Hauptsache etwas mit AI?

Anfang der 2000er-Jahre war es das Statussymbol schlechthin: das Blackberry. Wer eines besaß, war erreichbar, informiert und wichtig. Zum ersten Mal kamen E-Mails direkt aufs Handy. Kalender, Adressbuch und Messenger dazu – das mobile Büro passte plötzlich in die Jackentasche. Heute selbstverständlich. Damals ein Blick in die Zukunft.

Dann kam der Januar 2007. Apple stellte das iPhone vor. Keine Tastatur, schwacher Akku, eher etwas für Privatkunden – so die Einschätzung bei Blackberry. Eine ernsthafte Bedrohung für das Geschäft mit Unternehmenskunden? Kaum.

Es war eine folgenreiche Fehleinschätzung. Doch der eigentliche Fehler kam erst danach.

Hauptsache Touchscreen

Als klar wurde, dass das iPhone kein Spielzeug war, schaltete Blackberry um. Jetzt musste es schnell gehen.

Ende 2008 kam der Blackberry Storm, das erste Modell mit Touchscreen. Das Gerät war langsam, die Software fehleranfällig und Kritik gab es reichlich. Hauptsache Touchscreen.

2011 folgte die Antwort auf das iPad: das PlayBook. Ein Tablet von Blackberry – aber zum Start ohne eigenes E-Mail-Programm. Ausgerechnet bei der Marke, die für mobile E-Mails stand. Hauptsache Tablet.

2013 dann BB10, ein komplett neues Betriebssystem. Technisch durchaus überzeugend. Doch iPhone und Android hatten den Markt längst unter sich aufgeteilt.

Jedes dieser Produkte war eine Reaktion. Keines folgte einem klaren Bild davon, was Kunden wirklich brauchten und wofür Blackberry künftig stehen wollte. Blackberry hat reagiert. Oft sogar schnell. Nur nie mit einem Plan.

Hauptsache etwas mit AI

In vielen Gesprächen mit CFOs, Controllern und IT-Verantwortlichen höre ich derzeit einen Satz besonders oft: „Wir müssen jetzt etwas mit AI machen.“ Der Druck ist real – vom Vorstand, vom Wettbewerb, aus den Medien. Und er führt oft zu genau dem Muster, an dem Blackberry gescheitert ist.

Ein Pilotprojekt hier, ein Chatbot dort – ausgewählt nach dem, was beeindruckt, nicht nach dem, was nützt. Copilot-Lizenzen werden gekauft, bevor jemand geklärt hat, wofür. Vertrieb, Einkauf und Controlling starten eigene Experimente, jede Abteilung mit ihren eigenen Daten.

Nehmen wir das Controlling. Copilot kann Abweichungen kommentieren und Berichte zusammenfassen. AI-Agenten könnten Plausibilitätschecks im Monatsabschluss übernehmen oder Forecasts vorbereiten. Das klingt verlockend. Doch welcher dieser Anwendungsfälle bringt bei Ihnen den größten Nutzen – und welcher lohnt den Aufwand nicht? Auf welchen Daten arbeitet der Agent – und stimmen sie? Wer prüft, was er liefert?

Hier liegt ein Risiko, das viele unterschätzen: Ein Bericht mit widersprüchlichen Zahlen fällt irgendwann auf. Ein AI-Agent, der auf widersprüchlichen Daten arbeitet, rechnet einfach weiter und trägt die Fehler unbemerkt in jede Auswertung.

Abwarten ist übrigens auch keine Lösung. Blackberry hat beides erlebt: erst zu lange gezögert, dann ohne Plan nachgezogen. Beides hatte dieselbe Ursache – es fehlte eine nüchterne Bewertung, was die neue Technologie für das eigene Geschäft bedeutet.

Die entscheidende Frage ist deshalb nicht, ob Sie AI einsetzen. Sondern wo – und auf welcher Grundlage.

AI ist zuerst ein Datenthema

Wer AI wie ein neues Tool behandelt, wiederholt schnell Blackberrys Fehler: viel Aktivität, wenig Wirkung. Denn AI ist zuerst ein Datenthema. Ein Copilot ist nur so gut wie die Zahlen, die er liest. Ein AI-Agent nur so verlässlich wie die Definitionen, mit denen er rechnet. Wenn der Umsatz im Vertrieb anders definiert ist als im Controlling, wird AI das nicht klären. Sie wird beides automatisieren.

Deshalb braucht es vor jeder Tool-Entscheidung ein klares Raster. Bei ATVISIO arbeiten wir dafür mit dem ATVISIO AI-Framework. Es stellt in fünf Schritten die Fragen, die im Eifer des „Hauptsache etwas mit AI“ oft übersprungen werden:

• Ist-Situation: Wo wird AI bei Ihnen heute schon genutzt oder getestet – auch inoffiziell?
• Use Cases: Welche Anwendungsfälle bringen messbaren Nutzen, nicht nur einen Wow-Effekt?
• Readiness: Sind Datenbasis, Prozesse und Governance dafür bereit?
• Priorisierung: Wo stimmt das Verhältnis von Nutzen und Aufwand?
• Roadmap: Was ist der erste sinnvolle Schritt?

Für das Beispiel Copilot im Controlling heißt das: nicht fünfzig Lizenzen auf einmal und dann abwarten, was passiert. Sondern ein klar umrissener Anwendungsfall – etwa die Kommentierung von Abweichungen im Monatsbericht. Auf einer geprüften Datenbasis, mit einem messbaren Ziel. Erst wenn das funktioniert, folgt der nächste Schritt.

Das klingt unspektakulär. Genau darin liegt der Wert. Ein Raster nimmt dem Thema die Hektik und gibt Ihnen eine Entscheidungsgrundlage, die Sie gegenüber Geschäftsführung, IT und Fachbereichen vertreten können.

Plan statt Reflex

Unternehmen, in denen AI wirkt, haben nicht unbedingt die besseren Tools. Sie haben die bessere Reihenfolge: erst Daten und Anwendungsfälle klären, dann die Technologie wählen.

Blackberry hatte die Technologie, die Marke und die Kunden. Was fehlte, war ein Plan.

Wenn Sie wissen möchten, wo AI in Ihrem Unternehmen wirklich Nutzen bringt – und was dafür vorher geklärt sein muss –, lade ich Sie zu einer AI & Automation Session ein. Gemeinsam schauen wir auf Ihre Situation, Ihre Daten und Ihre Ideen und klären den ersten sinnvollen Schritt.

Mehr zur AI & Automation Session

Exzellente Performance wünscht Ihnen

Ihr

Peter Bluhm