Digitaler Scheißprozess war gestern. Jetzt kommt der KI-Scheißprozess.

Drei KI-Assistenten, ein Gebäudemodell und ein Wochenende, das mehr über den Stand der Dinge verraten hat als jede Roadmap. Und dann ein Heft, das genau das in Studien gießt.

Es war kein großes Projekt. Für eine grafische Darstellung brauchte ich ein simples 3D-Gebäudemodell — nichts Wildes, ein Grundriss, ein paar Wände, eine Ansicht, mit der man arbeiten kann. Selbst ist der Mann, und so schwer kann das ja nicht sein. Also Autodesk Revit besorgt, installiert, losgelegt. Ich habe Copilot gefüttert und gefragt, ob er mir eine Eins-zu-eins-Anleitung baut. Gesagt, getan.

Nach zwei Stunden im Kreis hatte ich nicht einmal den Grundriss sauber abgepaust. Schritte, die ins Leere liefen. Menüpunkte, die es so nicht gab. Mal fehlte etwas, mal war etwas dazugedichtet. Frohen Mutes also zu Mistral gewechselt — gleiches Bild. Unvollständige Anleitungen, hier eine Lücke, da eine Erfindung. Erst der dritte Anlauf, mit Claude, ging dann wirklich zur Sache. Und zwar gut und schnell.

Damit will ich nicht sagen, das eine Werkzeug sei besser als das andere. Es war ein Tag, eine Aufgabe, ein Werkzeugkasten — kein Test, keine Rangliste. Die Pointe kam nämlich erst hinterher: Mit der fertigen Revit-Zeichnung in der Hand konnte mir ausgerechnet Copilot wieder sinnvolle Tipps geben. Das Werkzeug war nie das Problem. Das Problem war, dass keines der drei mir die Arbeit abnehmen konnte, die vor der Arbeit liegt — zu wissen, wie „richtig“ überhaupt aussieht.

Ich saß da und dachte: Weit entfernt davon, dass hier einer der Agenten einen Menschen ersetzt. Und dann stolpere ich über den aktuellen Schwerpunkt der c’t (Heft 14/2026, „KI und Arbeit: Mythos Job-Killer“). Drei Artikel, die genau das in Daten gießen, was ich am Küchentisch gerade erlebt hatte.

Was ich am Wochenende erlebt habe, hat einen Namen

Die Forscher nennen es die jagged frontier — die zerklüftete Grenze. Fabrizio Dell’Acqua und Kollegen von der Harvard Business School haben das 2023 mit 758 Beraterinnen und Beratern der Boston Consulting Group untersucht. Innerhalb dessen, was die KI beherrscht, waren die Teilnehmer mit GPT-4 deutlich schneller und besser: rund 12 Prozent mehr erledigte Aufgaben, gut 25 Prozent schneller, spürbar höhere Qualität. Jenseits dieser Grenze drehte sich das Vorzeichen — bei Aufgaben außerhalb der Frontier schnitten die KI-Nutzer messbar schlechter ab als die Kollegen ohne KI.

Das Tückische: Die Grenze ist von außen nicht zu sehen. Zwei Aufgaben können gleich schwer aussehen, und die eine löst die KI glänzend, die andere vergeigt sie mit voller Überzeugung. Genau das war mein Revit-Wochenende in klein: drei Assistenten, derselbe Auftrag, völlig unterschiedliche Zuverlässigkeit — und die einzige Instanz, die unterscheiden konnte, was fehlt, war ich. Die drangedichteten Schritte waren keine Macke. Das waren Halluzinationen. Und ich konnte sie nur entschärfen, weil ich genug Vorwissen hatte, um zu erkennen, was Unsinn ist.

c’t-Autor Hartmut Gieselmann bringt es im Schwerpunkt auf den Punkt: Erfahrene Beschäftigte bringen genau die Fähigkeit mit, gefährlichen Unsinn in scheinbar brauchbaren Ergebnissen zu erkennen. Die KI kann einen Junior schneller machen. Sie macht ihn aber nicht automatisch zum Senior.

Drei Irrtümer, die mein Bauch schon kannte

Gieselmann räumt mit vier weit verbreiteten Annahmen auf. Drei davon decken sich verblüffend genau mit dem, was ich beim Modellieren gespürt habe.

Erstens: KI ist der große Jobkiller. Die Arbeitsmarktdaten stützen das bislang nicht. In Dänemark untersuchten die Ökonomen Anders Humlum und Emilie Vestergaard Berufe, die für den Einsatz von Sprachmodellen geradezu prädestiniert sind. Bis Ende 2024 fanden sich kaum messbare Effekte auf Einkommen oder Arbeitszeit. Die vielzitierte Stanford-Studie „Canaries in the Coal Mine?“ zeigt zwar Rückgänge bei Neueinstellungen junger Berufseinsteiger in KI-exponierten Feldern — aber selbst dort ist umstritten, ob das an der KI liegt oder am konjunkturellen Abschwung. Der Nürnberger Ökonom Enzo Weber etwa führt es eher auf die Konjunktur zurück. Ich nehme das bewusst mit: Der Befund ist real, die Ursache ist es noch nicht eindeutig.

