Prüfbar oder Ermessenssache? Der einfachste Test, welche Aufgaben Sie an KI übergeben sollten
Die Leistungslücke zwischen prüfbaren Aufgaben und Ermessensaufgaben ist groß. Ein einfaches Raster für die Auswahl von KI-Anwendungsfällen im Mittelstand.
- Autor:
- Thomas Baumgartner
- Veröffentlicht:
- 5 Min. Lesezeit
Das Wichtigste in Kürze
- Entscheidend ist nicht, ob KI eine Aufgabe kann, sondern ob sich das Ergebnis objektiv prüfen lässt.
- Bei prüfbaren Aufgaben wird KI schneller besser, weil ein klares Erfolgssignal existiert.
- Gut prüfbare Aufgaben weitgehend automatisieren, Ermessensaufgaben beim Menschen lassen und in prüfbare Teilschritte zerlegen.
- Die KI-Roadmap dort beginnen, wo Erfolg messbar ist.
Die wichtigste Frage bei der Auswahl von KI-Anwendungsfällen lautet nicht „Kann KI das?“, sondern „Lässt sich das Ergebnis objektiv überprüfen?“. Darauf hat KI-Vordenker Andrew Ng in seinem aktuellen Newsletter hingewiesen: Die Leistungslücke zwischen prüfbaren Aufgaben und Ermessensaufgaben ist größer, als die meisten Entscheider annehmen. Für mittelständische Unternehmen ergibt sich daraus ein einfaches, aber wirkungsvolles Raster für die KI-Strategie.
Was prüfbare Aufgaben von Ermessensaufgaben unterscheidet
Prüfbare Aufgaben haben ein eindeutig richtiges Ergebnis, das sich automatisch oder mit geringem Aufwand kontrollieren lässt. Dazu zählen Programmcode, der Tests besteht, eine korrekt ausgelesene Rechnungsnummer oder eine Berechnung, die aufgeht. Ermessensaufgaben haben dagegen keine eindeutige Wahrheit – manche Antworten sind besser als andere, aber keine ist zweifelsfrei richtig. Beispiele sind die Antwort auf eine Kundenbeschwerde, die Priorisierung von Produktfunktionen oder die Wahl einer Unternehmensstrategie.
Warum KI bei prüfbaren Aufgaben so viel schneller besser wird
KI-Modelle lernen dort am schnellsten, wo ein klares Erfolgssignal existiert. Die Entwickler trainieren Modelle mit Verstärkungslernen: Das Modell probiert Lösungswege aus, ein automatischer Prüfer bewertet sie, und erfolgreiche Wege werden verstärkt. Bei Programmieraufgaben oder Mathematik funktioniert das hervorragend. Bei Ermessensfragen fehlt dieser automatische Prüfer – Fortschritte erfordern aufwändig gesammelte Fachdaten und sind deutlich langsamer.
Hinzu kommt ein Wahrnehmungseffekt: Prüfbare Aufgaben lassen sich leichter in Benchmarks messen. Beeindruckende Testergebnisse erzeugen dadurch den Eindruck, KI sei generell so leistungsfähig. Ng erinnert daran, dass diese Übertragung schon bei Schachcomputern und Go-Programmen in die Irre geführt hat.
Was das für den Mittelstand bedeutet
Für DACH-Mittelständler ist diese Unterscheidung ein praktisches Werkzeug, um Fehlinvestitionen zu vermeiden. Viele gescheiterte KI-Pilotprojekte haben eine gemeinsame Ursache: Es wurde eine Ermessensaufgabe vollständig automatisiert, ohne dass jemand objektiv beurteilen konnte, ob die Ergebnisse gut sind.
Zwei Beispiele verdeutlichen den Unterschied. Ein Zulieferer der Automobilindustrie lässt KI technische Datenblätter auslesen und Werte in die Produktdatenbank übertragen. Jeder Wert lässt sich gegen das Original prüfen, Fehler fallen auf, die Qualität ist messbar – ein idealer Automatisierungskandidat. Derselbe Zulieferer möchte KI entscheiden lassen, welche Kundenanfragen prioritär bearbeitet werden. Hier fließen Kundenhistorie, strategische Bedeutung und Bauchgefühl des Vertriebs ein. Die KI liefert plausible Vorschläge, aber niemand kann sagen, ob sie richtig liegt.
