Qualität liefern und Qualität beweisen sind nicht dieselbe Arbeit. Ersteres geschieht auf dem Werksboden, am Telefon, im Code. Letzteres geschieht danach: kontrollieren, Abweichungen signalisieren, korrigieren, festhalten, dass es stimmt. Dieser zweite Teil ist der Ort, an dem der Unterschied jetzt entsteht. Nicht weil KI besser wäre in der eigentlichen Facharbeit, sondern weil die Kontrollarbeit — der Teil, der bestimmt, ob ein Fehler bemerkt wird, bevor der Kunde ihn bemerkt — teilweise automatisiert werden kann.
Vor einem Jahr war Qualitätssicherung eine Frage von Stichproben und menschlicher Aufmerksamkeit. Wer mehr Kapazität für Kontrolle hatte, fing mehr Fehler ab. Das stimmt noch immer bei Unternehmen, wo diese Arbeit noch vollständig bei Menschen liegt. Aber wo Systeme jede Transaktion, jede Lieferung oder jede Codezeile fortlaufend prüfen statt eine Stichprobe, verschiebt sich die Norm. Nicht weil die Menschen dort besser sind, sondern weil die Abdeckung größer ist.
Hinter jeder Qualitätsaussage steckt eine Kette von Aufgaben. Inspektion: Ist dieses Produkt, diese Lieferung, diese Zeile fertig wie vereinbart. Abweichungserkennung: Fällt dies aus der Norm, und hätte das jemand ohne das System bemerkt. Rückkopplung: Erreicht die Information rechtzeitig denjenigen, der nachsteuern kann. Dokumentation: Gibt es eine Spur, die belegt, dass geprüft wurde, nicht nur dass das Ergebnis gut ausfiel.
Diese Aufgaben zerfallen in die drei Kategorien, die überall wiederkehren. Abweichungserkennung anhand von Mustern in großen Datensätzen ist häufig etwas, das ein System übernehmen kann, sofern die Daten sauber und vollständig sind. Die Beurteilung, ob eine Abweichung im Kontext eines bestimmten Kunden akzeptabel ist, bleibt meist eine Aufgabe mit menschlichem Aufsicht: Das System signalisiert, jemand genehmigt oder lehnt ab, mit Begründung. Und das eigentliche Fachurteil — ist diese Arbeit gut, nicht nur nach der Norm, sondern nach dem Empfinden des Auftraggebers — bleibt Handarbeit. Keine dieser drei ist überall gleich organisiert, und genau deshalb misst der Vergleich zwischen Unternehmen jetzt etwas anderes als vor fünf Jahren.
Wenn die Kontrollarbeit beim einen Unternehmen größtenteils automatisiert ist und beim anderen nicht, vergleichen Sie nicht mehr zwei Unternehmen mit demselben Qualitätsaufwand und unterschiedlichem Ergebnis. Sie vergleichen zwei verschiedene Arten von Abdeckung. Das Unternehmen, bei dem jede Zeile geprüft wird statt einer Stichprobe von fünf Prozent, findet Fehler, die das andere strukturell übersieht — nicht durch bessere Arbeit, sondern durch mehr Beobachtung.
Das verändert, was eine Qualitätsaussage wert ist. „Wir betreiben strenge Qualitätskontrolle” bedeutete früher: Wir setzen dafür Menschen ein. Jetzt kann es auch bedeuten: Bei uns wird so gut wie nichts übersehen, weil die Kontrolle nicht davon abhängt, wie viele Kontrolleure in dieser Woche verfügbar waren. Das ist ein anderes Versprechen, und der Kunde, der beides hört, weiß nicht, welches der beiden er hört, ohne zu fragen, wie die Arbeit genau organisiert ist.
Die Verschiebung zeigt sich auch darin, was für Menschen übrigbleibt. Wo die Erkennung übernommen wurde, verschiebt sich die Qualitätsfunktion hin zur Beurteilung: Ist diese Abweichung ein Problem, und was tun wir damit. Das ist eine andere Arbeit als Strichlisten führen und zählen, und sie erfordert andere Fähigkeiten. Unternehmen, bei denen diese Verschiebung noch nicht vollzogen ist, lassen dieses Fachurteil noch von denselben Leuten erledigen, die auch das Zählen erledigten — mit weniger Zeit für das Urteil, weil das Zählen noch nicht weggefallen ist.
Die Geschwindigkeit, mit der sich diese Arbeit verschiebt, hängt nicht vom Erneuerungswillen ab. Sie hängt davon ab, ob die zugrunde liegenden Daten strukturiert genug sind, um automatisch geprüft zu werden, ob der Kunde einen Prozess hat, der sich leicht digital verfolgen lässt, und ob bereits festgelegt ist, was „gut” für dieses konkrete Produkt oder diese konkrete Dienstleistung genau bedeutet. Ein Produktionsprozess mit festen Spezifikationen eignet sich leichter für automatisierte Prüfung als ein Beratungsprozess, bei dem Qualität größtenteils im Gespräch steckt.
Deshalb steht Qualität auch selten für sich allein. Der Vorsprung, den KI bei der Qualität bringt, hängt damit zusammen, wie ein Unternehmen seinen Service nach dem Verkauf organisiert hat, ob Störungen ebenso schnell bemerkt wie behoben werden, und mit dem technischen Wissen, das nötig ist, um eine gemeldete Abweichung richtig einzuschätzen. Ein System, das täglich tausend Abweichungen meldet, ist kein Vorsprung ohne Menschen, die wissen, welche davon zählt.
Ob ein Wettbewerber seine Qualitätsarbeit bereits teilweise an ein System übergeben hat, ist von außen am Endergebnis nicht zu erkennen. Erkennbar ist es aber daran, wie er darüber spricht: in Abdeckung und Durchlaufzeit, oder in Aufwand und Personaleinsatz. Wenn Sie selbst eine Qualitätsaussage vertreten, die Sie nicht mit einer Zahl belegen können, lohnt es sich zu prüfen, wie Sie eine Aussage über Ihre eigene Qualität belegen, bevor ein Kunde oder Wettbewerber das für Sie tut. Und falls sich herausstellt, dass Sie bei dieser Dimension zurückliegen, gibt es einen Ansatz für die Frage, was Sie mit einem Rückstand bei einer Dimension tun, der nicht mit Panik beginnt, sondern mit Beweisen.
Die zugrunde liegende Frage — welcher Teil der Qualitätsarbeit in Ihrem Unternehmen tatsächlich von KI übernommen werden kann und welcher Teil Handarbeit bleibt — beantwortet der Arbeitsscan von FTE TO AI pro Aufgabe, nicht auf Ebene der gesamten Abteilung.
Als ersten Schritt können Sie den kostenlosen Dimensionscheck durchführen: Sie benennen, worin Sie zu gewinnen glauben, und sehen, welche dieser Aussagen sich mit Beweisen verteidigen lässt. Die vollständige Benchmark mit der Beweismatrix für Ihre Branche befindet sich im Aufbau.