KI in der Zeiterfassung: Was künstliche Intelligenz im HR wirklich automatisieren kann

Was kann KI in der Zeiterfassung tatsächlich automatisieren? Kurz gesagt: Künstliche Intelligenz erkennt heute zuverlässig ungewöhnliche Buchungsmuster, prognostiziert Überstunden und Kapazitätsengpässe, unterstützt die Schichtplanung und übersetzt Zeitdaten in verständliche Auswertungen oder Antworten in natürlicher Sprache. Vieles, was als KI vermarktet wird, ist allerdings klassische regelbasierte Automatisierung: Pausenprüfung, Ruhezeitkontrolle oder das Erkennen fehlender Buchungen brauchen kein Machine Learning, sondern saubere Regeln. Echten zusätzlichen Nutzen bringt KI dort, wo Muster, Prognosen oder Sprache im Spiel sind. Und rechtlich gilt: Bewertungen und Entscheidungen über Beschäftigte gehören nicht in einen Algorithmus. Dieser Ratgeber ordnet Anwendungsfälle, Technologien und die Grenzen durch DSGVO, EU AI Act und Mitbestimmung nüchtern ein.

Studienlage: Laut der DGFP/Gallup-Studie "State of HR in Deutschland 2026" (312 befragte HR-Verantwortliche, Januar/Februar 2026) nutzen 81 % der Befragten KI bereits täglich oder mehrmals pro Woche. Gleichzeitig schätzen nur 4 % ihre Gesamtbelegschaft als vollständig KI-bereit ein, und 57 % nennen Kostensenkung beziehungsweise Margendruck als zentralen Treiber ihrer People-Strategie. Die Werkzeuge sind im Alltag angekommen, die Organisationen dahinter oft noch nicht.

Was bedeutet KI in der Zeiterfassung überhaupt?

Nicht jede automatische Funktion einer Zeiterfassungssoftware ist künstliche Intelligenz. Sinnvoll unterscheiden lassen sich drei Technologien: regelbasierte Automatisierung, Machine Learning und generative KI. Nur die letzten beiden lernen aus Daten; Regeln folgen einer festen, nachvollziehbaren Logik.

• Regelbasierte Automatisierung: Feste Wenn-dann-Logik, vom Menschen definiert. Beispiel: "Wenn zwischen zwei Arbeitstagen weniger als 11 Stunden liegen, erzeuge einen Ruhezeit-Hinweis." Deterministisch, prüfbar, immer gleiches Ergebnis bei gleichen Daten.
• Machine Learning und statistische Modelle: Das System lernt aus historischen Daten und liefert Wahrscheinlichkeiten oder Prognosen. Beispiel: Aus zwölf Monaten Buchungshistorie wird abgeschätzt, wie sich der Überstundensaldo eines Teams bis Jahresende entwickelt.
• Generative KI und Sprachmodelle: Modelle, die Text verstehen und erzeugen. Beispiel: Aus den Monatsdaten der Zeitwirtschaft wird eine lesbare Zusammenfassung für die Geschäftsführung formuliert, oder eine Frage wie "Wie viele Überstunden habe ich diesen Monat?" wird direkt aus den eigenen Zeitdaten beantwortet.

Diese Unterscheidung ist mehr als Begriffskosmetik: Sie entscheidet über Prüfbarkeit, Fehlerarten, Datenschutzbewertung und darüber, welche Zusagen ein Anbieter überhaupt einhalten kann.

Wo KI in der Zeiterfassung heute realistisch hilft

KI kann in der Zeiterfassung heute vor allem Anomalien erkennen, Überstunden prognostizieren, Schichtpläne optimieren, Auswertungen automatisieren und Fragen zu Arbeitszeiten in natürlicher Sprache beantworten. Viele klassische Aufgaben wie Pausenprüfung oder Ruhezeitkontrolle benötigen dagegen keine KI, sondern lassen sich zuverlässiger über feste Regeln abbilden.

Zeiterfassung erzeugt genau die Art von Daten, mit der Modelle gut umgehen können: strukturiert, zeitlich geordnet, in großer Menge und mit wiederkehrenden Mustern. Sechs Anwendungsfälle sind heute praxistauglich.

