Folge 102 mit Helga Boss

Shit in, Shit out: Warum wir ohne klare Prozesse nur schnelleres Chaos automatisieren

Heute bin ich ausnahmsweise solo am Mikrofon! Ich nutze die Gelegenheit, um über mein absolutes Herzensthema zu sprechen, das mir fast in jeder Schulung, jeder Implementierung und jeder Keynote begegnet. Ein Satz, der regelmäßig für große Augen und viel Gelächter sorgt: „Shit in, shit out.“ In dieser Folge räumen wir radikal mit einem weit verbreiteten Missverständnis auf. Viele Unternehmen haben nämlich überhaupt kein KI-Problem – wir haben ein massives Prozessproblem. Wenn wir bestehendes Chaos mithilfe von Künstlicher Intelligenz automatisieren, gewinnen wir am Ende keine Effizienz, sondern produzieren einfach nur schnelleren Blödsinn in Serienproduktion. Ich zeige euch in der heutigen Folge anhand von drei Beispielen aus meiner Praxis, warum das Fundament stimmen muss, bevor wir die KI-Stimme für uns sprechen lassen.

Inhaltliche Highlights

• Die Mythen der Angebotslegung: Wie wir in der Dienstleistungsbranche aus zwei Wochen Wartezeit zwei Tage machten – und warum zwei Drittel dieses Erfolgs rein auf das Aufräumen der internen Abläufe und Preislisten zurückzuführen sind, ganz ohne Technik-Zauberei.
• Newsletter des Grauens: Warum peinliche Automatisierung statt echter Personalisierung droht, wenn unsere Kundendatenbanken die Pizzeria von nebenan mit langjährigen Partnern auf einer Liste vermischen. Wir erklären, warum KI saubere Segmente braucht, um die passenden Worte zu finden.
• Das wandelnde Lexikon sichern: Wie wir das jahrzehntelange Erfahrungswissen einer Mitarbeiterin kurz vor der Pensionierung in einen verlässlichen KI-Assistenten gegossen haben – ohne, dass das System mangels klarer Datenbasis anfängt zu halluzinationieren.
• Die KI als Dokumentations-Hilfe: Unser Praxis-Tipp, wie uns die KI beim lauten Einsprechen und Transkribieren hilft, während wir unsere Prozesse überhaupt erst einmal Schritt für Schritt hörbar machen und aufschreiben.

Unsere 5-Punkte-Checkliste: Ist dein Prozess KI-fit?

Bevor wir eine KI in unserem Business mit Daten füttern und für uns sprechen lassen, prüfen wir jeden Ablauf anhand von fünf klaren Fragen:

1. Kannst du den Prozess in fünf Sätzen erklären? 
2. Machen das alle bei euch im Unternehmen gleich? 
3. Sind deine Daten aktuell und an einem einzigen Ort? 
4. Ist das Wissen irgendwo niedergeschrieben? 
5. Woran erkennst du, dass du erfolgreich bist? 

Wie sieht es auf euren digitalen Schreibtischen und in euren Abläufen aus? Habt ihr schon KI-fitte Prozesse oder regiert noch das kreative Chaos? Wir wollen von euren Erfahrungen hören!

Abonniert unseren Podcast, hinterlasst uns und Heidi eine Bewertung auf eurer Lieblingsplattform und gebt uns Feedback, welche Themen wir in den nächsten Folgen für euch aufgreifen sollen. Bis zum nächsten Mal!

Transcript

Einstieg Und These

SPEAKER_00 0:01

Wie KI-Worte wirken. Das ist ein Podcast für effiziente Arbeit und moderne Kommunikation im Zeitalter der künstlichen Intelligenz.

