💻 Webseite
Bei KI-Projekten richtet sich der Blick häufig zuerst auf die Technologie: Welches Modell ist das richtige? Welcher KI-Assistent eignet sich für den Vertrieb? Brauchen wir einen Telefonbot? Welche Plattform sollten wir einsetzen?
Doch genau hier beginnt häufig das Problem. Denn bevor Unternehmen über konkrete KI-Lösungen sprechen, sollten sie zunächst eine andere Frage beantworten: Was wollen wir eigentlich verbessern – und warum?
Die größten Herausforderungen bei KI-Projekten liegen oftmals nicht in der technischen Umsetzung. Sie entstehen durch eine fehlende Strategie, unklare Prozesse, eine ungeeignete Datenbasis oder dadurch, dass die betroffenen Mitarbeitenden zu spät einbezogen werden.
Wer KI nachhaltig im Unternehmen etablieren möchte, sollte deshalb nicht mit der Technologie beginnen, sondern mit einer strukturierten Vorgehensweise.
#1 Erst die Strategie, dann die Technologie
Ein KI-Projekt lässt sich mit einem Bauvorhaben vergleichen. Niemand würde sinnvollerweise mit dem Dach beginnen, bevor Fundament, Statik und Planung geklärt sind.
Bei KI ist es nicht anders.
Bevor Unternehmen einzelne Anwendungen auswählen, sollten sie zunächst ihren eigenen Status analysieren. Wo steht das Unternehmen heute? Welche Prozesse existieren? Wo entstehen wiederkehrende Aufwände? Welche Tätigkeiten sind besonders zeitintensiv? Wo treten Qualitätsprobleme auf? Und an welchen Stellen könnte KI tatsächlich einen relevanten Beitrag leisten?
Die entscheidende Frage lautet deshalb nicht: „Welche KI können wir einsetzen?“
Sondern: „Welche Potenziale wollen wir mit KI erschließen?“
Diese Reihenfolge verändert die gesamte Herangehensweise. Technologie wird nicht länger zum Ausgangspunkt des Projekts, sondern zum Werkzeug für ein zuvor definiertes Ziel.
#2 Zwei grundsätzlich unterschiedliche KI-Ziele
Bei der Entwicklung einer KI-Strategie sollten Unternehmen zunächst zwischen zwei grundlegenden Einsatzrichtungen unterscheiden.
Die erste betrifft die Optimierung interner Prozesse. KI kann beispielsweise dazu beitragen, Tätigkeiten schneller auszuführen, manuelle Aufwände zu reduzieren, Qualität zu erhöhen oder vorhandene Prozesse effizienter zu gestalten.
Das betrifft unter anderem administrative Abläufe, Vertrieb, Service, Produktion, Dokumentation oder interne Wissensprozesse.
Die zweite Richtung betrifft Produkte, Geschäftsmodelle und Märkte. Hier stellt sich die Frage, ob KI Bestandteil eines bestehenden Produktes werden kann, neue Leistungen ermöglicht oder sogar neue Geschäftsmodelle entstehen lässt.
Beide Bereiche bieten große Chancen, unterscheiden sich aber deutlich in ihrer Umsetzung.
Insbesondere wenn Unternehmen KI-basierte Produkte auf den Markt bringen, entstehen zusätzliche Anforderungen. Denn mit dem Produkt übernehmen Unternehmen auch Verantwortung für dessen Funktionsweise, Qualität und Einsatz.
Deshalb sollte bereits zu Beginn klar sein, welches strategische Ziel verfolgt wird.
#3 Prozesse verstehen, bevor sie automatisiert werden
Gerade bei internen KI-Projekten ist die organisatorische Ausgangssituation entscheidend.
Unternehmen sollten zunächst verstehen, welche Prozesse tatsächlich existieren und wie diese heute funktionieren. Denn einen schlechten oder unklaren Prozess lediglich mit KI auszustatten, macht ihn nicht automatisch besser.
Deshalb lohnt sich eine strukturierte Bestandsaufnahme:
Welche Arbeitsschritte werden durchgeführt? Welche Informationen werden benötigt? Wo entstehen Medienbrüche? Welche Aufgaben wiederholen sich regelmäßig? Wo entstehen Wartezeiten oder Fehler? Welche Tätigkeiten sind besonders ressourcenintensiv?
