Beyond AI

Mitarbeiter bezahlen ChatGPT aus eigener Tasche, damit sie ihre Arbeit erledigen können. Die Firma findet’s praktisch. Theo und Maksim eher nicht. Denn während noch über die offizielle KI-Freigabe diskutiert wird, landen längst Firmendaten in privaten Accounts – und nebenbei entstehen Apps, von denen die IT noch nie gehört hat. Dabei ist Selberbauen mit KI längst eine ernsthafte Alternative zum Softwarekauf. Theo und Maksim sprechen darüber, wann es sich lohnt, alte Software abzulösen, und was man besser weiterhin einkauft. Für die Reisekostenabrechnung fällt die Entscheidung anders aus als für einen Prozess, der die Firma von ihrer Konkurrenz unterscheidet. Und manchmal ist die Wartungsrechnung für das alte System das überzeugendste Argument für einen Neubau. Nur ist eine schnell gebaute App noch lange nicht fertig betreut. Solange jemand damit einmalig eine Auswertung macht, bleibt vieles überschaubar. Sobald die Kollegen jeden Morgen darauf angewiesen sind, braucht es jemanden, der weiß, wo sie läuft, wie man sie repariert und wer während seines Urlaubs übernimmt. Die beiden besprechen, wie Unternehmen solche Ideen aus dem Team aufgreifen können, bevor daraus die nächste heimlich betriebene Firmen-IT wird. Denn Schatten-KI verschwindet kaum, solange die erlaubte Alternative den Leuten ihre Arbeit schwerer macht.

„Da gibt es keine Ausnahmen.“ Bei diesem Satz wird Viktoria in KI-Projekten hellhörig. Denn was für die Kollegen seit Jahren zum Alltag gehört, landet noch lange nicht im Testdatensatz. Die Demo funktioniert, beim Rollout stolpert die Lösung über das dritte Dokument – und plötzlich müssen die Leute nacharbeiten, denen die KI eigentlich Arbeit abnehmen sollte. Viktoria und Theo sprechen darüber, wie man solche Überraschungen früher findet. Das beginnt schon bei der Auswahl des Problems: Der erste Use Case, den jemand in die Runde wirft, ist selten gründlich durchgerechnet. Und hinter dem Wunsch, zwei Excel-Tabellen loszuwerden, steckt manchmal eine IT-Landschaft, die komplett umgebaut werden müsste. Dann geht’s ans Datenchaos: Erst aufräumen oder gleich die KI drauflassen? Die beiden besprechen, wo sie beim Sortieren hilft und wo sie bloß mit viel Rechenleistung überspielt, dass niemand weiß, welche Daten eigentlich stimmen. Das kann in einer Demo beeindruckend aussehen. Die Rechnung für den täglichen Betrieb möchte man trotzdem nicht bezahlen. Außerdem geht es um die Leute, die so ein Projekt zusammenhalten: jemanden, der die Sonderfälle kennt, jemanden, der Entscheidungen trifft – und eine Verbindung zwischen dem, was die Mitarbeiter brauchen, und dem, was die Geschäftsführung vorhat.

Produktionsleiter bei Jungheinrich, Einkaufschef bei Dräxlmaier, Geschäftsführer im Mittelstand – und dann der bewusste Schritt in den Hörsaal. Prof. Dr. Maik Steinmetz lehrt heute an der TH Rosenheim und berät gleichzeitig Unternehmen. Mit Theo spricht er über zwei Themen, die auf den ersten Blick nichts verbindet: Kreislaufwirtschaft und KI. Seine Antwort darauf, was sie gemeinsam haben, führt über die Dampfmaschine, ein Elektroauto mit 175 Kilometern Reichweite – und eine Zahl, die jeder Lean-Manager kennt. Erst Nachhaltigkeit: Stimmt der böse Satz, dass man sie nur betreibt, solange man sie sich leisten kann? Warum rät Maik seinen Studierenden, in 50 bis 100 Jahren zu denken statt in fünf? Wieso liegen bei fast jedem zwei, drei alte Handys in der Schublade, obwohl wir beim Liefernlassen Weltmeister sind – und was passiert mit einem europäischen Auto, nachdem es nach 15 Jahren den Kontinent wechselt? Dann KI: Warum werden Masterarbeiten im Schnitt gerade schwächer – und was muss ein Absolvent trotzdem so sicher beherrschen wie ein Ingenieur den Taschenrechner? Wie finden zehn Mittelständler gemeinsam heraus, auf welches KI-Pferd sie setzen sollen, ohne dass jeder dieselben teuren Fehler macht? Und was steckt hinter der Aussage, das jede SAP-Einführung neben der KI-Transformation wie ein Wochenendprojekt aussehen lässt? Zum Schluss erklärt Maik, warum sein Leitmotiv „Don't Stop Believing" heißt und wieso er findet, dass wir längst im Paradies leben.