Automatische Plausibilitätsprüfung von Buchungen

Was wird automatisiert? Das Erkennen fehlender, unlogischer oder regelwidriger Buchungen: Kommen ohne Gehen, Schichten über 16 Stunden, Buchungen an Urlaubstagen, unterschrittene Ruhezeiten nach dem Arbeitszeitgesetz. Wie funktioniert es? Überwiegend über Regeln, nicht über Modelle. Nutzen: Korrekturen passieren laufend statt gebündelt vor dem Monatsabschluss. Voraussetzung: Vollständig digitale Buchungen. Grenze: Regeln finden nur, was vorher jemand als Regel formuliert hat.

Erkennung ungewöhnlicher Muster und Anomalien

Was wird automatisiert? Das Aufspüren von Abweichungen, für die niemand eine Regel geschrieben hat. Wie funktioniert es? Ein Modell lernt das normale Buchungsverhalten und meldet Ausreißer: eine Abteilung, deren Pausenzeiten seit acht Wochen kontinuierlich schrumpfen; ein Standort, an dem Freitagsbuchungen systematisch früher enden als im Dienstplan hinterlegt; ein Team, dessen Saldo schneller wächst als das Auftragsvolumen. Nutzen: Prozessprobleme und Konfliktherde werden sichtbar, bevor sie eskalieren, bis hin zu Hinweisen auf möglichen Arbeitszeitbetrug. Voraussetzung: Ausreichend Historie und ein Team, das Hinweise einordnet. Grenze: Solche Signale sind Hinweise, keine Urteile. Sie gehören auf den Tisch einer Führungskraft, nicht in einen automatischen Sanktionsprozess, denn ein Ausschlag im Muster kann genauso gut auf einen kaputten Prozess wie auf individuelles Fehlverhalten deuten.

Prognose von Überstunden und Kapazitätsengpässen

Was wird automatisiert? Die Fortschreibung von Salden und Auslastung. Wie funktioniert es? Statistische Modelle rechnen aus historischen Salden, Auftragslage, Krankenständen und Saisonalität hoch, wie sich Arbeitszeitkonten in den kommenden Wochen entwickeln. Nutzen: Vorlauf. Wer im Oktober sieht, dass ein Team bis Jahresende auf 180 nicht mehr abbaubare Plusstunden zusteuert, kann gegensteuern; wer es im Dezember sieht, kann nur noch auszahlen. Voraussetzung: Mehrere Monate verlässlicher Daten. Grenze: Prognosen wirken präziser, als sie sind. Wer die Zahl hinter dem Komma ernst nimmt, hat das Werkzeug missverstanden.

Unterstützung bei Schicht- und Personalplanung

Was wird automatisiert? Planvorschläge unter vielen harten Nebenbedingungen: Qualifikationen, Ruhezeiten, Verfügbarkeiten, Wunschdienste, Tarifregeln. Wie funktioniert es? Meist über Optimierungsalgorithmen, die streng genommen keine KI sind, teils ergänzt um Prognosen zum Personalbedarf. Nutzen: Ein Vorschlag in Sekunden statt Stunden manueller Planung, praktisch nutzbar etwa in der Schichtplanung. Voraussetzung: Gepflegte Stammdaten zu Qualifikationen und Verfügbarkeiten. Grenze: Der Vorschlag geht an einen Menschen, der ihn prüft, anpasst und verantwortet.

Automatisierte HR-Reports in natürlicher Sprache

Was wird automatisiert? Die Übersetzung von Kennzahlen in lesbare Zusammenfassungen: "Die Überstunden im Lager sind im Juli um ein Fünftel gegenüber Juni gestiegen, getrieben von zwei Wochen mit erhöhtem Versandvolumen." Wie funktioniert es? Ein Sprachmodell formuliert auf Basis der berechneten Zahlen. Nutzen: Echte Zeitersparnis für HR-Teams, die monatlich berichten. Voraussetzung: Die zugrunde liegenden Zahlen müssen im Bericht nachvollziehbar bleiben. Grenze: Generierte Texte können Zahlen falsch einordnen; niemand sollte sie ungeprüft weiterreichen.