Das Prüfbarkeits-Raster für Ihre KI-Roadmap
Ordnen Sie jeden geplanten Anwendungsfall nach Prüfbarkeit ein, bevor Sie über den Automatisierungsgrad entscheiden. So gehen Sie vor:
- 01Aufgaben sammeln. Listen Sie die Tätigkeiten auf, die Sie mit KI unterstützen möchten – möglichst konkret, etwa „Lieferscheine erfassen“ statt „Einkauf optimieren“.
- 02Prüfbarkeit bewerten. Fragen Sie für jede Aufgabe: Gibt es ein eindeutig richtiges Ergebnis? Kann ich es automatisch oder mit wenig Aufwand kontrollieren?
- 03Automatisierungsgrad festlegen. Gut prüfbare Aufgaben können weitgehend automatisiert werden, mit Stichprobenkontrolle. Ermessensaufgaben bleiben bei Menschen – KI liefert Entwürfe, Zusammenfassungen und Optionen.
- 04Ermessensaufgaben zerlegen. Viele Ermessensaufgaben enthalten prüfbare Teilschritte. Bei einer Angebotserstellung ist die Preisberechnung prüfbar, die Rabattentscheidung nicht. Automatisieren Sie die prüfbaren Teile.
- 05Mit prüfbaren Aufgaben starten. Beginnen Sie Ihre KI-Roadmap dort, wo Erfolg messbar ist. Das schafft belastbare Zahlen, Vertrauen im Team und Budget für den nächsten Schritt.
Typische Stolperfallen
Die häufigste Falle ist, aus glänzenden Benchmark-Ergebnissen auf die Eignung für die eigene Ermessensaufgabe zu schließen. Ebenso riskant ist es, wenn Mitarbeitende KI-Vorschläge bei Ermessensfragen ungeprüft übernehmen, weil sie überzeugend formuliert sind. Und schließlich wird oft unterschätzt, wie viel implizites Kontextwissen – über Kunden, Lieferanten, Unternehmenskultur – in guten Ermessensentscheidungen steckt.
Warum menschliches Urteilsvermögen wertvoller wird
Je mehr prüfbare Aufgaben automatisiert werden, desto wichtiger wird menschliches Urteilsvermögen. Ng erwartet, dass Menschen bei vielen Aufgaben noch lange einen Kontextvorteil gegenüber Sprachmodellen behalten. Für Führungskräfte im Mittelstand ist das eine gute Nachricht – und ein Auftrag, die eigene Urteilskraft im Umgang mit KI gezielt zu stärken. Genau hier setzt das KI-Mentoring von AI Infusion an, während die KI-Beratung hilft, Anwendungsfälle systematisch nach Prüfbarkeit und Nutzen zu priorisieren. KI-Potenzial besprechen →
Häufige Fragen
Welche Aufgaben eignen sich am besten für KI-Automatisierung?
Am besten eignen sich Aufgaben, deren Ergebnis eindeutig richtig oder falsch ist und sich leicht überprüfen lässt. Beispiele sind Datenerfassung aus Dokumenten, Klassifizierung oder Programmierung mit Tests. Hier ist KI heute besonders zuverlässig und der Erfolg messbar.
Kann KI strategische Entscheidungen im Unternehmen treffen?
KI kann strategische Entscheidungen vorbereiten, aber nicht verlässlich treffen. Strategische Fragen sind Ermessensaufgaben ohne eindeutig richtige Antwort, bei denen KI-Modelle deutlich schwächer sind. Nutzen Sie KI für Analysen, Szenarien und Gegenargumente – die Entscheidung bleibt beim Menschen.
Warum schneiden KI-Modelle in Benchmarks besser ab als im Unternehmensalltag?
Benchmarks messen überwiegend prüfbare Aufgaben, weil sich diese leicht automatisch bewerten lassen. Viele Aufgaben im Unternehmensalltag erfordern jedoch Ermessen und Kontextwissen. Deshalb sollten Sie Modelle immer mit eigenen, realen Fällen testen.
Wie erkenne ich, ob eine Aufgabe prüfbar ist?
Stellen Sie zwei Fragen: Gibt es ein eindeutig richtiges Ergebnis, und könnte eine Person oder ein Programm es mit wenig Aufwand kontrollieren? Wenn beides zutrifft, ist die Aufgabe prüfbar. Wenn Fachleute bei derselben Aufgabe zu unterschiedlichen, gleich vertretbaren Ergebnissen kommen, handelt es sich um eine Ermessensaufgabe.
Thomas Baumgartner ist Gründer von AI Infusion in München. Er beschäftigt sich seit über 15 Jahren mit digitalen Geschäftsprozessen, Automatisierung und KI-Technologien – in der Beratung ebenso wie in der Umsetzung.