KI Washing

Im Konferenzraum steht ein Bildschirm, darauf drei Folien, sehr viel Blau und ein Wort, das alles verändern soll: KI. Gestern war das Produkt noch digital. Vorgestern war es smart. Heute ist es intelligent. Eine Software, die Formulare sortiert, versteht nun angeblich Prozesse. Ein Sensor, der Daten sammelt, wird zur lernenden Infrastruktur. Ein Scanner, der Linien erkennt, tritt auf wie ein kleiner Professor.

So schnell geht Fortschritt
Man muss kein Technikfeind sein, um bei solchen Szenen misstrauisch zu werden. Im Gegenteil. Wer Künstliche Intelligenz ernst nimmt, sollte besonders hellhörig werden, wenn plötzlich alles intelligent sein will. Denn der Begriff ist zu wertvoll, um ihn wie Parfum über alte Produkte zu sprühen. Genau das passiert aber gerade. Nach dem Greenwash­ing kommt das KI Washing. Früher wurde alles nachhaltig. Heute denkt alles. Den passenden Befund lieferte dieser Tage der britische Guardian.

Die Journalistin Kisha Down beschreibt, wie Unternehmen in Großbritannien PR-Agenturen drängen, sie als KI-getrieben zu inszenieren. Nicht immer, weil dort neue Modelle, neue Datenarchitekturen oder lernende Systeme arbeiten. Sondern weil der Begriff zieht. Automatisierung wird zu Artificial Intelligence. Ein Workflow bekommt ein Silicon-Valley-Kostüm. Aus einem besseren Suchfeld wird ein Copilot. Klingt besser. Verkauft sich leichter. Und Journalisten sollen bitte staunen.

Das wäre komisch, wenn es nicht teuer wäre
Denn KI Washing ist nicht nur eine Peinlichkeit der Unternehmenskommunikation. Es verändert Entscheidungen. Kunden kaufen Versprechen, die das Produkt nicht halten kann. Investoren bewerten Firmen, als hätten sie einen technologischen Vorsprung, der in Wahrheit aus Powerpoint besteht. Vorstände reden von Transformation, während im Maschinenraum noch immer Excel-Makros, Schnittstellenprobleme und schlecht gepflegte Datenbanken arbeiten. Und Mitarbeitende sollen glauben, dass der nächste Sparkurs eigentlich eine Zukunftsstrategie ist.

Warum funktioniert das so gut?
Weil Künstliche Intelligenz derzeit das stärkste Wachstumsnarrativ der Wirtschaft ist. Kapital liebt Geschichten, die nach Skalierung klingen. Management liebt Begriffe, die Modernisierung signalisieren. Vertrieb liebt Worte, die aus einem austauschbaren Produkt ein Zukunftsversprechen machen. Also wandert KI in Produktnamen, Geschäftsberichte, Strategiepapiere und Messeauftritte. Nicht immer, weil sich das Produkt fundamental geändert hätte. Sondern weil das Wort wirkt. Das kennen wir.

Nachhaltigkeit hat dieselbe Karriere hinter sich. Ein ernstes Transformationsziel wurde zum Universaladjektiv. Plötzlich war alles grün: weniger Papier im Büro, eine Photovoltaikanlage am Dach, ein Reporting-Tool, eine Vorstandspräsentation mit Blatt-Symbol. Erst Regulierung, Taxonomie, CSRD und prüfbare Daten haben den Begriff langsam aus der Wohlfühlzone geholt. Bei KI stehen wir an einem ähnlichen Punkt. Der Begriff ist noch weich. Man kann viel hineinlegen. Zu viel.

Die Abgrenzung ist nicht immer einfach. Nicht jedes Unternehmen, das KI sagt, übertreibt. Ein Scanner kann sehr wohl KI-Komponenten enthalten. Ein Kundenservice-Tool kann maschinelles Lernen nutzen, auch wenn es nach außen nur wie ein Chatfenster aussieht. Eine Software kann Daten klassifizieren, Muster erkennen, Prognosen erstellen oder Texte generieren. Dafür muss niemand ein eigenes Foundation Model trainieren.

Aber man muss erklären, was genau passiert
Was lernt das System? Auf welcher Datengrundlage? Wird klassifiziert, vorhergesagt, generiert oder nur nach Regeln sortiert? Gibt es menschliche Kontrolle? Wie werden Fehler erkannt? Wer trägt Verantwortung, wenn das Ergebnis falsch ist? Das sind keine akademischen Spitzfindigkeiten. Das sind die Fragen, an denen sich entscheidet, ob ein Produkt Substanz hat oder nur einen neuen Aufkleber.

KI Washing beginnt dort, wo diese Fragen durch Nebel ersetzt werden. KI-driven klingt beeindruckend, sagt aber zunächst nichts. Ein Algorithmus ist noch keine KI. Automatisierung ist noch kein lernendes System. Ein Chatfenster ist noch keine Revolution der Wertschöpfung. Und ein alter Prozess wird nicht dadurch intelligenter, dass man ihn in englische Begriffe kleidet.