Automatische Beantwortung von Fragen zur Arbeitszeit

Was wird automatisiert? Antworten auf Alltagsfragen an die Zeitwirtschaft: "Wie viele Überstunden habe ich diesen Monat?", "Warum wurde meine Pause am Dienstag als fehlend markiert?", "Wie viele Stunden darf ich heute noch arbeiten?" Wie funktioniert es? Generative KI dient als natürliche Schnittstelle zu den bestehenden Zeitwirtschaftsdaten; die Berechnung selbst kommt weiter aus dem regelbasierten System. Nutzen: Weniger Rückfragen an HR, mehr Transparenz für Beschäftigte. Voraussetzung: Saubere Datenbasis und klare Zugriffsgrenzen, damit jede Person nur die eigenen Daten abfragt. Grenze: Bei rechtlich heiklen Fragen ("Darf ich morgen durcharbeiten?") muss das System auf verbindliche Regeln und Zuständige verweisen statt selbst zu entscheiden.

KI oder einfach nur gute Regeln?

Der Unterschied zwischen KI und regelbasierter Zeiterfassung ist einfach: Regeln folgen einer festen, vom Menschen definierten Logik und liefern immer dasselbe Ergebnis; KI-Modelle lernen aus Daten und liefern Wahrscheinlichkeiten. Für rechtlich klar definierte Prüfungen wie Pausen oder Ruhezeiten sind Regeln fast immer das bessere Werkzeug.

Ein großer Teil dessen, was als "KI-Funktion" vermarktet wird, ist klassische Regelautomatisierung, und auch nicht jeder Optimierungsalgorithmus ist KI. Das ist kein Makel, im Gegenteil: Regeln sind deterministisch, gegenüber Betriebsrat und Prüfern erklärbar und lassen sich testen. Die Zuordnung im Überblick:

Die ehrliche Frage an jeden Anbieter lautet: Welche konkrete Entscheidung trifft hier ein Modell, und was passiert, wenn es falsch liegt? Wer diese Frage stellt, sortiert Marketing schnell von Substanz.

Stampfactory: Wir sehen unsere Rolle zuerst in der Datenbasis: eine verlässliche digitale Zeiterfassung über Terminal, Browser und App, bei der jede nachträgliche Korrektur mit Zeitstempel und Bearbeiter im Änderungsprotokoll dokumentiert ist. Darauf setzen regelbasierte Funktionen auf: automatische Hinweise bei Ruhezeit- und Pausenverstößen nach ArbZG und Plausibilitätsprüfungen fehlender oder unlogischer Buchungen. Das ist bewusst keine KI, sondern nachvollziehbare Logik. KI verstehen wir als Ergänzung dort, wo Muster, Prognosen oder Sprache echten Mehrwert bieten, nicht als Selbstzweck. Ohne saubere Datenbasis bringt jedes Modell darüber wenig.

Was KI in der Zeiterfassung nicht tun sollte

Manche Anwendungen sind technisch möglich, aber weder rechtlich haltbar noch kulturell verträglich.

• Automatisierte Einzelfallentscheidungen: Abmahnung, Kündigung, Bonuskürzung oder Versetzung dürfen nicht das Ergebnis eines Algorithmus sein
• Dauerüberwachung: Lückenlose Beobachtung von Tastatureingaben, Mausbewegungen, Bildschirminhalten oder Standort lässt sich mit Zeiterfassung nicht begründen
• Emotionserkennung: Der EU AI Act untersagt KI-Systeme zur Ableitung von Emotionen am Arbeitsplatz grundsätzlich; Ausnahmen sind eng begrenzt, etwa für medizinische oder Sicherheitszwecke
• Heimliche Leistungsscores: Ranglisten, die aus Zeitdaten eine Produktivitätsnote ableiten, ohne dass Betroffene Kriterien und Widerspruchsweg kennen

Der Grundsatz ist einfach: KI darf Sachverhalte aufbereiten. Bewerten und entscheiden müssen Menschen.

Der rechtliche Rahmen: DSGVO, AI Act und Mitbestimmung

Für KI in der Zeiterfassung gelten drei Regelwerke nebeneinander: die DSGVO für den Umgang mit Beschäftigtendaten, der EU AI Act für die KI-Funktionen selbst und das Betriebsverfassungsgesetz für die Mitbestimmung. Keines davon verbietet KI pauschal; alle drei verlangen, dass Zweck und Funktion konkret geprüft werden.