SPEAKER_01 0:12

Heute am Mikrofon Helga Boss. Ausnahmsweise solo unterwegs. Die Heidi ist heute nicht dabei und das nutze ich jetzt einmal aus, um über mein Thema zu sprechen. Über den Satz, den ich fast in jeder Schulung, in jeder Implementierung, in jeder Keynote sagt und der immer wieder für große Augen, aber auch viel Gelächter sorgt. Shit in, Shit out. Wenn wir Chaos mittels KI automatisieren und produktiver machen, dann bekommen wir einfach schnelleres Chaos. Ich weiß, das klingt hart, aber wir schauen uns das in dieser Folge an. Weil die meisten Unternehmerinnen und Unternehmen, die meisten Selbstständigen, die haben gar kein Problem mit der KI. They haben ein Prozessproblem. Denn wenn dann die KI ins Haus kommt, dann erwarten alle ein Wunder. Dass aber zuerst die Prozesse klar sein sollten, das ist oft einmal gar nicht so klar. Also wenn wir ein bisschen Chaos haben bei Angeboten, bei E-Mails oder bei Berichten, dann produziert die KI einfach nur schneller Chaos. And darum ist es mir so wichtig, dass wir über Prozesse sprechen. And vor allem, dass wir Prozesse anschauen, bevor wir die KI implementieren. Ich habe euch jetzt drei Anwendungsbeispiele oder Praxisbeispiele mitgebracht, wo es wirklich ein Thema war, dass wir vorher den Prozess angeschaut haben, um dann die KI zu implementieren.

Angebote Brauchen Erst Einen Prozess

SPEAKER_01 1:54

Beispiel Nummer 1 kommt aus der Dienstleistungsbranche und es ging darum, die KI für die Angebotslegung zu nutzen, weil Angebote bis zu zwei Wochen gedauert haben, dass die überhaupt rausgegangen sind. Und das ist zwar ein klassischer KI-Anwendungsfall, in der Regel gibt es viele Angebote, die bereits versendet wurden, die auch als Trainingsdaten verwendet werden können. Dann kann man sagen, okay, das sind die Parameter, das ist der Kontext und so erstellen wir unsere Angebote, um dann relativ schnell Angebote zu erzeugen und dann auch an die Kunden und Kundinnen versenden zu können. Die erste Frage von mir ist immer, wie erstellt ihr denn Angebote jetzt so? Schreibt mir das einmal Schritt für Schritt auf. Und tatsächlich war es dann so, es gibt gar keinen Prozess. Es gibt sieben Mitarbeitende, die Angebote erstellen und somit auch sieben unterschiedliche Vorgehensweisen, wie Angebote geschrieben werden. Manche haben eine alte Word-Vorlage von 2019 verwendet, andere kopieren das letzte Angebot und tauschen die Namen aus. Und dann verwendet man Preislisten aus Excel oder auch nicht. Vielleicht hat man aktualisierte Preise oder nicht. Und so kann man natürlich nachvollziehen, warum da zwei Wochen Zeit gebraucht wurde, dass die Angebote geschrieben werden. Und diese zwei Wochen sind nicht liegen geblieben beim Schreiben, sondern beim Suchen, beim Nachfragen, beim Korrigieren und beim Freigeben. Das eigentliche Angebot schreiben, das dauert vielleicht einmal eine Stunde oder vielleicht auch zwei. Hätten wir jetzt da einfach die KI draufgesetzt, dann hätten wir zwar die Angebote in Sekunden, aber vermutlich auf veralteten Preisen, auf falschen Vorlagen, auf widersprüchlichen Textbausteinen. Also das Chaos wäre nicht verschwunden, es wäre nur schneller beim Kunden gelandet. Und dann haben wir uns hingesetzt und haben in drei Workshops einen Angebotsprozess definiert, mit einer Vorlage, einer Preisquelle, haben diese Datenbasis einfach einmal gesäubert, den Prozess Schritt für Schritt wirklich aufgegleist und das ganz ohne KI. And then auf dieses Fundament wurde dann die KI eingeführt. Und das Ergebnis war, dass Angebote in zwei Tage statt in zwei Wochen rausgehen. Und das ist eigentlich der Punkt, auf den ich hinaus will, zwei Drittel dieser Verbesserung kamen aus dem aufgeräumten Prozess und nicht aus der KI. Die KI hat nur so dieses letzte Drittel geliefert. Und ich finde, das ist ein schönes, schönes Beispiel, warum es so wichtig ist, zu schauen, welchen Prozess habe ich jetzt, welche Lerndaten für die KI habe und wie wichtig diese gut gepflegten Daten sind.

