Digitaler Wandel praktisch

Künstliche Intelligenz im Arbeitsalltag: Sinnvolle Einsatzfelder und typische Stolperfallen

Warum KI im Beruf weder Wundermittel noch reine Spielerei ist

Künstliche Intelligenz, kurz KI, wird im Arbeitsalltag vor allem für sprachliche, organisatorische und analytische Aufgaben eingesetzt. Dazu gehören das Zusammenfassen von Dokumenten, das Formulieren von Textentwürfen, die Vorbereitung von Besprechungen oder das Strukturieren unübersichtlicher Informationen. Der Nutzen entsteht dabei nicht allein durch das verwendete Werkzeug, sondern durch die passende Auswahl der Aufgabe, klare Vorgaben und eine verlässliche Kontrolle der Ergebnisse.

Viele aktuelle KI-Anwendungen arbeiten mit großen Sprachmodellen. Sie erzeugen Antworten, indem sie auf Grundlage statistischer Muster die wahrscheinlich passende Fortsetzung einer Eingabe berechnen. Das Modell prüft dabei nicht automatisch, ob eine Aussage wahr, rechtlich zulässig oder für einen konkreten Betrieb geeignet ist. Eine überzeugend formulierte Antwort kann deshalb sachliche Fehler, erfundene Quellen oder unpassende Empfehlungen enthalten.

Für die berufliche Praxis folgt daraus ein wichtiger Grundsatz: KI eignet sich besonders als Arbeitsunterstützung, nicht als unkontrollierte Entscheidungsinstanz. Je höher die Folgen eines Fehlers sind, desto wichtiger werden fachliche Prüfung, nachvollziehbare Prozesse und klare Zuständigkeiten.

Welche Aufgaben sich für den Einstieg eignen

Ein sinnvoller Einstieg beginnt mit Tätigkeiten, bei denen KI Zeit spart, ohne eigenständig verbindliche Entscheidungen zu treffen. Geeignet sind vor allem Aufgaben mit einem klaren Ergebnisformat und einer anschließenden menschlichen Prüfung.

Weniger geeignet sind Aufgaben, bei denen vertrauliche Daten verarbeitet werden, eine rechtliche oder medizinische Bewertung erforderlich ist oder eine falsche Antwort unmittelbar finanzielle, sicherheitsrelevante oder personelle Folgen auslösen kann. Solche Tätigkeiten können unter bestimmten Voraussetzungen unterstützt werden, benötigen aber zusätzliche Kontrollen und dürfen nicht ungeprüft an ein generatives System delegiert werden.

Der wichtigste Faktor: eine präzise Aufgabenbeschreibung

Die Qualität einer KI-Antwort hängt stark davon ab, wie die Aufgabe beschrieben wird. Eine kurze Eingabe wie „Schreibe eine E-Mail“ lässt wesentliche Informationen offen. Besser ist eine Anweisung, die Rolle, Ziel, Zielgruppe, Ausgangsmaterial, gewünschtes Format und Grenzen der Antwort nennt.

Eine praxistaugliche Struktur kann aus fünf Bestandteilen bestehen:

  1. Aufgabe: Was soll erstellt, geprüft oder geordnet werden?
  2. Kontext: Für welchen Prozess und welche Zielgruppe wird das Ergebnis benötigt?
  3. Material: Welche Informationen darf das System verwenden?
  4. Format: Soll das Ergebnis aus Stichpunkten, einer Tabelle, einer Gliederung oder einem kurzen Text bestehen?
  5. Prüfregeln: Soll das System Unsicherheiten kennzeichnen, fehlende Angaben nennen oder keine Fakten ergänzen?

Ein Beispiel lautet: „Ordne die folgenden bereits veröffentlichten Produktanforderungen nach Muss-Kriterien, offenen Punkten und Abhängigkeiten. Verwende eine Tabelle mit drei Spalten. Ergänze keine neuen Anforderungen. Markiere widersprüchliche Angaben ausdrücklich.“ Diese Formulierung begrenzt den Arbeitsauftrag und erleichtert die anschließende Prüfung.