DSGVO: Art. 22 richtig einordnen

Art. 22 DSGVO verbietet nicht jede automatisierte Auswertung von Beschäftigtendaten. Er betrifft Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und gegenüber einer Person rechtliche Wirkung entfalten oder sie in ähnlicher Weise erheblich beeinträchtigen. Zwei Dinge sind dabei wichtig: Erstens genügt eine menschliche Unterschrift nicht, wenn der Mensch faktisch nur eine algorithmische Empfehlung abnickt; die menschliche Prüfung braucht echten Entscheidungsspielraum. Zweitens ist Art. 22 nur ein Teil der datenschutzrechtlichen Prüfung. Daneben stehen Rechtsgrundlage, Zweckbindung, Datenminimierung, Transparenz gegenüber den Beschäftigten und je nach Eingriffstiefe eine Datenschutz-Folgenabschätzung. Wie sich das mit einer Zeiterfassung technisch verträgt, zeigt die Seite zum Datenschutz.

EU AI Act: Einordnung je Funktion, nicht je Produkt

Der EU AI Act verfolgt einen risikobasierten Ansatz und wird seit 2025 stufenweise wirksam. Für den HR-Kontext heißt das differenziert:

• Hochrisiko sind KI-Systeme, die für die dort gelisteten Beschäftigungs-Anwendungsfälle eingesetzt werden, etwa Entscheidungen über Einstellung, Beförderung oder Kündigung, die Zuweisung von Aufgaben aufgrund von Verhalten oder persönlichen Merkmalen sowie die Überwachung und Bewertung von Leistung und Verhalten. Daran hängen Pflichten wie Risikomanagement, Datenqualität, Dokumentation, Protokollierung und wirksame menschliche Aufsicht.
• Nicht automatisch Hochrisiko sind andere KI-Anwendungen im HR-Umfeld. Eine KI-Funktion, die aus Arbeitszeitdaten einen verständlichen Report formuliert, ist rechtlich anders zu bewerten als ein System, das Beschäftigte anhand ihrer Arbeitszeit automatisch bewertet oder Entscheidungen über sie vorbereitet.
• Verboten sind bestimmte Praktiken, darunter die bereits erwähnte Emotionserkennung am Arbeitsplatz (mit eng begrenzten Ausnahmen).
• Für alle KI-Systeme gelten außerdem Transparenzpflichten und die Anforderung, dass Beschäftigte, die mit KI arbeiten, über ausreichende KI-Kompetenz verfügen.

Die konkrete Einordnung hängt immer vom tatsächlichen Zweck und der konkreten Funktion ab. Prüfen Sie den Status deshalb pro Funktion, nicht pauschal pro Produkt, und lassen Sie sich vom Anbieter erklären, wie er die jeweiligen Pflichten erfüllt.

Betriebsrat: Mitbestimmung nach § 87 BetrVG

Zeiterfassungs- und HR-Systeme sind technische Einrichtungen, die geeignet sind, Verhalten oder Leistung von Beschäftigten zu überwachen. Damit greift die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG: Der Betriebsrat ist vor der Einführung einzubinden, nicht danach, und auch spätere Erweiterungen um neue Auswertungen sind mitbestimmungspflichtig.

Eine Betriebsvereinbarung zu KI in der Zeiterfassung sollte konkret diese Fragen beantworten:

• Welche Daten werden verarbeitet und zu welchem Zweck?
• Welche KI-Funktionen sind aktiviert und welche ausdrücklich nicht?
• Welche Auswertungen sind ausgeschlossen?
• Werden individuelle Leistungsprofile erstellt?
• Wie lange werden Daten und Auswertungsergebnisse gespeichert?
• Wer darf Ergebnisse sehen?
• Gibt es automatisierte Entscheidungen, und wenn ja, mit welcher menschlichen Kontrolle?
• Wie können Beschäftigte Ergebnisse hinterfragen und korrigieren lassen?
• Wie werden Modelländerungen und neue Funktionen behandelt?

Erfahrungsgemäß entscheidet der Ausschlusskatalog stärker über die Akzeptanz als jede Funktionsliste.

Checkliste: KI in der Zeiterfassung einführen

Vor der Einführung prüfen: Konkreten Anwendungsfall definieren, prüfen, ob dafür überhaupt KI erforderlich ist, Datenqualität prüfen, Datenschutz prüfen (Rechtsgrundlage, Folgenabschätzung), AI-Act-Einordnung je Funktion klären, Betriebsrat frühzeitig einbinden, menschliche Kontrolle definieren, Fehlerquote und Fehlalarme messen, Pilotbetrieb durchführen, Auswirkungen regelmäßig überprüfen.

