KI im Unternehmen einführen: Ein Fahrplan für Geschäftsführer

Künstliche Intelligenz ist in vielen Unternehmen längst auf der Agenda: Erste Tools werden ausprobiert, Mitarbeiter nutzen KI im Arbeitsalltag und Ideen für mögliche Anwendungen gibt es meist genug. Schwieriger wird es bei der Frage, wie daraus ein sinnvoller Einsatz im Unternehmen entsteht.

Wo lohnt sich eine Investition wirklich? Welcher Anwendungsfall sollte zuerst umgesetzt werden? Welche Voraussetzungen braucht es und wie verhindert man, dass viel Zeit und Budget in einem Pilotprojekt stecken, das anschließend nicht weiterkommt?

Für Geschäftsführer ist deshalb weniger entscheidend, jede neue KI-Technologie zu verstehen - wichtiger ist ein strukturiertes Vorgehen, das den geschäftlichen Nutzen in den Mittelpunkt stellt.

Wie führt man KI im Unternehmen ein?

Eine erfolgreiche KI-Einführung beginnt nicht mit der Auswahl eines Tools, sondern mit einem konkreten geschäftlichen Ziel oder Problem. Anschließend werden mögliche Anwendungsfälle identifiziert und nach Nutzen, Machbarkeit, Aufwand und Risiko bewertet. Erst dann geht es um Technologie, Daten und die eigentliche Umsetzung.

Ein sinnvoller Weg sieht beispielsweise so aus:

Geschäftsproblem → KI-Potenziale → Priorisierung → Voraussetzungen → Pilotprojekt → Business Case → produktiver Betrieb → Skalierung

Dabei muss nicht von Anfang an eine vollständige KI-Strategie für das gesamte Unternehmen stehen. Ein klar abgegrenzter und wirtschaftlich relevanter Anwendungsfall kann ein guter Einstieg sein.

1. Nicht mit KI beginnen, sondern mit dem Geschäftsproblem

„Wir müssen etwas mit KI machen“ ist verständlich, aber noch kein guter Ausgangspunkt für ein Projekt. Sinnvoller ist es, zunächst auf die eigenen Abläufe und mögliche Probleme zu schauen. Wo entstehen heute hohe Kosten? Welche Tätigkeiten beanspruchen viel Zeit? Wo fehlen Fachkräfte? Welche Prozesse dauern unnötig lange? Wo ist wichtiges Wissen nur in den Köpfen einzelner Mitarbeiter vorhanden? Welche Daten werden gesammelt, aber kaum genutzt? Aus solchen Problemen entstehen meist die besseren KI-Anwendungsfälle.

Ein Beispiel: „Wir möchten E-Mails mit KI beantworten“ beschreibt zunächst nur eine technische Idee. Interessanter wird die Frage, wenn ein Unternehmen jährlich mehrere Tausend ähnliche Serviceanfragen manuell bearbeitet und dadurch erhebliche Kapazitäten gebunden sind. Dann gibt es ein konkretes Problem, dessen Verbesserung sich später auch messen lässt.

2. KI-Potenziale im Unternehmen identifizieren

KI kann an sehr unterschiedlichen Stellen Mehrwert schaffen. Für die erste Betrachtung hilft es, weniger in Technologien und stärker in wirtschaftlichen Hebeln zu denken.

Typische Ziele sind etwa:

• manuelle Aufwände und Prozesskosten reduzieren,
• Bearbeitungszeiten verkürzen,
• Wissen schneller verfügbar machen,
• Entscheidungen mit vorhandenen Daten verbessern,
• Fehler reduzieren oder
• zusätzliche Kapazitäten für wertschöpfende Aufgaben schaffen.

Daraus können ganz unterschiedliche Lösungen entstehen. In einem Unternehmen kann ein Wissensassistent sinnvoll sein, in einem anderen die automatische Verarbeitung von Dokumenten. Anderswo liefern Machine-Learning-Modelle bessere Prognosen oder KI unterstützt Entwickler bei der Arbeit mit komplexer Software.

3. Nicht jede gute Idee ist ein guter KI-Use-Case

In Workshops entstehen schnell zehn, zwanzig oder mehr Ideen und alle gleichzeitig zu verfolgen, ist selten sinnvoll.

