Im Februar 2023 bestand die unmittelbarste Wirkung generativer KI nicht darin, ganze Unternehmen zu automatisieren. Sie veränderte die Reihenfolge, Geschwindigkeit und Verteilung einzelner Wissensarbeiten.
Kernaussage
Generative KI wirkte zuerst als zusätzlicher Entwurfs-, Umformungs- und Erklärungsbaustein.
Menschen begannen, nicht mehr jeden ersten Entwurf selbst zu formulieren. Sie beschrieben eine Aufgabe, erhielten eine Rohfassung, prüften, präzisierten und überarbeiteten. Dadurch verschob sich Arbeit von der reinen Erstellung stärker zu Aufgabenklärung, Auswahl, Kontextgabe und Qualitätskontrolle.
Vollständige Ersetzung war im Februar 2023 nicht die zentrale betriebliche Realität. Sichtbar war vor allem eine neue Arbeitsteilung.
Ausgangslage
ChatGPT war Ende November 2022 als Forschungsvorschau veröffentlicht worden. Innerhalb weniger Wochen wurde deutlich, dass Sprachmodelle nicht mehr nur spezialisierten Entwicklungsteams zugänglich waren.
Menschen konnten in natürlicher Sprache:
- Fragen stellen,
- Texte zusammenfassen lassen,
- Formulierungen variieren,
- Gliederungen erzeugen,
- Code erklären oder vorschlagen lassen,
- Argumente ordnen,
- komplexe Inhalte vereinfachen,
- erste Entwürfe erstellen.
Ähnliche Verschiebungen waren bei GitHub Copilot bereits 2022 in der Softwareentwicklung sichtbar. Das Werkzeug wurde als unterstützender Partner im Arbeitsfluss eingesetzt. Die Tätigkeit verschwand nicht. Sie wurde durch Vorschläge, Auswahl und Prüfung neu organisiert.
Für Marketing, Kommunikation, Beratung und Wissensarbeit war die entscheidende Neuerung deshalb nicht nur die Qualität einzelner Texte. Es war der sehr niedrige Zugang zu einem dialogorientierten Entwurfswerkzeug.
Was sich zuerst veränderte
Der leere Anfang verlor an Bedeutung
Viele Wissensarbeiten beginnen mit einer leeren Seite:
- Struktur eines Fachbeitrags,
- erste Antwort auf eine Anfrage,
- Gliederung einer Präsentation,
- Zusammenfassung eines Dokuments,
- Varianten einer Überschrift,
- Entwurf einer Prozessbeschreibung.
Generative KI konnte diesen Anfang beschleunigen. Aus einer ausreichend klaren Aufgabenbeschreibung entstand ein Vorschlag, der nicht fertig sein musste, um nützlich zu sein.
Der Nutzen lag häufig darin, Reibung am Start zu reduzieren.
Varianten wurden günstiger
Vor generativer KI war jede zusätzliche Formulierungsvariante mit weiterer Schreibarbeit verbunden. Nun konnten unterschiedliche Tonlagen, Längen und Perspektiven schnell erzeugt werden.
Das veränderte die Entscheidung:
Nicht mehr jede Variante musste einzeln geschrieben werden. Verantwortliche konnten mehrere Optionen prüfen und anschließend bewusst auswählen oder kombinieren.
Damit stieg allerdings auch der Bedarf an Kriterien. Mehr Varianten erzeugen keine bessere Entscheidung, wenn Zielgruppe, Aussage und fachliche Grenze unklar sind.
Zusammenfassung wurde dialogorientiert
Dokumente konnten nicht nur gekürzt werden. Nutzer konnten nachfragen, bestimmte Aspekte herausarbeiten und die Darstellung an einen Zweck anpassen lassen.
Das war praktisch relevant für:
- interne Vorbereitung,
- erste Orientierung in Material,
- Vergleich von Argumenten,
- Umformung technischer Inhalte,
- Entwurf von Fragen.
Die Zusammenfassung blieb prüfbedürftig. Ein Modell konnte Schwerpunkte falsch setzen, Informationen weglassen oder scheinbar plausible Verbindungen erzeugen.
