Die POC Falle
Wie wir zu fröhlichen Versuchskaninchen der Tech-Branche wurden
Wenn man sich heute durch LinkedIn scrollt oder die Tech-Presse liest, könnte man meinen, die KI-Utopie wäre bereits Realität. Jeden Tag wird ein neues KI-Tool oder die "Version x" eines bestehenden Tools durchs digitale Dorf getrieben, das angeblich unsere Produktivität verzehnfacht, uns lästige Arbeiten abnimmt und nebenbei noch ein Gedicht im Stil von Goethe verfasst.
Die Realität ist weniger glamourös: Wir stecken in einer gigantischen Proof-of-Concept-Dauerschleife. Viele Systeme sind technisch noch unreif, viele Produkte konzeptionell falsch abgebogen – und wir alle wurden, fast immer ungefragt, zu Teilnehmenden eines globalen Beta-Tests.
Wie konnte das passieren?
Das Erbe der "Social IT": Move fast, break things (and let the user fix it)
Um zu verstehen, warum sich aktuelle KI-Tools oft so unreif anfühlen, müssen wir uns ansehen, wer sie baut. Die Tech-Giganten und Startups im Silicon Valley sind mittlerweile kulturell tief im Paradigma der "Social IT" der letzten 15 Jahre verwurzelt – der Ära von Web 2.0, Mobile Apps und Social Media.
Das dominierende Mantra dieser Zeit lautet: "Ship it and see what happens". Man wirft unfertige Software auf den Markt, gibt denen pompöse Namen wie "Copilot" oder "Opus", baut ein bisschen Gamification ein und nutzt Millionen von Konsumenten als unbezahlte Qualitätskontrolle. Wenn eine Foto-Filter-App abstürzt, wischt der Nutzer eben weiter. Niemand wird verletzt, keine Lieferkette bricht zusammen.
Jetzt wenden sogar "professionelle" Software-Anbieter wie Microsoft exakt dieselbe Konsumenten-Logik auf Künstliche Intelligenz an – eine Technologie, die das Fundament unserer zukünftigen industriellen und wirtschaftlichen Infrastruktur verändert. KI-Tools werden aktuell entwickelt und auf den Markt geworfen wie die nächste Dating-App.
Der Frontalzusammenstoß: "The Great IT Divide"
Dieser leichtfertige "Social IT"-Ansatz prallt mit voller Wucht auf die harte Realität der Unternehmenswelt. Wie in meinem Artikel
DocIsInDaHouse
ausführlich beschrieben, beobachten wir immer wieder diese fundamentale Kluft:
Auf der einen Seite steht die traditionelle Unternehmens-IT. Sie ist deterministisch. Sie erfordert 100%ige Sicherheit, Compliance, Vorhersehbarkeit und harte ROI-Metriken. Ein ERP-System darf nicht "kreativ" sein. Auf der anderen Seite steht die neue KI-Welt: Sie ist probabilistisch (wahrscheinlichkeitsbasiert), experimentell und halluziniert gerne mal Fakten herbei, wenn sie die Antwort nicht kennt.
Trotzdem versucht man, einen probabilistischen Chatbot, der ab und zu Zahlen erfindet, der Compliance-Abteilung als neues Rückgrat der Buchhaltung zu verkaufen. Spoiler: Es funktioniert nicht.
Die Flucht in die PoC-Falle
Weil diese zwei Welten nicht zusammenpassen und die KI die harten Anforderungen der "Production Readiness" (Skalierbarkeit, Datenschutz, Verlässlichkeit unter Last, etc) im Enterprise-Sektor in vielen Fällen noch nicht erfüllt, flüchtet sich die Tech-Industrie in "Proof of Concepts" (PoCs).
Ein PoC ist per definitionem ein geschützter Raum. Er zeigt, dass etwas prinzipiell geht – unter kontrollierten Bedingungen, mit kuratierten Daten, ohne echte Last, ohne echten Schaden. Das Problem beginnt dort, wo PoCs zur Dauerform werden.
Wir haben heute tausende dieser beeindruckenden Prototypen – aber kaum ein einziges, belastbares Werkzeug, dem man blind den eigenen Jahresabschluss anvertrauen würde.
Der konzeptionelle Kurzschluss: KI ist (meistens) kein Produkt
Damit diese PoCs überhaupt vermarktbar sind, kaschiert die Branche häufig einen Design-Fehler: KI wird als eigenständiges Produkt verkauft, obwohl sie in vielen Szenarien eher eine Infrastruktur-Fähigkeit ist – ein Feature, das in bestehende Systeme gehört.
