Zu viele KI-Tools im Unternehmen

Es beginnt mit einem ChatGPT-Account im Marketing. Kurz darauf kommt ein Bildgenerator im Design dazu. Dann ein Zusammenfassungstool im Vertrieb. Ein Transkriptionsdienst für die Geschäftsführung. Ein Coding-Assistent in der Entwicklung. Ein Recherche-Tool in der Rechtsabteilung.

Keines dieser Werkzeuge wurde böswillig eingeführt. Jedes einzelne wurde aus einem konkreten Bedürfnis heraus gewählt, von Menschen, die ihre Arbeit besser machen wollten. Aber innerhalb weniger Monate entsteht daraus eine Landschaft, die niemand überblickt, niemand koordiniert und niemand verantwortet.

Diesen Zustand nennt man AI Tool Sprawl. Er ist in den meisten Unternehmen bereits Realität.

Wie es dazu kommt

KI-Tools haben eine Eigenschaft, die sie von fast allen anderen Unternehmensanwendungen unterscheidet: Sie sind sofort verfügbar. Kein Beschaffungsprozess, kein IT-Ticket, kein Vertragsgespräch. Die meisten lassen sich innerhalb von Minuten einrichten, viele sind kostenlos nutzbar, und fast alle funktionieren direkt im Browser.

Das senkt die Einstiegshürde auf ein Niveau, das es in der Unternehmens-IT bisher nicht gab. Früher war die Einführung eines neuen Tools an Prozesse gebunden: Budget, Evaluation, Freigabe, Implementierung. Bei KI-Tools entfällt jeder einzelne dieser Schritte. Die Entscheidung liegt bei der einzelnen Person, manchmal bei einem Team, selten bei der Organisation.

Hinzu kommt ein zweiter Effekt: Jede Abteilung hat andere Anforderungen. Marketing braucht Textgenerierung und Bildbearbeitung. Der Vertrieb braucht Zusammenfassungen und E-Mail-Entwürfe. Die Rechtsabteilung braucht Textanalyse und Recherche. HR braucht Formulierungshilfen. Die Produktentwicklung braucht Code-Assistenz. Es gibt kein einzelnes Tool, das all das abdeckt, also wählt jeder Bereich seine eigene Lösung.

Das ist nachvollziehbar. Aber es führt zu einem Zustand, in dem die Organisation als Ganzes den Überblick verliert, während jede einzelne Abteilung für sich betrachtet rational handelt.

Was dabei übersehen wird

Tool Sprawl ist auf den ersten Blick kein dramatisches Problem. Jedes Tool für sich funktioniert. Die Mitarbeitenden sind zufrieden. Die Arbeit wird erledigt. Es gibt keine akute Krise, keinen Vorfall, keinen Anlass für Alarm.

Das macht es so schwer, das Thema auf die Agenda zu setzen. Denn die Probleme, die aus Tool Sprawl entstehen, sind nicht laut. Sie sind schleichend.

Das erste Problem ist Datenfragmentierung. Wenn zehn Teams zehn verschiedene KI-Dienste nutzen, fließen Unternehmensdaten in zehn verschiedene Systeme mit zehn verschiedenen Sicherheitsprofilen, Nutzungsbedingungen und Speicherorten. Die Organisation hat keinen Überblick darüber, welche Daten wo verarbeitet werden. Das ist kein hypothetisches Risiko. Es ist der Normalzustand.

Das zweite Problem betrifft die Kosten. Einzelne KI-Abonnements kosten wenig, oft zwischen zwanzig und fünfzig Euro pro Person und Monat. Aber wenn mehrere Abteilungen unabhängig voneinander Accounts anlegen, summieren sich die Kosten schnell, ohne dass sie in einem gemeinsamen Budget sichtbar werden. Es gibt keine zentrale Übersicht, keine Bündelungseffekte, keine Verhandlungsgrundlage gegenüber Anbietern.

Das dritte Problem ist Inkonsistenz. Wenn verschiedene Teams verschiedene Werkzeuge für ähnliche Aufgaben nutzen, entstehen unterschiedliche Qualitätsstandards. Ein Text, der mit einem bestimmten Modell erstellt wurde, liest sich anders als einer, der mit einem anderen Modell entstanden ist. Zusammenfassungen fallen unterschiedlich detailliert aus. Analysen basieren auf unterschiedlichen Grundannahmen. Für die interne Zusammenarbeit ist das problematisch, für die Außenkommunikation potenziell peinlich.

