Die IT-Branche besteht aus Arbeit, die sich leicht in wiederholbare Schritte aufteilen lässt, und Arbeit, bei der das gerade nicht der Fall ist. Code schreiben, testen, dokumentieren, Tickets triagieren, Monitoring beurteilen, Konfigurationen ausrollen: viele dieser Aufgaben haben eine feste Struktur und ein klares Beurteilungskriterium. Daneben steht Arbeit, die sich um architektonische Entscheidungen, Kundenkontext, Sicherheitsabwägungen und die Entscheidung dreht, wann ein System in Produktion geht oder nicht. Dieser Unterschied bestimmt, wo KI heute schon Aufgaben übernimmt, wo menschliches Toezicht nötig bleibt, und wo Menschenarbeit den Kern der Sache bleibt.
Die Umstände, die das Ergebnis steuern, sind nicht einheitlich. Ein Team, das mit einer gut dokumentierten Codebase und klaren Teststandards arbeitet, kann Aufgaben leichter übergeben als ein Team, das auf Stammeswissen und mündlichen Absprachen läuft. Eine Organisation mit einer festen Review-Struktur kann Toezicht auf KI-Output in einen bestehenden Prozess einbetten; eine Organisation ohne diese Struktur muss sie erst aufbauen, bevor eine Übergabe verantwortbar ist.
In Teilen der Branche ist die Verschiebung bereits sichtbar. Code-Vorschläge, Testgenerierung und Dokumentations-Updates werden in manchen Teams größtenteils von KI erstellt, wobei ein Entwickler auf Basis von Funktionalität und Lesbarkeit genehmigt oder ablehnt. In anderen Teams wird exakt dieselbe Arbeit noch vollständig manuell erledigt, nicht weil dort grundsätzlich etwas anders liegt, sondern weil die Voraussetzungen fehlen: kein Zugang zu den richtigen Tools, keine festgelegten Qualitätskriterien, keine eingeplante Zeit, um den Prozess umzubauen.
Dieser Unterschied zwischen Unternehmen liegt selten in der Technik selbst. Er liegt in der Bereitschaft: Hat die Organisation Daten und Dokumentation im Griff, ist ein Entscheidungsrecht zugewiesen, wer KI-Output beurteilt, ist Kapazität freigemacht, um den neuen Prozess einzurichten, bevor der alte abgebaut wird. Wo diese Voraussetzungen fehlen, bleibt eine Ambition auf dem Papier stehen, auch wenn die Technik bereits verfügbar ist.
Eine Ambition wie "KI unterstützt unsere Entwickler" klingt eindeutig, verlangt aber in der Praxis eine Reihe von Capabilities, die nicht von selbst vorhanden sind: eine Testumgebung, die KI-generierten Code validieren kann, ein Reviewprozess, der nicht durch zusätzliches Volumen verzögert wird, und Beurteiler, die wissen, wann sie einen KI-Vorschlag ablehnen. Ohne diese Capabilities bleibt die Ambition eine Absicht ohne Umsetzung.
Genau deshalb können dieselben Worte in einem Führungsteam verschiedene Dinge bedeuten. Der CTO denkt an automatisierte Pipelines, der Betriebsleiter an weniger freigespielte Stunden für den Support, der HR-Verantwortliche an eine andere Rollenausgestaltung. Keine dieser Interpretationen ist falsch, aber ohne einen gemeinsamen Prüfmaßstab bleibt die Ambition unverbindlich. Wie man eine Vision in etwas Messbares übersetzt, und nicht in drei losgelöste Annahmen, steht beschrieben unter wie man eine Vision messbar macht.
Die IT-Branche ist nicht einzigartig in ihrem Ringen mit dieser Verschiebung, wenngleich sich die Engpässe unterscheiden. Im Finanzdienstleistungssektor liegt die Frage anders, weil dort Aufsicht und Rechenschaft eine größere Rolle spielen; was dort spielt, steht in welche KI-Ambitionen im Finanzdienstleistungssektor bestehen. Im Bauwesen ist physische Arbeit ein fester Faktor, der die KI-Übernahme anders begrenzt als in der IT, wie zu lesen in welche KI-Ambitionen im Bauwesen bestehen. Und in der Reinigungsbranche geht es vor allem um Planung und Qualitätskontrolle statt um Codeproduktion, ausgeführt in welche KI-Ambitionen in der Reinigungsbranche bestehen. Das Muster ist stets dasselbe: Die Ambition wird erst konkret, sobald klar ist, welche Capabilities fehlen.
Ein Führungsteam, das beschließt, dass KI "den größten Teil des Reviewzyklus" übernehmen soll, formuliert damit eine Ambition, die sich nicht in einem Quartal umsetzen lässt. Das ist kein Einwand gegen die Ambition selbst, sondern ein Signal zur Phasierung: welche Capability muss zuerst stehen, welche danach, und an welchem Punkt ist die Organisation zum ersten Mal in der Lage zu beurteilen, ob es funktioniert. Wie diese Phasierung aussehen kann, steht beschrieben in wie man eine Ambition phasiert, die zu groß für ein Jahr ist.
Über Personalentscheidungen, die aus einer solchen Phasierung folgen können, äußern wir uns nicht: welche Arbeit ein Arbeitgeber entfallen lässt oder umverteilt, unterliegt eigenen gesetzlichen Anforderungen und eigener Abwägung. Was wir beschreiben, ist, welche Arbeit sich übertragen lässt, teilweise oder ganz, und unter welchen Voraussetzungen.
Die zugrunde liegende Frage ist nicht, ob KI-Ambitionen in der IT-Branche real sind, sondern ob dieses spezifische Unternehmen, mit dieser Codebase, diesem Team und diesen Prozessen, bereit ist, sie umzusetzen. Welche Arbeit in diesem Unternehmen tatsächlich von KI übernommen werden kann, je Aufgabe, wird mit dem Werkscan von FTE TO AI beantwortet.
Wer zunächst unverbindlich einen Eindruck gewinnen möchte, kann den kostenlosen Bereitschaftscheck machen: acht kurze Fragen, eine je Dimension, mit einem Bild davon, wo die Organisation am weitesten und am wenigsten weit ist. Der vollständige Ambitionstest, mit allen vier Ebenen und den fünf Confidence Gates, befindet sich im Aufbau.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.