System als Grundlage - Warum deine KI Montags wieder alles vergessen hat

"Gut Ding will Weile haben"

Building Tomorrow ist meine Idee von einem Unternehmen von morgen: einer AI-Native Company, in der Menschen und KI auf einem gemeinsamen System arbeiten.

Ich will die Plattform nicht halbfertig freischalten. Gerade werden noch die letzten Details sauber abgeschlossen. Das gilt auch für den Neustart unseres YouTube-Kanals.

Deshalb verschiebt sich der Start um ein paar Tage.

Was du heute mitnehmen kannst

Am Ende dieser Ausgabe weißt du:

1. warum KI sichtbar macht, wo Wissen im Unternehmen verloren geht

2. weshalb einzelne Prompts und Agenten noch kein funktionierendes System ergeben

3. welche Prinzipien hinter systemischem Denken stehen

4. was Unternehmen brauchen, damit Mensch und KI auf demselben Wissen aufbauen können

Wieder bei 0 anfangen

Wie fühlt es sich an, wenn man KI im Unternehmen nutzt und trotzdem jeden Montag bei null anfängt?

Ziemlich dämlich, ehrlich gesagt.

Freitag gab es noch einen halbwegs brauchbaren Entwurf für das nächste Angebot. Die Konditionen für Kunde Müller waren geklärt. Der Ton passte. Zwei Formulierungen sollten auf keinen Fall rein.

Montag machst du den Rechner an, öffnest den Chat und fängst wieder an zu erklären.

Wer ihr seid. Wie ihr schreibt. Was Müller letzte Woche geändert hat. Welche Preise gelten. Was schon entschieden wurde. Dann noch ein paar Dateien dazu.

Nach zwanzig Minuten weiß die KI ungefähr wieder, worum es geht.

Bis jemand aus dem Vertrieb denselben Vorgang in einem anderen Chat beginnt.

Das Problem ist größer als ein vergesslicher Chat

Einzelne KI-Tools können sich inzwischen einiges merken. Chats behalten Kontext, Assistenten bekommen Dokumente und manche Systeme speichern persönliche Vorlieben.

Für den einzelnen Nutzer ist das praktisch.

Ein Unternehmen braucht aber mehr als persönliches Gedächtnis.

Wenn die Änderung von Kunde Müller nur in deinem Chat steckt, kennt der Vertrieb sie noch lange nicht. Wenn eine Kollegin einen Fehler im Angebot korrigiert, verbessert das nicht automatisch den nächsten Entwurf. Und wenn Steffen einen hervorragenden Assistenten gebaut hat, hilft das wenig, solange nur Steffen weiß, wie man ihn benutzt.

Das Problem liegt in der Art und Weise, wie Informationen durch das Unternehmen fließen.

Oder eben nicht fließen.

KI macht sichtbar, wie euer Unternehmen wirklich funktioniert

Wir zeichnen Unternehmen gern als saubere Organigramme. Vollgestopft mit Mitarbeitern, Ablaufdiagrammen und Prozesskarten.

Und wir alle wissen: In der Praxis läuft es meistens anders und öfter als uns lieb ist.

Jemand kennt den Kunden seit acht Jahren. Eine Kalkulationsregel steht in einer Excel-Datei. Die Ausnahme dazu kennt der Vertriebsleiter. Welche Formulierung Ärger macht, weiß die Kollegin, die das letzte Angebot überarbeitet hat.

Menschen überbrücken diese Wissenlücken.

Sie erinnern sich, fragen nach und lesen zwischen den Zeilen. 

KI kann das nur, wenn sie Zugriff auf den richtigen Zusammenhang bekommt.

Darum ist KI-Einführung keine reine Tool-Frage.

Sie zwingt uns, das Unternehmen als System anzuschauen: Wo entsteht Wissen? Wohin fließt es? Wer prüft es? Und welche spätere Arbeit muss davon profitieren?

