Wie startet man ein KI-Projekt, ohne sich frühzeitig auf die falsche Lösung festzulegen?

Nicht mit der KI beginnen. Mit dem Problem.

Viele KI-Projekte beginnen mit einer technischen Idee.

Ein Unternehmen möchte einen Chatbot einsetzen, Dokumente automatisch verarbeiten oder einen KI-Assistenten für seine Mitarbeiter einführen.

Die Möglichkeiten sind beeindruckend. Doch bevor über Software, Anbieter oder KI-Modelle entschieden wird, sollte eine andere Frage beantwortet werden:

Welches konkrete Problem soll dadurch wirtschaftlich sinnvoll gelöst werden?

Denn nicht jede Aufgabe benötigt KI. Und nicht jede technisch erfolgreiche KI-Anwendung verbessert automatisch das Unternehmensergebnis.

Ein guter Einstieg beginnt deshalb mit dem Geschäftsprozess, nicht mit der Technologie.

Warum Unternehmen häufig mit der falschen Frage starten

Die rasante Entwicklung künstlicher Intelligenz erzeugt verständlicherweise Handlungsdruck.

Geschäftsführer sehen neue Anwendungen, Wettbewerber berichten über KI-Initiativen und Mitarbeiter experimentieren bereits mit verschiedenen Werkzeugen.

Schnell entsteht die Frage:

„Welche KI sollten wir einsetzen?“

Damit wird die Entscheidung über die Technologie getroffen, bevor ausreichend klar ist, welches Problem gelöst werden soll.

Das kann zu Anwendungen führen, die zwar funktionieren, aber im Arbeitsalltag wenig verändern.

Beispielsweise kann ein KI-Chatbot technisch überzeugende Antworten liefern. Wenn Kundenanfragen anschließend weiterhin manuell zugeordnet, geprüft und bearbeitet werden müssen, bleibt der eigentliche Verwaltungsaufwand möglicherweise bestehen.

Die bessere Ausgangsfrage lautet:

„Wo verlieren wir heute Zeit, Geschäft oder Qualität – und welche Veränderung würde uns wirtschaftlich wirklich weiterbringen?“

Ein typisches Beispiel aus der Unternehmenspraxis

Ein wachsendes Unternehmen erhält täglich zahlreiche Anfragen, Dokumente und Informationen per E-Mail.

Mitarbeiter lesen diese Nachrichten, prüfen Angaben, ordnen sie bestehenden Vorgängen zu und übertragen Informationen in verschiedene Systeme.

Die Geschäftsführung überlegt, einen KI-Assistenten einzuführen, der eingehende E-Mails automatisch beantwortet.

Bei genauerer Betrachtung zeigt sich jedoch:

Das Formulieren der Antworten ist gar nicht der größte Zeitfaktor.

Die meiste Arbeit entsteht durch fehlende Informationen, manuelle Zuordnung, Rückfragen und die Übertragung in vorhandene Anwendungen.

Ein Chatbot würde deshalb nur einen kleinen Teil des Problems lösen.

Eine sinnvollere Lösung könnte darin bestehen, Informationen bereits beim Eingang strukturiert zu erfassen, eindeutige Fälle automatisch weiterzuleiten und nur unklare Vorgänge zur Prüfung vorzulegen.

Dafür können klassische Automatisierung, verbesserte Abläufe und gezielt eingesetzte KI kombiniert werden.

Dieses Beispiel beschreibt eine anonymisierte, aus der Projektpraxis abgeleitete Problemkonstellation. Es ist kein Nachweis einer bereits realisierten Einsparung.

Schritt 1: Das Geschäftsproblem konkret beschreiben

Bevor ein KI-Projekt beginnt, sollte klar sein, was heute nicht zufriedenstellend funktioniert.

Dazu betrachten wir beispielsweise:

• Welche Aufgaben beanspruchen besonders viel Arbeitszeit?
• Wo entstehen regelmäßig Rückfragen oder Fehler?
• Welche Vorgänge bleiben liegen?
• Wo müssen Informationen mehrfach eingegeben werden?
• Welche Engpässe begrenzen zusätzliches Geschäft?
• Welche Aufgaben lassen sich trotz vorhandener Nachfrage nicht schneller bearbeiten?

