KI im Arbeitsalltag: Viel Unterstützung – (noch) wenig Veränderung

In meinem Arbeitsalltag ist KI längst Standard. Sie hilft mir beim Programmieren, bei Recherchen und nimmt mir im Alltag einiges ab. Gleichzeitig frage ich mich: Ist der Hype, der rund um die künstliche Intelligenz herrscht, berechtigt? KI macht einzelne Aufgaben schneller – aber sie verändert unsere Prozesse kaum. Woran das liegt und wo der Nutzen heute wirklich liegt, zeige ich in diesem Beitrag.

Aktuell wird KI vor allem dort eingesetzt, wo der Einstieg einfach ist: Browser öffnen, Prompt eingeben, Ergebnis nutzen. Kollegen verwenden Large Language Models (LLMs) für Mails, Berichte oder zur Erschliessung neuer Themen. In meinem Umfeld, im Entwicklungslabor eines führenden Herstellers von Präzisionsantrieben, zeigt sich ein ähnliches Bild. Wir nutzen KI vor allem zum Schreiben von Software oder Auswerteskripten sowie für Recherchen. Der Nutzen ist klar: Code entsteht schneller, neue Lösungsansätze werden einfacher gefunden, und Informationen lassen sich effizient filtern. Das entlastet mich und mein Team im Alltag spürbar. Doch genau dort endet der Einsatz in den meisten Fällen.

Dass KI bestehende Abläufe oder ganze Workflows optimiert, passiert kaum. Das liegt weniger an der Technologie als am fehlenden Know-how, wie sie sinnvoll integriert werden kann. Der Einsatz bleibt fragmentiert – ein digitaler Flickenteppich aus einzelnen Anwendungen.

Neben der Zeitersparnis bringt der unstrukturierte Einsatz auch Risiken mit sich.

Interne Informationen, Kundendaten oder technische Details werden teils unbedacht in öffentliche KI-Tools eingegeben. In meinem Unternehmen existieren klare Richtlinien, in vielen KMU fehlen diese jedoch. Der ungeschulte und sorglose Umgang mit KI stellt also ein reales Sicherheitsrisiko für Firmen dar. KI-Antworten wirken überzeugend, sind aber nicht immer korrekt oder vollständig. Ohne sorgfältige Prüfung können sich Fehler einschleichen. Abkürzungen mittels LLMs bergen aus diesem Grund auch reale Produkt- und Sicherheitsrisiken. Kritisches Hinterfragen sowie Expertenwissen im Umgang mit künstlicher Intelligenz bleiben daher essenziell.

Der entscheidende Punkt liegt für mich jedoch woanders: KI verbessert unsere Prozesse heute kaum – sie wird lediglich ergänzt. Gerade in der Entwicklung technisch anspruchsvoller Produkte wie Elektromotoren sehe ich grosses Potenzial. Die Produktentwicklung ist heute geprägt von Iterationen und Lernprozessen. Gleichzeitig steigt der Kostendruck – insbesondere durch internationale Konkurrenz. Um wettbewerbsfähig zu bleiben, müssen Entwicklungsprozesse effizienter und schneller werden. Genau hier könnte KI einen echten Unterschied machen. Verfügbare Daten, Messwerte und Expertenwissen könnten gezielt genutzt werden, um Entwicklungszyklen deutlich zu verkürzen. Statt fünf Iterationen könnten künftig ein bis zwei ausreichen. Doch dafür braucht es mehr als einzelne Tools.

Das eigentliche Potenzial liegt nicht in zusätzlichen Anwendungen, sondern in der tiefen Integration. Ein echter Hebel entsteht erst, wenn KI durchgehend im Prozess eingebunden ist – von der ersten Idee bis zur Produktionsüberwachung. Aktuell fehlt dafür oft das Fundament: strukturierte Prozesse, eine saubere Datenbasis und ein klares Verständnis, wo KI sinnvoll eingesetzt werden kann. Ohne diese Voraussetzungen bleibt sie ein praktisches, aber isoliertes Werkzeug.

KI bringt heute spürbare Vorteile im Arbeitsalltag. Sie beschleunigt Aufgaben und entlastet bei Routinearbeiten. Der grosse Hebel liegt jedoch nicht in der Unterstützung einzelner Tätigkeiten, sondern in der Transformation von Prozessen. Solange KI nur punktuell eingesetzt wird, bleibt ihr Einfluss begrenzt. Erst durch eine gezielte und durchdachte Integration kann sie ihr volles Potenzial entfalten.

KI ist ein starkes Werkzeug – aber kein Selbstzweck. Entscheidend ist, wie bewusst wir es einsetzen.

Dieser Blogbeitrag wurde mit Unterstützung von KI überarbeitet.

Beitrag teilen

Roman Gantenbein

Roman Gantenbein ist Teamleiter im Entwicklungslabor bei maxon und verantwortlich für die Produktqualifikation. In seinem Blog reflektiert er Erfahrungen aus dem CAS «Software Development with AI & NoCode». Ziel ist es, das Potenzial von künstlicher Intelligenz für die Integration in bestehende Arbeitsprozesse zu erschliessen und nachhaltige Effizienzsteigerungen zu ermöglichen.

Alle Beiträge ansehen von Roman Gantenbein →

Schreibe einen Kommentar