Zweitens: KI verkürzt die Arbeitszeit. Eine frühe Feldstudie von Brynjolfsson, Li und Raymond fand 2023 im Kundendienst eines Großkonzerns tatsächlich Produktivitätsgewinne — besonders bei unerfahrenen Mitarbeitern. Nur: Wer schneller fertig ist, hat nicht früher Feierabend. Laut Humlum/Vestergaard leiteten rund 80 Prozent der Beschäftigten die eingesparte Zeit in andere Aufgaben um. Genau das war mein Copilot-Moment am Ende: Die fertige Zeichnung sparte keine Zeit ein, sie eröffnete den nächsten Arbeitsschritt.

Drittens: KI entlastet die Fachkräfte. Das ist der Irrtum, der mich beim Lesen am längsten beschäftigt hat. Denn die Mehrbelastung, die durch die ständige Prüf- und Korrekturarbeit entsteht, frisst den Produktivitätsgewinn gleich wieder auf. Dell’Acquas BCG-Studie zeigt die Kehrseite: Bei komplexen Aufgaben jenseits der Frontier waren die KI-Ergebnisse häufiger falsch — Fehler, die hinterher jemand finden und beseitigen muss. Bei mir war dieser Jemand ich, zwei Stunden lang.

Und damit sind wir bei dem Satz, der mich aus einem ganz anderen Grund elektrisiert hat.

Den Film hatten wir schon — damals hieß er Digitalisierung

c’t-Kollege Jo Bager formuliert in seinem Werkzeug-Artikel einen Satz, der bei mir sofort eingerastet ist: Wer einen kaputten Prozess mit KI beschleunigt, bekommt denselben kaputten Prozess nur in schneller.

Den kenne ich. Vor Jahren saß ich bei einem Kunden, es ging um einen Prozess, den es zu digitalisieren galt. O-Ton Kunde, sinngemäß: „Den müssen wir digitalisieren.“ Meine Antwort, ich gebe sie hier im Originalton wieder, weil das Geglättete die Pointe killt: Ein Scheißprozess bleibt ein Scheißprozess — auch wenn er dann ein digitaler Scheißprozess ist.

Und jetzt, ein Hype-Zyklus später, neues Buzzword, gleiche Lektion. Damals war die Heilsversprechung „digital“, heute heißt sie „KI“. Aber die Mechanik ist identisch: Ein mächtigeres Werkzeug repariert keinen schlechten Prozess. Es macht ihn nur schneller — und teurer, weil jetzt auch noch jemand die Ausgaben prüfen muss. Das ist die Lektion, die sich offenbar in jeder Technologiewelle neu durchsetzen muss: nicht in der Werkstatt, sondern im Haushalt. Das Problem sitzt selten im Werkzeug. Es sitzt in den Prozessen und in den Erwartungen drumherum.

Bager hat dafür ein schönes Beispiel: eine Bank, die mit einem KI-Assistenten experimentierte. Gemessener Produktivitätszuwachs von 40 Prozent in den Testteams — und null Auswirkung auf das Geschäftsergebnis. Die eingesparte Zeit war komplett mit Meetings aufgefüllt worden. (Die Geschichte stammt aus zweiter Hand, über das Buch eines Beraters — aber sie reimt sich zu gut auf den Rest, um sie zu übergehen.)

Warum kein Werkzeug das repariert

Wenn das Problem im Prozess sitzt, dann ist die spannende Frage nicht „Welches Tool?“, sondern „Wann welches Tool — und wann gar keins?“. Bager schlägt dafür eine Logik vor, die ich aus der Infrastruktur-Welt sofort wiedererkenne: Werkzeuge nach der Art des Problems wählen, nicht nach Hype.

Gut definierte, sich wiederholende Aufgaben mit hohem Fehlerpreis? Spezialsoftware — DATEV, CAD, Statistik —, stabil und auditierbar, ohne Halluzinationen. Gut definierte Routine mit tolerierbarem Fehler? Regelbasierte Automatisierung wie Zapier, Make oder Power Automate: schnell, transparent, vorhersehbar. Offene, sprachlastige, seltene Aufgaben? Da spielt generative KI ihre Stärke aus. Und Kollaborationstools? Multiplikatoren — für gute wie für schlechte Gewohnheiten.