Erst wenn diese Fragen beantwortet sind, lassen sich sinnvolle Potenziale identifizieren.
Dabei geht es nicht darum, möglichst viele KI-Projekte zu finden. Viel wichtiger ist es, diejenigen Anwendungsfälle zu identifizieren, bei denen ein konkreter Nutzen entstehen kann.
#4 Ohne geeignete Datenbasis funktioniert auch die beste KI nicht
Neben den Prozessen spielen Daten eine zentrale Rolle.
Viele KI-Anwendungen funktionieren nur dann zuverlässig, wenn die zugrunde liegenden Informationen verfügbar, zugänglich und ausreichend hochwertig sind.
Deshalb gehört zur Vorbereitung eines KI-Projekts immer auch die Frage: Welche Daten haben wir überhaupt?
Sind diese Daten vollständig? Sind sie strukturiert? Können sie genutzt werden? Sind unterschiedliche Systeme miteinander verbunden? Und besitzen die Daten eine Qualität, die für den geplanten Anwendungsfall ausreicht?
Eine leistungsfähige KI-Technologie kann organisatorische und qualitative Defizite in der Datenbasis nicht einfach kompensieren.
Deshalb sollten Unternehmen Daten nicht erst dann betrachten, wenn bereits eine Technologie ausgewählt wurde. Die Datenanalyse gehört an den Anfang der Vorgehensweise.
#5 Die Mitarbeitenden kennen die tatsächlichen Potenziale
Ein weiterer entscheidender Erfolgsfaktor sind die Menschen, die mit den betroffenen Prozessen arbeiten.
Sie kennen die täglichen Abläufe, wiederkehrenden Probleme und unnötigen Aufwände häufig besser als jeder externe Technologieanbieter.
Deshalb sollten genau diese Personen frühzeitig einbezogen werden.
Sie können nicht nur wertvolle Hinweise darauf geben, wo sinnvolle KI-Potenziale liegen. Sie sind später häufig auch diejenigen, die eine neue Lösung im Arbeitsalltag einsetzen sollen.
Dadurch verändert sich auch die Rolle der Mitarbeitenden. Sie sind nicht lediglich Anwender einer fertigen Technologie, sondern wichtige Stakeholder bei der Entwicklung und Bewertung des Use Cases.
Das erhöht nicht nur die Qualität des Projekts, sondern erleichtert auch dessen spätere Einführung.
#6 Erst jetzt kommt die Auswahl der Technologie
Wenn Ziele, Prozesse, Daten und beteiligte Personen geklärt sind, beginnt die Suche nach der passenden technologischen Lösung.
Genau diese Reihenfolge ist entscheidend.
In vielen Unternehmen läuft sie umgekehrt. Ein Problem wird erkannt und unmittelbar eine KI-Lösung dafür gesucht: Probleme bei der telefonischen Erreichbarkeit führen zum Telefonbot. Herausforderungen im Vertrieb führen zum KI-Vertriebsassistenten.
Doch damit wird häufig bereits eine Lösung definiert, bevor das eigentliche Problem ausreichend verstanden wurde.
Eine bessere Vorgehensweise lautet:
Zunächst das Potenzial analysieren. Danach den konkreten Anwendungsfall definieren. Und erst anschließend die Technologie auswählen, die diesen Anwendungsfall bestmöglich unterstützt.
Wie es treffend formuliert werden kann: „Die Reihenfolge und die Vorgehensweise sind wichtiger noch als die Technologie.“
#7 Mit einem klar definierten Use Case starten
Nach der Analyse sollte nicht sofort ein groß angelegtes Transformationsprojekt beginnen.
Sinnvoller ist ein klar abgegrenzter erster Use Case.
Dieser sollte konkret genug sein, damit sich Veränderungen tatsächlich beobachten und bewerten lassen. Gleichzeitig sollte er einen ausreichend relevanten Nutzen besitzen, damit daraus Erkenntnisse für weitere KI-Projekte entstehen können.
Auch in dieser Phase sollten die beteiligten Mitarbeitenden eingebunden werden.
Sie können beurteilen, ob die neue Lösung tatsächlich besser funktioniert als der bisherige Prozess. Wird die Arbeit schneller? Verbessert sich die Qualität? Reduziert sich der Aufwand? Oder verlagert sich das Problem lediglich an eine andere Stelle?
