Wenn KI scheitert: Was Klarna, McDonald's und Ford über Automatisierung lehren
Klarna ersetzte 700 Mitarbeitende durch KI — und holte sie zurück. McDonald's beendete seinen Drive-Through-Piloten, Ford stellte 350 Ingenieure neu ein. Was hinter diesen Kursänderungen steckt, und warum die richtige KI-Strategie mit Prozessanalyse beginnt.
Klarna ersetzte 700 Kundendienst-Mitarbeitende durch eine KI — und holte sie später wieder. McDonald's testete KI-Bestellannahme in über 100 Drive-Through-Filialen und beendete das Projekt nach einer Serie viraler Pannenfälle. Ford stellte über 350 erfahrene Ingenieure neu ein, weil KI-Systeme das implizite Wissen der Belegschaft schlicht nicht abbilden konnten. Diese Fälle belegen nicht, dass KI grundsätzlich nicht funktioniert — aber sie zeigen, wo pauschale Automatisierung an ihre Grenzen stößt.
Laut dem Personaldienstleister Robert Half haben 32 % der US-Unternehmen, die Stellen wegen KI gestrichen haben, ähnliche Rollen zwischenzeitlich wieder besetzt. In einer Orgvue-Befragung von über 1.100 Führungskräften räumten 55 % ein, KI-bedingte Entlassungsentscheidungen im Nachhinein als Fehler zu bewerten. Forrester Research prognostiziert, dass bis 2027 etwa die Hälfte aller KI-bedingten Stellenkürzungen rückgängig gemacht wird.
Was hinter den Kursänderungen steckt
Das Muster ähnelt sich in allen Fällen: KI funktioniert im Regelfall schnell und zuverlässig — versagt aber bei den Ausnahmen, die in der Praxis über Kundenzufriedenheit und Qualität entscheiden.
Klarnas KI verarbeitete monatlich 2,3 Millionen Kundengespräche — auf dem Papier ein beeindruckender Maßstab. Doch im Mai 2025 räumte CEO Sebastian Siemiatkowski ein, dass die rein KI-gestützte Bearbeitung Qualität und Kundennähe beschädigt hatte. Besonders komplex gelagerte Anfragen, emotionale Situationen und nicht-standardisierte Kundenfälle liefen deutlich schlechter als im Menschenbetrieb. McDonald's scheiterte an Akzenten, unüblichen Bestellanpassungen und Korrekturen — viralen Fehlbestellungsvideos schadeten dem Markenimage nachhaltig. Ford erkannte, dass seine Ingenieure über jahrelang aufgebautes implizites Wissen verfügen, das nirgendwo dokumentiert ist und das KI-Systeme entsprechend nicht replizieren können.
Welche Prozesse wirklich für KI geeignet sind
Das Problem ist nicht die KI — sondern die Annahme, dass jede Aufgabe automatisierbar ist. Für eine belastbare KI-Integration und Automatisierung brauchen Unternehmen zunächst eine ehrliche Prozessanalyse: Wo laufen regelbasierte, gut dokumentierte Abläufe mit klar definierten Antwortpfaden? Genau dort rechnet sich Automatisierung. Wo hingegen Urteilsvermögen, Empathie oder implizites Erfahrungswissen gefragt sind, bleibt der Mensch unersetzlich.
- Geeignet für KI: Standardanfragen mit definierten Antwortpfaden, Dateneingabe und -verarbeitung, Routineauswertungen und Berichte
- Nicht geeignet für KI: Beschwerden mit emotionalem Kontext, Fachurteile auf Basis impliziten Branchenwissens, ethisch oder rechtlich sensible Entscheidungen
- Hybridmodell: KI übernimmt Erstbearbeitung und Routine — Menschen klären Ausnahmen und halten die Kundenbeziehung
Wer KI als reinen Kostenschneider einsetzt — ohne vorher die richtigen Prozesse zu analysieren — riskiert, sie genau dort einzusetzen, wo sie am meisten schadet.
Was das für Ihr Unternehmen bedeutet
Die Lehre aus Klarna, McDonald's und Ford lautet nicht: automatisieren oder nicht. Sie lautet: Prozesse zuerst analysieren, dann gezielt automatisieren. Eine strukturierte Technologiebewertung hilft dabei, KI-Potenziale realistisch einzuschätzen — bevor Investitionen getätigt und Stellen gestrichen werden.
- Prüfen Sie, welche Prozesse in Ihrem Unternehmen wirklich regelbasiert und gut dokumentiert sind
- Erfassen Sie, wo das implizite Wissen erfahrener Mitarbeitender den Unterschied macht — und wo Wissenstransfer vor der Automatisierung nötig ist
- Planen Sie den Hybridbetrieb von Anfang an: KI als Werkzeug, Mensch als Entscheider im Ausnahmefall
- Messen Sie KI-Erfolg nicht nur an Effizienzgewinnen, sondern auch an Kundenzufriedenheit und Qualitätsmetriken
Mittelständische Unternehmen haben dabei einen strukturellen Vorteil: Sie sind flexibel genug, um schnell gegenzusteuern. Wer von Anfang an mit einer klaren KI-Strategie und Automatisierungsarchitektur startet — statt auf Schnellschüsse zu setzen — vermeidet den teuren Umweg, den Klarna und andere Konzerne gehen mussten.