Wer diese zehn Punkte vor dem Rollout abarbeitet, vermeidet die beiden häufigsten Fehler: KI-Funktionen ohne definierten Nutzen und Konflikte mit Betriebsrat oder Datenschutz nach der Einführung.

Praxis-Fahrplan für den Mittelstand

Der häufigste Fehler ist die Reihenfolge: KI oben drauf, während unten noch Excel-Listen und Papierzettel liegen. Drei Stufen, in dieser Reihenfolge.

1. Saubere digitale Datenbasis schaffen. Erst wenn Kommen, Gehen, Pausen, Projekte und Abwesenheiten vollständig digital und mit nachvollziehbarer Korrekturhistorie erfasst sind, entsteht verwertbares Material. Was rechtlich gefordert ist, fasst der Ratgeber zur Zeiterfassungspflicht 2026 zusammen.
2. Regelbasiert automatisieren. Freigabe-Workflows, ArbZG-Warnungen, Plausibilitätsprüfungen, automatische Überstunden-Salden und ein durchgängiger DATEV-Export heben den größten Teil der Zeitersparnis, ganz ohne Modelle.
3. KI gezielt ergänzen. Ein klar umrissener Anwendungsfall, ein messbares Ziel, eine Pilotphase mit Betriebsrat und Datenschutz, danach die ehrliche Bilanz. Lieber ein Fall, der funktioniert, als fünf, die niemand nutzt.

Für Unternehmen zwischen 20 und 500 Beschäftigten liegt der Hebel fast immer in Stufe 1 und 2. Wie das konkret aussieht, zeigen die Lösungen für den Mittelstand.

Fazit

KI ist 2026 in der Zeiterfassung sinnvoll einsetzbar, aber nicht überall nötig. Viele Aufgaben brauchen keine KI: Bei rechtlich klar definierten Prüfungen wie Pausen, Ruhezeiten oder fehlenden Buchungen sind feste Regeln transparenter, prüfbarer und häufig schlicht überlegen.

Echten Mehrwert bietet KI bei Mustererkennung, Prognosen, Planungsoptimierung und natürlicher Sprache, also überall dort, wo keine feste Schwelle existiert oder große Datenmengen verdichtet werden müssen. Datenschutz, AI Act und Mitbestimmung sind dabei keine nachgelagerten Prüfpunkte, sondern gehören in die Konzeption: Zweck definieren, Einordnung je Funktion klären, Betriebsrat früh einbinden.

Die beste Zeiterfassung kombiniert deshalb eine saubere Datenbasis, nachvollziehbare Regeln und KI dort, wo sie echten Mehrwert bietet. Wer heute startet, baut zuerst Datenbasis und Prozesse sauber auf und ergänzt KI danach gezielt.

Häufige Fragen

Was kann KI in der Zeiterfassung heute wirklich?

Realistisch: Buchungen auf Plausibilität prüfen, ungewöhnliche Muster melden, Überstunden und Kapazitätsengpässe prognostizieren, Schichtpläne vorschlagen, Auswertungen in verständliche Texte übersetzen und Fragen zu Arbeitszeiten beantworten. Alles davon liefert Vorschläge und Hinweise. Entscheidungen über einzelne Beschäftigte gehören nicht dazu.

Kann KI Arbeitszeiten automatisch erfassen?

Die Erfassung selbst bleibt eine Buchung: stempeln per Terminal, App oder Browser. KI ersetzt das Stempeln nicht, sondern arbeitet mit den erfassten Daten, etwa indem sie fehlende Buchungen erkennt oder an das Ausstempeln erinnert. Eine vollautomatische Erfassung ohne aktive Buchung würde auf Dauerüberwachung hinauslaufen und wäre datenschutzrechtlich kaum haltbar.

Kann KI Überstunden erkennen und prognostizieren?

Erkennen ist Regelwerk: Ist die Sollzeit hinterlegt, zeigt das System Mehrarbeit ohne KI. Prognosen sind der eigentliche KI-Anwendungsfall: Aus historischen Salden, Saisonalität und Auslastung lässt sich abschätzen, wie sich Überstundenkonten entwickeln, sodass Unternehmen gegensteuern können, bevor Salden auflaufen.

