Viele Unternehmer und Unternehmerinnen fragen sich: Wie gelingt der Einstieg mit KI so, dass er im Alltag tatsächlich entlastet und nicht zum nächsten Zusatzprojekt auf einem ohnehin vollen Schreibtisch wird? Die Gedanken gehen dann schnell zu KI-Tools, von denen man gehört hat und die Erleichterungen im Arbeitsalltag versprechen. Das ist aber in den meisten Fällen der falsche Ansatz. In diesem und den nächsten drei Teilen dieser Artikelreihe wollen wir uns deshalb der Frage des sinnvollen Einstiegs widmen.
Viele Unternehmen kennen die Ausgangslage nur zu gut: volle Postfächer, Rückfragen Geschäftspartner:innen und Mitarbeitenden, laufende Fristen, bürokratische Anforderungen. Gleichzeitig wünschen Kund:innen schnellere Antworten, Dienstleister müssen koordiniert und neue gesetzliche, technische oder organisatorische Anforderungen beachtet werden.
In diese Situation hinein tritt nun KI wie eine Art „Heilsbringer" mit dem Versprechen schnellerer Abläufe, besserer Aufbereitung von Informationen und Unterstützung bei wiederkehrenden Aufgaben. Das klingt im ersten Moment großartig. Entlastung entsteht jedoch meiner Erfahrung nach durch ihren Einsatz aber nur dann, wenn KI nicht als weiteres Experiment neben den Arbeitsalltag gestellt wird, sondern sinnvoll in bestehende Abläufe eingebunden wird.
Genau an diesem Punkt liegt aus meiner Sicht einer der größten Denkfehler bei der Einführung von KI. Viele Unternehmen und Organisationen beginnen mit der Frage: „Welches Tool sollen wir nutzen?" Das ist verständlich. Schließlich erscheinen nahezu täglich neue Anwendungen, Modelle und Funktionen. ChatGPT, Microsoft Copilot, Claude und zahlreiche branchenspezifische Lösungen versprechen Zeitersparnis und bessere Arbeitsergebnisse.
Die Toolfrage ist jedoch nicht die erste Frage, die gestellt werden sollte. Die bessere erste Frage lautet: „Welches Problem wollen wir lösen?" Erst danach sollte darüber gesprochen werden, welches Werkzeug dafür geeignet ist. Wer mit dem Tool beginnt, landet schnell in einer unübersichtlichen Landschaft aus Anwendungen, Testzugängen und Einzelinitiativen. Wer dagegen mit einem konkreten Problem beginnt, kann KI gezielt dort einsetzen, wo tatsächlich Entlastung entsteht.
KI nutzen ist nicht dasselbe wie KI einführen
Dabei ist es wichtig, zwischen der gelegentlichen Nutzung von KI und einer tatsächlichen Einführung von KI in einem Unternehmen zu unterscheiden. Unter KI gelegentlich zu nutzen verstehe ich beispielsweise, sich einmal eine E-Mail formulieren zu lassen, einen längeren Text zusammenzufassen oder aus einigen Stichpunkten einen ersten Entwurf zu erstellen. Das kann im Einzelfall hilfreich sein. Es verändert aber noch keinen Arbeitsablauf. KI einzuführen bedeutet dagegen, klare Anwendungsfälle und wiederholbare Prozesse zu schaffen. Es wird also geklärt, bei welcher Aufgabe KI eingesetzt wird, welche Informationen verwendet werden dürfen, wer das Ergebnis prüft und wie anschließend damit weitergearbeitet wird.
Wenn also eine Mitarbeiterin gelegentlich mit einem KI-Tool eine Antwort auf eine Kundenanfrage formuliert, handelt es sich um eine individuelle Nutzung. Wenn das Unternehmen dagegen festlegt, bei welchen wiederkehrenden Anfragen KI-gestützte Entwürfe erstellt werden dürfen, welche Muster und Prompts dafür genutzt werden, welche Daten eingegeben werden dürfen und wer den Entwurf vor dem Versand kontrolliert, entsteht ein geregelter Ablauf. Erst dann sprechen wir aus meiner Sicht von einer wirklichen Einführung.
Das soll nun natürlich nicht bedeuten, dass jeder KI-Einsatz sofort vollständig dokumentiert und in komplizierte Prozesse eingebunden werden muss. Gerade am Anfang ist ein einfacher Einstieg – über gelegentlichen Nutzungen - sinnvoll. Aber auch ein einfacher Einstieg braucht ein klares Ziel und eine bewusste Entscheidung darüber, wie KI den Arbeitsalltag erleichtern soll.