Anstatt zu akzeptieren, dass KI eigentlich ein tief integriertes "Feature" im Hintergrund unserer bestehenden Werkzeuge sein sollte (im E-Mail-Client, im Betriebssystem, im CRM), versuchen Heerscharen von Startups, eigenständige "Produkte" zu bauen. Sie stülpen eine hübsche Web-Oberfläche (einen Wrapper) über die ChatGPT-API und verlangen von uns, dass wir unsere gewohnten Workflows verlassen, 50 neue Browser-Tabs öffnen und unsere Unternehmensdaten per Copy-Paste in ihre wackeligen Lösungen kopieren.
Das ist keine Disruption, das ist Arbeitsbeschaffungsmaßnahme.
Herzlichen Glückwunsch, Sie sind das Versuchskaninchen!
Und genau hier schließt sich der Kreis. Weil die Produkte für den echten Unternehmenseinsatz noch unreif sind und fälschlicherweise als Konsumenten-Produkte ("Social IT") auf den Markt geworfen werden, bleibt den Tech-Giganten nur ein Ausweg: Sie machen uns zu Versuchskaninchen.
Da die Produktmanager öfters selbst nicht genau wissen, wo der echte Product-Market-Fit liegt, werfen sie sie einfach über den Zaun und schauen zu, was wir damit anstellen.
Was wir heute erleben, ist ein gigantisches Outsourcing der Produktentwicklung:
- Wir trainieren – Wir zahlen Abo-Gebühren, um deren Modelle mit unseren Daten zu füttern.
- Wir evaluieren – Jeder Daumen hoch/runter ist gratis RLHF (Reinforcement Learning from Human Feedback) für deren KI-Training.
- Wir kompensieren – Wir lernen "Prompt Engineering", um die Schwächen unreifer Modelle auszugleichen. Wir schreiben Dinge wie "Du bist ein Experte, atme tief durch und denke Schritt für Schritt" – als würden wir einen überforderten Praktikanten therapieren.
Der Witz: Für dieses Privileg bezahlen wir auch noch.
Das Haltbarkeitsdatum unserer aktuellen "KI-Fertigkeiten"
Die schlechte Nachricht für alle, die sich gerade als "Prompt-Flüsterer" profilieren: Diese Fertigkeit hat das Haltbarkeitsdatum von frischer Milch. Und sie ist am Ende genauso probabilistisch wie das LLM, das man damit füttert.
Wir übersehen in der aktuellen Hype-Blase gerne, dass wir uns erst ganz am Anfang eines technologischen Innovationszyklus befinden – wir stecken quasi in der MS-DOS-Phase der Künstlichen Intelligenz. Die Entwicklungszyklen sind derzeit so extrem kurz und volatil, dass sich das Fundament, auf dem wir heute bauen wollen, fast im Wochentakt verschiebt.
Man muss sich nur das Beispiel von OpenClaw ansehen, um zu begreifen, wie unvorhersehbar und disruptiv dieser Markt sein kann. Während Heerscharen von hochbezahlten Produktmanagern bei Microsoft, Google oder OpenAI krampfhaft versuchen herauszufinden, was man mit den rohen LLM-Fähigkeiten überhaupt anstellen soll, passiert echte Disruption an den Rändern. Ein einzelner Entwickler bastelt, quasi in Wochenendarbeit, einen innovativen Proof of Concept zusammen – und wälzt plötzlich alles um.
OpenClaw hat eindrucksvoll gezeigt, wie eine simple Idee die Art und Weise, wie KI als Agent operieren und mit Systemen interagieren kann, über Nacht auf den Kopf stellt. Die Tech-Giganten hantieren zwar mit Milliardenbeträgen, sind aber oft schlichtweg zu unkreativ oder betriebsblind, um wirklich neue Bedienkonzepte zu erdenken. Wir werden höchstwahrscheinlich in den nächsten Jahren noch einige dieser Überraschungen erleben. Das nächste OpenClaw wartet vielleicht schon in irgendeinem GitHub-Repository darauf, unsere mühsam erlernten KI-Workflows von heute morgen schon wieder völlig obsolet zu machen.
