Automatisierung ohne Arbeitslogik macht das Chaos schneller — nicht besser. Wer einen ungeklärten Ablauf automatisiert, hat in vier Wochen denselben Streit, nur mit höherem Tempo und einem Abonnement mehr.

Was „Arbeitslogik“ konkret bedeutet

Arbeitslogik ist keine IT-Dokumentation. Es ist die Antwort auf vier Fragen, die jedes Mal gestellt werden, wenn ein Vorgang durch mehrere Hände läuft:

• Wer liefert was — mit welchem Ergebnis?
• Wo liegt die gültige Version?
• Wer gibt frei — nach welchem Kriterium?
• Was passiert, wenn jemand fehlt?

Wenn zwei Personen im Team auf diese Fragen unterschiedliche Antworten geben, existiert keine gemeinsame Arbeitslogik. Dann ist der Ablauf noch nicht reif für Automatisierung — egal wie gut das Modell ist.

Schritt 1: Den Ist-Ablauf auf einer Seite schreiben

Nehmen Sie einen Vorgang, der mindestens dreimal pro Woche vorkommt: Kundenanfrage beantworten, Protokoll erstellen, Angebot verschicken. Schreiben Sie ihn so auf, wie er wirklich läuft — nicht wie er laut letztem Workshop laufen sollte.

Fünf bis sieben Schritte, ein Satz pro Schritt, Pfeile dazwischen. Wenn zwei Personen dabei unterschiedliche Wege beschreiben, notieren Sie beide Varianten. Das ist kein Fehler — es ist der erste ehrliche Befund.

Testen Sie: Kann jemand Neues diesen Ablauf nach zehn Minuten Lesen fehlerfrei ausführen? Wenn nicht, fehlt noch etwas.

Schritt 2: Nur eine Änderung pro Runde

Der häufigste Fehler: Der Ist-Ablauf wird als Chance begriffen, alles auf einmal neu zu gestalten. Neues Tool, neue Rollen, neues Namensschema — und dann wundert man sich, warum das Team nach zwei Wochen in den alten Trott fällt.

Der Soll-Ablauf enthält genau eine bewusste Änderung gegenüber dem Ist. Alles andere bleibt. Die eine Änderung wird zwei Wochen lang manuell getestet — ohne KI, ohne Automatisierung. Wenn Menschen den neuen Weg nicht halten, hält ihn auch kein Algorithmus.

Markieren Sie im Ablauf drei Kategorien: Was bleibt gleich? Was wird kürzer? Was braucht neue Freigabe? Das verhindert, dass aus „kleiner Anpassung“ ein verstecktes Großprojekt wird.

Schritt 3: Automatisierung als Verstärker einsetzen

Gute Kandidaten für Automatisierung sind Schritte, die repetitiv, klar begrenzt und prüfbar sind: Entwurf aus Stichpunkten erstellen, Zusammenfassung formatieren, Checkliste ausfüllen. Schlechte Kandidaten sind Schritte mit fehlenden Daten, politischen Abwägungen oder unklarer Verantwortung.

Für jeden Schritt eine Frage: Braucht das die Einschätzung eines Menschen — ja oder nein? Wenn ja, darf die KI vorbereiten. Entscheiden bleibt beim benannten Prüfer — schriftlich, mit Kriterium.

Praxisbeispiel: Ein Freelancer schreibt Projektberichte. KI erstellt den Erstentwurf aus Stichpunkten. Der Freelancer prüft Fakten und Ton in fünf Minuten. Ergebnis: 30 Minuten Arbeit statt 90. Das funktioniert, weil der Prozess vor dem Tool stand.

Schritt 4: Review vor Skalierung

Nach 14 Tagen eine einfache Prüfung: Hält die Arbeitslogik? Nutzt das Team den neuen Weg — oder geht es Umwege? Wenn das Team Umwege geht, ist die Logik falsch — nicht die Motivation. Dann reparieren Sie die Logik, bevor Sie skalieren.

Ein gestoppter Versuch mit klarer Notiz ist kein Scheitern. Er ist billiges Lernen. Das ist das Gegenteil vom typischen Verhalten: Tool wechseln, wenn der alte Weg nicht funktioniert — und dabei übersehen, dass der Weg nie geklärt war.

Was Sie diese Woche tun können

• Wählen Sie einen häufigen Vorgang. Schreiben Sie ihn auf einer Seite in Alltagssprache auf.
• Identifizieren Sie genau eine Änderung, die den Ablauf verbessert.
• Testen Sie diese Änderung zwei Wochen manuell — ohne neues Tool.
• Markieren Sie danach einen Schritt, bei dem KI vorbereiten darf — und benennen Sie den Prüfer.
• Tragen Sie das Review-Datum in den Kalender ein, bevor Sie mit dem Test beginnen.

Automatisierung lohnt sich — aber erst, wenn der Ablauf auf einer Seite steht und das Team ihn kennt. Dann ist KI ein echter Verstärker. Vorher ist sie ein teures Pflaster auf einem ungeklärten Problem.

Weiterführende Quellen

• Harvard Business Review: How to Prepare Your Organization for Generative AI
• Bundeszentrale für politische Bildung: KI in Unternehmen — Chancen und Risiken
• McKinsey: Supercharging Workflows with Generative AI