Reinigung ist zu einem großen Teil ausführende Arbeit vor Ort: Räume reinigen, Material auffüllen, Kontrollen durchführen, Vorfälle melden. Darum herum liegt eine Schicht Planungsarbeit, die weniger sichtbar, aber ebenso bestimmend für die Kosten ist: Dienstpläne erstellen, Ersatzkräfte organisieren, Beschwerden bearbeiten, Qualitätskontrollen einplanen und an Auftraggeber berichten. Die Umstände vor Ort steuern das Ergebnis stark: Das eine Gebäude hat ein festes Morgenteam mit wenig Wechseln, das andere arbeitet mit wechselnden Teams, kurzen Verträgen und vielen losen Aushilfskräften. Diese Variation bestimmt, welcher Teil der Arbeit sich in ein Muster fassen lässt und welcher Teil davon abhängig bleibt, was jemand vor Ort antrifft.
Diese beiden Schichten — Ausführung vor Ort und Planung auf Distanz — reagieren unterschiedlich auf KI. Es ist nicht so, dass die eine Schicht „klüger“ ist als die andere; es ist so, dass sich die eine besser in Daten fassen lässt als die andere.
Innerhalb der Planungsschicht zeigt sich, dass ein Teil der Arbeit sich bereits verlagert hat. Dienstpläne auf Basis fester Muster, Stundenerfassung, Fakturierung und einfache Qualitätsberichterstattung sind Aufgaben, die KI übernehmen kann, sobald die zugrunde liegenden Daten strukturiert sind. Das Einschätzen eines akuten Personalengpasses bei Krankheit, das Beurteilen einer Beschwerde, die nicht ins Format passt, oder das Verhandeln mit einem Auftraggeber über eine Vertragsänderung: das bleibt Menschenwerk, oder Arbeit, bei der KI einen Vorschlag macht und eine Führungskraft diesen mit Begründung genehmigt oder ablehnt.
Auf dem Boden liegt das anders. Sensortechnik, die meldet, wann ein Raum tatsächlich genutzt wurde und daher gereinigt werden muss, ist eine Form der KI-Unterstützung, die bereits existiert, aber Investitionen in Ausrüstung und ein dafür geeignetes Gebäude erfordert. Viele Standorte haben das nicht. Die Reinigung selbst bleibt, abgesehen vom Robotereinsatz in bestimmten Umgebungen, Menschenwerk.
Warum funktioniert das beim einen Reinigungsunternehmen schon so gut und beim anderen nicht? Der Unterschied liegt selten in der Ambition selbst — fast jedes Unternehmen möchte effizienter planen und weniger Zeit an manuelle Dienstpläne verlieren. Der Unterschied liegt darin, was dieser Ambition zugrunde liegt: Hat das Unternehmen Stunden, Krankheitsausfälle und Beschwerden bereits in einem System, das eine KI-Anwendung lesen kann, oder steht das noch in den Köpfen von Planern und in losen Tabellen pro Region.
Ein Reinigungsunternehmen, das sagt „wir wollen Dienstpläne automatisieren“, meint damit bei der einen Organisation: ein System, das eigenständig einen vollständigen Dienstplan erstellt. Bei der anderen: ein Hilfsmittel, das einen ersten Vorschlag macht, den ein Planer anschließend anpasst. Das sind zwei verschiedene Ambitionen mit unterschiedlichen Anforderungen an Daten, an Befugnisse von Planern und an das Ausmaß, in dem Auftraggeber Änderungen zustimmen müssen. Solange ein Führungsteam diesen Unterschied nicht miteinander besprochen hat, spricht es über Automatisierung, ohne zu wissen, welche Variante es meint.
Genau da macht eine in Schichten aufgebaute Ambition — von Vision bis zu einem konkreten Zielzustand — den Unterschied: Sie zwingt dazu zu benennen, was sich ändert bei der Frage, wer eine Entscheidung treffen darf und wer dafür verantwortlich bleibt. Zum Vergleich: In anderen Branchen mit viel ausführender Arbeit vor Ort zeigt sich ein vergleichbares Muster: Wer nachliest, wie sich das in dem Bausektor oder in der Installationsbranche auswirkt, erkennt dieselbe Trennlinie zwischen Planungs- und Ausführungsarbeit wieder, nur mit anderen Datenquellen.
Das am häufigsten genannte Hindernis ist nicht Technik, sondern Erfassung. Diensstunden, Krankheitsausfälle, Beschwerden und Materialverbrauch stehen häufig verteilt über regionale Systeme, Papierformulare und mündliche Absprachen zwischen Planer und Standortleiter. Eine KI-Anwendung, die Dienstpläne oder Qualitätskontrollen übernimmt, benötigt diese Daten in einer lesbaren Form. Ohne diese Grundlage bleibt eine Ambition eine Aussage ohne Fundament.
Darüber hinaus stellt sich die Frage, wer einen KI-Vorschlag genehmigen oder ablehnen darf. Bei Unternehmen, in denen der Planer derzeit die volle Entscheidungsgewalt über Dienstplanänderungen hat, verändert eine KI-Anwendung, die selbst bereits plant, faktisch die Rolle dieses Planers hin zum Kontrolleur. Das berührt, wie Funktionen eingerichtet sind, und Arbeitsbedingungen; für Entscheidungen, die Personal betreffen, gelten eigene gesetzliche Anforderungen, die hier nicht behandelt werden.
Die Frage, die allen Ambitionen in dieser Branche zugrunde liegt, ist nicht „kann KI Reinigung übernehmen“, sondern „welche unserer Aufgaben sind bereits so erfasst, dass eine KI-Anwendung sie lesen kann, und welche noch nicht“. Das unterscheidet sich pro Unternehmen, pro Region und sogar pro Auftraggeber und lässt sich nicht allgemein beantworten. Was das pro Aufgabe konkret für Ihre Organisation bedeutet, bringt der Werkscan von FTE TO AI ins Bild: ein Überblick darüber, welche Arbeit sich jetzt schon für Übernahme eignet, welcher Teil Aufsicht erfordert und welcher Teil Menschenwerk bleibt. Wer zunächst verstehen möchte, wie sich eine Ambition in ein operatives Modell übersetzt, findet das erklärt in dem Target Operating Model in einfacher Sprache, und wer wissen möchte, welche Capabilities eine bestimmte Ambition erfordert, liest das nach in den Capabilities, die Ihre Organisation für diese Ambition benötigt.
Eine Ambition für KI in der Reinigungsarbeit zu formulieren beginnt damit festzustellen, wo die Organisation tatsächlich steht, nicht wo die Geschäftsführung hofft zu stehen. Der kostenlose Reifegradcheck von FTE TO AI besteht aus acht kurzen Fragen, eine pro Dimension, und liefert ein Bild davon, wo die Organisation am weitesten ist und wo noch die meisten Schritte zu setzen sind. Der vollständige Ambitionstest, mit den vier Schichten 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.