Prüfung wurde zu einer sichtbaren Arbeitsphase
Je leichter Entwürfe entstanden, desto wichtiger wurde die Frage, wie sie geprüft werden.
Ein Text konnte sprachlich klar wirken und dennoch:
- eine Quelle falsch wiedergeben,
- einen Fachbegriff unpräzise verwenden,
- eine Behauptung erfinden,
- einen Unternehmenskontext verfehlen,
- eine rechtliche Grenze übersehen,
- zu allgemein bleiben.
Die Arbeit verschob sich daher nicht einfach von Mensch zu Maschine. Sie verschob sich von vollständiger Eigenproduktion zu einer Kombination aus Aufgabenstellung, Entwurf, Prüfung und Überarbeitung.
Strategische Einordnung
Im Februar 2023 war es zu früh, aus ersten Erfahrungen eine vollständige Unternehmensarchitektur abzuleiten.
Drei nüchterne Beobachtungen waren jedoch möglich.
Generative KI ist eine neue Arbeitsschicht
Sie kann zwischen vorhandener Information und menschlichem Ergebnis liegen. Sie ordnet, formuliert, verändert und schlägt vor.
Diese Schicht kann einzelne Tätigkeiten beschleunigen. Sie verändert dadurch Rollen und Übergaben, auch wenn der gesamte Prozess noch manuell bleibt.
Qualität hängt stärker von Aufgabenklärung ab
Ein unklarer Auftrag erzeugt häufig einen allgemeinen Entwurf. Ein klarer Auftrag mit Ziel, Kontext, Format und Grenzen verbessert die Nutzbarkeit.
Der Prompt wurde deshalb relevant. Er war jedoch nur ein Teil der Aufgabe. Fehlendes Unternehmenswissen konnte nicht durch geschickte Formulierungen ersetzt werden.
Prüfung muss mitgedacht werden
Die frühe Nutzung zeigte bereits, dass überzeugende Sprache leicht mit fachlicher Verlässlichkeit verwechselt werden kann.
Der im Januar 2023 veröffentlichte NIST AI Risk Management Framework ordnete Vertrauen nicht als reine Systemeigenschaft ein. Er verband Governance, Kontext, Messung und Risikobehandlung.
Für Unternehmen bedeutete das: Ein praktischer Einsatz sollte nicht nur auf Output achten, sondern auf Verantwortung und Kontrolle.
Perspektive aus der Praxis
Der sinnvollste Einstieg lag nicht in der vollständigen Automatisierung eines kritischen Prozesses.
Geeigneter waren Aufgaben, bei denen:
- ein Mensch das Ergebnis ohnehin überarbeitet,
- Fehler leicht erkennbar und korrigierbar sind,
- keine sensiblen Daten benötigt werden,
- die Aufgabe häufig wiederkehrt,
- ein guter Entwurf Zeit spart,
- fachliche Verantwortung klar bleibt.
Beispiele:
- Gliederung aus freigegebenem Material,
- Zusammenfassung eines internen Dokuments,
- Varianten eines bereits geklärten Textes,
- Übersetzung als Arbeitsfassung,
- Vorbereitung von Fragen,
- erste Struktur einer Anleitung,
- Erklärung eines Codeabschnitts,
- Umformulierung für eine andere Zielgruppe.
Ungeeignet waren Aufgaben, bei denen ein sprachlich plausibles Ergebnis ohne weitere Prüfung unmittelbar veröffentlicht, versendet oder als verbindliche Entscheidung verwendet wurde.
Vorher und nachher
Handlungsrahmen
1. Eine begrenzte Aufgabe wählen
Der Einstieg sollte eine konkrete, wiederkehrende Wissensarbeit betreffen. Nicht „Kommunikation mit KI“, sondern beispielsweise „aus freigegebenen Notizen drei mögliche Gliederungen erstellen“.