Typische Fehler: Zu viel Tool, zu wenig Führung
KI-Projekte scheitern meiner Erfahrung nach regelmäßig nicht daran, dass keine geeignete Technik vorhanden. Gerade für einfache Aufgaben stehen längst leistungsfähige KI-Anwendungen zur Verfügung. Die Schwierigkeiten entstehen vielmehr dann, wenn die Einführung nicht ausreichend durchdacht und geleitet wird. In der Praxis zeigen sich dabei immer wieder ähnliche Herausforderungen.
1. Zu viele Tools werden gleichzeitig ausprobiert
Ein Tool wird getestet, kurz darauf folgt das nächste und wenige Wochen später kommt eine weitere Anwendung hinzu. Mitarbeitende verwenden unterschiedliche Systeme, niemand weiß genau, welche Lösung für welche Aufgabe gedacht ist und am Ende bleibt unklar, ob durch die Nutzung tatsächlich Zeit gespart wurde.
Mehr Anwendungen führen jedoch nicht automatisch zu besseren Ergebnissen. Ein Unternehmen braucht am Anfang nicht möglichst viele KI-Tools. Es braucht vielmehr einen oder zwei klar definierte Anwendungsfälle und ein Werkzeug, das für diese Aufgaben geeignet ist.
2. Es fehlt ein konkretes Ziel
„Wir wollen etwas mit KI machen!" ist kein ausreichendes Ziel. Auch „Wir wollen moderner werden." oder „Wir wollen effizienter arbeiten." bleibt zu allgemein. Solche Formulierungen sagen noch nicht, welche Tätigkeit sich konkret verändern soll. Ein konkretes Ziel erleichtert vielmehr nicht nur die Auswahl eines passenden Tools, sondern ermöglicht später auch eine ehrliche Bewertung, ob der KI-Einsatz tatsächlich etwas verbessert hat.
Ein sinnvolles Ziel könnte deshalb lauten: „Wir möchten den Zeitaufwand für die Vorbereitung wiederkehrender Antworten auf Kundenanfragen reduzieren.". Oder: „Wir möchten längere E-Mail-Verläufe schneller strukturieren und die wesentlichen offenen Punkte zuverlässig erfassen.".
3. Niemand ist verantwortlich
Ein weiterer typischer Fehler besteht darin, dass KI zwar von verschiedenen Mitarbeitenden genutzt wird, aber niemand die Einführung koordiniert. Dann aber bleiben wichtige Fragen ungeklärt: Welche Anwendungen dürfen verwendet werden? Welche Daten dürfen eingegeben werden? Wer prüft die Ergebnisse? Wie werden Erfahrungen ausgetauscht? Wer entscheidet, ob ein Test fortgesetzt oder beendet wird?
Die verantwortliche Person muss dabei nicht zwingend ein:e technische:r KI-Expert:in sein. Wichtiger sind ein gutes Verständnis der Arbeitsabläufe, Kommunikationsfähigkeit und ein Gefühl dafür, welche Risiken und praktischen Schwierigkeiten entstehen können. KI-Einführung ist deshalb nicht nur eine technische Aufgabe, sondern vor allem eine Organisations- und Führungsaufgabe.
4. Pilotprojekte laufen, ohne dass anschließend entschieden wird
Viele Unternehmen testen KI, ohne vorher festzulegen, woran der Erfolg des Tests gemessen werden soll. Ein Pilotprojekt wird gestartet, einige Mitarbeitende nutzen ein Tool und nach einigen Wochen verliert sich das Vorhaben im Alltag. Es wird weder bewusst weitergeführt noch ausdrücklich beendet.
Das führt zu einem Zustand, den man in vielen Digitalisierungsprojekten beobachten kann: Es wird dauerhaft getestet, aber nicht entschieden. Ein Pilotprojekt ist jedoch kein Selbstzweck. Es sollte immer zu einer der folgenden Entscheidungen führen: Der Anwendungsfall wird regelmäßig genutzt, er wird angepasst und erneut getestet oder er wird bewusst beendet. Entscheidend ist, dass aus dem Test eine nachvollziehbare Schlussfolgerung gezogen wird.
5. KI wird als zusätzliche Aufgabe eingeführt
Gerade in Unternehmen mit bereits stark ausgelasteten Mitarbeitenden ist dieser Punkt besonders wichtig. Wenn KI lediglich als „noch ein weiteres Thema" vorgestellt wird, entsteht nachvollziehbarer Widerstand. Das ist beispielsweise dann der Fall, wenn Mitarbeitende ihre bisherige Arbeit vollständig fortführen und zusätzlich KI-Entwürfe erstellen, überprüfen, dokumentieren und intern besprechen sollen. In einem solchen Fall produziert KI zunächst Mehrarbeit.
