Wann KI die falsche Lösung ist

Es ist ein ungewöhnlicher Text: ein Unternehmen, das KI baut, schreibt darüber, wann man sie nicht einsetzen sollte. Genau das macht ihn glaubwürdig. Wer KI verkauft und nur ihre Möglichkeiten preist, ist kein verlässlicher Ratgeber; wer sagt, wo sie die falsche Wahl ist, hat kein Interesse daran, sie zu verkaufen, wo sie nicht passt. In einem Markt, in dem KI auf fast jedes Problem geklebt wird, ist die nüchterne Frage, ob sie überhaupt hingehört, selten geworden — und deshalb wertvoll.

Dieses Dokument stellt diese Frage. Es behandelt KI nicht als Zauber und nicht als Bedrohung, sondern als ein Werkzeug mit einer bestimmten Form, das zu manchen Problemen passt und zu vielen nicht. Es ist ruhig gehalten, ohne Hype, und bewusst modell- und produktneutral. Es ist die Kehrseite der Frage, wie man KI verantwortlich in Produktion bringt: bevor man fragt, wie man sie einsetzt, fragt man, ob man sie einsetzen sollte. Genannt werden keine Zahlen.

1. Warum „KI?" die falsche erste Frage ist

Viele Vorhaben beginnen falsch herum: mit der Technik statt mit dem Problem. „Wir sollten KI einsetzen" ist keine Anforderung, sondern eine Lösung auf der Suche nach einem Problem — und Lösungen auf der Suche nach einem Problem finden fast immer eines, ob es passt oder nicht. Die richtige erste Frage lautet nicht, ob man KI einsetzt, sondern welches Problem man lösen will und welche Form dieses Problem hat. Erst wenn das Problem klar ist, kann man sinnvoll fragen, ob KI die passende Antwort darauf ist — oder etwas anderes.

Wer von der Technik her denkt, verbaut sich die beste Lösung, weil er nur noch nach Wegen sucht, die gewählte Technik anzuwenden. Wer vom Problem her denkt, sieht das ganze Feld der Möglichkeiten — eine Regel, eine Berechnung, ein bestehendes Produkt, ein Mensch, und manchmal eben KI. Die Reihenfolge entscheidet über die Qualität der Antwort: Problem zuerst, Technik danach. Ein Vorhaben, das mit „wir wollen KI" beginnt, hat die wichtigste Entscheidung schon getroffen, bevor es die Frage gestellt hat.

Trade-off. Vom Problem her zu denken bedeutet, die Begeisterung für eine Technik zurückzustellen und die Möglichkeit auszuhalten, dass die Antwort nicht KI heißt.

Kosten. Diese Disziplin verlangt, ein Vorhaben zu verlangsamen und die unbequeme Frage zu stellen, ob die gewünschte Technik überhaupt passt — während alle sie schon einsetzen wollen.

Wann wir anders entscheiden. Wo der Zweck eines Vorhabens ausdrücklich das Erproben von KI ist — ein bewusster Lernversuch —, ist die Technik der Ausgangspunkt; überall sonst steht das Problem zuerst.

2. Welche Form ein Problem haben muss

KI hat eine bestimmte Form, und sie passt zu Problemen, die dieselbe Form haben. Sie ist stark, wo es keine klare Regel gibt, sondern ein Muster in vielen Beispielen; wo die Eingabe unscharf, natürlichsprachlich oder vielgestaltig ist; wo eine ungefähr richtige Antwort nützlich ist und ein gelegentlicher Fehler verkraftbar. Sprache verstehen, Ähnliches erkennen, aus vielen Beispielen verallgemeinern — das sind Aufgaben in KIs Form, und dort ist sie oft die einzige gangbare Lösung.

Schema: Nicht besser oder schlechter, sondern Form. Links, wo es exakt sein muss, gewinnt die Regel; rechts, wo es unscharf und fehlertolerant ist, passt KI. Die meisten Probleme liegen näher links, als der Zeitgeist glauben macht.

