Neun Verben, eine gezackte Grenze.

Reihe «KI verstehen», Notiz 4 von 12. Sie wissen nun, was ein Sprachmodell ist, wie es im Innern arbeitet und worin es sich von Software und Prozessrobotern unterscheidet. Diese Notiz beantwortet die Frage, die man mir in der ersten Sitzung stellt: «Gut, und was tut es genau in meinem Unternehmen?»

Montag, 8.15 Uhr, eine Möbelfabrik im Emmental, achtzig Angestellte. Der Geschäftsführer hat jede Abteilungsleitung um eine Liste gebeten, «wo uns die KI helfen könnte». Auf seinem Tisch liegen zweiundvierzig Vorschläge. Der Verkauf will, dass sie die Offerten schreibt. Die Administration will, dass sie die Lieferantenrechnungen liest. Die Produktion will, dass sie vorhersagt, wann die Kantenanleimmaschine ausfällt. Das Personalwesen will einen Assistenten für Fragen zu den Ferien. Das Marketing will Videos. Und der Qualitätsverantwortliche, der skeptischste von allen, hat eine einzige Zeile geschrieben: «Und wer prüft, was sie tut?»

Die Szene ist fiktiv. Die zweiundvierzig Vorschläge nicht: Das passiert, wenn man ohne Landkarte fragt. Und die zweiundvierzig sind nicht gleich viel wert. Einige löst eine Softwareregel. Andere sind genau das, was ein Sprachmodell besser kann als jeder andere. Wieder andere sind heute ein Katalogversprechen. Diese Notiz ist die Landkarte, die ich auf diesen Tisch legen würde: neun Verben, sieben Abteilungen, vier Studien, die echte Ergebnisse gemessen haben, und eine Warnung.

Die Frage ist nicht «Wo kann die KI helfen?». Sie lautet «Welches Verb brauche ich hier, und was passiert, wenn es falsch konjugiert wird?».

Die neun Verben.

Ein Sprachmodell «macht nicht KI». Es tut konkrete Dinge mit Text, und seit Kurzem mit Stimme und Bildern. Wenn Sie sie beim Namen kennen, wird jeder Vorschlag in Ihrem Unternehmen mit den anderen vergleichbar.

• Klassifizieren. Etwas lesen und sagen, welcher Art es ist: Diese Mail ist eine Reklamation, diese Rechnung betrifft den Transport, dieser Anruf ist dringend. Es ist das zuverlässigste Verb und das mit dem grössten stillen Nutzen, weil es ordnet, was danach die Software von immer verarbeitet.
• Extrahieren. Konkrete Daten aus unordentlichem Text herausziehen: die Bestellnummer aus einer Mail, Betrag und Datum aus einer gescannten Rechnung, die Konventionalstrafen aus einem Vertrag. Das, was früher eine Person abtippte.
• Zusammenfassen. Dreissig Seiten in eine verwandeln, eine einstündige Sitzung in fünf Zeilen, hundert Bewertungen in drei Themen. Sehr gut, mit einem Risiko: Die Zusammenfassung lässt weg, und Sie sehen nicht, was sie weglässt.
• Verfassen. Ein erster Entwurf einer Offerte, einer Antwort an einen Kunden, einer Stellenbeschreibung. Das tun die meisten Leute bereits heimlich. Wir sehen es in Zahlen.
• Übersetzen. Zwischen Sprachen, und auch zwischen Registern: Technisches in einfache Sprache, Informelles in Formelles. Für ein Schweizer Unternehmen, das in vier Sprachen bedient, ist es oft der erste rentable Einsatz.
• Mit Ihren Dokumenten antworten. Fragen beantworten, indem bei jeder Anfrage die von der Geschäftsleitung freigegebenen Handbücher, Tarife und Richtlinien gelesen werden, mit Angabe, woher jede Information stammt. Das ist die Grundlage jedes seriösen Assistenten. Die Technik heisst Retrieval, und ich erkläre sie in der Notiz 5.
• Transkribieren und sprechen. Stimme in Text und Text in Stimme verwandeln. Anrufe, Sitzungen und im Auto diktierte Notizen werden zu Text, auf den sich die vorherigen Verben anwenden lassen.
• Sehen. Gescannte Dokumente, Fotos von Lieferscheinen, Pläne, Etiketten lesen. Was bis vor Kurzem ein spezialisiertes Texterkennungsprogramm erforderte, tut heute dasselbe Modell, das schreibt.
• Programmieren. Code schreiben und korrigieren. Es ist das Verb, das die Technologiebranche am meisten verändert hat, und der Grund, warum massgeschneiderte Automati­sierungen viel billiger zu bauen geworden sind.

