Der Name Zero Human Company ist bewusst provokant. Er ist kein Versprechen einer menschenleeren Organisation. Er stellt bei jeder wiederholbaren Aufgabe dieselbe Frage: Warum muss hier menschliche Aufmerksamkeit gebunden werden?
Manchmal lautet die Antwort: wegen Beziehung, Urteilskraft, Haftung oder Ausnahme. Dann bleibt der Mensch. Manchmal lautet sie: weil zwei Systeme nicht verbunden sind, Informationen gesucht oder Daten erneut eingegeben werden. Dann ist die operative Verschwendung das eigentliche Problem.
Die vier Kostenebenen einer KI-nativen Organisation
1. Software- und Lizenzkosten
Viele Unternehmen kaufen für jede organisatorische Lücke ein weiteres SaaS-Produkt. Eine KI-native Architektur prüft zuerst, ob Funktionen konsolidiert, Editionen reduziert oder teure Plattformen kontrolliert durch offene Komponenten ersetzt werden können. Open Source ist dabei kein Selbstzweck: Migration, Betrieb, Support und Exit gehören in den Mehrjahres-TCO.
2. Prozess- und Qualitätskosten
Touch Time ist nur ein Teil des Business Case. Wartezeit, Rückfragen, Nacharbeit, Fehlerfolgen und verlorener Durchsatz sind oft größer. Eine Process P&L macht diese Größen sichtbar, bevor eine Technologie gewählt wird.
3. Externe Leistung und Koordinationskosten
Agenturen, BPO-Dienstleister und projektbasierte Spezialisten können sinnvoll sein. Teuer wird es, wenn interne Übergaben, Statusberichte und wiederholte Datenaufbereitung dauerhaft ausgelagert werden. Standardisierbare Teile lassen sich ins eigene Betriebsmodell zurückholen, ohne die wertvolle Expertise des Partners abzuschaffen.
4. Opportunitätskosten
Wenn ein bestehendes Team mehr Volumen, schnellere Entscheidungen oder bessere Servicequalität erreicht, entsteht Wert ohne Stellenabbau. Diese Kapazitätswirkung sollte als eigener Effekt dokumentiert werden – nicht in eine fiktive Personaleinsparung umgerechnet.
Das Operating Model: fünf klar getrennte Schichten
- Outcome: Welche Kosten-, Qualitäts- oder Durchsatzkennzahl soll sich verändern?
- Policy: Welche Regeln, Limits und Freigaben gelten unabhängig von der Technologie?
- Process: Welche Schritte sind deterministisch, variabel, unnötig oder risikoreich?
- Execution: Welche Arbeit erledigen Softwarelogik, Workflow, RPA, KI-Agent oder Mensch?
- Evidence: Welche Logs und Belege zeigen, ob die versprochene Wirkung tatsächlich realisiert wurde?
Diese Reihenfolge verhindert, dass ein attraktives Modell oder Framework den Prozess diktiert. Agenten sind eine Ausführungsoption innerhalb eines kontrollierten Systems – keine Organisationsstruktur.
Rollen verändern, Verantwortung nicht verwischen
Eine tragfähige Domain besitzt weiterhin eine verantwortliche Person. Sie setzt Ziele, genehmigt Regeln, bewertet Ausnahmen und entscheidet über Änderungen. Technische Owner verantworten Zugänge, Betrieb und Wiederherstellung. Fachliche Owner verantworten Ergebnisqualität. Für hochriskante Aktionen bleibt eine qualifizierte Freigabe bestehen.