Ebenso klar ist, wo ihre Form nicht passt. Wo eine exakte, jederzeit gleiche Antwort verlangt wird; wo eine klare Regel existiert, die man einfach anwenden kann; wo ein Fehler nicht verkraftbar ist, weil er Geld, Recht oder Sicherheit berührt; wo die Antwort nachvollziehbar und begründbar sein muss — dort ist KI die falsche Wahl, weil sie Wahrscheinliches liefert, wo man Sicheres braucht. Die Frage „passt KI?" ist damit im Kern die Frage, ob das Problem unscharf und fehlertolerant ist oder exakt und unversöhnlich. Ein Beispiel macht das greifbar: Eine Berechnung, die festen Regeln folgt, mit KI zu lösen hieße, etwas Exaktes durch etwas Wahrscheinliches zu ersetzen — und ein Ergebnis, das „meistens stimmt", ist dort wertlos, wo es genau stimmen muss. Das Erkennen der Stimmung in einem frei geschriebenen Text dagegen folgt keiner festen Regel, sondern einem Muster in vielen Beispielen; es mit starren Regeln zu lösen, scheitert an der Vielgestalt der Sprache. Dasselbe Unternehmen kann beide Probleme haben — und für das eine ist KI die falsche, für das andere die einzige gangbare Lösung. Die Technik richtet sich nach der Form des Problems, nicht das Problem nach der gewünschten Technik.

Trade-off. Die Form des Problems ernst zu nehmen bedeutet, KI auch dort nicht einzusetzen, wo sie technisch möglich wäre, aber nicht passt.

Kosten. Die ehrliche Prüfung der Problemform verlangt, die eigene Aufgabe genau zu verstehen, statt sie der gewünschten Technik anzupassen.

Wann wir anders entscheiden. Wo ein Problem beide Formen enthält — ein unscharfer Teil und ein exakter —, trennt man sie und löst jeden Teil mit dem passenden Mittel, statt das Ganze der KI zu übergeben.

3. Wenn eine Regel genügt

Der häufigste Fall, in dem KI die falsche Wahl ist, ist auch der unscheinbarste: Es gibt eine klare Regel, und eine Regel ist einer gelernten Wahrscheinlichkeit in fast jeder Hinsicht überlegen. Eine Regel ist exakt — sie gibt immer dieselbe Antwort. Sie ist nachvollziehbar — man kann sie lesen und begründen. Sie ist billig — sie braucht keine teure Berechnung pro Anfrage. Und sie ist verlässlich — sie irrt sich nicht überzeugend, sondern tut genau, was dasteht. Wo ein Problem sich durch eine Regel lösen lässt, ist KI nicht nur überflüssig, sondern schlechter.

Schema: KI ist nie die erste Frage. Existiert eine klare Regel, gewinnt sie. Erst wo keine Regel greift, prüft man, ob das Problem überhaupt KIs Form hat.

Der Reiz, auch ein regelbasiertes Problem mit KI zu lösen, ist groß, weil KI moderner wirkt — aber das Ergebnis ist ein System, das teurer, langsamer, undurchsichtiger und unzuverlässiger ist als ein paar Zeilen klarer Logik. Man tauscht eine Lösung, die man versteht und der man vertraut, gegen eine, die man nur ungefähr versteht und die manchmal überzeugend falsch liegt. Wo eine Regel genügt, ist der Griff zur KI kein Fortschritt, sondern eine Verkomplizierung mit schlechterem Ergebnis.

Trade-off. Die Regel zu wählen kauft Exaktheit, Klarheit und geringe Kosten mit dem Verzicht auf den modernen Anschein, den KI mitbringt.

Kosten. Man muss der Versuchung widerstehen, ein einfaches Problem interessanter zu machen, als es ist — und die schlichte Lösung gegen den Reiz der aufregenden verteidigen.

Wann wir anders entscheiden. Wo eine Regel zu viele Ausnahmen bekäme, um noch wartbar zu sein, oder das Muster sich der Regel entzieht, ist die gelernte Lösung die bessere — dann passt KIs Form.

4. Die versteckten Kosten von KI am falschen Ort

KI für ein Problem einzusetzen, das sie nicht braucht, ist nicht nur überflüssig, sondern kostet real — und diese Kosten sind zum Zeitpunkt der Entscheidung meist unsichtbar. KI liefert Wahrscheinliches statt Sicheres, also erbt das System ihre Unschärfe: Es kann überzeugend falsch liegen, wo eine Regel schlicht richtig gewesen wäre. Jede Anfrage kostet Rechenzeit und Geld, wo eine Regel fast nichts kostet. Die Antwort ist schwerer nachzuvollziehen, wo eine Regel sich lesen ließe. Und das System muss beobachtet, evaluiert und gepflegt werden wie jedes wahrscheinliche System — ein dauerhafter Aufwand für ein Problem, das ihn nicht gebraucht hätte.