Die entscheidende Leitfrage lautet also nicht „Was kann das Tool?“, sondern: Wie gut ist die Aufgabe definiert, wie oft wiederholt sie sich, wie hoch ist der Preis eines Fehlers? Und nicht selten ist die richtige Antwort: gar kein neues Tool.

Hier liegt für mich der eigentlich wunde Punkt — und er hat einen Namen, den ich auf diesem Blog schon öfter benutzt habe: Exit-Capability. Bager nennt es das Hebelproblem: Wer seinen gesamten Wissensbestand in ein proprietäres KI-Tool legt, hat ein Problem, sobald der Anbieter die Preise erhöht. Das ist Souveränität in klein, auf der Werkbank des Arbeitsalltags. Es ist exakt dieselbe Rechnung wie bei Cloud und Plattformen: Integrationstiefe gegen Ausstiegsfähigkeit. Und es ist die direkte Verlängerung dessen, worüber ich unter „Erst angefixt, dann abgerechnet“ schon geschrieben habe — nur dass die Token-Ökonomie diesmal nicht die Rechenzentren betrifft, sondern den Schreibtisch. Microsoft, schreibt Gieselmann, will den Fachkräftemangel nicht durch neue Kollegen lindern, sondern durch Verdichtung der vorhandenen Belegschaft. Statt Gehälter sollen die Firmen mehr Token für KI-Modelle bezahlen. Man muss diesen Satz zweimal lesen.

Was hilft, ist unbequem

Das Gegenmittel ist in allen drei c’t-Artikeln dasselbe — und es ist keine App. Es ist eine Entscheidung.

Auf der Ebene des Einzelnen: KI dort einsetzen, wo sie vorhandene Aufgaben verdichtet, nicht um noch mehr Aufgaben anzunehmen. Auf Team-Ebene: kollektive Erwartungen explizit aushandeln, statt sie im Dauerrauschen aus Mails und Messenger treiben zu lassen. Eine MIT-Sloan-Studie von Laker, Pereira, Budhwar und Malik (2022) hat 76 Unternehmen untersucht, die meetingfreie Tage einführten. Schon ein einziger pro Woche steigerte Autonomie, Engagement und Zufriedenheit — und zwar, das ist der Clou, nicht trotz weniger Kommunikation, sondern ihretwegen. Weniger Meetings erzwangen sauberere Übergaben und schnellere Entscheidungen.

Auf Unternehmensebene: Governance vor Verbot. Wer keine Regeln aufstellt, bekommt Schatten-KI. Laut Bitkom hatten 2025 erst 23 Prozent der deutschen Unternehmen KI-Regeln formuliert, während 40 Prozent davon ausgehen, dass ihre Leute längst private Zugänge nutzen. Der EU AI Act verlangt seit Februar 2025 in Artikel 4 ein „ausreichendes Maß an KI-Kompetenz“ bei allen, die mit solchen Systemen arbeiten. Wichtig zur Einordnung: Diese Pflicht ist nicht direkt bußgeldbewehrt — sie wirkt über die Sorgfalts- und Haftungsschiene. Aber sie zeigt die Richtung. Die Kompetenz, gefährlichen Unsinn zu erkennen, ist keine Kür mehr. Sie ist Pflichtprogramm.

Der Quantensprung liegt woanders, als das Versprechen behauptet

Zurück zu meinem Gebäudemodell. Ohne Claude und Co. wäre ich an diesem Wochenende direkt gescheitert — nicht „langsamer fertig geworden“, sondern gescheitert. Die Aufgabe lag außerhalb meiner Routine, und ich hätte sie ohne Assistenz schlicht nicht hinbekommen. Das ist, ganz ohne Ironie, ein Quantensprung.

Nur liegt dieser Sprung nicht da, wo ihn die Hochglanzversprechen verorten. Er heißt nicht „der Mensch wird ersetzt“ und auch nicht „endlich Entlastung“. Er heißt: Wer Urteilsvermögen mitbringt, kommt heute weiter als je zuvor. Das Werkzeug hebt den, der schon weiß, wie „richtig“ aussieht — und lässt den im Kreis laufen, der es nicht weiß. Quantensprung für die Kompetenten, Falle für alle, die glauben, Kompetenz sei jetzt verzichtbar.

Entlastung war versprochen. Geliefert wurde Verdichtung — und ein Werkzeug, das nur so gut ist wie das Urteil dessen, der es führt. Den Film hatten wir schon mal. Damals hieß er Digitalisierung. Diesmal sollten wir ihn zu Ende denken, bevor wir wieder einen scheiß… nun ja, einen kaputten Prozess beschleunigen.

Dümmer werden wir dabei nicht — das habe ich an anderer Stelle schon ausgeführt. Aber klüger werden wir auch nur, wenn wir die richtige Frage stellen. Und die lautet selten „Welches Tool?“.