Auch die Aufforderung „Wenn Informationen fehlen, nenne die Lücke statt eine Annahme zu bilden“ ist nützlich. Sie verhindert nicht jede Halluzination, erhöht aber die Transparenz des Ergebnisses. Bei wiederkehrenden Aufgaben lohnt sich eine Vorlage mit festen Eingabefeldern und Prüfschritten.

Typische Einsatzfelder in verschiedenen Arbeitsbereichen

Die geeigneten Anwendungen unterscheiden sich je nach Tätigkeit. In der Verwaltung kann KI beispielsweise Protokollnotizen sortieren, Aufgaben aus einem Text herausarbeiten oder Formulierungsvarianten für interne Informationen erstellen. Dabei sollten personenbezogene Daten vor der Eingabe entfernt oder durch neutrale Platzhalter ersetzt werden.

In der Kommunikation unterstützt KI bei Themenlisten, Entwürfen und der Anpassung eines Textes an unterschiedliche Verständnisebenen. Fakten, Zahlen, Namen und Aussagen über Produkte oder Personen benötigen eine gesonderte Kontrolle. Ein flüssiger Stil ist kein Nachweis für die Richtigkeit des Inhalts.

In der Softwareentwicklung kann KI bei der Erklärung von Code, beim Erstellen von Testfällen oder bei der Suche nach möglichen Fehlerursachen helfen. Generierter Code muss in einer kontrollierten Umgebung geprüft werden. Besondere Aufmerksamkeit verdienen Sicherheitslücken, Abhängigkeiten, Lizenzbedingungen, Eingabebehandlung und der Umgang mit Zugangsdaten. Passwörter, private Schlüssel und interne Quelltexte gehören nicht in ein öffentlich zugängliches KI-System.

Im Kundenservice können Antwortentwürfe, Kategorisierungen und Zusammenfassungen von Vorgängen Zeit sparen. Eine automatische Antwort sollte jedoch keine verbindliche Zusage, rechtliche Bewertung oder individuelle Ausnahmeentscheidung enthalten, wenn dafür keine geprüfte Wissensbasis und kein Freigabeprozess vorhanden sind.

In Analyse und Forschung kann KI bei der Aufbereitung großer Textmengen helfen. Die Auswahl der Daten, die Methode der Auswertung und mögliche Verzerrungen bleiben menschliche Aufgaben. Vor allem bei Stichproben, Bewertungen und Prognosen muss nachvollziehbar sein, wie ein Ergebnis zustande gekommen ist.

Datenschutz: Welche Informationen nicht in ein KI-Tool gehören

Vor der Nutzung muss geklärt werden, welche Daten verarbeitet werden und wer Zugriff darauf erhält. Bei externen Diensten können Eingaben je nach Anbieter, Vertrag und Konfiguration gespeichert, protokolliert oder zur Verbesserung von Modellen verwendet werden. Diese Eigenschaften dürfen nicht vermutet, sondern müssen anhand der geltenden Nutzungs- und Datenschutzinformationen sowie betrieblicher Vorgaben geprüft werden.

Besonders schützenswert sind unter anderem:

Die Datenschutz-Grundverordnung verlangt unter anderem eine rechtmäßige Verarbeitung, Zweckbindung und angemessene Sicherheitsmaßnahmen. Ob ein konkreter Einsatz zulässig ist, hängt vom Kontext, den Daten und der technischen Gestaltung ab. Eine Anonymisierung muss tatsächlich verhindern, dass Personen mit vertretbarem Aufwand wieder identifiziert werden können. Das Ersetzen eines Namens durch einen Buchstaben genügt dafür nicht zwangsläufig, wenn der übrige Text eine Zuordnung erlaubt.