Diese unnötigen Kosten sind besonders ärgerlich, weil sie sich verstecken: Im Budget steht die KI als Fähigkeit, nicht als der Aufschlag gegenüber der einfachen Lösung, die man hätte haben können. Man vergleicht die KI mit nichts, statt mit der Regel, die sie ersetzt hat — und übersieht so, dass der ehrliche Vergleich nicht „KI gegen keine Lösung" lautet, sondern „KI gegen die schlichte Lösung, die besser gewesen wäre".

Diese Kosten wiegen doppelt, weil man sie gegen keinen Gegenwert einhandelt. Bei einem Problem in KIs Form zahlt man sie für eine Fähigkeit, die man anders nicht bekäme; bei einem regelbasierten Problem zahlt man sie für nichts — man hat eine einfache, sichere Lösung gegen eine teure, unsichere getauscht und dafür nur den Anschein von Modernität erhalten. Der teuerste KI-Einsatz ist deshalb nicht der schwierige, sondern der unnötige: KI für ein Problem, das eine Regel besser gelöst hätte.

Trade-off. Die versteckten Kosten ernst zu nehmen bedeutet, KI nach ihrem vollen Preis über die Lebensdauer zu beurteilen, nicht nach dem Eindruck ihrer Demo.

Kosten. Diese Nüchternheit verlangt, hinter den Reiz zu schauen und den Aufwand zu benennen, den KI auch dann verursacht, wenn sie beeindruckt.

Wann wir anders entscheiden. Wo KI eine Fähigkeit liefert, die ein Problem in ihrer Form wirklich verlangt, sind ihre Kosten gut angelegt; unnötig werden sie erst, wenn eine einfachere Lösung dasselbe sicherer erreicht hätte.

5. Der Reiz und der Druck

Selten wird eine Technik unter so viel Druck gewählt wie KI. Es ist die Erwartung von außen — Kunden, Investoren, der Markt fragen, „macht ihr auch etwas mit KI?" —, und es ist der Reiz nach innen, mit dem Neuesten zu arbeiten und modern zu wirken. Beides schiebt Vorhaben in Richtung KI, unabhängig davon, ob das Problem sie braucht. So entsteht KI, die eingesetzt wird, um KI einzusetzen: als Antwort auf einen Erwartungsdruck, nicht auf ein Problem.

Der Druck hat eine Kehrseite, die man selten bedenkt: KI, die nur dem Anschein dient, kann Vertrauen kosten statt es zu schaffen. Nutzer merken, wenn eine Funktion umständlicher, langsamer oder unzuverlässiger wurde, weil KI hineingedrängt wurde, wo eine Regel besser gewesen wäre. Was als modernes Signal gedacht war, wirkt dann wie eine Lösung, die ein Problem sucht. Ein Unternehmen, das KI mit Bedacht einsetzt und ihre Abwesenheit dort erklärt, wo sie nicht passt, gewinnt langfristig mehr Vertrauen als eines, das sie überall anbringt und damit zeigt, dass ihm der Anschein wichtiger ist als die Sache.

Diesem Druck standzuhalten ist eine Frage der Haltung, nicht der Technik. Ein Unternehmen, das KI dort einsetzt, wo sie passt, und dort weglässt, wo sie nicht passt, wirkt langfristig kompetenter als eines, das sie überall anbringt — weil seine KI etwas leistet, statt nur präsent zu sein. Die ruhige Zurückhaltung, KI nicht zum Selbstzweck zu machen, ist selbst ein Zeichen von Reife: Sie zeigt, dass man die Technik beherrscht genug, um zu wissen, wo sie hingehört. Wer KI nur einsetzt, um sie einzusetzen, verwechselt Präsenz mit Kompetenz.

Trade-off. Dem Druck standzuhalten bedeutet, kurzfristig weniger dem Zeitgeist zu entsprechen — gegen den Gewinn, dass die eigene KI etwas leistet, statt nur da zu sein.

Kosten. Man muss die Erwartung „macht ihr etwas mit KI?" aushalten und die Zurückhaltung erklären können, statt sich hinter dem Trend zu verstecken.

Wann wir anders entscheiden. Wo eine sichtbare KI-Fähigkeit selbst ein legitimes Ziel ist — etwa als Teil des Produktversprechens —, ist ihr Einsatz kein Selbstzweck; die Zurückhaltung gilt der KI, die nur dem Anschein dient.

