Das rasante Wachstum der KI-Nutzung in Unternehmen ist kaum zu übersehen. Gleiches gilt für die zunehmende Komplexität, die damit einhergeht. Eine aktuelle Studie der Harvard Business Review legt nahe, dass KI die Arbeitsbelastung nicht zwangsläufig reduziert. Im Gegenteil: Eine übermäßige Interaktion mit KI-Tools kann zu mentaler Erschöpfung beitragen, wenn sie die kognitiven Kapazitäten der Nutzer überfordert. Damit stellt sich eine entscheidende Frage. Wie können Unternehmen die nächste Automatisierungswelle nutzen, ohne dabei noch mehr Komplexität zu schaffen? Ein Fachbeitrag von Eugen Triebelhorn, Vice President Revenue DACH bei Perk
Das eigentliche Problem sind nicht die Tools, sondern alles, was sie umgibt
Zunehmend wird KI als logischer Nachfolger klassischer SaaS-Lösungen betrachtet. Doch so einfach ist es nicht. Ob die Technologie tatsächlich transformativ wirkt, hängt vor allem davon ab, wie sie implementiert wird. Gerade weil sich KI-Tools so leicht einführen lassen, können sie zusätzliche Probleme schaffen, wenn sie lediglich auf bestehende Systeme aufgesetzt werden, statt die zugrunde liegenden Prozesse neu zu denken. Das ist kein spezifisches KI-Problem, sondern eines der Implementierung. Unternehmen sollten sich deshalb fragen: Wo entsteht im Arbeitsprozess tatsächlich Reibung – und wie kann KI dazu beitragen, sie zu beseitigen? Diese Unterscheidung wird heute noch zu oft unterschätzt.
Noch relevanter wird diese Frage, wenn KI-Assistenten nicht mehr nur Informationen abrufen, sondern selbst Aktionen in operativen Systemen ausführen. Perk hat beispielsweise einen MCP-Connector eingeführt, über den sich nicht nur Reise- und Ausgabendaten abfragen lassen, sondern auch Aktionen wie Reisebuchungen, Speseneinreichungen oder die Planung von Unternehmensevents per natürlicher Sprache über einen verbundenen KI-Assistenten anstoßen lassen – ohne dafür direkt in die jeweilige Software wechseln zu müssen.
Diese Entwicklung verdeutlicht eine wesentlich größere organisatorische Herausforderung: Sobald ein KI-Assistent einen Workflow nicht nur einsehen, sondern Teile davon selbst ausführen kann, werden Integration und Governance wichtiger, nicht weniger wichtig. Berechtigungen müssen bestehenden Rollen folgen, für Aktionen braucht es klare Verantwortlichkeiten und auch der zugrundeliegende Prozess muss sinnvoll aufgebaut sein. Andernfalls laufen Unternehmen Gefahr, den bisherigen Anwendungs-Wildwuchs lediglich durch agentischen Wildwuchs zu ersetzen: eine neue Bedienebene, die weiterhin dieselben fragmentierten Prozesse im Hintergrund koordiniert.
Die Produktivitätslücke, die KI allein nicht schließen wird
Um diese Herausforderung zu lösen, müssen Unternehmen zunächst verstehen, wo Zeit und Geld tatsächlich verloren gehen. Ein genauer Blick auf diese Daten kann unangenehm sein. Eine neue Untersuchung von Forrester Consulting und Perk zeigt, dass deutschen Unternehmen durch indirekte Arbeit jährlich Produktivitätsverluste in Höhe von 188 Milliarden Euro entstehen. Gemeint sind Aufgaben außerhalb der eigentlichen Tätigkeit von Beschäftigten, die durch fragmentierte Systeme zusätzlich verstärkt werden. Deutsche Mitarbeitende verbringen durchschnittlich vier Stunden pro Woche mit dieser Art von Shadow Work. Das betrifft Mitarbeitende auf allen Ebenen und in sämtlichen Teams.
Viele Unternehmen automatisieren wiederkehrende Aufgaben wie die Planung von Geschäftsreisen oder das Einreichen von Spesen weiterhin gar nicht oder nur teilweise. Für sich betrachtet mögen solche Reibungspunkte klein erscheinen. Woche für Woche summieren sie sich jedoch und reduzieren messbar die Zeit, die Beschäftigte für ihre eigentliche Arbeit aufwenden können.