Entlastung entsteht erst dann, wenn sich der gesamte Ablauf verändert. Wenn ein KI-Entwurf genutzt wird, sollte deshalb geklärt werden, welcher bisherige Arbeitsschritt dadurch verkürzt, vereinfacht oder ersetzt wird. Sonst wird KI nicht als Unterstützung, sondern als zusätzliche Belastung wahrgenommen. Widerstand gegen KI richtet sich deshalb nicht immer gegen die Technologie selbst. Er richtet sich häufig gegen eine Einführung, die mehr Aufwand erzeugt, ohne den bisherigen Aufwand zu reduzieren.
Nichtstun verhindert KI-Nutzung nicht
Wenn es um die Frage der Einführung von KI in Unternehmen geht, sollte der folgende Punkt nicht übersehen werden: Die Alternative zu einer offiziell geführten KI-Einführung ist nicht zwingend, dass KI überhaupt nicht genutzt wird.
Mitarbeitende suchen in ihrem Arbeitsalltag nach Lösungen, wenn bestehende Prozesse zu aufwendig sind. Manche verwenden möglicherweise bereits öffentlich verfügbare KI-Anwendungen, um Texte zu überarbeiten, Informationen zusammenzufassen oder Antworten vorzubereiten. Geschieht dies ohne Wissen des Unternehmens, entsteht sogenannte Schatten-KI. Diese Nutzung ist meist kein Zeichen böser Absicht. Sie zeigt vielmehr, dass Mitarbeitende ein praktisches Bedürfnis haben und sich selbst eine Erleichterung suchen. Problematisch wird es jedoch, wenn dabei keine Regeln für Daten, Prüfung und Verwendung der Ergebnisse bestehen.
Ein Unternehmen, das das Thema KI vollständig ignoriert, verhindert deshalb nicht automatisch deren Nutzung. Es verzichtet vielmehr auf die Möglichkeit, die Nutzung in geordnete Bahnen zu lenken. Aus meiner Sicht spricht gerade dies für einen kontrollierten Einstieg. Mitarbeitende sollten wissen, welche Anwendungen genutzt werden dürfen, welche Informationen nicht eingegeben werden sollen und bei welchen Ergebnissen eine menschliche Prüfung zwingend erforderlich ist.
Drei Ebenen müssen zusammenpassen
Schließlich sollten für eine sinnvolle Einführung von KI meiner Ansicht nach drei Ebenen miteinander verbunden werden.
1. Die strategische Ebene
Auf dieser Ebene wird geklärt, warum KI überhaupt eingesetzt werden soll. Welches Problem soll gelöst werden? Welche Aufgaben kosten regelmäßig viel Zeit? Wo entstehen immer wieder ähnliche Arbeitsschritte? Welche Verbesserung soll für Mitarbeitende, Kund:innen oder die Organisation erreicht werden? Ohne diese Klärung bleibt KI ein unscharfes Modernisierungsprojekt.
2. Die organisatorische Ebene
Auf dieser Ebene geht es um Verantwortung, Regeln und Kommunikation. Wer koordiniert die Einführung? Welche Daten dürfen verwendet werden? Wer prüft KI-Ergebnisse? Welche Aufgaben bleiben ausdrücklich menschliche Aufgaben? Wie werden Mitarbeitende eingebunden und wie werden Erfahrungen ausgewertet? Ohne diese Ebene entsteht entweder unkontrollierter Wildwuchs oder große Unsicherheit.
3. Die operative Ebene
Erst auf dieser Ebene geht es um den konkreten Anwendungsfall und das passende Tool. Welche Aufgabe wird getestet? Welche Eingaben werden benötigt? Wie soll das Ergebnis aussehen? Wie wird geprüft, ob die Anwendung tatsächlich hilfreich ist?
Viele Organisationen beginnen jedoch unmittelbar auf der operativen Ebene. Sie wählen ein Tool aus und suchen anschließend nach einer Aufgabe, für die es eingesetzt werden könnte. Das ist, wie wenn man einen teuren Hammer kauft, aber nichts hat, worauf man draufhauen kann. Sinnvoller ist deshalb die umgekehrte Reihenfolge: zuerst das Problem, dann die organisatorischen Voraussetzungen und schließlich das Werkzeug.