6. Wie man ehrlich entscheidet

Die ehrliche Entscheidung folgt einer einfachen Reihenfolge, die den Reiz und den Druck außen vor lässt. Zuerst benennt man das Problem, unabhängig von jeder Technik. Dann fragt man, ob es eine klare Regel oder eine bestehende Lösung gibt — wenn ja, ist man fertig. Wenn nein, fragt man, ob das Problem KIs Form hat: unscharf, musterbasiert, fehlertolerant. Nur wenn es diese Form hat und keine einfachere Lösung greift, ist KI die richtige Wahl — und dann setzt man sie verantwortlich ein, mit allem, was ein wahrscheinliches System in Produktion verlangt.

Diese Reihenfolge schützt vor beiden Fehlern: KI zu wählen, wo eine Regel genügt, und KI zu meiden, wo sie die einzige gangbare Lösung ist. Sie ersetzt die Frage „wollen wir KI?" durch die Frage „braucht dieses Problem KI?" — und die zweite hat eine Antwort, während die erste nur eine Stimmung ist. Wer so entscheidet, setzt KI weniger oft ein als der Markt, aber jedes Mal mit einem Grund, den er benennen kann. Und ein benannter Grund ist der Unterschied zwischen einer Technik, die etwas leistet, und einer, die nur präsent ist.

Trade-off. Der ehrlichen Reihenfolge zu folgen bedeutet, KI seltener einzusetzen, als der Zeitgeist nahelegt — gegen den Gewinn, sie jedes Mal aus einem benennbaren Grund einzusetzen.

Kosten. Die Reihenfolge verlangt, jedes Vorhaben von vorn zu durchdenken, statt der bequemen Annahme zu folgen, KI sei ohnehin die Antwort.

Wann wir anders entscheiden. Wo ein Problem offensichtlich in KIs Form liegt und keine Regel greift, spart man sich die lange Prüfung; die volle Reihenfolge gilt den Fällen, in denen der Druck zur KI größer ist als der sachliche Grund.

7. Typische Fehler

Die wiederkehrenden Muster, an denen der KI-Einsatz scheitert — fast alle sind Varianten davon, mit der Technik statt mit dem Problem zu beginnen:

• Mit „wir wollen KI" beginnen und ein Problem suchen, statt mit dem Problem zu beginnen und die passende Technik zu suchen.
• Ein regelbasiertes Problem mit KI lösen, weil es moderner wirkt — und eine exakte, billige Lösung gegen eine unscharfe, teure tauschen.
• Die Form des Problems ignorieren und KI auf etwas Exaktes, Unversöhnliches ansetzen, wo Wahrscheinliches nicht genügt.
• Die versteckten Kosten übersehen — Unschärfe, Rechenpreis, Undurchsichtigkeit, Pflege —, weil die Demo beeindruckt.
• Dem Erwartungsdruck nachgeben und KI einsetzen, um KI einzusetzen, statt weil ein Problem sie verlangt.
• Präsenz mit Kompetenz verwechseln — KI überall anbringen, statt sie dort einzusetzen, wo sie etwas leistet.
• Ein gemischtes Problem ganz der KI übergeben, statt den exakten Teil mit einer Regel und nur den unscharfen mit KI zu lösen.

8. Entscheidungs-Checkliste

Vor dem Einsatz von KI der Reihe nach zu klären:

• Problem zuerst? Ist das Problem unabhängig von der Technik benannt — oder beginnt das Vorhaben mit „wir wollen KI"?
• Regel oder Lösung vorhanden? Gibt es eine klare Regel oder eine bestehende Lösung, die das Problem exakt und billig löst?
• Form geprüft? Ist das Problem unscharf, musterbasiert und fehlertolerant — oder exakt, regelhaft und unversöhnlich?
• Fehler verkraftbar? Berührt ein gelegentlicher Fehler Geld, Recht oder Sicherheit — oder ist eine ungefähr richtige Antwort nützlich?
• Nachvollziehbarkeit nötig? Muss die Antwort begründbar sein — was gegen ein wahrscheinliches System spricht?
• Versteckte Kosten bedacht? Sind Unschärfe, Rechenpreis, Undurchsichtigkeit und Pflege gegen den Nutzen gestellt?
• Druck oder Grund? Beruht die Wahl auf einem sachlichen Grund — oder auf Erwartungsdruck und dem Reiz des Neuen?
• Gemischtes Problem getrennt? Ist der exakte Teil mit einer Regel und nur der unscharfe mit KI gelöst?

Wer diese Fragen beantworten kann, setzt KI dort ein, wo sie etwas leistet — und lässt sie dort weg, wo eine schlichte Lösung überlegen ist.