2. Erwartung und Grenze beschreiben
Ein brauchbarer Auftrag enthält:
- Ziel,
- Zielgruppe,
- vorhandenes Material,
- gewünschtes Format,
- nicht zulässige Ergänzungen,
- Prüfkriterien.
3. Keine ungeprüften Unternehmensdaten eingeben
Vor der Nutzung muss geklärt sein, welche Informationen in das jeweilige System eingegeben werden dürfen. Vertrauliche, personenbezogene oder vertraglich geschützte Daten benötigen eine gesonderte Prüfung.
4. Ergebnis gegen Quellen und Zweck prüfen
Die Prüfung richtet sich nicht nur auf Sprache. Sie umfasst fachliche Richtigkeit, Vollständigkeit, Quellenbezug, Ton, Zielgruppe und geschäftliche Konsequenz.
5. Erkenntnisse dokumentieren
Geeignete Aufgaben, wiederkehrende Fehler und notwendige Kontextinformationen werden festgehalten. Daraus kann später eine belastbarere Arbeitsweise entstehen.
Was Unternehmen nicht tun sollten
Unternehmen sollten aus einer überzeugenden Demonstration keine allgemeine Eignung ableiten.
Ein Modell kann bei einer Aufgabe sehr nützlich und bei einer ähnlichen Aufgabe unzuverlässig sein. Ergebnisqualität hängt von Eingabe, Kontext, Modell, Daten und Prüfkriterien ab.
Ebenso falsch wäre die Annahme, nur besonders kreative Tätigkeiten seien betroffen. Früh sichtbar wurde gerade die Verbindung aus Routine und Wissensarbeit: Entwurf, Umformung, Sortierung und Erklärung.
Unternehmen sollten auch nicht versuchen, die neue Arbeitsschicht unsichtbar zu machen. Wenn Mitarbeitende generative KI nutzen, müssen Regeln, Verantwortung und Lernmöglichkeiten geschaffen werden.
Konsequenz für Unternehmen
Die erste strategische Frage im Februar 2023 lautete nicht: Welche Stellen werden ersetzt?
Sie lautete:
Welche Arbeitsschritte verändern sich, wenn ein schneller generativer Entwurf verfügbar wird, und welche neuen Prüfaufgaben entstehen dadurch?
Diese Perspektive war weniger spektakulär, aber geschäftlich tragfähiger. Sie richtete den Blick auf tatsächliche Abläufe statt auf pauschale Zukunftsbilder.
Fachlicher Anschluss
KI-gestützte Arbeit kontrolliert einordnen
KI-Orchestrierung beginnt mit einer klaren Aufgabe, geeigneten Daten, einer definierten Prüfrolle und einem nachvollziehbaren Übergang in den bestehenden Prozess. Eine strukturierte Discovery trennt sinnvolle Assistenz von vorschneller Automatisierung.
CTA: Geeignete KI-Arbeitsschritte strukturiert prüfen
Weiterführende Insights
- KI und Automatisierung
- Automatisierung rettet keine ungeklärten Prozesse
- KI ohne Wissensgrundlage produziert austauschbare Ergebnisse
- Warum menschliche Prüfung Teil jedes belastbaren KI-Prozesses bleibt
Über den Autor
Göke Frerichs ist Digitalstratege und Smart Digital Creative. Er arbeitet seit 1999 professionell an der Verbindung von digitaler Strategie, Kommunikation, Technologie und Umsetzung.
Quellen
- OpenAI, „Introducing ChatGPT“, 30. November 2022, https://openai.com/index/chatgpt/
- GitHub, „Research: How GitHub Copilot helps improve developer productivity“, 15. Juli 2022, https://github.blog/news-insights/research/research-how-github-copilot-helps-improve-developer-productivity/
- GitHub, „Research: Quantifying GitHub Copilot’s impact on developer productivity and happiness“, 7. September 2022, https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
- National Institute of Standards and Technology, „Artificial Intelligence Risk Management Framework (AI RMF 1.0)“, 26. Januar 2023, https://www.nist.gov/itl/ai-risk-management-framework
- OECD, „OECD AI Principles“, 2019, https://oecd.ai/en/ai-principles