Wer nur Lizenzen verteilt, digitalisiert die vorhandenen Lücken gleich mit.

Warum lokale Optimierung nicht reicht

Eine gute Prompt-Vorlage kann einen Text verbessern.

Ein spezialisierter Agent kann einen einzelnen Ablauf beschleunigen.

Beides ist sinnvoll.

Schwierig wird es, wenn jede Abteilung ihre eigene kleine KI-Welt baut.

Dann gibt es einen Angebots-Agenten, einen Vertriebs-Assistenten und einen Bot fürs Marketing.

Jeder hat eigene Dateien, eigene Anweisungen und einen anderen Wissensstand. Änderungen müssen mehrfach eingepflegt werden.

Niemand weiß genau, welche Version gerade gilt.

Das Ergebnis ist klassische Systemarbeit mit neuen Werkzeugen: Eine Verbesserung an einer Stelle verschiebt das Problem an eine andere.

Unternehmensweit denken, lokal denken, ganzheitlich ausbauen.

Die sieben Denkbausteine hinter einem funktionierenden System

Systemisches Denken klingt erst einmal nach Beraterwort.

Gemeint ist etwas ziemlich Praktisches: Du optimierst nicht nur eine einzelne Aufgabe. Du schaust darauf, wovon sie abhängt, was sie auslöst und wie das Ganze über Zeit wirkt.

Hierfür sind aus meiner Sicht 7 Bausteine entscheidend. 

1. Ziel und Systemgrenze

Jedes System braucht einen klaren Zweck und eine Grenze.

Beim Angebot für Müller geht es nicht darum, möglichst schnell Text zu produzieren. Es geht um ein korrektes, freigabefähiges Angebot auf Basis der aktuellen Vereinbarungen.

2. Vernetzung

Wissen, Regeln, Fähigkeiten und Werkzeuge dürfen nicht als einzelne Inseln behandelt werden. Eine Datei ist noch kein Zusammenhang. Ein Agent ist noch kein System. Entscheidend ist, ob bei einer Aufgabe die richtigen Teile zusammenkommen.

3. Gesamtsicht

Ein einzelner Schritt kann schneller werden, während der gesamte Ablauf schlechter wird. Die KI schreibt das Angebot in fünf Minuten. Danach braucht die Freigabe zwei Stunden, weil Preise, Quellen und Entscheidungen unklar sind. Systemisches Denken schaut deshalb auf die Gesamtleistung. 

4. Kausalität und Engpässe

Änderungen wirken selten nur an einer Stelle. Eine neue Preisregel kann Angebote, Margen, Freigaben und Kundenkommunikation beeinflussen. Und wenn der Engpass nach der Automatisierung nur an eine andere Stelle wandert, ist wenig gewonnen.

5. Rückkopplung

Ein System muss aus seiner eigenen Arbeit lernen können. Korrekturen, Ausnahmen und neue Entscheidungen dürfen nicht im Chat verschwinden. Sie müssen die nächste relevante Ausführung verbessern. Sonst macht KI denselben Fehler beim nächsten Mal nur schneller 

6. Emergenz

Wenn die Teile richtig zusammenspielen, entsteht mehr als die Summe einzelner Automationen. Das System kann vorhandenes Wissen und vorhandene Fähigkeiten für neue Aufgaben kombinieren. Genau dort beginnt der eigentliche Skalierungseffekt.

7. Verantwortung und Kontrolle

Auch ein vernetztes System braucht eindeutige Verantwortung. Es muss klar sein, welches Wissen gilt, wer Änderungen verantwortet und woran ein korrektes Ergebnis erkannt wird. Besonders wichtig: Nur geprüfte Ergebnisse dürfen das System beeinflussen.

Sonst verstärkt die Lernschleife nicht die Qualität, sondern den Fehler.

Der Zweck eines Systems ist das, was es tatsächlich tut und die Struktur bestimmt sein Verhalten.