Newsletter Ohne Daten Wird Peinlich

SPEAKER_01 4:48

Das zweite Beispiel, das ich euch mitgebracht habe, das kommt aus den E-Mail-Verteilern. Und das sind ja teilweise wirklich E-Mail-Verteiler des Grauens, muss ich ganz ehrlich sagen, ja. Natürlich, all unsere Unternehmen haben einen Newsletter-Verteiler. Und jetzt ist ein Unternehmen zu mir gekommen und hat gesagt, du Helga, lass uns mal den Newsletter revolutionieren. Wir wollen personalisierte Texte, automatisierte Betreffzeilen, das volle Programm. Und dann haben wir uns hingesetzt und dann habe ich mir gesagt, wie schaut denn eure Kundendatenbank aus? Nach welchen Kriterien segmentiert ihr die Adressen bei euch in Newsletter-Verteiler? And then standen diese großen Fragezeichen in den Gesichter meiner Ansprechpartnerinnen und Ansprechpartner. And in effect was so, in der Datenbank waren 4000 Kontakte. These Kontakte waren Kunden, Kundinnen, Ex-Kunden, Ex-Kundinnen, Lieferanten, Lieferantinnen, BewerberInnen von vor fünf Jahren, der Steuerberater und tatsächlich auch die Pizzeria ums Eck, weil die hat einmal für die Weihnachtsfeier was angefragt. Und die sind dann alle auf einer Liste. Da gibt es keine Kategorien, da gab es keine Historie. Manchmal gab es dreifache Einträge, Toubletten, unterschiedliche Schreibweisen. Ganz ehrlich, der Klassiker aus unseren Unternehmens-E-Mail-Verteilern. Und die Grundvorstellung war dann so, die KI macht jetzt die personalisierten Mails aus dieser Liste. Naja, woher soll die KI denn wissen, wen sie dann anschreibt? Also auch Personalisierung braucht Daten, saubere Daten. Wenn ich jetzt der KI sage, schreiben wir eine persönliche Mail an unsere Bestandskunden und dann sind da Ex-Bewerbende oder die Pizzeria ums Eck, dann bekommt die Pizzeria vielleicht eine herzliche Mail über ihre langjährige Treue zu unserem Unternehmen. Und das ist aber keine Personalisierung, das ist eher peinliche Automatisierung. Und was halt jetzt so ein bisschen die Gefahr ist, man fängt dann an, mit der KI quasi produktiver zu arbeiten und setzt den Verteiler in die KI und schickt dann quasi personalisierte E-Mails. Aber es passiert halt extrem schnell, dass wir Blödsinn versenden in Serienproduktion. Die Lösung war in diesem Fall sehr unspektakulär, aber wirksam. Wir haben zuerst die Daten aufgeräumt, Datenhygiene gemacht, Tobletten rausgegeben, Kategorien definiert und hineingegeben, drei saubere Segmente definiert. Und dann kam die KI ins Spiel. Und dann hat auch diese Personalisierung funktioniert. Weil die KI wusste, wer in welches Segment gehört und mit wem man spricht. Ah, da wieder die KI ist nicht das Problem. Die Lösung war Klarheit über Segmente, Kategorien und wem ich wann was schreiben möchte.

