Der Bereich der wirtschaftlichen Dienstleistungen — Anwaltskanzleien, Wirtschaftsprüfung, Beratung, Personaldienstleistungen, juristische und steuerliche Beratung — verkauft im Kern etwas, das sich schwer automatisieren lässt, ohne Diskussion: Urteilsvermögen. Wo eine Fabrik einen Prozess optimiert und ein Geschäft ein Sortiment verwaltet, verkauft dieser Sektor die Expertise von Menschen, die etwas wissen, das der Kunde nicht weiß. Das macht das Verhältnis zwischen Ambition und Bereitschaft anders als anderswo. Das Interesse an KI ist groß, oft größer als in Sektoren mit geringerer Marge auf Wissen. Doch die Frage, ob die Organisation dieses Interesse tragen kann, bleibt regelmäßig bei Bestandteilen liegen, die nichts mit KI zu tun haben.
Viele Kanzleien im Bereich der wirtschaftlichen Dienstleistungen sind rund um den Partner, den Senior-Berater, den Menschen mit dem Netzwerk und dem Gedächtnis gewachsen. Wissen sitzt in Köpfen, in E-Mail-Wechseln, in Dossiers, die pro Kunde oder pro Fall aufgebaut wurden, nicht in gemeinsamen, aufeinander abgestimmten Systemen. Das funktioniert gut, solange die Menschen bleiben. Es wird ein Problem, sobald man etwas bauen will, das auf dieses Wissen zurückgreifen muss. KI, die mit Dossiers, Präzedenzfällen oder Kundenkorrespondenz arbeiten soll, braucht etwas, worauf sie aufsetzen kann: eine Struktur, in der Informationen auffindbar und vergleichbar sind. Diese Struktur fehlt in Teilen des Sektors noch, nicht aus Unwillen, sondern weil die Arbeit selbst diese Struktur nie verlangt hat.
Die fünf Stufen der Messung — Baseline, Foundation, Activation, Insight, Intelligence — zeigen in diesem Sektor ein wechselndes Bild je Dimension, und dieses Bild ist selten gleichmäßig. Manche Kanzleien haben ihr Datenmanagement im Griff: Dossiers sind strukturiert, Zugriffsrechte sind geregelt, es gibt eine Vorstellung davon, was wo steht. Aber die IT-Infrastruktur dahinter ist veraltet oder verteilt auf einzelne Anwendungen, die nicht miteinander sprechen. Bei anderen Kanzleien ist es genau umgekehrt: moderne Systeme, aber organisatorisch keine Klarheit darüber, wer worüber entscheidet, wer eine KI-Anwendung genehmigen darf oder wer verantwortlich ist, wenn etwas schiefgeht. Beide Situationen führen zum selben Ergebnis — ein Pilotprojekt, das für sich genommen gut funktioniert, aber nicht skaliert, weil die fundamentalen Dimensionen nicht auf gleichem Niveau stehen. Das ist die Reihenfolge, die die Messung aufdeckt: Organisation, Infrastruktur und Datenmanagement müssen zunächst ein gewisses Niveau erreichen, bevor die abhängigen Dimensionen, wie automatisiertes Testen oder kontinuierliche Optimierung, davon profitieren können.
Die Plot-Runde, bei der mehrere Personen getrennt bewerten, zeigt im Bereich der wirtschaftlichen Dienstleistungen oft ein spezifisches Muster: Der Partner oder Geschäftsführer bewertet die Organisation höher als der Berater, der täglich mit den Dossiers arbeitet. Dieser Unterschied sagt etwas aus. Er kann bedeuten, dass Entscheidungen über KI auf Führungsebene getroffen werden, ohne bis zur Arbeitsebene durchzudringen, oder dass die Arbeitsebene schon länger mit einem System kämpft, das von oben als ausreichend eingeschätzt wird. Beide Interpretationen sind nützlich, und beide werden nur sichtbar, indem man verschiedene Personen getrennt bewerten lässt, nicht indem man einen einzigen Eindruck von demjenigen abfragt, der den Bericht erstellt.
Was diesen Sektor beispielsweise vom Einzelhandel oder der Gastronomie unterscheidet, ist die Sensibilität der Daten selbst. Eine Anwaltskanzlei oder Wirtschaftsprüfungsgesellschaft arbeitet mit Informationen, die unter Verschwiegenheitspflicht fallen, unter Berufsrecht, unter Regeln, die für einen Ladenbestand oder eine Speisekarte nicht gelten. Das betrifft direkt die Dimension Datenmanagement: nicht nur, ob Daten auffindbar sind, sondern ob diese Daten so gespeichert und abgeschirmt sind, dass KI-Nutzung möglich ist, ohne die Vertraulichkeit zu durchbrechen. Das erfordert ein anderes Tempo als in Sektoren, in denen Daten weniger heikel sind, und dieser Tempounterschied zeigt sich in den Werten dieser Dimension.
Das Muster von hoher Ambition neben einer unvollständigen Basis ist nicht einzigartig für den Bereich der wirtschaftlichen Dienstleistungen. In der IT-Branche tritt oft das umgekehrte Problem auf — starke Infrastruktur ohne organisatorische Klarheit —, und im Finanzdienstleistungssektor liegt die Verzögerung häufig an Regulierung, die sich schneller ändert, als die Systeme folgen können. Der Vergleich soll keinen Sektor besser oder schlechter machen als einen anderen, sondern zeigen, dass die Reihenfolge — zuerst die fundamentalen Dimensionen, dann die abhängigen — überall dieselbe ist, auch wenn die konkrete Ausprägung je Sektor anders aussieht.
Diese Messung sagt nichts darüber aus, welche Aufgaben innerhalb einer Kanzlei von KI übernommen werden können und wie viel Zeit dies freisetzen würde. Das ist eine andere Frage, die einen anderen Blick verlangt: nicht auf die Organisation als Ganzes, sondern auf die Arbeit selbst, Aufgabe für Aufgabe. Wer nach dieser Messung wissen möchte, was angesichts der aktuellen Bereitschaft tatsächlich für KI in Frage kommt, findet das beim Werkscan von FTE TO AI, der pro Aufgabe berechnet, welcher Anteil übernommen werden kann.
Das Tool, das die Reifemessung und die Plot-Runde durchführt, befindet sich noch im Aufbau. Wer es nutzen möchte, sobald es verfügbar ist, kann sich für die Warteliste anmelden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.