Drei Transkripte und ein Strategiepapier rein, ein paar Minuten später stehen perfekte Folien – und erst beim Review fällt Theo auf, dass die gesamte Argumentation gar nicht von ihm stammt. Er hat sie nur abgenickt, weil sie plausibel klang. Vor ein paar Folgen haben wir noch gefeiert, dass uns die KI das mühsame Reinfuchsen abnimmt. Jetzt kommt die Rechnung: Die Frustrationsphase, die die KI wegkürzt, war eigentlich die Lernphase. Also – braucht Lernen das Tal der Schmerzen noch, oder geht es auch ohne? Wir gehen der Frage in vier Bereichen nach. Beim eigenen Lernen: Warum bleibt Wissen aus drei Tagen Lehrbuch hängen, aus zwei Stunden KI-Dialog aber kaum – und was sagt eine Studie über Mathe-Lern-Apps, die zu früh helfen? Beim Bewerben: Was verrät eine perfekte Bewerbung heute noch über den Menschen dahinter? Theo erzählt aus dem Erium-Recruiting – von Anschreiben, die am Telefon in sich zusammenfallen, von einem Bewerber, der den Bewerbungs-Bot per Prompt-Injection geknackt hat, und von der Frage, ob 15 Minuten mit KI oder ein ganzer Tag ohne die bessere Bewerbung ergeben. Bei Firmen, die gerade erst anfangen: Du hast 90 Tage und eine Organisation ohne jede KI – womit fängst du an, welchen Prozess nimmst du dir vor, und welchen besser nicht? Was machst du mit gescheiterten KI-Experimenten, außer sie zu vergessen? Und warum werden Firmen-Wikis mit KI so schnell zum Datengrab? Und beim Studium: Was ist ein Abschluss noch wert, wenn die Hausaufgaben inzwischen die KI macht – welche Berufe hält Theo für hardcore obsolet, und welchen für zukunftssicherer, als viele denken? Am Ende steht Maksims Fazit, ein alter Physiker-Spruch: Shut up and calculate. Was er damit im KI-Zeitalter meint, hörst du in der Folge.

Zwanzig Euro im Monat für einen Assistenten, der programmiert, recherchiert und Meetings zusammenfasst – das klingt zu billig, um wahr zu sein. Und genau das ist es auch: Die großen KI-Anbieter schreiben Milliardenverluste, die Preise sind subventioniert. Nur wer zahlt eigentlich gerade drauf – und wie lange noch? Maksim rechnet vor, was wir selbst bei Erium jeden Monat für KI ausgeben. Dazu die Frage, die alle betrifft: Welche Anwendungen überleben, wenn die echten Preise kommen – Meeting-Analyzer, Vibe Coding, Deep Research? Oder muss dann plötzlich wieder das eigene Hirn vor dem Prompten ran? Dann wechseln wir die Währung: Ein einzelner Prompt kostet ungefähr so viel Strom wie zwei Minuten Licht im Wohnzimmer, ein fünf Sekunden langes KI-Video schon so viel wie tausende Prompts. Und für das Training eines KI-Modells läuft im Rechenzentrum ein komplettes Oktoberfest. Außerdem die Kostenart, die auf keiner Rechnung steht: Review-Schulden – der Berg an KI-Output, den du durchwinkst, statt ihn zu lesen. Theo hat drei günstige Tricks dagegen. Zum Schluss die Frage hinter allem: Wenn KI uns effizienter macht – warum wächst unser Fußabdruck trotzdem, und warum fühlt sich die Arbeit nach mehr an statt nach weniger? Maksims Antwort passt in einen Satz und ist beruhigender, als man denkt.