Für Branchen außerhalb des Tech-Sektors ist die Versuchung besonders groß. Bau, Immobilien, Handel, Finanzdienstleistung, Industrie: Überall gibt es Prozesse, die dringend besser werden müssen. Dokumente werden gesucht, Daten mehrfach eingegeben, Anlagen falsch gewartet, Kundenanfragen langsam beantwortet. Dort kann KI tatsächlich viel leisten. Aber gerade dort kann ein wenig KI-Sprache auch besonders viel verdecken. Aus Dokumentenmanagement wird Knowledge Intelligence. Aus Bilderkennung wird Predictive Asset Insight. Aus einer besseren Suchfunktion wird ein Copilot. Klingt nach Zukunft. Kostet in der Präsentation fast nichts.

Die Rechnung kommt später
Kunden werden misstrauisch, wenn die versprochene Produktivität ausbleibt. Mitarbeitende werden zynisch, wenn ihnen KI-Transformation erklärt wird, während sie im Alltag mit schlecht integrierten Systemen kämpfen. Investoren verlieren Orientierung, wenn jede zweite Firma plötzlich ein KI-Unternehmen sein will. Und die echten Anbieter, die Geld in Modelle, Datenqualität, Sicherheit, Integration und Schulung stecken, müssen sich durch denselben Wortnebel kämpfen wie jene, die nur die Verpackung gewechselt haben. In den USA hat die Finanzaufsicht SEC bereits gezeigt, dass KI Washing nicht nur ein europäisches Stirnrunzeln ist. Investmentfirmen wurden 2024 wegen irreführender KI-Aussagen zur Kasse gebeten. Die Botschaft war schlicht: Wer mit künstlicher Intelligenz wirbt, muss liefern können. Washington ist in solchen Dingen oft spät dran, aber wenn es ums Geld der Anleger geht, versteht selbst die geduldigste Behörde irgendwann keinen Spaß mehr.

Europa geht einen anderen Weg. Der EU KI Act schafft Regeln, Risikoklassen und Transparenzpflichten. Er wird nicht jede Marketingübertreibung entlarven. Kein Gesetz liest jede Presseaussendung mit rotem Stift. Aber er verändert die Erwartung: Wer technische Behauptungen aufstellt, muss sie belegen können. Das ist der Moment, in dem aus Schlagworten Akten werden. Und Akten haben eine unangenehme Eigenschaft: Man kann sie prüfen.

Besonders heikel wird es beim Thema Jobs. Internationale Konzerne nutzen KI immer häufiger als Erklärung für Stellenabbau. Manchmal stimmt das teilweise. Automatisierung verändert Tätigkeiten. Generative Systeme beschleunigen Recherche, Code, Support und Analyse. Aber oft ist KI auch die elegante Erzählung für sehr alte Motive: Kostendruck, schwache Nachfrage, zu schnelles Wachstum in den Pandemie-Jahren, Renditepflege. Wir bauen wegen KI um klingt nun einmal visionärer als: Wir sparen Personal, weil die Marge schöner aussehen soll.

Der moralische Maßstab liegt dabei nicht im Vorstandsbüro. Er liegt bei jenen, die mit den Systemen arbeiten sollen: in der Buchhaltung, im Kundenservice, auf der Baustelle, in der Instandhaltung. Wenn ihnen ein Tool tatsächlich Arbeit abnimmt, wird niemand lange über Begriffe streiten. Wenn ihnen aber ein unklarer KI-Zauber verkauft wird, der am Ende nur mehr Kontrollaufwand erzeugt, kippt die Stimmung. Dann wird aus Transformation Theater.

Das ist gefährlich, weil echte KI-Einführung ohnehin schwer genug ist. Sie braucht saubere Daten, klare Prozesse, rechtliche Prüfung, Cybersecurity,
Change Management und Menschen, die wissen, was sie tun. Wer KI nur als Marketingfolie behandelt, unterschätzt genau diese Arbeit. Dann entsteht kein Produktivitätsschub, sondern eine weitere Schicht Komplexität über ohnehin müden Systemen.

Die seriöse Alternative ist nicht KI-Skepsis. Sie ist Präzision. Unternehmen sollten sagen, welche Aufgabe ein System übernimmt, ob es regelbasiert oder lernend arbeitet, ob generative Modelle eingesetzt werden, welche Datenquellen verwendet werden, wie Ergebnisse geprüft werden und wo die Grenzen liegen. Das klingt weniger glamourös als KI-first. Es ist aber glaubwürdiger.

Auch Medien, Kunden und Investoren müssen anders fragen. Die schwächste Frage lautet: Nutzen Sie KI? Darauf kann inzwischen fast jeder irgendwie Ja sagen. Die besseren Fragen lauten: Wo genau entsteht Wert? Was konnte das Produkt vorher nicht? Welche Kennzahlen belegen den Nutzen? Wie hoch ist der Anteil menschlicher Prüfung? Welche Risiken wurden adressiert? Wer darauf klare Antworten hat, hat wahrscheinlich Substanz. Wer nur Adjektive liefert, verkauft Nebel.

Am Ende ist KI Washing ein alter Reflex in neuem Gewand: die Hoffnung, dass Sprache Realität ersetzen kann. Eine Zeitlang funktioniert das. Bis Kunden nach Ergebnissen fragen, Investoren nach Margen, Mitarbeitende nach Werkzeugen und Regulatoren nach Nachweisen.n