Wichtig ist, die betroffenen Mitarbeiter einzubeziehen.

Sie kennen häufig Ausnahmen, informelle Abstimmungen und praktische Schwierigkeiten, die in einer offiziellen Prozessbeschreibung nicht vorkommen.

Am Ende sollte eine konkrete Problemdefinition stehen.

Nicht: „Wir wollen KI im Kundenservice.“

Sondern beispielsweise: „Unsere Mitarbeiter verbringen zu viel Zeit damit, unvollständige Kundenanfragen zu prüfen und fehlende Angaben einzuholen.“

Mit dieser Formulierung lässt sich bereits deutlich besser nach einer geeigneten Lösung suchen.

Schritt 2: Den tatsächlichen Arbeitsablauf verstehen

Ein Geschäftsproblem entsteht selten nur an einer einzelnen Stelle.

Deshalb betrachten wir den vollständigen Ablauf vom auslösenden Ereignis bis zum abgeschlossenen Vorgang.

Dabei klären wir:

Wer beginnt den Prozess? Welche Informationen werden benötigt? Welche Entscheidungen müssen getroffen werden? Welche Systeme sind beteiligt? Wo entstehen Wartezeiten, Fehler oder Rückfragen?

Besonders wichtig sind die Übergaben zwischen Personen und Abteilungen.

Oft funktioniert jeder einzelne Arbeitsschritt für sich genommen gut. Die Schwierigkeiten entstehen erst durch fehlende Informationen, unterschiedliche Erwartungen oder unklare Zuständigkeiten.

Eine Prozessanalyse hilft, diese Zusammenhänge sichtbar zu machen.

Sie verhindert zugleich, dass lediglich ein bestehender, unnötig komplizierter Ablauf automatisiert wird.

Ein schlechter Prozess wird durch KI nicht automatisch zu einem guten Prozess.

Schritt 3: Den wirtschaftlichen Nutzen abschätzen

Bevor eine technische Lösung ausgewählt wird, sollte die wirtschaftliche Größenordnung des Problems bekannt sein.

Dafür benötigen wir keine perfekte Datengrundlage.

Häufig genügen zunächst wenige Kennzahlen:

• Wie oft tritt der Vorgang auf?
• Wie lange dauert seine Bearbeitung?
• Wie viel zusätzliche Arbeit entsteht durch Fehler und Rückfragen?
• Welche Kosten verursacht der heutige Ablauf?
• Welche Kapazität könnte durch eine Verbesserung frei werden?
• Welche zusätzlichen Aufträge könnten dadurch bearbeitet werden?

Auf dieser Grundlage lässt sich abschätzen, ob ein Projekt wirtschaftlich interessant ist.

Dabei muss zwischen freigesetzter Arbeitszeit, tatsächlich vermiedenen Kosten und zusätzlichem Deckungsbeitrag unterschieden werden.

Wenn Mitarbeiter durch eine Automatisierung monatlich 50 Stunden weniger Verwaltungsarbeit leisten müssen, ist das zunächst eine Kapazitätsverbesserung.

Ein höherer Gewinn entsteht beispielsweise dann, wenn diese Kapazität für zusätzliches profitables Geschäft genutzt werden kann oder tatsächliche Ausgaben entfallen.

Diese Unterscheidung sollte bereits vor Projektbeginn getroffen werden.

Schritt 4: Unterschiedliche Lösungswege vergleichen

Erst jetzt sollte die Entscheidung über die Technologie beginnen.

Grundsätzlich kommen vier Lösungswege infrage.

A. Den Prozess organisatorisch verbessern

Manchmal reichen klarere Zuständigkeiten, weniger Freigabeschritte oder einheitliche Eingaberegeln.

Wenn sich das Problem dadurch ausreichend lösen lässt, ist zusätzliche Software möglicherweise unnötig.

B. Bestehende Software besser nutzen

Viele Unternehmen besitzen bereits Anwendungen, deren Möglichkeiten nicht vollständig ausgeschöpft werden.

Zusätzliche Formulare, Regeln, Schnittstellen oder vorhandene Automatisierungsfunktionen können ausreichen.

C. Klassische Automatisierung einsetzen

Wenn Entscheidungen auf eindeutigen Regeln beruhen, ist klassische Automatisierung häufig die einfachere und zuverlässigere Lösung.