Eine KI-Lösung ist nicht erfolgreich, weil sie technisch funktioniert. Sie ist erfolgreich, wenn sie den vorgesehenen Prozess nachweislich verbessert.
#8 Nutzen und Wirtschaftlichkeit messbar machen
Nach der Einführung beginnt deshalb eine weitere wichtige Phase: die Messung.
Unternehmen sollten bereits vor der Umsetzung definieren, woran sie den Erfolg des Projektes erkennen wollen.
Das können beispielsweise Kennzahlen zur Bearbeitungszeit, Qualität, Fehlerquote, Kundenzufriedenheit, Produktivität oder zu eingesparten Kosten sein.
Auch der Return on Investment sollte betrachtet werden.
Was wurde investiert? Was hat sich verändert? Welcher konkrete Nutzen ist entstanden?
Erst dadurch lässt sich beurteilen, ob sich ein KI-Projekt tatsächlich gelohnt hat.
Gleichzeitig entsteht eine belastbare Grundlage für zukünftige Entscheidungen. Statt über abstrakte Potenziale zu sprechen, kann das Unternehmen mit konkreten Ergebnissen arbeiten.
#9 Erfolgreiche Projekte schaffen neue Ideen
Ein erfolgreicher erster Use Case besitzt noch einen weiteren Effekt.
Er zeigt im Unternehmen, wie KI praktisch eingesetzt werden kann.
Aus einer abstrakten Diskussion über künstliche Intelligenz wird ein konkretes Beispiel: Ein bestimmter Prozess wurde analysiert, ein Potenzial identifiziert, eine Lösung umgesetzt und der Nutzen gemessen.
Solche Beispiele können intern als Best Practice dienen.
Mitarbeitende aus anderen Bereichen erkennen dadurch häufig selbst neue Möglichkeiten. Sie beginnen zu überlegen, welche vergleichbaren Probleme in ihren eigenen Prozessen existieren und wo sich weitere Use Cases entwickeln lassen.
Damit entsteht schrittweise eine KI-Transformation aus dem Unternehmen heraus.
Nicht die möglichst schnelle Einführung vieler Tools steht im Mittelpunkt, sondern eine systematische Fähigkeit, relevante KI-Anwendungsfälle zu erkennen, umzusetzen und zu skalieren.
#10 Fazit: Entwickeln Sie zuerst Ihre Vorgehensweise
Wenn Sie KI erfolgreich im Unternehmen einsetzen möchten, beginnen Sie nicht mit der Suche nach einem Tool.
Beginnen Sie mit Ihrem Unternehmen.
Definieren Sie zunächst, welche strategischen Ziele Sie mit KI verfolgen. Analysieren Sie anschließend Ihre Prozesse und Ihre Datenbasis. Beziehen Sie die Menschen ein, die diese Prozesse täglich kennen und später mit möglichen Lösungen arbeiten werden.
Identifizieren Sie daraus einen konkreten Use Case und suchen Sie erst dann nach der passenden Technologie.
Setzen Sie diesen Anwendungsfall kontrolliert um und definieren Sie vorher, anhand welcher Kennzahlen Sie seinen Erfolg messen. Wenn der Nutzen nachweisbar ist, machen Sie das Projekt im Unternehmen sichtbar und übertragen Sie die gewonnenen Erkenntnisse auf weitere Bereiche.
Auf diese Weise entsteht keine Ansammlung einzelner KI-Tools, sondern eine belastbare KI-Strategie.
Denn langfristig entscheidet nicht allein die Leistungsfähigkeit der Technologie über den Erfolg eines KI-Projekts. Entscheidend ist, wie strukturiert Sie auf dem Weg dorthin vorgehen.
#TheYellowShoes
Mein Name ist Prof. Dr. Markus Haid und als Digitalisierungsexperte begleite ich Unternehmen auf Ihrem Weg in die Digitalisierung.
Kommen Sie gerne auf mich zu und vereinbaren ein erstes kostenloses Beratungsgespäch: https://markushaid.onepage.me/funnel
Lassen Sie uns vernetzen:
TheYellowShoes @ Social Media
Sie finden die gelben Schuhe auch auf weiteren Social Media Kanälen. Lass Sie uns doch auch dort in Verbindung bleiben:
