Wie Shanghai Jahwa WorkBuddy zum KI-Betriebsmodell für neun Abteilungen machte

Der bemerkenswerte Teil von Shanghai Jahwas WorkBuddy-Einsatz ist weniger die Schlagzeilenzahl als die Art der Skalierung. Das Unternehmen behandelte den KI-Agenten offenbar nicht als allgemeinen Chatbot, sondern überführte wiederkehrende, regelbasierte Aufgaben in getestete Workflows und wiederverwendbare „Skills“. So wurde Wissen, das zuvor bei einzelnen Beschäftigten lag, zu einer gemeinsam nutzbaren Ressource der Organisation. 4

Die Ergebnisse sind beachtlich, sollten aber mit der nötigen Einordnung gelesen werden: Die Effizienzangaben stammen aus veröffentlichten Unternehmensfallstudien und nicht aus einer unabhängigen Produktivitätsprüfung.

Vom Pilotprojekt zum Einsatz in neun Abteilungen

WorkBuddy startete Berichten zufolge im April 2026 bei den IT- und HR-Teams von Shanghai Jahwa. Anschließend ging der Agent in neun Abteilungen in den regulären Einsatz. Dazu gehörten unter anderem Lieferkette, Markenmarketing, Forschung und Entwicklung, Finanzen, Personalwesen und IT. Das Unternehmen meldet dabei eine durchschnittliche Effizienzsteigerung von mehr als 4,5-fach. 4

Die Skalierung folgte im Wesentlichen vier Schritten:

1. Wiederholbare Arbeit identifizieren: Jede Abteilung suchte Prozesse, die regelmäßig Datensammlung, Abgleich, Formatierung, Analyse oder Berichterstattung erfordern.
2. Geschäftsregeln in Workflows übersetzen: Die Beschäftigten zerlegten ihre Arbeitsweise in einzelne Schritte und nutzten WorkBuddy, um daraus Skripte oder strukturierte Skills zu erstellen.
3. Mit realen historischen Daten prüfen: Die Teams kontrollierten die Ergebnisse, korrigierten Fehler und ergänzten Sonderfälle, die beim Testen auftauchten.
4. Erfolgreiche Abläufe wiederverwenden: Sobald ein Workflow zuverlässig funktionierte, konnte er erneut ausgeführt und mit weiteren Beschäftigten oder Abteilungen geteilt werden.

Damit wurde die Einführung zu einer Aufgabe der Prozessgestaltung – und nicht bloß zur Installation einer neuen Software. Die Fachleute, die das Geschäft verstehen, blieben für Beurteilung und Qualitätskontrolle zuständig. Der Agent übernahm vor allem die wiederholbare Ausführung.

Wofür die Beschäftigten den Agenten einsetzen

Die gemeldeten Anwendungsfälle gingen weit über das Verfassen von Texten hinaus. Im zuletzt genannten Monat nutzten 67 Prozent der Anwender WorkBuddy für spezialisierte Fachaufgaben, 63 Prozent für Datenverarbeitung und -analyse sowie 57 Prozent für Automatisierung und Betrieb beziehungsweise Wartung. Diese Werte beschreiben den Anteil der Nutzer, nicht die jeweils eingesparte Arbeitszeit. 7

Zu den Beispielen bei Shanghai Jahwa gehörten:

• Forschung und Entwicklung: Recherche zu kosmetischen Inhaltsstoffen und geltenden Vorschriften.
• Finanzen: Überführung von Regeln zur Prüfung von Spesenabrechnungen in einen wiederholbaren Prozess sowie Erstellung von Berichten zur Vorauswahl von Investitionen.
• Personalwesen: Erinnerungen an das Ende von Probezeiten für Führungskräfte und Beschäftigte.
• Lieferkette: Automatische Aktualisierung von Produktions- und Werkshallen-Dashboards in mehreren Fertigungsbereichen.
• Markenmarketing: Ermittlung von Verbrauchererkenntnissen, Inhaltsanalyse und Erstellung von Marketingmaterialien.

Das Marketingteam wandelte Berichten zufolge zudem rund 70 Prozent seiner wöchentlichen Präsentations-Reviews in HTML-Seiten um. Diese konnten unternehmensweit geteilt, online aktualisiert und ohne den Versand einer neuen statischen Präsentation aufgerufen werden.

Das Lieferkettenbeispiel: 60 Millionen Abrechnungszeilen

Am deutlichsten wird das Modell bei der Abrechnung von Logistikkosten. Das B2C-Geschäft von Shanghai Jahwa nutzt Tmall, JD und Douyin. Kosten für Lagerung, Bearbeitung, Lieferung und weitere Leistungen waren dabei auf sieben ursprüngliche Abrechnungskategorien verteilt. Über 18 Monate wuchs der Datensatz auf rund 60 Millionen Zeilen an. Der monatliche, Excel-basierte Prozess dauerte zuvor fünf bis sechs Personentage; bei großen Dateien wurde die Bearbeitung zudem schwierig.