Eine sichere Arbeitsweise beginnt mit einer Datenklassifizierung. Für jede Aufgabe sollte feststehen, ob öffentliche, interne, vertrauliche oder besonders geschützte Informationen verwendet werden. Für vertrauliche Inhalte kommen nur freigegebene Systeme mit geeigneten Verträgen, Zugriffsbeschränkungen und Löschkonzepten infrage. Fehlt eine solche Freigabe, wird der Inhalt nicht eingegeben.

Qualitätskontrolle: Warum überzeugende Antworten falsch sein können

Generative KI kann falsche Tatsachen mit sicherem Tonfall darstellen. Dieses Verhalten wird häufig als Halluzination bezeichnet. Ursachen sind unter anderem unvollständige Trainingsdaten, mehrdeutige Eingaben, veraltete Informationen oder eine statistisch plausible, aber sachlich unzutreffende Antwort.

Eine belastbare Prüfung sollte mindestens folgende Punkte abdecken:

  1. Fakten: Sind Namen, Termine, Zahlen, Definitionen und Zuständigkeiten korrekt?
  2. Vollständigkeit: Fehlen Ausnahmen, Bedingungen, Gegenargumente oder wichtige Warnhinweise?
  3. Quellen: Lassen sich genannte Dokumente und Belege tatsächlich auffinden und inhaltlich bestätigen?
  4. Kontext: Passt die Antwort zum konkreten Fall oder wurde eine allgemeine Aussage unpassend übertragen?
  5. Sprache: Enthält der Text unbeabsichtigte Versprechen, diskriminierende Formulierungen oder einen unangemessenen Ton?
  6. Aktualität: Sind Regeln, Softwareversionen und interne Vorgaben noch gültig?

Bei wichtigen Ergebnissen sollte die prüfende Person nicht nur die Formulierung überfliegen, sondern die entscheidenden Aussagen anhand verlässlicher Originalunterlagen kontrollieren. Besonders riskant ist eine Prüfung, bei der dieselbe KI-Anwendung ihre eigene Antwort ohne zusätzliche Informationsquelle bewerten soll. Sie kann dabei denselben Fehler wiederholen.

Verzerrungen und Diskriminierungsrisiken erkennen

KI-Systeme können Vorurteile aus Trainingsdaten, menschlichen Bewertungen oder statistischen Verteilungen übernehmen. Das kann sich in Bewerbungsunterstützung, Kundenkommunikation, Priorisierung von Vorgängen oder automatisierten Bewertungen zeigen. Eine scheinbar neutrale Eingabe garantiert keine neutrale Ausgabe.

Warnzeichen sind etwa unterschiedliche Empfehlungen für vergleichbare Personen, stereotype Zuschreibungen, die Abwertung bestimmter Sprachformen oder eine ungerechtfertigte Sicherheit bei lückenhaften Daten. Bei Entscheidungen über Menschen muss geprüft werden, welche Merkmale tatsächlich relevant sind und ob das Ergebnis nachvollziehbar begründet werden kann.

KI sollte in solchen Bereichen nicht als alleinige Entscheidungsinstanz eingesetzt werden. Es braucht definierte Kriterien, eine menschliche Verantwortung, eine Möglichkeit zur Korrektur und eine Dokumentation der Entscheidungsgrundlage. Der EU AI Act ordnet bestimmte KI-Anwendungen nach ihrem Risiko und sieht für bestimmte Hochrisikosysteme besondere Anforderungen vor. Die konkrete Einordnung hängt vom Anwendungsfall ab und ersetzt keine rechtliche Prüfung.

Sicherheit im Umgang mit generativen Systemen

Neben Datenschutzfragen entstehen technische Risiken. Angreifer können beispielsweise in Dokumenten oder Webseiten Anweisungen verstecken, die ein KI-System zu einer unerwünschten Handlung bewegen sollen. Dieses Problem wird häufig als Prompt Injection bezeichnet. Wird ein System mit externen Inhalten verbunden, darf es deren Anweisungen nicht automatisch als vertrauenswürdig behandeln.

