ließen, eine Lernkurve, die Neueinsteiger einfach durchlaufen mussten. Das war kein Übermut. Das war eine vernünftige Lesart davon, wie sich Wissen aufbaute: langsam, in Menschen, über Jahre.
Die Annahme stimmte, weil Wissen und die Person, die es trug, kaum voneinander zu trennen waren. Wollte ein Wettbewerber Ihren Vorsprung einholen, musste er Menschen mit denselben Jahren an Erfahrung einstellen oder selbst diese Jahre investieren. Beides war langsam und sichtbar. Sie sahen einen Wettbewerber rekrutieren oder aufbauen und hatten Zeit zu reagieren. Der Vorsprung war also nicht nur inhaltlich, er war auch ein Tempounterschied, den Sie verfolgen konnten.
KI übernimmt Arbeit, und das geschieht nicht überall in derselben Kategorie. Bei einem Teil der Wissensaufgaben kann ein Sprach- oder Analysemodell den ersten Durchgang selbst erledigen: Muster in Akten erkennen, einen Rat auf Grundlage von Präzedenzfällen erstellen, eine Analyse zusammenfassen, die früher einen Senior einen Tag kostete. Bei einem anderen Teil geschieht es mit menschlichem Toezicht: Das Modell erstellt den Vorschlag, ein Spezialist genehmigt oder lehnt ihn ab und begründet warum. Bei wieder einem anderen Teil ändert sich wenig, weil das Urteil zu kontextgebunden oder zu risikoreich ist, um automatisiert zu werden. Diese Verteilung ist von Unternehmen zu Unternehmen und von Aufgabe zu Aufgabe unterschiedlich, und genau das ist der Punkt: Es ist kein allgemeiner Durchbruch, es ist eine Verschiebung, die Aufgabe für Aufgabe stattfindet, und Unternehmen, die das pro Aufgabe erfassen, sind Unternehmen, die die Frage noch auf strategischer Ebene besprechen, derzeit voraus.
Woher dieser Unterschied kommt, ist meist nicht inhaltlich. Es liegt daran, wer die Frage bereits auf Ebene der Arbeit selbst gestellt hat und wer sie noch auf Ebene der Branche stellt. Dieselbe Logik gilt bei der Annahme, dass diese Arbeit nicht zu standardisieren ist: Was einst als zu spezifisch für Automatisierung galt, erweist sich bei Prüfung oft als teilweise doch in wiederholbare Schritte zerlegbar.
Die Folge speziell für den Wissensvorsprung: Der Tempounterschied, den Sie früher verfolgen konnten, ist nicht mehr garantiert sichtbar. Ein Wettbewerber muss keine zehn Senior-Mitarbeiter einstellen, um bei einer Teilaufgabe an Ihr Niveau heranzukommen. Er muss nur die richtige Aufgabe als geeignet für die Übernahme durch KI erkennen und die Aufsicht darüber gut organisieren. Das kann er tun, ohne dass Sie es geschehen sehen, bis das Ergebnis auf dem Tisch liegt.
Die Signale stecken meist nicht in den Zahlen dieses Quartals. Sie stecken in Verhalten, das Sie etwas anderem zuschreiben. Ein Angebot eines kleineren Wettbewerbers, das inhaltlich genauso scharf ist wie früher nur Ihre Senior-Mitarbeiter liefern konnten, und schneller. Ein Kunde, der fragt, warum eine Analyse, die bei Ihnen eine Woche dauert, anderswo an einem Tag fertig ist. Neue Marktteilnehmer, die ohne die jahrelange Lernkurve trotzdem schon auf Niveau mitreden. Jedes dieser Signale ist für sich genommen erklärbar, und genau deshalb bleibt die Annahme so lange unbemerkt: Es gibt keinen einzigen Moment, in dem sie sichtbar zerbricht, nur eine Reihe einzelner Fälle, die erst im Nachhinein ein Muster ergeben.
Die zugrunde liegende Frage ist dieselbe wie bei der Annahme, dass Skalengröße Schutz bietet: Ein Vorteil, der einst nur langsam einzuholen war, wird erst dann unzuverlässig, wenn jemand anderes den langsamen Schritt überspringt. Beim Wissensvorsprung ist dieser langsame Schritt die Lernkurve, und genau dort wird dieser Schritt übersprungen, wo sich eine Aufgabe für die Übernahme durch ein Modell eignet.
Um zu wissen, ob die Annahme noch steht, genügt es nicht zu fragen, ob Ihre Mitarbeiter noch immer gut sind. Das sind sie wahrscheinlich noch. Die Frage ist, ob ihr Vorsprung noch der Engpass ist für denjenigen, der Sie einholen will. Das erfordert drei Dinge, die verfolgt werden müssen: pro Wissensaufgabe, ob sie in die Kategorie vollständig übernehmbar, übernehmbar mit menschlichem Toezicht oder Handarbeit fällt, und ob diese Einteilung kürzlich noch überprüft wurde; wie lange es her ist, dass zuletzt festgestellt wurde, dass ein Wettbewerber diesen Schritt noch nicht gegangen war, und aufgrund welches Signals; und ob die Marge, die Sie diesem Wissensvorsprung zuschreiben, als separate Annahme mit einem Datum festgehalten wurde, sodass klar ist, wann sie zuletzt geprüft wurde, statt nur wiederholt zu werden. Soweit das Thema Personalentscheidungen berührt, gelten dafür eigene gesetzliche Anforderungen; diese werden hier nicht behandelt.
Die zugrunde liegende Frage — welche Arbeit in diesem Unternehmen tatsächlich von KI übernommen werden kann — wird mit dem Arbeitsscan von FTE TO AI pro Aufgabe beantwortet, nicht auf Ebene der gesamten Branche.
Wer wissen möchte, ob diese Annahme im eigenen Unternehmen noch steht, kann mit dem kostenlosen Annahmecheck beginnen: einer kurzen Runde, in der Sie Ihre wichtigsten Annahmen benennen und pro Annahme sehen, wann sie zuletzt bestätigt wurde. Die vollständige strategische Druckprobe befindet sich im Aufbau.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.