Zhang Ying, eine Managerin für Lieferkettenprozesse mit wirtschaftswissenschaftlichem Hintergrund und ohne Programmierkenntnisse, zerlegte den monatlichen Ablauf Berichten zufolge in kleinere Schritte. WorkBuddy erzeugte dafür Python-Skripte, die Zhang wiederholt anhand der historischen Daten aus den 18 Monaten testete. Wenn dabei Ausnahmen oder neue Geschäftsregeln sichtbar wurden, ergänzte sie diese in wiederverwendbaren Skills.

Die gemeldeten Veränderungen:

• Monatliche Abrechnungsanalyse: von zwei Personentagen auf 15 Minuten.
• Datengrundlage für das Schmetterlingsdiagramm: von einem Personentag auf zwei Minuten.
• Visuelles Dashboard: von 1,5 Personentagen auf drei Minuten.
• Gesamter monatlicher Ablauf: von fünf bis sechs Personentagen auf weniger als 20 Minuten.
• Höchster gemeldeter Gewinn bei einer Einzelaufgabe: bis zu 150-fach.

Das Ergebnis war also nicht lediglich eine schnellere Excel-Tabelle. Im fertigen Dashboard konnten Nutzer nach Dimensionen wie Marke, Plattform, Kostenart und durchschnittlichem Bestellwert filtern. Führungskräfte mussten nicht mehr auf die Neuerstellung eines Berichts warten, sondern konnten über einen Link die aktualisierten Ergebnisse aufrufen.

Warum sich der Einsatz ausweiten ließ

Der Fall deutet darauf hin, dass sich KI-Agenten in Unternehmen besonders dann verbreiten, wenn die ersten Anwendungsfälle drei Eigenschaften haben:

• Sie fallen häufig genug an, um Automatisierung zu rechtfertigen.
• Ihre Regeln lassen sich erklären und testen.
• Ihre Ergebnisse können mit vorhandenen Daten oder den Erwartungen des Geschäfts abgeglichen werden.

Die Abstimmung der Logistikabrechnungen passte besonders gut zu diesem Muster. Der Prozess war repetitiv und datenintensiv, erforderte aber weiterhin eine Person, die die Abrechnungsstruktur verstand, Ausnahmen erkannte und beurteilen konnte, ob das Ergebnis geschäftlich plausibel war. WorkBuddy beschleunigte die mechanische Arbeit, ohne diese fachliche Kontrolle überflüssig zu machen.

Dasselbe Prinzip kam offenbar in Finanzen, Personalwesen, Forschung und Entwicklung sowie im Marketing zum Einsatz. Die Abteilungen lieferten Kontext und Urteilskraft; der Agent half dabei, die wiederholbaren Bestandteile in Workflows zu bündeln, die erneut ausgeführt und teilweise breiter geteilt werden konnten. 4

Ein Produktivitätshebel – kein automatischer Jobersatz

Die praktische Aussage von Tencent fällt deshalb enger und zugleich belastbarer aus als die Behauptung, KI ersetze Büroangestellte. Die gemeldeten Effizienzgewinne entstanden dadurch, dass Fachleute Regeln festlegten, Ergebnisse prüften, Ausnahmen korrigierten und erfolgreiche Abläufe in wiederverwendbare organisatorische Bausteine verwandelten. 4

Der Unterschied ist entscheidend: Ein Chatbot liefert möglicherweise eine einmalige Antwort. Ein getesteter Skill kann dagegen festhalten, wie ein Unternehmen eine wiederkehrende Aufgabe erledigt. Der Nutzen wächst, wenn mehrere Abteilungen Workflows erstellen und gemeinsam verwenden, statt jede Automatisierung als isoliertes Experiment zu behandeln.

Die Schlagzeilenzahlen lassen sich dennoch nicht automatisch auf jedes Unternehmen oder jede Tätigkeit übertragen. Die vorliegenden Belege beschreiben gemeldete Ergebnisse von Shanghai Jahwa in ausgewählten Workflows. Sie belegen keine unabhängig geprüfte Produktivitätssteigerung von 4,5-fach für alle Beschäftigten. Die vorsichtigere und wahrscheinlich übertragbarere Lehre lautet: mit messbarer, wiederholbarer Arbeit beginnen, Fachleute in die Kontrolle einbinden, Ergebnisse an echten Daten prüfen und funktionierende Abläufe teilen.