| Rolle | Verantwortung | Nicht delegierbar an den Agenten |
|---|---|---|
| Business Owner | Outcome, Budget, Priorität | Akzeptanz des Geschäftsrisikos |
| Process Owner | Regeln, Ausnahmen, Qualität | Freigabe fachlicher Änderungen |
| Technical Owner | Zugänge, Betrieb, Monitoring | Security- und Recovery-Verantwortung |
| Operator / Reviewer | Ausnahmen und Stichproben | Entscheidungen außerhalb definierter Grenzen |
Der Business Case ohne Headcount-Fiktion
Ein Portfolio kann mehrere voneinander unabhängige Effekte enthalten:
| Hebel | Baseline | Zielgröße | Realisierungsbeleg |
|---|---|---|---|
| SaaS-Rightsizing | bezahlte Seats und Editionen | reduzierter Renewal-Wert | Bestellung oder Rechnung |
| Tool-Konsolidierung | überlappende Funktionen | vermiedene Vertragsverlängerung | gekündigter Vertrag |
| Prozessverbesserung | Touch und Cycle Time | mehr Kapazität oder weniger Rückstau | Vorher-/Nachher-Messung |
| Qualitätshebel | Fehler- und Rework-Quote | weniger Nacharbeit | Stichprobe und Fallkosten |
Erst wenn eine Maßnahme umgesetzt und gegen die vereinbarte Baseline belegt ist, wird sie als realisiert geführt. Ein mögliches Potenzial ist kein Ergebnis.
Drei sinnvolle Einstiegsmuster
A. Ein bevorstehendes Renewal
Nutzung, Edition, Alternativen und Exit-Risiko werden rechtzeitig vor der Verlängerung bewertet. Das erzeugt eine echte Entscheidung statt hektischer Preisverhandlung.
B. Ein Prozess mit Rückstau
Volumen, Touch Time, Wartezeit und Fehlerklassen werden gemessen. Danach wird der kleinste Hebel gewählt: eliminieren, standardisieren, integrieren oder agentisch unterstützen.
C. Eine strategische Plattformabhängigkeit
Ein Open-Source-Zielbild wird gegen Funktionsabdeckung, Migration, Betrieb, Support und Rollback geprüft. Der Pilot beginnt mit einem begrenzten Workload.
Was in den ersten 90 Tagen passieren sollte
- Tage 1–10: Baseline, Owner, Kostenhebel und Entscheidungsdatum dokumentieren.
- Tage 11–30: einen begrenzten Hebel umsetzen oder als Pilot testen.
- Tage 31–60: Qualität, Kosten, Ausnahmen und Betriebsaufwand messen.
- Tage 61–90: Wirkung belegen und Stop, Anpassung oder Skalierung entscheiden.
Eine gute KI-native Organisation erkennt man nicht an der Zahl ihrer Agenten. Man erkennt sie daran, dass Kosten und Outcomes sichtbar sind, Systeme austauschbar bleiben und Menschen wissen, wofür sie verantwortlich sind.
Häufige Fragen
Ist eine „Zero Human Company“ wirklich ohne Menschen?
Nein. Der Name formuliert eine Designfrage: Welche wiederholbare operative Arbeit benötigt zwingend menschliche Aufmerksamkeit – und welche nicht? Verantwortung, Beziehungen, Strategie und risikoreiche Entscheidungen bleiben menschlich.
Muss der Business Case aus Personaleinsparungen kommen?
Nein. Häufig liegen die belastbareren Hebel in weniger Softwarelizenzen, weniger externen Dienstleistungen, vermiedener Nacharbeit, kürzeren Wartezeiten, höherer Kapazität und geringeren Fehlerfolgen. Diese Effekte lassen sich getrennt messen.
Welche Automatisierung sollte zuerst kommen?
Der beste Einstieg kombiniert messbares Volumen, klaren Output, niedrige Folgekosten eines Fehlers und verfügbare Daten. Nicht der sichtbarste KI-Use-Case, sondern der wirtschaftlich klarste Prozess gewinnt.
Wie bleiben Modellkosten kontrollierbar?
Durch regelbasierte Schritte für deterministische Aufgaben, Modell-Routing nach Schwierigkeit, Caching, harte Budgetgrenzen und Messung der Kosten pro erfolgreichem Vorgang. Lokale Modelle können sinnvoll sein, wenn TCO und Betriebsfähigkeit tragen.