Beachten Sie, was nicht auf der Liste steht: entscheiden. Ein Modell kann eine Entscheidung vorschlagen, die Optionen ordnen und argumentieren. Aber die Entscheidung bleibt bei allem, was Folgen hat, ein Verb für eine Person, aus den Gründen der Notiz 2: Das Modell sagt das Wahrscheinliche voraus, nicht das Richtige, und neigt dazu, Ihnen zu sagen, was Sie hören wollen.

Sieben Abteilungen, mit ihren Verben.

Zurück zu den zweiundvierzig Vorschlägen der Fabrik, geordnet mit der Landkarte. Es ist keine Liste des Möglichen; es ist eine Liste dessen, was ich funktionieren gesehen habe oder was die Studien gemessen haben.

• Kundendienst. Klassifizieren und mit Dokumenten antworten. Das Modell ordnet den Posteingang, schlägt die Antwort vor, und die Person prüft oder sendet sie. Es ist die Abteilung mit der besten Evidenz, wie Sie gleich sehen werden, und auch die mit der Warnung von Klarna.
• Administration und Finanzen. Extrahieren und klassifizieren. Lieferantenrechnungen gelesen und mit einer Schlusskontrolle verbucht; Abstimmung der Bewegungen; automatische Mahnung überfälliger Forderungen. Hier ordnet das Modell, und die Software führt aus. Es ist mit Abstand der Ort, an dem pro investiertem Franken am meisten Geld zurückkommt, und der, der meist das kleinste Budget erhält.
• Verkauf. Verfassen, zusammenfassen und extrahieren. Vorbereitung einer Sitzung aus allem, was das Unternehmen über den Kunden weiss; Entwurf einer Offerte aus einer freigegebenen Vorlage; Zusammenfassung des Anrufs im Verkaufssystem, ohne dass der Verkäufer etwas tippt.
• Personalwesen. Mit Dokumenten antworten und verfassen. Ein interner Assistent für die üblichen Fragen, der den Gesamtarbeitsvertrag und das Personalreglement liest und den Artikel nennt. Und eine Warnung: Personalauswahl mit KI ist in der Europäischen Union streng reguliert und in der Schweiz heikles Terrain. Es ist kein Verb zum Anfangen.
• Recht und Compliance. Extrahieren und zusammenfassen. Einen erhaltenen Vertrag mit der eigenen Vorlage vergleichen und die Abweichungen markieren; eine neue Vorschrift zusammenfassen. Immer mit einer Person, die unterschreibt, und mit der Lektion aus Mata gegen Avianca aus der Notiz 2 fest im Blick.
• Marketing. Verfassen und übersetzen. Erste Entwürfe, Varianten, Anpassung an vier Sprachen. Hier wird am meisten ausgegeben und am wenigsten gemessen; wir sehen es in der Notiz über Kosten.
• Betrieb und Produktion. Klassifizieren und sehen. Per Stimme diktierte und klassifizierte Störungsmeldungen; Fotos eines Defekts, die mit dem Fehlerkatalog verglichen werden. Die Vorhersage, wann die Kantenanleimmaschine ausfällt, ist eine andere KI-Familie, die der Sensoren und Zeitreihen, und sie verlangt Jahre an Daten, die fast niemand hat.

Was wirklich gemessen wurde.