Onboarding Wissen Vor Der Rente Sichern

SPEAKER_01 7:59

Der dritte Fall war dann ein Onboarding-Fall in Unternehmen, den ich begleiten durfte. And the Betrieb wollte dann einen internen KI-Assistenten. Wie ist denn das mit dem Urlaub? Wie beantrage ich den, wo finde ich die Sicherheitsunterlagen? Wie reklamiere ich bei Lieferanten X, Y und Z? Also eine sensationelle Idee, weil dann vielleicht nicht immer die Arbeitskollegen und Kolleginnen gefragt werden müssen, sondern ich kann die KI für so kleine Fragen einfach wirklich zur Ratte ziehen. Naja, meine erste Frage ist: Wo ist dieses Wissen heute? Habt ihr das niedergeschrieben? Gibt es das irgendwo schon? Habt ihr da Prozesse? Und im Endeffekt war die Antwort nein, das war es unsere Mitarbeiterin, die ist schon seit über 27 Jahren in Betrieb, die ist das wandelnde Lexikon und alle gehen eigentlich zu ihr. Und diese Mitarbeiterin ist aber auch kurz vor der Pensionierung. Und es wäre wichtig, dass man dieses Wissen auch irgendwie intern erfasst. Gegeben hat es ein paar veraltete PDFs, unterschiedliche Jahre, manchmal hat es einen Ordner gegeben mit wichtig, neu oder final. Es gab dann auch teilweise doppelte Anweisungen, neue Anweisungen, alte Anweisungen, sich widersprechende Anweisungen. And then all these PDFs hineinziehen, wie soll die KI wissen, was sie antworted, wie der USUS is, wie man das macht. Andarbeiterin, who are over 30 years, we become this win hine. Also, da wieder, was sind denn die Antworten, die die KI geben soll? Denn wenn wir halbfertige Informationen in die KI eingeben oder veraltete PDFs, dann beginnt die KI zu halluzinieren, denn sie will uns ja eine Antwort geben. Das heißt, der Mitarbeitende kriegt Antworten, die nicht verifiziert sind und nicht richtig sind. Wenn ich aber neu bin in einem Unternehmen, dann kann ich nicht unterscheiden, ist das jetzt richtig oder nicht. Wie sind wir hier vorgegangen? Wir haben zuerst ein Wissensprojekt gestartet, mit der Mitarbeiterin nicht an ihr vorbei, wir haben die häufigsten 20 Fragen dokumentiert, Prozesse aufgeschrieben, Verantwortlichkeiten geklärt. Und das hat auch so einen wunderbaren Nebeneffekt gehabt, die Mitarbeiterin hat sie unglaublich gewertschätzt gefühlt, weil ihr Wissen wirklich gut sichtbar gemacht wurde. Und da das nicht einfach mit ihr verschwindet, sondern im Unternehmen gehalten wird, das hat sie extrem gefreut. Und auf dieser Basis haben wir dann einen KI-Assistenten aufgebaut und der funktioniert wunderbar, weil er auf echten, gepflegten Wissen steht und nicht auf dem Prinzip Wahrscheinlichkeitsrechnung, was die KI denn da für gut empfindet. Und bei all diesen drei Anwendungsfällen oder bei all diesen drei Umsetzungen sehen wir, also es ist so wichtig, diesen Prozess zu kennen, bevor man der KI übergibt und da diesen Prozess sauber aufzuarbeiten und Datenhygiene zu betreiben und diese Lerndaten auch klar zu haben. Weil sonst, wenn ich einen halben oder einen kaputten Prozess mit der KI quasi schneller mache, dann ist das ein turbulader an Chaos.