Für die tägliche Arbeit helfen mehrere Schutzmaßnahmen:

Bei der Verarbeitung von Dokumenten ist eine Trennung zwischen Daten und Anweisungen besonders wichtig. Ein eingelesener Text kann Informationen enthalten, darf aber nicht ohne Prüfung die Regeln des Arbeitsprozesses überschreiben.

Ein kontrollierter Einführungsprozess in sechs Schritten

Eine Einführung gelingt besser, wenn zunächst ein begrenzter Anwendungsfall ausgewählt wird. Dabei geht es nicht darum, möglichst viele Aufgaben gleichzeitig zu automatisieren, sondern einen Prozess nachvollziehbar zu testen.

  1. Aufgabe auswählen: Beschreiben Sie einen wiederkehrenden Arbeitsschritt und den erwarteten Nutzen. Geeignet sind Aufgaben mit überschaubarem Risiko und klarer menschlicher Prüfung.
  2. Daten bewerten: Erfassen Sie, ob öffentliche, interne oder personenbezogene Informationen vorkommen. Legen Sie fest, welche Inhalte entfernt, anonymisiert oder ausschließlich in einem freigegebenen System verarbeitet werden dürfen.
  3. Werkzeug freigeben: Prüfen Sie Konten, Berechtigungen, Speicherfristen, Trainingsnutzung, Protokollierung und Vertragsbedingungen. Eine private Nutzung darf nicht automatisch als berufliche Freigabe gelten.
  4. Prüfprozess definieren: Legen Sie fest, wer Ergebnisse kontrolliert, nach welchen Kriterien geprüft wird und was bei einem Fehler geschieht.
  5. Testlauf dokumentieren: Vergleichen Sie einige typische Eingaben und Ergebnisse. Halten Sie Fehlerbilder, Nachbearbeitungsaufwand und ungeeignete Fälle fest, ohne vertrauliche Daten unnötig zu kopieren.
  6. Regeln anpassen: Erweitern Sie die Nutzung erst, wenn Grenzen, Zuständigkeiten und Sicherheitsmaßnahmen funktionieren. Bei neuen Datenarten oder Funktionen beginnt die Prüfung erneut.

Eine interne Richtlinie sollte mindestens erlaubte Einsatzfelder, verbotene Eingaben, Kennzeichnungspflichten, Prüfverantwortung und Meldewege für Fehler enthalten. Schulungen sollten nicht nur Bedienung erklären, sondern auch Datenklassifizierung, Halluzinationen, Manipulationsversuche und Urheberrechtsfragen behandeln.

Aufwand, Nutzen und Grenzen realistisch bewerten

Eine KI-Anwendung spart nicht automatisch Zeit. Wenn jede Ausgabe umfangreich nachbearbeitet werden muss, kann der Gesamtaufwand steigen. Für eine sachliche Bewertung sollte der komplette Prozess betrachtet werden: Vorbereitung der Eingabe, Wartezeit, Prüfung, Korrektur, Dokumentation und mögliche Folgen eines Fehlers.

Die folgende Übersicht unterstützt eine erste Einordnung:

AufgabeMöglicher NutzenWichtige Kontrolle
Textentwurf für interne KommunikationSchneller Ausgangspunkt und VariantenvergleichFakten, Ton, Zielgruppe und vertrauliche Angaben
Zusammenfassung eines freigegebenen DokumentsÜberblick und Extraktion offener PunkteAuslassungen, Bedeutungsverschiebungen und Originaltext
Code-Erklärung oder TestfallentwurfUnterstützung bei Analyse und DokumentationSicherheit, Funktion, Abhängigkeiten und Lizenzfragen
Automatische Entscheidung über PersonenHoher AutomatisierungsgradRechtliche Zulässigkeit, Diskriminierungsrisiko und menschliche Kontrolle
Verarbeitung vertraulicher KundendatenJe nach System möglicherweise ProzessentlastungFreigabe, Vertrag, Zugriffsschutz und Löschkonzept

Eine Kennzahl allein beschreibt den Nutzen nicht ausreichend. Neben Zeitersparnis zählen Fehlerquote, Nachvollziehbarkeit, Akzeptanz, Datenschutzrisiko und Wiederholbarkeit. Ein kleiner Zeitgewinn kann bei einer sicherheitskritischen Aufgabe durch ein unverhältnismäßiges Risiko aufgewogen werden.

