GPT im Unternehmen: verstehen, nutzen, absichern

Dieser Leitartikel fasst unsere dreiteilige Serie aus 2025 zusammen und bringt sie auf den Stand 2026. Er richtet sich an Entscheider, die nicht Prompt Engineering lernen wollen, sondern verstehen möchten, wie ein Sprachmodell als Produktivitätsfaktor gedacht werden kann.

1. Was GPT ist und was nicht

GPT steht für Generative Pre-trained Transformer. Gemeint ist ein Modell, das auf sehr großen Textmengen trainiert wurde und auf Eingaben (Prompts) sprachlich stimmige Ausgaben erzeugt. Es folgt statistisch plausiblen Mustern. Es „weiß“ nicht im klassischen Sinn, sondern antwortet.

Zur Abgrenzung: GPT ist kein Chatbot. Ein Chatbot ist eine Anwendung, ein Sprachmodell ist die technische Grundlage, auf der sich viele Anwendungen bauen lassen, von Textgenerierung und Zusammenfassungen über semantische Suche bis zu Kundendialogen. Die Modelle haben sich seit 2025 weiterentwickelt, sie können heute zum Beispiel besser Werkzeuge ansteuern, Bilder und Dokumente verarbeiten und längere Zusammenhänge halten. An der Grundlogik ändert das nichts.

Für Unternehmen folgt daraus: Ein Sprachmodell ist kein Wissenssystem für Ihre Domäne. Es kennt Ihre Prozesse, Preise und Kundendaten nicht, solange Sie diese nicht gezielt einbringen. Seine Stärke liegt im Sprachverständnis. Es kann Prozesse, Kommunikation und Datenflüsse in Sprache übersetzen und wieder zurück.

Drei Missverständnisse halten sich hartnäckig:

• „Das Modell denkt eigenständig.“ Nein. Was wie Denken wirkt, ist Mustervollzug mit hoher Komplexität, ohne Absicht und ohne Bewusstsein.
• „Es weiß alles.“ Nein. Es produziert plausibel klingende Aussagen, die auch falsch sein können. Ohne Anbindung an eigene Quellen kennt es Ihre aktuellen Daten nicht.
• „Es ersetzt Fachwissen.“ Nein. Es strukturiert und formuliert, ersetzt aber keine Prüfung, Erfahrung und Urteilskraft.

2. Wo KI im Unternehmen nützt

Der Nutzen liegt dort, wo Sprache, Text und Interpretation eine Rolle spielen, also in fast jedem Bereich:

• Marketing und Kommunikation: Textbausteine, Newsletter, Übersetzungen, Tonalitätsanpassungen, erste Entwürfe für Kampagnen.
• Vertrieb: personalisierte Mails auf Basis von CRM-Daten, Vorbereitung von Angeboten und One-Pagern, Follow-up-Vorschläge.
• HR: Stellenanzeigen, Interviewleitfäden, Zusammenfassungen aus Befragungen. Das Urteil bleibt beim Menschen.
• Strategie und Analyse: Executive Summaries, Clustering von Interviews und Berichten, Sparring für Argumentationslinien.
• Recht und Dokumentation: Entwürfe, Vereinheitlichung von Richtlinien, Extraktion aus umfangreichen PDFs. Ein Review durch qualifizierte Personen bleibt Pflicht.

Echten Nutzen gibt es meist erst, wenn das Modell mit Ihrem Wissen verbunden wird, etwa über eine Wissensdatenbank (RAG) oder über Schnittstellen zu CRM, Ticketsystem und ERP. Ein isolierter Prompt im Chatfenster ist noch kein Business Case. Eine KI-gestützte Kommunikationsschicht im Kundenservice ist einer.

3. Von Piloten zu Prozessen

Viele Unternehmen experimentieren. Das ist sinnvoll, genügt aber nicht. Der Nutzen entsteht durch drei Dinge: eine systematische Auswahl der Use Cases (wo entstehen hohe Kommunikationskosten oder repetitive Textarbeit?), Governance und Qualitätssicherung (wer darf was nutzen, wie wird geprüft?) und die Integration in bestehende Arbeitsabläufe.

4. Governance, Datenschutz und Sicherheit

Ohne Governance wird ein Sprachmodell zur Blackbox, mit Governance zur strategischen Infrastruktur. Folgende Fragen sollten früh geklärt sein:

• Wer darf das Modell nutzen, und mit welchen Rechten?
• Werden Prompts gespeichert, und können sie sensible Daten enthalten?
• Wer prüft generierte Inhalte, besonders bei Verträgen und Kundenkommunikation?
• Welche Nutzungsdaten werden wo gespeichert (DSGVO)?
• Wie werden neue KI-Werkzeuge im Haus freigegeben?

Kann man das im deutschen Mittelstand überhaupt nutzen? Ja, mit Bedacht. Personenbezogene Daten gehören nicht in offene Consumer-Oberflächen. Geschäftliche Angebote und Schnittstellen der Anbieter sind meist die bessere Wahl, weil dort Eingaben in der Regel nicht zum Training verwendet werden. Das sollte man jedoch immer im konkreten Vertrag prüfen. Ein Auftragsverarbeitungsvertrag (AVV) und eine datenschutzrechtliche Bewertung gehören zum professionellen Einstieg. Dazu kommt der Blick auf die EU-KI-Verordnung, die auch den Aufbau von KI-Kompetenz im Unternehmen adressiert.

5. Strategischer Rollout

Die Einführung ist auch ein Wandel der Arbeitsweise. Initiativen scheitern häufig an Akzeptanz, nicht an Technik. Bewährt haben sich:

1. Use Case Scouting: konkrete Felder mit hohem Effizienzpotenzial identifizieren.
2. Prototyp und Validierung: kleine, risikoarme Piloten mit messbarer Zeit- oder Kostenersparnis.
3. Architekturentscheidung: Standard-SaaS, API, Cloud-Betrieb in der EU oder eigene Infrastruktur.
4. Befähigung: Schulungen, Prompt-Playbooks, Ansprechpartner pro Abteilung, Pilotgruppen als Multiplikatoren.
5. Iterativer Ausbau: Ergebnisse sichtbar machen, Use Cases schrittweise erweitern, laufend auswerten.

Fazit

Ein Sprachmodell ist kein Hype, sondern eine Basistechnologie, die Sprache zu einer operativen Ressource macht. Es braucht Klarheit, Governance und eine strukturierte Einführung, keinen Aktionismus. Wer das beachtet, bekommt effizientere Abläufe und einen neuen Standard in der Arbeitsorganisation.