Die Bereitschaft, KI einzusetzen, ist vorhanden. Für Führungskräfte sollte die Automatisierung solcher Aufgaben deshalb eine hohe Priorität haben – allerdings nur dann, wenn klar ist, wie die Technologie sinnvoll in bestehende Abläufe integriert werden soll. Das grundlegende Problem: Indirekte Arbeit entsteht häufig deshalb, weil Systeme nicht miteinander kommunizieren können. Einfach zusätzliche KI-Tools darüberzulegen, wird dieses Problem nicht lösen. Häufig sind schlecht integrierte Legacy-Systeme sogar eines der größten Hindernisse für echte Automatisierung. Diese fehlende Abstimmung zwischen Systemen belastet Produktivität und Zufriedenheit der Mitarbeitenden und kann letztlich auch das Unternehmenswachstum bremsen.
Das Jahr der Konsolidierung des Tech-Stacks
Ein echter Wendepunkt könnte entstehen, wenn Unternehmen beginnen, die Zahl ihrer Tools zu reduzieren, statt immer neue hinzuzufügen. Die Kosten von Komplexität steigen seit Jahren und lassen sich zunehmend schwer ignorieren. Vereinfachung ist deshalb längst kein Nice-to-have mehr. Sie wird zur Voraussetzung, wenn Beschäftigte indirekte Arbeit über mehrere, häufig schlecht integrierte Systeme hinweg bewältigen müssen.
In der Vergangenheit bestand das Ziel der Unternehmensautomatisierung vor allem darin, einzelne Systeme effizienter zu machen. Die Gehaltsabrechnung lief automatisiert, IT-Provisionierung ließ sich innerhalb von Sekunden erledigen. Vernachlässigt wurden jedoch häufig genau jene Abstimmungen, Freigaben und administrativen Tätigkeiten, die sich über Operations, Finance und Human Resources hinwegziehen.
Noch mehr Tools werden die nächste Produktivitätswelle nicht auslösen. Dafür muss Intelligenz vielmehr in den operativen Kern integriert werden – dort, wo Menschen, Daten und Systeme zusammenkommen. Einen Tech-Stack zu vereinfachen bedeutet dabei nicht, weniger zu leisten. Es bedeutet, bewusster zu entscheiden: Einfachheit vor Wachstum des Tool-Stacks zu stellen und die Bedürfnisse der Menschen über weiteren Software-Wildwuchs. Die CIOs, die Erfolg künftig auch daran messen, was sie entfernen und vereinfachen, statt nur daran, was sie hinzufügen, werden den nächsten Entwicklungsschritt prägen.
Die Produktivitätslücke schließt sich nicht von selbst
Das Problem vieler Unternehmen besteht nicht darin, dass ihnen Technologie fehlt. Vielmehr sind Systeme, Tools und Prozesse nicht ausreichend aufeinander abgestimmt. Automatisierung ist durchaus vorhanden – allerdings häufig so, dass einzelne Systeme leistungsfähiger geworden sind, ohne die Menschen zu entlasten, die mit ihnen arbeiten. KI wird das Problem indirekter Arbeit nicht automatisch lösen. Und es wird auch nicht von selbst verschwinden. Neue Standards wie MCP erleichtern es KI-Assistenten, auf operative Systeme zuzugreifen und Teil von Workflows zu werden. Doch Vernetzung allein bedeutet noch keine Vereinfachung. Bleiben die zugrunde liegenden Prozesse fragmentiert, droht eine neue Bedienoberfläche lediglich zu einer weiteren Komplexitätsebene zu werden, statt tatsächlich mehr Produktivität zu ermöglichen.
Was es deshalb braucht, ist ein Perspektivwechsel: weg von der Jagd nach dem nächsten Tool, Protokoll oder einzelnen Use Case – und hin zu Workflows, die den Menschen, die mit ihnen arbeiten, tatsächlich zugutekommen. Wenn Komplexität schneller wächst als Produktivität, sollte Fortschritt nicht daran gemessen werden, wie viel KI ein Unternehmen einsetzt. Entscheidend ist vielmehr, wie viel operative Reibung dadurch tatsächlich beseitigt wurde.
Der Autor: Eugen Triebelhorn ist Vice President für die DACH-Region bei Perk (ehemals TravelPerk), eine KI-basierte Plattform für Reise- und Ausgabenmanagement. Vor seinem Wechsel zu Perk war Triebelhorn in schnell wachsenden Technologieunternehmen tätig, darunter Delivery Hero und GetYourGuide. Bei GetYourGuide spielte er beim Aufbau der globalen B2B-Plattform eine wichtige Rolle.
