Zwei Organisationen beschreiben dieselbe Aufgabe. Bei der einen kommt dabei die Kategorie 'AI kann die Aufgabe übernehmen' heraus, bei der anderen 'es bleibt Menschenarbeit'. Das ist keine Inkonsistenz der Methode, sondern das Ergebnis der Methode. Das Ergebnis hängt nicht nur davon ab, was eine Aufgabe beinhaltet, sondern von den Umständen, unter denen diese Aufgabe ausgeführt wird. Diese Seite erläutert, welche Faktoren diesen Unterschied ausmachen und was das für die Zuverlässigkeit einer Schätzung bedeutet.
Wir beurteilen eine Aufgabe nie anhand eines einzigen Merkmals. Jede Aufgabe wird auf acht Achsen bewertet: Strukturiertheit der Eingabe, Beurteilungsspielraum, Kundenkontakt-Sensibilität, physische Komponente, Kreativität, Fehlerkosten, Compliance-Sensibilität und Volumen/Wiederholung. Zwei Organisationen mit 'demselben' Aufgabenpaket können bei diesen Achsen stark voneinander abweichen. Eine Planungsaufgabe mit fester Eingabe und hohem Volumen fällt anders aus als dieselbe Planungsaufgabe, wenn die Eingabe wechselnd ist und Ausnahmen die Regel sind. Es geht also nicht um den Titel der Aufgabe, sondern um die Kombination der Bewertungen dahinter.
Bei niedrigen Volumina wiegen Vorfälle schwerer als bei hohen Volumina. Eine Aufgabe, die fünfmal pro Jahr vorkommt, liefert wenig Grundlage, um ein Muster zu erkennen; eine Aufgabe, die täglich hunderte Male vorkommt, zeigt schneller, wo AI stabil leistet und wo nicht. Hohes Volumen macht eine Schätzung oft spezifischer, weil es mehr Wiederholung gibt, an der man prüfen kann. Niedriges Volumen macht eine Schätzung breiter, nicht weil die Aufgabe unklar ist, sondern weil es schlicht weniger zu verallgemeinern gibt. Dies spielt beispielsweise eine Rolle bei der Frage, ob AI die Fortschrittsüberwachung von Zielen und Projekten übernehmen kann: bei einer Handvoll Projekten pro Jahr ist die Bandbreite größer als bei einem Portfolio mit hunderten laufenden Initiativen.
Eine Aufgabe, die vollständig in strukturierten Systemen abläuft, ist anders zu beurteilen als eine Aufgabe, die größtenteils in Köpfen, E-Mails und losen Dokumenten steckt. Nicht weil die Aufgabe selbst sich ändert, sondern weil das Maß, in dem AI Zugang zu zuverlässigen, aktuellen Informationen hat, stark variiert. Bei der Budgetüberwachung ist das gut zu erkennen: Ob AI die Budgetüberwachung und Signalisierung von Abweichungen übernehmen kann, hängt stark davon ab, ob die zugrunde liegenden Zahlen bereits strukturiert und aktuell verfügbar sind, oder ob sie erst manuell gesammelt und interpretiert werden müssen. Dieselbe Aufgabe, andere Systemgestaltung, anderes Ergebnis.
Die Kosten eines Fehlers sind nicht universell. Eine falsche Interpretation in einer internen Übersicht hat andere Folgen als eine falsche Interpretation in einer Kundenkommunikation oder einem Compliance-Bericht. Bei hohen Fehlerkosten verschiebt sich das Ergebnis eher in Richtung Kategorie zwei — AI liefert einen Vorschlag, ein Mensch genehmigt oder lehnt ab — auch wenn die Aufgabe bei den anderen Achsen auf eine AI-Übernahme hindeuten würde. Dies ist einer der Gründe, warum wir nie ausschließlich auf Basis von 'was die Aufgabe beinhaltet' eine Aussage treffen: Der Kontext, in dem ein Fehler landet, zählt genauso schwer.
Eine Bandbreite ist keine Vagheit, sondern eine ehrliche Darstellung dessen, was wir nicht mit Sicherheit wissen. Bei Aufgaben mit viel Beurteilungsspielraum — bei denen auch zwei erfahrene Mitarbeitende untereinander abweichen würden — ist jede Schätzung per Definition breiter. Bei Aufgaben mit viel Kundenkontakt spielt eine Rolle, dass die Toleranz für AI-Interaktion je Branche und je Kundengruppe unterschiedlich ist, etwas, das wir ohne Ihre eigenen Zahlen nicht messen können. Und bei Aufgaben, die gerade eingerichtet oder gerade auf ein anderes System umgestellt wurden, gibt es schlicht noch kein stabiles Muster, an dem man sich orientieren kann. In all diesen Fällen wählen wir eine breitere Bandbreite anstatt einer präzisen Zahl, die mehr Sicherheit suggeriert, als wir belegen können.
Es gibt Situationen, in denen eine einzelne Messung wenig Wert hat: bei einem gerade veränderten Prozess, bei einer Aufgabe, die selten vorkommt, oder bei einer Organisation, die sich noch im Übergang zu neuen Systemen befindet. Eine Bewertung zu einem solchen Zeitpunkt ist eine Momentaufnahme, keine Vorhersage. Das ist auch, warum eine erneute Messung relevant ist: dieselbe Aufgabe, später gemessen, kann ein anderes Ergebnis liefern, weil sich die Umstände geändert haben, nicht weil die erste Messung falsch war.
Diese Methode sagt etwas über Aufgaben aus, nicht über Menschen oder Funktionen. Ein Ergebnis ist keine Grundlage für eine Entscheidung über Personal; für Entscheidungen, die das Beschäftigungsverhältnis betreffen, gelten eigene gesetzliche Anforderungen, und diese prüfen Sie separat. Wir liefern Fakten über Aufgaben, Sie ziehen daraus die Schlussfolgerungen, die zu Ihrer Organisation passen. Zur Veranschaulichung: Auch eine Aufgabe wie die Sitzungsleitung lässt sich nicht einheitlich beurteilen, was sich bei der Frage zeigt, ob AI die wöchentliche Teamleitung übernehmen kann — die Antwort unterscheidet sich je nach Team, je nach Besprechungskultur und je nach Umfang des Entscheidungsspielraums in diesen Besprechungen.
Möchten Sie einen ersten Eindruck davon, wie sich das für Ihre eigene Situation auswirkt, dann können Sie den kostenlosen Quickscan von ftetoai ausfüllen: zwölf Fragen, ohne Konto, mit einer Angabe, welcher Anteil der Stunden in Ihrem Profil heute von AI übernommen werden kann. Der vollständige Werkscan, der tiefer auf die acht Achsen je Aufgabe eingeht, befindet sich noch im Aufbau — er existiert derzeit noch nicht, und das sagen wir lieber ehrlich, anstatt ihn anzubieten.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.