05400 Managementsysteme mit KI-Power

Künstliche Intelligenz (KI) ist keine abstrakte Zukunftsvision mehr. Sie ist ein präsentes, leistungsfähiges Werkzeug – und das verändert die Arbeit mit Managementsystemen grundlegend. Denn generative KI und Managementsysteme passen technologisch zu 100 Prozent zusammen: Sie nutzen beide leicht strukturierte, textbasierte Informationen [1].

Ziel Effizienzsteigerung
Dieses perfekte Match eröffnet Potenziale, die weit über inkrementelle Verbesserungen hinausgehen und eine Effizienzsteigerung von rund 50 Prozent für Managementsystemverantwortliche versprechen [1]. Doch an diesen Punkt müssen viele Managementsysteme und ihre Verantwortlichen erst noch gelangen.

Wirkprinzipien verstehen
Für Qualitäts- und Prozessmanager ist es entscheidend, die Wirkprinzipien von KI zu verstehen und ihre Potenziale sowie Herausforderungen vollständig zu erfassen. Dabei geht es nicht um technische Details oder darum, Algorithmen zu programmieren – sie müssen die neuen Werkzeuge strategisch im Managementsystem einsetzen können. Eine klare Einordnung ist die Basis, um KI erfolgreich im Unternehmensalltag einsetzen zu können.

Im Grunde genommen ist KI ein alter Schuh, da ihre Wurzeln bis in die 1950er Jahre zurückreichen. Den Durchbruch in der öffentlichen Wahrnehmung erlebte KI allerdings erst 2022/2023 mit dem Tool ChatGPT der amerikanischen Firma OpenAI. Ermöglicht haben diesen Durchbruch die enorme Rechenleistung und ein nutzerfreundliches Interface; die zugrunde liegenden Konzepte sind hingegen vergleichsweise alt.

Lernende Algorithmen
Der Begriff „künstliche Intelligenz” weckt hohe Erwartungen und erzeugt bei vielen Menschen zugleich Ängste. Würden wir stattdessen von „lernenden Algorithmen” sprechen, wäre die Debatte vermutlich nüchterner. Denn der Grad tatsächlicher Intelligenz dieser Systeme ist bis heute begrenzt: Einfach gesagt basiert KI auf dynamischen Modellen – sogenannten Large Language Models (LLMs) –, die schlicht Muster aus Lerndaten ableiten und ihr Verhalten daran anpassen.

Wortwahrscheinlichkeitsmaschinen
LLMs wie ChatGPT sind im Kern Wortwahrscheinlichkeitsmaschinen: Sie analysieren große Textmengen und berechnen daraus, welches Wort mit welcher Wahrscheinlichkeit auf ein anderes folgt. Beim Texten reihen sie Wort für Wort die jeweils wahrscheinlichsten Wörter aneinander. Das verdeutlicht, wie begrenzt der Begriff „Intelligenz” hier zu verstehen ist.

Grundsätzlich gibt es zwei Einsatzfelder für KI im Managementsystem:

Der Schritt von reiner Assistenz zu eigenständigem Handeln durch agentische KI im Managementsystem liegt noch in der Zukunft. Darum konzentrieren wir uns hier auf generative KI und die Potenziale, die sich daraus für den Alltag von Managementsystemverantwortlichen ergeben.

Wichtig zu beachten: Generative KI erzeugt keine Wahrheiten, sie produziert lediglich Wahrscheinlichkeiten. Bei gleicher Anfrage gibt sie nicht immer zwingend die identische Antwort, was zunächst wie schlechte Prozessstabilität anmutet und wohl insbesondere Qualitäts- und Prozessmanager irritieren dürfte.

Ursachen für Streuungen
Die Streuung der Ergebnisse hat hauptsächlich zwei Ursachen:

Effektive KI-Nutzung
Wer generative KI einsetzt, um die eine Wahrheit zu erzeugen, verwendet sie nicht ganz richtig – zumindest gilt das für eine laienhafte Anwendung. Ein praktisches Bild:

Beispiel
Steuern Sie generative KI so an, wie Sie einen hochintelligenten Praktikanten am ersten Arbeitstag anleiten. Beschreiben Sie Situation und gewünschtes Ergebnis so konkret wie möglich. Rechnen Sie nicht damit, dass der erste Entwurf perfekt passt. Der eigentliche Mehrwert entsteht oft im Dialog: Sie verfeinern den Prompt auf Basis der KI-Antwort und nähern sich schrittweise dem gewünschten Ergebnis.

Erfinde keine Fakten!
Wenn Sie möchten, dass generative KI weniger „halluziniert”, können Sie das explizit formulieren („erfinde keine Fakten”) und – je nach Produkt – die Temperature reduzieren. Viele der folgenden Anwendungsfälle umgehen das Problem der Halluzination ohnehin, weil sie kreativ den Lösungsraum öffnen, Inhalte strukturieren, variieren oder kombinieren, statt Fakten zu identifizieren.

In der Praxis zeigt sich: Generative KI entfaltet ihre größte Wirkung als Ideengeberin und Assistenz. Im Kontext Integrierter Managementsysteme ist generative KI vor allem in zwei Phasen stark:

Das „leere Blatt”-Problem
Wir Menschen tun uns schwer mit dem weißen Blatt Papier und mit freiem Brainstorming. Oft denken wir in gewohnten Bahnen. Große Datenmengen können wir nur begrenzt und langsam auswerten. In genau diesen Punkten spielt generative KI ihre Stärke aus: KI erzeugt den ersten Wurf, Menschen schärfen ihn nach – diese Kombination ist sehr wirksam. Auf dieser Grundlage lassen sich sehr konkrete Anwendungsfälle ableiten.

Alle im Beitrag angeführten Beispiel-Prompts haben wir in einer Excel-Tabelle zusammengeführt. Die Tabelle dient als strukturierte Sammlung und zur Organisation von KI-Prompts. Sie ermöglicht es insbesondere in größeren Prompt-Sammlungen, schnell und effizient auf relevante Vorlagen, Analysen und Problemlösungsansätze zuzugreifen. Die Beispiel-Prompts in der Tabelle unterstützen bei der Optimierung von Prozessen, der Identifikation und Bewertung von Risiken, der Vorbereitung von Audits sowie der Entwicklung von Maßnahmen zur Qualitätsverbesserung, wie im Folgenden beschrieben.[ 05400_01.xlsx]

Anwendungsfälle
Ein naheliegender Anwendungsfall ist das Erzeugen von Entwürfen für:

Workshops
Diese Entwürfe sind in der Regel noch nicht reif für eine Freigabe, bieten aber eine hervorragende Arbeitsgrundlage für Prozess- und Fachworkshops.

Beginnt ein Workshop mit einem KI-generierten Vorschlag, steigen die Teilnehmenden erfahrungsgemäß schnell in die Diskussion ein. Sie benennen, was nicht passt, und diskutieren die Inhalte. Grundsatzfragen wie „Wo startet der Prozess?”, „Wo endet er? ” oder „Wie detailliert müssen wir beschreiben?” treten in den Hintergrund. Die Gruppe konzentriert sich auf das, was sie besonders gut kann: Unterschiede erkennen und bewerten. Wichtig ist ein präziser Prompt, der das gewünschte Ausgabeformat definiert.