Hier trenne ich das, was ich weiss, von dem, was man mir erzählt. Es gibt vier Studien, die ich in fast jeder Sitzung zitiere, weil sie mit Kontrollgruppen gemessen haben, in echten Unternehmen oder Aufgaben, und die vollständigen Zahlen veröffentlicht haben.

Die erste stammt aus dem Kundendienst. Im April 2023 veröffentlichten Brynjolfsson, Li und Raymond beim National Bureau of Economic Research die Studie über 5179 Support-Mitarbeitende eines Softwareunternehmens, die gestaffelt einen KI-Assistenten erhielten, der Antworten vorschlug. Die Produktivität, gemessen in gelösten Anfragen pro Stunde, stieg um durchschnittlich 14 Prozent. Und die Zahl, die mich am meisten interessiert: Die Mitarbeitenden mit der geringsten Erfahrung verbesserten sich um 34 Prozent, während sich die erfahrensten kaum veränderten. Der Assistent gab in der Praxis den Neuen weiter, was die Erfahrenen wussten. Die Fluktuation sank. Es ist das beste Argument, das ich kenne, für KI als verdecktes Ausbildungswerkzeug.

Die zweite betrifft das Schreiben. Im Juli 2023 veröffentlichten Noy und Zhang in Science ein Experiment mit 453 Berufsleuten mit Hochschulbildung, die Schreibaufgaben aus ihrem Arbeitsalltag erledigten. Mit ChatGPT brauchten sie 40 Prozent weniger Zeit, und die Qualität, von anderen Fachleuten bewertet, stieg um 18 Prozent. Wie im vorherigen Fall gewannen diejenigen am meisten, die anfangs am schlechtesten schrieben. Das Werkzeug verkürzt den Abstand nach oben.

Die dritte ist die, die das Denken verändert. Im September 2023 liess ein Team aus Harvard, dem MIT, Wharton und der Boston Consulting Group 758 Beraterinnen und Berater von BCG echte Aufgaben erledigen, die einen mit GPT-4, die anderen ohne. Bei Aufgaben innerhalb dessen, was das Modell gut kann, erledigten diejenigen, die es nutzten, 12,2 Prozent mehr Aufgaben, 25,1 Prozent schneller und mit 40 Prozent höherer Qualität. Aber die Forschenden nahmen absichtlich eine Aufgabe auf, die genauso leicht aussah und knapp ausserhalb dieser Fähigkeit lag, eine, die verlangte, Daten mit Interviews abzugleichen und Urteilsvermögen anzuwenden. Dort lagen die Beratenden mit KI deutlich seltener richtig als die, die ohne arbeiteten: Die Gruppe ohne KI traf in 84 Prozent der Fälle richtig, die Gruppen mit KI blieben zwischen 60 und 70 Prozent. Die Autoren nannten es die gezackte Grenze: Die Fähigkeit des Modells ist kein wachsender Kreis, sondern eine unregelmässige Linie, bei der zwei benachbarte Aufgaben auf verschiedene Seiten fallen können, und von aussen sieht man nicht, wo die Linie verläuft.

Das ist die Warnung, die fast nie in der Präsentation steht. Dasselbe Werkzeug, das Ihr Team bei einer Aufgabe 25 Prozent schneller macht, macht es bei der nächsten schlechter, und zwar selbstbewusst schlechter, weil die Leute dazu neigen, anzunehmen, was das Modell vorschlägt, wenn es gut geschrieben ist. Die Studie beschreibt zwei Arbeitsweisen, die das vermeiden: den Zentauren, der die Arbeit aufteilt und einige Aufgaben mit der Maschine und andere ohne erledigt, und den Cyborg, der beides bei jedem Schritt mischt, aber unablässig prüft. Keine der beiden besteht im Delegieren.