Beispielsweise lassen sich Pflichtfelder, Datumsprüfungen oder feste Freigaberegeln meist ohne generative KI umsetzen.

D. KI gezielt ergänzen

KI ist besonders interessant, wenn Informationen interpretiert, unstrukturierte Inhalte verarbeitet oder komplexe Zusammenhänge bewertet werden müssen.

Dazu gehören beispielsweise:

• Informationen aus Dokumenten extrahieren
• Eingehende Nachrichten klassifizieren
• Texte zusammenfassen oder vorbereiten
• Informationen aus unterschiedlichen Quellen vergleichen
• Mitarbeiter bei fachlichen Entscheidungen unterstützen

Dabei müssen Genauigkeit, Datenschutz, Kosten und notwendige menschliche Kontrollen berücksichtigt werden.

Die beste Lösung kann aus mehreren dieser Ansätze bestehen.

Es ist kein Nachteil, wenn am Ende weniger KI benötigt wird als ursprünglich gedacht.

Entscheidend ist, dass das Problem wirtschaftlich sinnvoll gelöst wird.

Schritt 5: Mit einem begrenzten Anwendungsfall beginnen

Statt unmittelbar eine unternehmensweite KI-Plattform oder umfangreiche Individualsoftware einzuführen, ist häufig ein begrenzter erster Anwendungsfall sinnvoll.

Dieser sollte drei Eigenschaften besitzen:

Er ist wirtschaftlich relevant, fachlich überschaubar und unter realistischen Bedingungen überprüfbar.

Beispielsweise könnte zunächst nur eine bestimmte Dokumentenart automatisch verarbeitet werden.

Oder ein einzelner Freigabeprozess wird digitalisiert, bevor weitere Abteilungen angeschlossen werden.

Der Vorteil:

Das Unternehmen kann früh erkennen, ob die Lösung im tatsächlichen Arbeitsalltag funktioniert.

Dabei werden auch Probleme sichtbar, die in einer technischen Demonstration häufig verborgen bleiben.

Dazu gehören unvollständige Daten, Sonderfälle, fehlende Schnittstellen oder zusätzliche Anforderungen der Mitarbeiter.

Ein Pilot sollte deshalb nicht nur die technische Funktion zeigen.

Er sollte nachweisen, ob der veränderte Ablauf unter realistischen Bedingungen einen praktischen Nutzen erzeugt.

Schritt 6: Datenschutz und Sicherheit von Anfang an berücksichtigen

KI-Anwendungen verarbeiten häufig Unternehmensinformationen, personenbezogene Daten oder vertrauliche Dokumente.

Deshalb müssen bereits vor einem Pilotprojekt geeignete Rahmenbedingungen geklärt werden.

Dazu gehören insbesondere:

• Welche Daten werden verarbeitet?
• Welche Personen und Systeme dürfen darauf zugreifen?
• Wo werden Daten gespeichert und verarbeitet?
• Werden Daten an externe KI-Anbieter übermittelt?
• Welche vertraglichen und datenschutzrechtlichen Anforderungen gelten?
• Welche Informationen dürfen protokolliert werden?
• Wie werden Fehler und unberechtigte Zugriffe erkannt?
• Wer trägt die fachliche Verantwortung für Ergebnisse?

Je nach Anwendungsfall können zusätzliche rechtliche Anforderungen gelten.

Ein Pilotprojekt ist keine Ausnahme von den notwendigen Datenschutz- und Sicherheitsmaßnahmen.

Es muss allerdings auch nicht jede spätere Ausbaustufe bereits vollständig vorwegnehmen.

Entscheidend ist ein angemessener, sicherer Rahmen für den tatsächlich geplanten Einsatz.

Schritt 7: Den Erfolg anhand realer Ergebnisse überprüfen

Nach der Einführung sollte nicht allein gefragt werden, ob die KI funktioniert.

Entscheidend ist, ob sich der Arbeitsablauf verbessert hat.