Führung bedeutet Orientierung
Ergänzend möchte ich noch ein weiteren Punkt ansprechen, der oben schon angeklungen ist und den ich für absolut wichtig halte: Die Einführung von KI wird oftmals technisch diskutiert, ist aber tatsächlich vor allem eine Führungsaufgabe.
Unternehmensinhaber:innen und Führungskräfte müssen nicht jedes KI-Modell im Detail verstehen, damit dieses sinnvoll und erfolgreich im Unternehmen eingesetzt werden kann. Sie müssen aber Richtung geben und einen Rahmen schaffen. Dazu gehört, Antworten auf die wichtigsten Fragen geben zu können, beispielsweise: Warum beschäftigen wir uns mit KI? Was soll dadurch leichter werden? Wo liegen die Grenzen? Wer prüft Ergebnisse? Was bleibt ausdrücklich menschliche Aufgabe?
Mitarbeitende müssen außerdem erleben, dass KI nicht gegen sie eingeführt wird, sondern ihnen bei konkreten Aufgaben helfen soll. Die Botschaft sollte deshalb nicht lauten: „Wir müssen jetzt KI einsetzen.", sondern vielmehr: „Wir wollen prüfen, an welchen Stellen KI uns sinnvoll unterstützen und Arbeit erleichtern kann.".
Dieser Unterschied ist wichtig. Denn eine Einführung, die nur mit Effizienz, Kostensenkung und technischer Entwicklung begründet wird, kann schnell Ängste auslösen. Eine Einführung, die sich an konkreten Belastungen im Arbeitsalltag orientiert, wird dagegen eher als Unterstützung wahrgenommen.
Und zur Führung gehört schließlich auch, unterschiedliche Geschwindigkeiten zu akzeptieren. Einige Mitarbeitende werden neugierig vorangehen. Andere brauchen mehr Sicherheit und möchten genau verstehen, wie mit Fehlern, Daten und Verantwortlichkeiten umgegangen wird. Beides ist normal. In der Praxis hat es sich bewährt, interessierte Mitarbeitende früh einzubinden und erste Erfolge sichtbar für die anderen zu machen. Wenn eine Kollegin zeigt, wie sie mithilfe von KI aus unübersichtlichen Stichpunkten eine klare interne Zusammenfassung erstellt hat, wirkt das häufig überzeugender als eine abstrakte Präsentation über die Möglichkeiten künstlicher Intelligenz.
Fünf Fragen vor dem ersten Pilotprojekt
Bevor ein Unternehmen mit einem konkreten KI-Pilotprojekt beginnt, empfehle ich immer zuerst die Beschäftigung mit den folgenden fünf Fragen (wobei diese natürlich beantwortet werden sollten):
- Welches konkrete Problem soll durch den Einsatz von KI gelöst werden?
- Welche Aufgabe soll dadurch leichter, schneller oder besser werden?
- Wer trägt die Verantwortung für den Test und die spätere Entscheidung?
- Welche Regeln gelten für Daten, Prüfung und Verwendung der Ergebnisse?
- Woran soll nach dem zeitlich klar definierten Test erkennbar sein, ob der Einsatz erfolgreich war?
Diese Fragen ersetzen keine umfassende KI-Strategie (und eine solche ist am Anfang auch häufig noch gar nicht notwendig). Sie schaffen jedoch die Grundlage dafür, dass aus einem spontanen Experiment ein kontrollierter (Lern-)Prozess wird.
Kontrolliert starten statt lange planen
Unternehmen brauchen zu Beginn kein umfangreiches Transformationsprogramm. Sie brauchen auch keine perfekte KI-Strategie und keine große Zahl spezialisierter Anwendungen. Und erst Recht brauchen Sie nicht das nächste und neueste KI-Tool. Sie brauchen ein klares Problem, eine verantwortliche Person, einfache Leitplanken und die Bereitschaft, einen überschaubaren Anwendungsfall kontrolliert zu testen.
Genau dafür eignet sich ein 30-60-90-Tage-Modell. Die Zeiträume sind dabei nicht in Stein gemeißelt. Entscheidend ist vielmehr die dahinterliegende Logik: In den ersten 30 Tagen werden Orientierung geschaffen, Anwendungsfälle ausgewählt und vorläufige Leitplanken festgelegt. Dann werden daraus in den nächsten 30 Tagen kleine und kontrollierte Pilotprojekte sowie erste Anwendungsstandards entwickelt. Bis zum 90. Tag wird schließlich entschieden, welche Anwendungen dauerhaft genutzt, verbessert oder bewusst beendet werden. In den folgenden drei Beiträgen werde ich diese Phasen Schritt für Schritt darstellen.