Die vierte Studie ist eigentlich eine Geschichte in zwei Teilen, und man sollte sie ganz erzählen. Im Februar 2024 gab das schwedische Zahlungsunternehmen Klarna bekannt, sein KI-Assistent habe im ersten Monat 2,3 Millionen Gespräche mit Kundinnen und Kunden geführt und erledige die Arbeit von 700 Angestellten. Es war der meistzitierte Fall des Jahres in Präsentationen. Im Mai 2025 räumte der Geschäftsführer öffentlich ein, die Wette habe eine niedrigere Qualität erzeugt, und man stelle wieder Menschen für den Kundendienst ein, mit der KI als Unterstützung und nicht als Ersatz. Das ist kein Scheitern der Technologie. Es ist die gezackte Grenze, angewandt auf ein ganzes Unternehmen: Es funktionierte dort, wo das Modell das Verb gut beherrscht, und scheiterte dort, wo die Kundschaft jemanden mit Urteilsvermögen brauchte.

Was in Ihrem Unternehmen bereits passiert, ohne dass Sie es wissen.

Eine letzte Zahl sollten Sie im Kopf haben, bevor Sie etwas entscheiden. Im Mai 2024 veröffentlichten Microsoft und LinkedIn eine Umfrage unter 31’000 Personen in 31 Ländern. 75 Prozent der Wissensarbeitenden nutzten bereits generative KI bei der Arbeit, und 78 Prozent von ihnen nutzten eigene Werkzeuge, nicht vom Unternehmen bereitgestellte. Die meisten erzählten es niemandem. Das bedeutet, dass die Frage «Führen wir KI ein?» zu spät kommt. Ihr Team hat sie bereits eingeführt. Die eigentliche Frage ist, ob es das mit den Werkzeugen, Daten und Regeln des Unternehmens tut oder mit einem Gratiskonto und den Daten Ihrer Kundschaft. Ich führe es in der Notiz über Sicherheit aus.

1. Diese Woche

   Verlangen Sie die Vorschläge, aber mit Verb

   Jede Abteilungsleitung soll ihre Idee mit einem der neun Verben aufschreiben. Was in keines passt, ist meist klassische Software oder ein Versprechen.

2. Diese Woche

   Markieren Sie die Grenze

   Schreiben Sie neben jeden Vorschlag, was passiert, wenn sich das Modell selbstbewusst irrt. Wo die Antwort «niemand würde es merken» lautet, braucht es eine Prüfung.

3. Diesen Monat

   Fangen Sie mit der Administration an

   Rechnungen, Abstimmung, Inkasso. Weniger spektakulär als ein Video, mehr Geld und weniger Risiko.

4. Diesen Monat

   Fragen Sie Ihr Team, was es schon nutzt

   Ohne Strafe. Sie erfahren, welche Verben es braucht und mit welchen Daten es sie ausser Haus konjugiert.

Wie ich es angehe.

Wenn ich in ein Unternehmen komme, frage ich nicht, wo die KI helfen könnte. Ich gehe mit den neun Verben und einem Notizbuch durch die Abteilungen und notiere drei Dinge pro Prozess: wie viele Stunden hineingehen, welches Verb fehlt und was passiert, wenn es falsch konjugiert wird. Am Ende gibt es eine Landkarte in drei Farben: was eine Regel löst, was ein Modell mit Prüfung löst und was heute nicht angerührt wird. Die Strategische Diagnose, die ich anbiete, ist genau diese Landkarte, mit Ihren Zahlen gemacht.

Machen Sie die Übung mit Ihrer eigenen Woche. Notieren Sie die fünf Aufgaben, die Sie am meisten Zeit kosten, und schreiben Sie das passende Verb daneben. Für manche gibt es keins, und auch das ist eine Information.

Schauen Sie jetzt auf die Aufgabe, die Sie am liebsten loswerden würden, und stellen Sie sich die Frage, die wirklich zählt: Wenn sich ein Modell dabei mit voller Überzeugung irrte, wie lange dauerte es, bis es jemand bemerkt?

Nächste Notiz: wie die Verben miteinander verbunden werden. Was Retrieval ist, was ein Werkzeug ist, was ein Agent wirklich ist und warum ein System mit vierzehn Schritten, das bei jedem einzelnen in 95 Prozent der Fälle richtig liegt, insgesamt in der Hälfte der Fälle scheitert.