Deshalb sollten mögliche KI-Projekte vor der Umsetzung bewertet und priorisiert werden. Fünf Fragen helfen dabei:

Außerdem lohnt sich der Blick auf die Skalierbarkeit, denn eine Lösung, die später auf mehrere Abteilungen oder Prozesse übertragen werden kann, kann strategisch interessanter sein als ein isolierter Anwendungsfall.

4. Prüfen, ob die Voraussetzungen stimmen

Nicht jedes Unternehmen muss zunächst eine große KI-Infrastruktur aufbauen. Die notwendigen Voraussetzungen hängen stark vom jeweiligen Anwendungsfall ab.

Trotzdem sollten einige Punkte vor Projektbeginn geklärt sein. Welche Daten werden benötigt und wo liegen sie? Können bestehende Systeme angebunden werden? Wer darf auf welche Informationen zugreifen? Gibt es besondere Anforderungen an Datenschutz oder Informationssicherheit? Und wer übernimmt intern die Verantwortung für das Projekt? Gerade die Datenfrage wird häufig unterschätzt. Sind Informationen auf verschiedene Systeme verteilt, schlecht gepflegt oder gar nicht digital verfügbar, kann die Vorbereitung mehr Aufwand verursachen als zunächst erwartet.

Das ist aber kein Grund, ein KI-Projekt grundsätzlich zu verschieben. Ein Unternehmen muss nicht vollständig „KI-ready“ sein. Die Voraussetzungen müssen zunächst für den ausgewählten Anwendungsfall stimmen.

5. KI kaufen, integrieren oder individuell entwickeln?

Gegenfrage: Wie viel Individualität brauchen wir, damit der wirtschaftliche Nutzen entsteht? Nicht jede KI-Lösung muss immer individuell entwickelt werden, denn für standardisierte Aufgaben kann eine bestehende Software vollkommen ausreichen. Das gilt insbesondere dann, wenn sich der eigene Prozess kaum von dem anderer Unternehmen unterscheidet.

Anders sieht es aus, wenn KI auf internes Wissen zugreifen, mit bestehenden Anwendungen kommunizieren oder einen individuellen Geschäftsprozess unterstützen soll. Dann kann es sinnvoll sein, vorhandene KI-Modelle oder Plattformen mit den eigenen Systemen zu verbinden.

6. Klein starten, aber nicht mit einem Spielzeug-Pilotprojekt

Ein Pilotprojekt ist sinnvoll, um Annahmen zu überprüfen und Erfahrungen zu sammeln. Allerdings sollte bereits vor dem Start klar sein, was eigentlich getestet werden soll.

Damit lässt sich nach dem Pilotprojekt nicht nur sagen, dass die Technologie funktioniert, sondern auch, ob sie für das Unternehmen einen messbaren Mehrwert bietet.

Mögliche KPIs könnten sein: Wie stark soll die Bearbeitungszeit sinken? Welche Qualität muss die KI erreichen? Wie viele Vorgänge können automatisiert werden? Wie häufig ist weiterhin ein menschlicher Eingriff notwendig?

7. Was kostet ein KI-Projekt wirklich?

Neben Lizenz- oder Entwicklungskosten, können zu den einmaligen Aufwänden Analyse, Datenaufbereitung, Entwicklung, Integration und Einführung gehören. Im laufenden Betrieb entstehen je nach Lösung Kosten für Modelle, Infrastruktur, Lizenzen, Monitoring, Wartung und Weiterentwicklung.

Dem gegenüber steht der erwartete Nutzen, wie z.B. eingesparte Arbeitszeit, geringere Fehlerkosten, kürzere Durchlaufzeiten oder zusätzliche Kapazitäten.

Ein einfaches Beispiel: Spart eine Lösung pro Vorgang fünf Minuten und wird der Prozess 20.000-mal im Jahr durchgeführt, entspricht das bereits mehr als 1.600 eingesparten Arbeitsstunden. Erst mit solchen Größenordnungen lässt sich sinnvoll beurteilen, welches Budget für die Lösung gerechtfertigt ist.

Nicht jeder Nutzen lässt sich dabei direkt in Euro übersetzen. Schnellere Reaktionszeiten, besser verfügbares Wissen oder eine geringere Abhängigkeit von einzelnen Mitarbeitern können ebenfalls wichtige Faktoren sein. Sie sollten jedoch möglichst konkret beschrieben werden.