Geeignete Kennzahlen können sein:

• Bearbeitungszeit pro Vorgang
• Durchlaufzeit vom Eingang bis zum Abschluss
• Anzahl notwendiger Rückfragen
• Anteil automatisch bearbeiteter Vorgänge
• Fehler- und Nacharbeitsquote
• Nutzung durch die Mitarbeiter
• Tatsächlich vermiedene Ausgaben
• Zusätzlicher wirtschaftlicher Ergebnisbeitrag
• Laufende Kosten der Lösung

Die Kennzahlen sollten möglichst bereits vor der Umsetzung festgelegt werden.

So lässt sich später nachvollziehen, ob die ursprünglichen Annahmen eingetroffen sind.

Erst wenn der Nutzen ausreichend belegt ist, sollte über einen breiteren Ausbau entschieden werden.

Welche Fehler sollten Unternehmen vermeiden?

KI als Selbstzweck einführen

Eine KI-Anwendung ist kein wirtschaftlicher Erfolg, nur weil sie technisch beeindruckend ist.

Den bestehenden Prozess ungeprüft automatisieren

Wenn unnötige Arbeitsschritte einfach digital nachgebildet werden, bleibt ein großer Teil des Verbesserungspotenzials ungenutzt.

Die Mitarbeiter zu spät einbeziehen

Die Menschen, die täglich mit dem Prozess arbeiten, kennen häufig die entscheidenden Ausnahmen und Schwierigkeiten.

Nur die Anschaffungskosten betrachten

Ein realistischer Kostenrahmen berücksichtigt auch Integration, Betrieb, Pflege, Qualitätssicherung und fachliche Kontrollen.

Mit zu vielen Anwendungsfällen gleichzeitig beginnen

Ein großer Projektumfang erschwert es, Ursachen und Ergebnisse eindeutig zu bewerten.

Den wirtschaftlichen Nutzen nicht überprüfen

Ohne Vorher-Nachher-Vergleich bleibt unklar, ob eine Veränderung tatsächlich erfolgreich war.

Muss ein Unternehmen bereits KI-Erfahrung besitzen?

Nein.

Für einen wirtschaftlich sinnvollen Einstieg ist zunächst wichtiger, dass das Unternehmen seine Ziele, Abläufe und Herausforderungen ausreichend beschreiben kann.

Technische Kenntnisse und organisatorische Fähigkeiten können im Verlauf des Projekts aufgebaut werden.

Allerdings benötigen Mitarbeiter, die KI-Anwendungen einsetzen oder überwachen, angemessene Kenntnisse über deren Möglichkeiten, Grenzen und Risiken.

Eine nachhaltige KI-Einführung verbindet deshalb technische Umsetzung mit Qualifizierung und klaren Verantwortlichkeiten.

Wann lohnt sich externe Unterstützung?

Externe Unterstützung kann besonders sinnvoll sein, wenn mehrere Abteilungen beteiligt sind, die technische Lösung noch unklar ist oder das Unternehmen unterschiedliche Handlungsoptionen wirtschaftlich vergleichen möchte.

Ein externer Blick kann helfen, eingespielte Annahmen zu hinterfragen und Zielkonflikte zwischen Abteilungen sichtbar zu machen.

Wichtig ist, dass die Beratung nicht von Anfang an auf den Verkauf einer bestimmten Software ausgerichtet ist.

Eine gute Empfehlung kann auch lauten, zunächst organisatorische Probleme zu lösen, vorhandene Systeme besser zu nutzen oder ein Vorhaben nicht weiterzuverfolgen.

Fazit: Erst verstehen, dann entscheiden

Der richtige Einstieg in KI beginnt nicht mit der Auswahl eines Tools, sondern mit einem wirtschaftlich relevanten Problem.

Wer den tatsächlichen Ablauf versteht, den möglichen Nutzen bewertet und verschiedene Lösungswege vergleicht, kann fundierter entscheiden.

Das reduziert das Risiko unnötiger Investitionen und erhöht die Chance, dass aus einer technischen Idee eine im Alltag wirksame Verbesserung wird.

Mit KI Potential to Profit unterstützt moguru Unternehmen dabei, genau diesen Weg zu gehen: vom Verständnis des Geschäftsproblems über die wirtschaftliche Bewertung bis zur begrenzten Umsetzung und Überprüfung der Wirkung.

Nicht jedes Problem benötigt KI.

Aber jedes KI-Projekt sollte ein nachvollziehbares Problem lösen.