FAQ

Warum rät ein KI-Unternehmen vom KI-Einsatz ab? Weil ein Rat nur so viel wert ist wie die Bereitschaft, ihn gegen das eigene Interesse zu geben. Wer KI verkauft und nur ihre Möglichkeiten preist, ist kein verlässlicher Ratgeber. KI dort zu empfehlen, wo sie passt, und dort abzuraten, wo eine Regel genügt, ist das Zeichen, dass man die Technik beherrscht, statt sie zu verkaufen.

Woran erkenne ich, ob mein Problem KI braucht? An seiner Form. Gibt es keine klare Regel, sondern nur ein Muster in vielen Beispielen; ist die Eingabe unscharf oder sprachlich; ist eine ungefähr richtige Antwort nützlich und ein Fehler verkraftbar — dann hat das Problem KIs Form. Ist es exakt, regelhaft und ein Fehler nicht verkraftbar, ist KI die falsche Wahl.

Ist eine einfache Regel nicht rückständig gegenüber KI? Nein, sie ist oft überlegen. Eine Regel ist exakt, nachvollziehbar, billig und verlässlich; KI ist wahrscheinlich, undurchsichtig, teuer und irrt sich mitunter überzeugend. Wo eine Regel das Problem löst, ist KI nicht moderner, sondern schlechter — teurer und unsicherer für dasselbe Ergebnis.

Was kostet KI für ein Problem, das sie nicht braucht? Mehr, als man denkt, und ohne Gegenwert: Unschärfe statt Sicherheit, Rechenpreis pro Anfrage, schwerere Nachvollziehbarkeit und die dauerhafte Pflege eines wahrscheinlichen Systems. Bei einem passenden Problem zahlt man das für eine Fähigkeit, die man anders nicht bekäme; bei einem regelbasierten zahlt man es für nichts.

Wie gehen wir mit dem Druck um, „etwas mit KI" zu machen? Indem man KI dort einsetzt, wo sie etwas leistet, und die Zurückhaltung erklären kann, wo sie es nicht tut. Ein Unternehmen, dessen KI wirkt, wirkt kompetenter als eines, dessen KI nur präsent ist. Präsenz ist nicht Kompetenz — und die ruhige Zurückhaltung ist selbst ein Zeichen von Reife.

Was, wenn ein Teil des Problems zu KI passt und ein anderer nicht? Dann trennt man die Teile und löst jeden mit dem passenden Mittel — den exakten Teil mit einer Regel, den unscharfen mit KI. Das ganze Problem der KI zu übergeben, weil ein Teil zu ihr passt, erbt ihre Unschärfe auch dort, wo man Sicheres hätte haben können.

Weiterführend

• KI in Produktionssystemen — Engineering statt Demo — wenn KI die richtige Wahl ist: wie man sie verantwortlich in Produktion bringt.
• Gute Werkzeuge verstärken — die Engineering Story dazu: KI amplifiziert Können, ersetzt aber nicht das Urteil.
• Ausgereifte Technik vor Neuheit — dieselbe Nüchternheit gegenüber dem Reiz des Neuen.
• Build, Buy oder Configure — die verwandte Frage, ob ein Problem überhaupt eine eigene Lösung braucht.

Grundlage ist die Batunet Engineering Method: mit dem Problem beginnen, das passende Mittel wählen, KI dort einsetzen, wo sie etwas leistet, und dort weglassen, wo eine schlichte Lösung überlegen ist.

Abschließendes Engineering-Prinzip

Die reifste Antwort auf die Frage „sollen wir KI einsetzen?" ist eine Gegenfrage: Welches Problem lösen wir, und welche Form hat es? KI ist ein mächtiges Werkzeug für Probleme in ihrer Form — unscharf, musterbasiert, fehlertolerant — und ein teures, unsicheres für alle anderen. Ein Unternehmen zeigt seine Kompetenz in KI nicht dadurch, dass es sie überall einsetzt, sondern dadurch, dass es weiß, wo sie hingehört und wo nicht. Nicht alles braucht KI — und das aus dem Mund derer zu hören, die KI bauen, ist die verlässlichste Auskunft, die man bekommen kann. Wer jedes Problem zu einem KI-Problem macht, hat aufgehört, das Problem zu sehen.

Die stärkste KI-Kompetenz ist zu wissen, wann man keine KI braucht. Ein Werkzeug beherrscht man nicht daran, dass man es überall benutzt, sondern daran, dass man weiß, wo es hingehört.