8. Datenschutz, Informationssicherheit & EU AI ACT

Spätestens wenn KI auf interne Daten oder Unternehmenssysteme zugreift, werden Datenschutz, Informationssicherheit und Verantwortlichkeiten relevant.

Daher ist es wichtig möglichst früh zu klaren: Welche Daten verarbeitet die KI? Wo werden sie verarbeitet? Wer darf auf welche Informationen und Funktionen zugreifen? Und wer ist verantwortlich, wenn die KI falsche Ergebnisse liefert oder unerwünschte Aktionen ausführt?

Hinzu kommen regulatorische Anforderungen, beispielsweise aus dem EU AI Act, sowie bestehende Vorgaben des Unternehmens.

9. Der eigentliche Test beginnt nach dem Pilotprojekt

Im Pilotprojekt arbeiten häufig wenige Personen mit einer begrenzten Datenmenge und unter kontrollierten Bedingungen. Im Alltag muss die Lösung dagegen zuverlässig mit bestehenden Systemen funktionieren, Berechtigungen berücksichtigen, Fehler behandeln und auch bei steigender Nutzung stabil bleiben. Außerdem braucht es klare Verantwortlichkeiten. Wer überwacht die Lösung? Wer reagiert auf Fehler? Wie werden Änderungen vorgenommen? Wie werden Kosten kontrolliert? Und wie wird überprüft, ob die Qualität auch nach mehreren Monaten noch stimmt? Und auch die Mitarbeiter spielen eine wichtige Rolle. Eine technisch gute Lösung schafft wenig Nutzen, wenn sie nicht in den tatsächlichen Arbeitsprozess integriert oder von den Anwendern nicht akzeptiert wird.

10. Die KI-Roadmap

Ein möglicher Ablauf für die ersten zwölf Monate kann beispielsweise so aussehen:

Monat 1–2: Ziele und KI-Potenziale identifizieren
Monat 2–3: Use Cases bewerten und priorisieren
Monat 3–5: Voraussetzungen schaffen und Pilot umsetzen
Monat 5–6: Ergebnisse und Business Case bewerten
Monat 6–9: erfolgreiche Lösung produktiv integrieren
Monat 9–12: Erfahrungen übertragen und weitere Use Cases angehen

Braucht jedes Unternehmen eine KI-Strategie?

Nicht jedes Unternehmen braucht zu Beginn ein umfangreiches Strategiedokument. Es braucht aber Klarheit darüber, warum KI eingesetzt werden soll, welche Projekte Priorität haben und welche Leitplanken gelten.

Gerade für mittelständische Unternehmen kann ein pragmatischer Ansatz sinnvoll sein: Ausgangssituation bewerten, wenige relevante Use Cases auswählen, einen davon unter realistischen Bedingungen testen und anhand der Ergebnisse entscheiden, wie es weitergeht.

Mit zunehmender Nutzung sollte daraus ein übergreifendes Vorgehen entstehen. Spätestens wenn mehrere Abteilungen KI einsetzen, gemeinsame Daten benötigt werden oder verschiedene Lösungen miteinander verbunden werden sollen, werden Themen wie Architektur, Governance, Security und eine gemeinsame Roadmap wichtiger.

Fazit: Erst das Problem, dann die KI

Ein guter Einstieg beginnt mit einer einfachen Frage: Wo haben wir heute ein relevantes Problem, das sich mit KI besser lösen lässt? Darauf folgen die wirtschaftliche Bewertung, die notwendigen Voraussetzungen und ein klar abgegrenztes erstes Projekt. Liefert dieses einen messbaren Nutzen, kann die Lösung produktiv eingesetzt und der Ansatz auf weitere Bereiche übertragen werden.

Sie möchten herausfinden, wo KI in Ihrem Unternehmen sinnvoll eingesetzt werden kann?

ICS unterstützt Sie dabei, Potenziale zu bewerten, geeignete Use Cases zu identifizieren und daraus konkrete nächste Schritte abzuleiten und ist dabei von der strategischen Orientierung bis zur technischen Umsetzung.

→ Unverbindliches Erstgespräch vereinbaren