Wenn die Industrie endlich so weit ist, die PoC-Phase zu verlassen und KI als "Production Ready"-Feature in unsere Betriebssysteme zu integrieren, werden viele der heutigen KI-Wrapper-Tools einfach weggespült. Die KI der Zukunft wird unseren Kontext automatisch verstehen – ganz ohne magische Prompt-Beschwörungsformeln.
Und all das, was wir uns derzeit als Versuchskaninchen mühsam aneignen, können wir dann getrost über Bord werfen. Ich spreche da aus Erfahrung: Ich habe mir selbst sehr früh die Arbeit gemacht, diese Tools zu evaluieren und ihre Eigenheiten zu erlernen, nur um nach sechs Monaten festzustellen, dass sie nach stillschweigenden Updates plötzlich völlig anders funktionieren. Von der schleichenden "Enshittification" vieler Produkte mal ganz abgesehen (was leider zu einem sehr typischen "Social IT"-Werdegang geworden ist).
Fazit: Raus aus dem Labor, ran an das Fundament
Was tun wir also in der Zwischenzeit?
Zuerst einmal: Dieses ständige FOMO (Fear Of Missing Out) abstellen. Wir verpassen keine Revolution, wenn wir nicht jedes Beta-Gimmick abonnieren.
Anstatt uns als unbezahlte Tester im Silicon-Valley-Zirkus aufzureiben und halbfertige PoCs in unserer "Business-IT" zu pressen, sollten wir den ganzen Hype-Lärm gelassener beobachten.
Wenn wir KI langfristig und sinnvoll integrieren wollen, müssen wir unseren Fokus auf die drei echten, fundamentalen Innovationen richten, die diese Tools tatsächlich mitbringen:
- Die Bändigung des Chaos: Wir haben endlich ein Werkzeug, um aus gigantischen Mengen unstrukturierter Daten verlässliche Informationen zu extrahieren und zu strukturieren. Wir können Text in verwertbare Daten verwandeln.
- Die Skalierung des Outputs (Content-Generierung): LLMs sind gewaltige Synthese-Maschinen. Die Fähigkeit, aus Vorgaben und Daten in Sekundenschnelle neue Texte, Bilder, Konzepte, Zusammenfassungen oder Code-Bausteine zu generieren, senkt die Kosten und den Aufwand für die Erstellung von Inhalten drastisch.
- Natürliche Sprache als Interface: Wir müssen keine komplexen Software-Menüs oder Programmier-Syntaxen mehr lernen. Die Maschine versteht unsere Sprache. Das macht Technologie radikal zugänglicher und einfacher zu bedienen – die Maschine passt sich endlich dem Menschen an, nicht umgekehrt.
Doch um diese drei Superkräfte im Unternehmensalltag wirklich nutzen zu können, müssen wir jetzt unsere Hausaufgaben machen: Schauen Sie sich an, wie Sie eigentlich arbeiten und überlegen Sie, wie sie es dank dieser Innovationen besser machen könnten. Ein noch so intelligentes, natürlichsprachliches Interface nützt nichts, wenn es auf dysfunktionale Arbeitsabläufe trifft. Und schlechter Content bleibt schlechter Content, egal wie aufgehübscht er ist. Wenn Sie einen schlechten, ineffizienten Prozess mit KI "optimieren", erhalten Sie am Ende schlichtweg einen schlechten, ineffizienten Prozess – er läuft dann nur schneller ab. Also statt 20 Tools zu testen: 2–3 Workflows auswählen, Datenqualität heben, Governance definieren, eine Integrationsstrategie (RAG/Agenten/Workflow-Automation) aufbauen, die man dann iterativ produktiv nehmen kann, sprich: eigene POCs erstellen, anstatt sich durch denen der Techindustrie rumschubsen zu lassen.
Überprüfen Sie ihr prozessuales und digitales Fundament. Dann sind Sie wirklich bereit, wenn die KI in ein paar Jahren ihre peinliche "Social IT"-Pubertät hinter sich gelassen hat und als ernstzunehmendes und marktreifes Werkzeug auf den Markt kommt.
-> Sie können natürlich das Versuchslabor anderen überlassen: Abonnieren und/oder empfehlen Sie einfach diesen Blog weiter. Wer hier regelmäßig mitliest, wird ohnehin festgestellt haben, dass dieser Beitrag nichts als eine Zusammenfassung vieler meiner bisher publizierten Ansätze zum Umgang mit KI ist. 😉
Live long and prosper 😉🖖
