Die Fehlerquote galt lange Zeit als interner Qualitätsmaßstab: wie viele Korrekturen, wie viel Nacharbeit, wie viele Beschwerden nach der Lieferung. Kunden bekamen davon wenig mit, solange die Fehler, auf die sie stießen, innerhalb einer akzeptablen Bandbreite blieben. Die Fehlerquote war etwas, woran sich ein Anbieter selbst maß, nicht etwas, worauf ein Kunde Anbieter nebeneinanderlegte.
Das ändert sich, sobald sich die Arbeit hinter der Fehlerquote verschiebt. Das Aufspüren von Abweichungen — ein falsch eingegebener Betrag, ein vergessener Schritt in einem Prozess, eine Inkonsistenz zwischen zwei Dokumenten — ist zu einem großen Teil Kontrollarbeit: etwas gegen einen festen Satz von Regeln oder Mustern zu prüfen. Das ist genau die Art von Aufgabe, die KI zu einem großen Teil übernehmen kann, wobei ein Mitarbeiter das Ergebnis beurteilt und mit Begründung freigibt oder ablehnt. Wo das geschieht, sinkt die Fehlerquote nicht, weil Menschen aufmerksamer sind, sondern weil es strukturell mehr Kontrollmomente gibt, als zuvor bei gleicher Besetzung machbar war.
Nicht jedes Unternehmen setzt diese Kontrolle auf dieselbe Weise ein, und das erklärt, warum der eine Anbieter eine merklich niedrigere Fehlerquote zeigt als der andere, obwohl beide im selben Markt tätig sind.
Der Unterschied liegt an ein paar Stellen:
Ein Kunde sieht die Fehlerquote selten als Zahl. Er bemerkt sie daran, wie oft eine Rechnung zurückgeschickt werden muss, ob eine Lieferung beim ersten Mal stimmt, ob ein Bericht ohne Korrekturrunde brauchbar ist. Bei einem Anbieter, bei dem die Kontrolle größtenteils auf KI mit menschlichem Toezicht verlagert wurde, ist dieses Muster anders: weniger Rückkopplungsrunden, weniger „wir passen das noch an“, weniger Überraschungen nach der Lieferung.
Das ist auch der Grund, warum sich die Fehlerquote in einem Verkaufsgespräch schwer beanspruchen lässt. „Wir arbeiten sorgfältig“ sagt einem Kunden wenig; das ist der Grund, warum vage Qualitätsversprechen in Verkaufspitches oft austauschbar zwischen Anbietern klingen. Der Vergleich wird erst konkret, wenn klar ist, welcher Teil der Kontrolle tatsächlich übernommen wurde, und auf welcher Grundlage.
Die Verschiebung bei der Fehlerquote wirkt sich darauf aus, wie ein Anbieter bei anderen Punkten abschneidet. Weniger Nacharbeit bedeutet oft auch kürzere Durchlaufzeiten, was den Vergleich bei der Lieferzeit verändert: siehe, wie kürzere Durchlaufzeiten durch automatisierte Planung die Norm in einer Branche verschieben. Weniger Fehler bei der Ausführung spart auch bei der Nachbetreuung, was mitspielt, wie Kunden die Reaktionsgeschwindigkeit und Lösungsquote des Service nach dem Verkauf beurteilen. Und weil weniger Nacharbeit auch weniger Kosten bedeutet, berührt die Fehlerquote indirekt wie Automatisierung den Spielraum für schärfere Preise verändert. Wer die Fehlerquote isoliert beurteilt, verpasst diesen Zusammenhang.
Wenige Unternehmen melden ihre eigene Fehlerquote. Die Fehlerquote lässt sich dennoch aus indirekten Signalen ablesen: wie oft ein Wettbewerber mit Korrekturen in die Nachrichten kommt, wie Bewertungen über Nachbesserungsarbeit sprechen, wie ein Angebots- oder Lieferprozess gestaltet ist. Für Wettbewerber, die keine Zahlen veröffentlichen, gibt es einen Ansatz, um Signale über Wettbewerber zu sammeln, ohne dass diese eigene Zahlen veröffentlichen.
Wie stark die Fehlerquote durch KI-gestützte Kontrolle sinkt, hängt von der Art des Fehlers, der Qualität der zugrunde liegenden Daten und dem Maß an menschlichem Toezicht ab, das eine Organisation aufrechterhält. Es lässt sich kein fester Prozentsatz nennen, der für jede Branche oder jedes Unternehmen gilt, und niemand kann garantieren, dass eine Aufgabe tatsächlich übernommen wird. Was sich wohl beurteilen lässt: welcher Teil der Kontrollarbeit in einem konkreten Unternehmen sich für eine Übernahme eignet, und welcher Teil Menschenarbeit bleibt.
Die Frage, welche Arbeit in Ihrer eigenen Organisation tatsächlich durch KI übernommen werden kann, beantwortet der Workscan von FTE TO AI pro Aufgabe. Für den Vergleich mit Ihrer Peer Group gibt es den kostenlosen Dimensionscheck: Sie benennen, worin Sie einen Vorteil zu haben glauben, und sehen, welche dieser Behauptungen sich mit Belegen verteidigen lässt. Die vollständige Benchmark, mit Bewertungen je Dimension und einer Belegmatrix, befindet sich im Aufbau.