Urheberrecht, Transparenz und Verantwortlichkeit

Auch wenn eine KI einen Text oder ein Bild erzeugt, sind damit nicht automatisch alle rechtlichen Fragen geklärt. Eingabematerial kann urheberrechtlich geschützt sein, und Ausgaben können bestehenden Werken ähneln. Vor der Veröffentlichung müssen Rechte, Lizenzen und interne Freigaben geprüft werden. Das gilt auch für Code, Grafiken und Übersetzungen.

Transparenz kann je nach Einsatzfall sinnvoll oder vorgeschrieben sein. Wer einen automatisch erstellten Entwurf verwendet, sollte intern nachvollziehbar halten, welche Rolle die KI gespielt hat und wer die Endfassung geprüft hat. Eine Kennzeichnung ist besonders relevant, wenn Empfänger sonst von einer vollständig menschlichen Erstellung ausgehen könnten oder wenn eine automatisierte Verarbeitung gesetzliche Informationspflichten auslöst.

Die Verantwortung für eine veröffentlichte, versendete oder ausgeführte Ausgabe bleibt bei der zuständigen menschlichen Stelle. Ein Hinweis wie „von der KI erzeugt“ ersetzt weder die fachliche Kontrolle noch eine datenschutzrechtliche Prüfung.

FAQ: Häufige Fragen zum KI-Einsatz im Beruf

Kann KI berufliche Texte ohne Kontrolle veröffentlichen?

Nein. KI kann einen Entwurf liefern, aber Fakten, Quellen, Ton, Rechte und vertrauliche Inhalte müssen vor der Veröffentlichung geprüft werden. Bei rechtlich oder wirtschaftlich wichtigen Aussagen ist eine fachkundige Freigabe erforderlich.

Welche Daten dürfen in ein öffentliches KI-Tool eingegeben werden?

Für eine öffentliche Anwendung eignen sich grundsätzlich nur Informationen, deren Weitergabe für diesen Zweck zulässig ist. Personenbezogene, vertrauliche und sicherheitsrelevante Daten sollten nicht eingegeben werden, solange keine ausdrückliche Freigabe, geeignete Schutzmaßnahmen und eine passende Rechtsgrundlage vorliegen.

Wie lässt sich eine KI-Antwort zuverlässig prüfen?

Entscheidende Aussagen werden mit Originaldokumenten oder anderen verlässlichen Quellen verglichen. Zusätzlich sollten Vollständigkeit, Aktualität, Kontext, Sprache und mögliche Verzerrungen geprüft werden. Die Prüfung darf nicht ausschließlich durch dasselbe System erfolgen, das die Antwort erstellt hat.

Ist ein kostenpflichtiges KI-Konto automatisch für berufliche Daten geeignet?

Nein. Der Preis sagt nichts über Datenschutz, Speicherfristen, Trainingsnutzung, Zugriffskontrollen oder Vertragsbedingungen aus. Vor der Nutzung müssen diese Punkte für den konkreten Dienst und Anwendungsfall geklärt werden.

Womit sollte ein Team beginnen?

Mit einer wiederkehrenden Aufgabe mit begrenztem Risiko, klarer Datenklassifizierung und definierter menschlicher Kontrolle. Ein dokumentierter Testlauf zeigt, ob die tatsächliche Nachbearbeitung, die Fehlerquote und der Sicherheitsaufwand zum erwarteten Nutzen passen.

Mehr zu diesem Thema: