In jedem Gespräch über digitale Transformation steckt derzeit eine grundlegende Spannung. Die meisten Organisationen spüren sie, tun sich aber schwer, sie in Worte zu fassen.
Auf der einen Seite steht das deterministische Erbe. Das Fundament der Enterprise-IT. Es beruht auf einem einfachen, beruhigenden Versprechen:
Gleicher Input, gleicher Output. Jedes einzelne Mal.
So haben wir Buchhaltungssysteme, Compliance-Workflows und Sicherheitskontrollen gebaut. Binär, testbar, sicher.
Auf der anderen Seite steht die probabilistische Revolution. Large Language Models (LLMs) und modernes ML denken nicht in Binärwerten, sondern in Verteilungen. Sie liefern nicht die „richtige“ Antwort, sondern die auf Basis von Mustern „wahrscheinlichste“. Sie können kreativ und sprachgewandt sein und mit der chaotischen Mehrdeutigkeit der realen Welt umgehen. Aber sie sind eben auch grundsätzlich nicht deterministisch.
Die Milliardenfrage für Unternehmen lautet jetzt: Wie bauen wir ein System, das sicher genug für eine Bank und klug genug für einen Menschen ist?
Wie Öl und Wasser?
Klassische Software setzt Determinismus voraus. Wir schreiben Regressionstests, die prüfen, ob A + B = C gilt. Ergibt A + B plötzlich „ein Gedicht über C“, schlägt der Test fehl, und wir rollen das Deployment zurück.
Aber „ein Gedicht über C“ ist genau das, was generative KI gut kann. Sie glänzt bei Wahrnehmung, Interpretation und Entwürfen, also bei Aufgaben, die Unschärfe verlangen. Das Problem beginnt, wenn wir versuchen, diesen probabilistischen eckigen Klotz durch das deterministische runde Loch zu drücken.
Ersetzt man seine starre Rule Engine durch ein LLM, kann man Compliance nicht mehr garantieren. Verpackt man sein LLM in zu viele starre Regeln, verliert man den Zauber seiner Vielseitigkeit.
Die Architektur des hybriden Denkens
Wer sich für eine Seite entscheidet, hat das Problem nicht gelöst. Die Lösung ist eine sauber konstruierte Ehe zwischen beiden. Aktuelle Analysen hybrider Architekturen zeigen das Erfolgsmuster für Unternehmen deutlich: Deterministisch im Großen, probabilistisch im Kleinen.
So funktioniert das:
- Das Rückgrat ist deterministisch: Der Kerngeschäftsprozess, also Workflow-Zustände, Freigabestufen und die „harten“ Regeln darüber, wer wann Geld bekommt, muss deterministischer Code bleiben. Eine Banküberweisung darf man nicht halluzinieren.
- Die Ränder sind probabilistisch: Die KI lebt innerhalb der Prozessschritte oder an der Schnittstelle. Sie zerlegt die chaotische E-Mail (probabilistisch) in ein strukturiertes Schadensobjekt (deterministisch). Sie schlägt einen Risikoscore vor (probabilistisch), der anschließend gegen ein hartes Policy-Limit geprüft wird (deterministisch).
In diesem Modell ist die KI nicht der Befehlshaber, sondern der Nachrichtenoffizier. Sie sammelt Informationen, deutet Signale und entwirft Pläne. Den Befehl unterschreibt aber der deterministische Prozess, der General.
Der Bot ist nicht die Lösung
Und damit sind wir bei der wichtigsten Erkenntnis. Unternehmen sind gerade besessen von „Prompt Engineering“ oder „Modellauswahl“ und glauben, ein besseres Modell werde ihr operatives Chaos beseitigen.
Sie verfehlen den Punkt.
Man kann das raffinierteste probabilistische Modell der Welt haben: Speist es einen kaputten, undefinierten oder undokumentierten Workflow, hat man schlicht das Chaos automatisiert. Man macht Fehler dann nur schneller und mit mehr Selbstbewusstsein.
Wie ich schon früher argumentiert habe: Die Technologie ist zweitrangig gegenüber der Struktur, in die sie eingebettet ist. Oder etwas unverblümter:
“It's always the process, stupid.”It’s Always the Process, Stupid!Warum KI Ihren kaputten Workflow nicht retten wirdDocIsInDaHouse

Die strategische Lehre
Love and marriage, so heißt es im alten Song, gehören zusammen wie Pferd und Kutsche. In der Enterprise-IT sind Determinismus und Wahrscheinlichkeit aber eher wie Al und Peggy Bundy: ein dysfunktionales Paar, das sich irgendwie zusammenraufen muss, damit die Show weitergeht.
Neuronale Netze werden den Code in der Enterprise-IT nicht ersetzen. Die Zukunft liegt darin, kognitive Arbeit neu zu verteilen, hin zu flexiblen KI-Agenten, und gleichzeitig deterministische Garantien in der Kernausführung zu erhalten.
Wir müssen präzise festlegen, wer was macht:
- Deterministische Systeme müssen weiterhin für die Verbindlichkeiten zuständig sein: Audit Trail, Finanztransaktion und harte rechtliche Vorgaben, wo „größtenteils richtig“ komplett falsch ist.
- Probabilistische Systeme sollten die Interpretation übernehmen: das Lesen chaotischer Eingaben, das Zusammenfassen von Kontext und den groben Entwurf von Kommunikation. Also Aufgaben, bei denen bisher die menschliche Intuition der Engpass war.
Wenn Sie Ihre nächste digitale Transformation planen, hören Sie auf zu fragen: „Wie setzen wir hier GenAI ein?“ Schauen Sie stattdessen auf Ihren Workflow und fragen Sie:
„Welche Teile dieses Prozesses brauchen eine Garantie, und welche profitieren von einer Schätzung?“
Genau diese Unterscheidung trennt Spielzeug von Werkzeug.
Und nie vergessen: Spielzeug ist „Social IT“, Werkzeug ist „Business IT“ 😉
Der große IT-Divide: Warum KI in Unternehmen scheitertIT-Innovation ist von Business-Tools zu Social Tech gewandert. Entstanden sind zwei getrennte IT-Welten: Business-IT (Compliance, Effizienz) und Social-IT (soziale Interaktion). Wer diese Spaltung versteht, versteht auch, warum Unternehmen sich mit der Einführung von KI so schwertun.DocIsInDaHouse
Live long and prosper 😉🖖
Soundtrack (natürlich 😀)