Fünf Fragen Für KI-Reife Prozesse

SPEAKER_01 11:42

And darum, Vollcool, für dich jetzt eine Mini-Checkliste, ob deine Prozesse KI-reif sein, ja? Du kannst dir das jetzt einfach einmal so vorstellen, du stellst dir fünf Fragen und mit denen kannst du jeden Prozess prüfen und checken, ob der Prozess KI-reif ist. Erstens, kannst du deinen Prozess in fünf Sätzen erklären? Und zwar so, dass wenn ich jetzt zu dir ins Unternehmen komme und ich war noch nie da, dass ich den sofort verstehe, wenn du da irgendwie in Stocken kommst oder wenn du sagst, das kommt darauf an, manchmal ist es so und manchmal so, dann ist das kein klarer Prozess. Ich sage immer, ich muss das verstehen, ich war noch nie bei dir im Unternehmen, ihr verzahle einen Firmenausflug, ich übernehme da für einen Tag euer Unternehmen, dann solltet ihr wissen, wie das funktioniert, auch ohne die Möglichkeit nachfragen zu können. Also, Punkt Nummer eins, kannst du den Prozess in fünf Sätzen erklären. Frage Nummer zwei, machen das alle bei euch im Unternehmen gleich? Wir erinnern uns an das Angebotsbeispiel, wo sieben Mitarbeitende sieben unterschiedliche Varianten für einen Prozess hatten. Und das ist diese Frage, die wir uns stellen sollten: Wenn drei verschiedene Personen bei euch im Unternehmen dieselbe Aufgabe machen, machen die die Aufgabe selbst. Wenn drei verschiedene Personen bei euch dieselbe Aufgabe machen, kommt dann dreimal dasselbe raus? Und wenn nein, dann hast du keinen Prozess, dann hast du drei Gewohnheiten. Und da ist es wichtig, das zuerst vereinheitlichen und dann automatisieren, ja? Frage Nummer drei. Sind deine Daten aktuell unter einem Ort? Das haben wir in den Beispielen gehabt mit den Preislisten oder mit dem Kundenverteiler, der sehr skurril zusammengesetzt war, ja? Die beste KI der Welt kann aus falschen Daten keine richtigen Ergebnisse machen. Kein einziges Tool kann es. Und da ist es echt so wichtig, wo liegen denn die Informationen für den Prozess? Gibt es eine verlässliche Quelle oder fünf Excel-Listen, von denen keiner weiß, welche stimmt? Die vierte Frage, die du dir stellen kannst, ist das Wissen irgendwo niedergeschrieben? Also gibt es da Dokumente dazu oder gibt es das nur in den Köpfen deiner Mitarbeitenden? Das haben wir im letzten Anwendungsfall gehabt mit der Mitarbeiterin, die schon so lange im Unternehmen ist. Und da mal die Frage, wenn die Person, die das am besten kann, die schon seit Jahren dafür zuständig ist, wenn die morgen ein Lotto Sexer hat und nicht mehr da ist, läuft es dann trotzdem weiter? Ist es irgendwo dokumentiert? Und wenn dann die Antwort nein ist, dann bitte zuerst alles dokumentieren. Und das ist keine lästige Bürokratie, das ist die Grundlage für alles, was danach kommt. Und da ist mein persönlicher Tipp aus der Praxis, schon beim Dokumentieren kann die KI schon helfen. Nämlich ich kann das Gespräch aufnehmen, ich kann das einmal reinsprechen, ich kann das transkribieren lassen, ich kann das strukturieren lassen und mir dann quasi den niedergeschriebenen Prozess mit Hilfe der KI aufschreiben lassen. Und so hilft mir die KI, diesen Prozess überhaupt erst sichtbar zu machen. And last but not least, die fünfte Frage, meine Lieblingsfrage, woran erkennst du, dass du erfolgreich bist? Also, was soll besser werden und woran messen wir das? Und wie viel schneller soll ich werden soll? Soll ich weniger Fehler machen? Welche Fehler möchte ich verhindern? Was ist das Ziel, wenn ich die KI einsetze? Und wenn ich da nicht was, was ich nach drei Monaten optimiert haben möchte, dann wird es schwierig zu messen, ob eine KI-Implementierung sinnvoll ist oder nicht. Das heißt, es ist wichtig, den Ausgangswert zu definieren und uns zu fragen, was wollen wir denn überhaupt erreichen und wie messen wir das. Also bei den Angeboten zum Beispiel war das ja so, okay, wir haben eine durchschnittliche Angebotszeit von zwei Wochen aktuell, wir wollen das auf maximal zwei Tage bringen. Das ist ein ganz klares messbares Ziel. Also definier vorher, was willst du erreichen. Also, final.

Zusammenfassung Und Verabschiedung

SPEAKER_01 16:10

Was sind die fünf Fragen, mit denen du checkst, ob dein Prozess KI-fit ist? Punkt Nummer 1, kannst du es in fünf Sätzen erklären. Zweitens, machen es alle gleich. Drittens sind die Daten sauber und an einem Ort. Viertens steht das Wissen geschrieben und last but not least, fünftens, woran misse ich den Erfolg. Und wenn du bei allen fünf Fragen guten Gewissens Ja sagen kannst, dann und wirklich erst dann ist dein Prozess KI-Fit. And dann wird es mega. Das verspriche ich dir. Und das war es jetzt auch schon mit dieser Solo-Podcast-Folge von der Helga Boss zum Thema Prozesse and Shit In Shit Out. And when you mehr darüber wissen willst, bleib einfach dran anders by VKI-Worte wirken. Ich freue mich when du mir und der Heidi ein Feedback gibst, dass du gerne noch so alles hören möchtest.

SPEAKER_00 17:17

Wie KI-Worte wirken, der Podcast für effiziente Arbeit und moderne Kommunikation im Zeitalter der künstlichen Intelligenz. Als Gastgeberinnen sind Helga Boss und Heidi Winsauer verantwortlich. Weitere Informationen findest du auf unserer Webseite kIwarte.com