Kann KI Arbeitszeitverstöße erkennen?

Verstöße gegen feste Grenzen (Ruhezeit, Pausen, Höchstarbeitszeit) erkennt bereits eine regelbasierte Prüfung zuverlässig. KI ergänzt das um Muster ohne feste Schwelle, etwa systematisch schrumpfende Pausenzeiten in einer Abteilung. In beiden Fällen gilt: Das System liefert Hinweise, die Bewertung übernimmt ein Mensch.

Darf der Arbeitgeber KI zur Kontrolle der Arbeitszeit einsetzen?

Zur Dokumentation und Prüfung der Arbeitszeit ja, im Rahmen von DSGVO und Mitbestimmung. Nicht zulässig ist es, unter dem Etikett Zeiterfassung eine umfassende Verhaltens- oder Leistungskontrolle aufzubauen, etwa durch Dauerüberwachung von Aktivität oder Standort. Maßstab sind Zweckbindung, Verhältnismäßigkeit und die Beteiligung des Betriebsrats.

Darf KI Mitarbeiter bewerten?

KI-gestützte Leistungsbewertung von Beschäftigten fällt unter die Hochrisiko-Anforderungen des EU AI Act und berührt zugleich Art. 22 DSGVO, sobald daraus Entscheidungen mit erheblicher Wirkung entstehen. Ohne wirksame menschliche Aufsicht, Transparenz und Mitbestimmung ist ein solcher Einsatz rechtlich nicht tragfähig. Für die Zeitwirtschaft gilt: Auswertungen ja, automatische Bewertungen einzelner Personen nein.

Was sagt die DSGVO zur KI-gestützten Zeiterfassung?

Sie verlangt Rechtsgrundlage, Zweckbindung, Datenminimierung und Transparenz; je nach Eingriffstiefe kommt eine Datenschutz-Folgenabschätzung dazu. Art. 22 DSGVO setzt zusätzlich Grenzen für ausschließlich automatisierte Entscheidungen mit erheblicher Wirkung. KI-Funktionen sind damit nicht verboten, müssen aber so gestaltet sein, dass Menschen mit echtem Spielraum entscheiden.

Ist KI in der Zeiterfassung nach dem EU AI Act erlaubt?

Grundsätzlich ja. Der AI Act verbietet einzelne Praktiken (etwa Emotionserkennung am Arbeitsplatz) und stellt für bestimmte Beschäftigungs-Anwendungsfälle wie Leistungsüberwachung und -bewertung hohe Anforderungen. Funktionen wie Prognosen oder Report-Generierung sind dagegen nicht automatisch Hochrisiko. Entscheidend ist die Einordnung je Funktion und Zweck.

Was muss der Betriebsrat bei KI in der Zeiterfassung beachten?

Der Betriebsrat hat nach § 87 Abs. 1 Nr. 6 BetrVG mitzubestimmen, sobald ein System geeignet ist, Verhalten oder Leistung zu überwachen. Sinnvoll ist eine Betriebsvereinbarung, die Datenarten, Zweck, aktivierte Funktionen, ausgeschlossene Auswertungen, Speicherfristen, Zugriffsrechte und den Umgang mit Modelländerungen regelt.

Woran erkenne ich echte KI im Vergleich zu einfachen Regeln?

Fragen Sie nach der Entscheidungslogik: Gibt es feste Schwellenwerte, ist es eine Regel. Lernt das System aus historischen Daten und liefert Wahrscheinlichkeiten, ist es ein Modell. Fragen Sie zusätzlich, wie oft es falsch liegt und was dann passiert. Anbieter, die darauf keine klare Antwort haben, verkaufen meist Etiketten.

Ab wann lohnt sich KI in der Zeiterfassung?

Als eigenständiges Projekt meist erst mit ausreichender Datenmenge und Historie, in der Praxis oft ab einer mittleren zweistelligen Zahl an Beschäftigten. Vorher liefern digitale Erfassung, automatische ArbZG-Hinweise und ein sauberer Lohnexport bereits den Großteil des Nutzens. Wer diese Basis hat, kann KI-Funktionen anschließend gezielt und mit messbarem Ziel ergänzen.