Das vierte Problem ist Governance. Der EU AI Act verlangt von Unternehmen Transparenz und Nachvollziehbarkeit beim Einsatz von KI. Aber Transparenz setzt voraus, dass die Organisation weiß, wo KI eingesetzt wird. Wenn jede Abteilung eigene Tools nutzt, gibt es keinen gemeinsamen Bezugsrahmen, keine zentrale Dokumentation und keine Möglichkeit, Anforderungen konsistent umzusetzen.

Warum Konsolidierung schwieriger ist als gedacht

Die naheliegende Antwort auf Tool Sprawl lautet: aufräumen. Alle Tools evaluieren, die besten auswählen, den Rest abschalten. In der Theorie klingt das sinnvoll. In der Praxis scheitert es regelmäßig.

Der Grund ist, dass KI-Tools nicht wie klassische Unternehmenssoftware funktionieren. Es gibt keinen einzelnen Anbieter, der alle Anforderungen abdeckt. Jedes Tool hat Stärken in bestimmten Bereichen und Schwächen in anderen. Ein Modell, das hervorragend Texte schreibt, ist möglicherweise schlecht in der Analyse. Ein Dienst, der sicher und DSGVO-konform arbeitet, bietet vielleicht nicht die Funktionen, die eine bestimmte Abteilung braucht.

Dazu kommt: Mitarbeitende haben sich an ihre Werkzeuge gewöhnt. Sie haben Workflows aufgebaut, Prompts optimiert, Erfahrungen gesammelt. Ein Wechsel bedeutet nicht nur Umstellung, sondern auch Produktivitätsverlust. Wer jemals versucht hat, in einem Unternehmen ein etabliertes Tool durch ein anderes zu ersetzen, weiß, wie viel Widerstand das erzeugen kann.

Konsolidierung im Sinne von Reduktion auf ein einziges Tool ist deshalb meistens keine realistische Option.

Was stattdessen hilft

Die Lösung ist nicht, alle Tools durch eines zu ersetzen. Die Lösung ist eine Ebene oberhalb der einzelnen Tools. Eine Struktur, die sichtbar macht, was genutzt wird, und die es ermöglicht, Regeln zu definieren, ohne Vielfalt zu verhindern.

Konkret bedeutet das drei Dinge.

1. Erstens: Transparenz. Die Organisation braucht einen Überblick darüber, welche KI-Tools im Einsatz sind, von welchen Abteilungen, für welche Zwecke und mit welchen Daten. Das muss nicht in Echtzeit geschehen. Aber es muss überhaupt geschehen.

2. Zweitens: Differenzierung. Nicht jede Nutzung ist gleich riskant. Ein Brainstorming mit einem Textgenerator ist etwas anderes als die Verarbeitung personenbezogener Daten in einem externen System. Unternehmen brauchen die Fähigkeit, zwischen diesen Fällen zu unterscheiden und entsprechend zu handeln.

3. Drittens: Infrastruktur. Mitarbeitende nutzen externe Tools, weil es keine interne Alternative gibt. Wer möchte, dass KI-Nutzung kontrolliert stattfindet, muss eine Umgebung schaffen, in der das möglich ist. Das muss keine selbst entwickelte Lösung sein. Aber es muss eine Lösung sein, die die Organisation kontrolliert.

Tool Sprawl als Symptom

Es wäre ein Fehler, Tool Sprawl nur als technisches Problem zu betrachten. Er ist ein Symptom für etwas Grundlegenderes: Die Organisation hat auf eine Veränderung nicht reagiert, die von den Mitarbeitenden längst vollzogen wurde.

Die Mitarbeitenden haben KI in ihren Alltag integriert. Die Organisation nicht. Tool Sprawl ist das, was in dieser Lücke entsteht.

Die Frage ist nicht, ob man die Vielfalt an Tools akzeptiert oder bekämpft. Die Frage ist, ob man eine Struktur schafft, die Vielfalt ermöglicht und gleichzeitig Orientierung gibt. Das ist kein technisches Projekt. Es ist eine organisatorische Entscheidung.

Und sie wird nicht einfacher, wenn man sie aufschiebt. Es gibt Plattformen, die genau diese Ebene oberhalb der einzelnen Tools schaffen: einen Ort, an dem Zugang, Nutzung und Richtlinien zentral gesteuert werden, ohne den Abteilungen die Wahl zu nehmen.