KI im Unternehmen einführen: Der Fahrplan von der Idee zum produktiven Prozess

Fast jedes Unternehmen hat inzwischen mit KI experimentiert. Ein Chatfenster im Browser, ein paar generierte Texte, vielleicht ein Assistent im Office-Paket. Und trotzdem hat sich in den Prozessen selten etwas verändert. Der Grund ist selten die Technologie: Sprachmodelle sind heute leistungsfähig genug für den Großteil der Büroarbeit. Der Grund ist, dass Experimente und Prozesse zwei völlig verschiedene Dinge sind.

Ein Experiment endet, wenn das Ergebnis beeindruckt. Ein Prozess beginnt erst dann: Er braucht definierte Eingangsdaten, ein vorhersagbares Ausgabeformat, eine Fehlerbehandlung, eine Freigabe und jemanden, der ihn verantwortet. Dieser Ratgeber beschreibt den Weg vom Experiment zum Prozess in sechs Schritten – so, wie wir ihn in Kundenprojekten tatsächlich gehen.

01Den richtigen Anwendungsfall auswählen

Der teuerste Fehler passiert vor der ersten Zeile Code: die Wahl eines Anwendungsfalls, der beeindruckend klingt, aber niemandem im Alltag hilft. Ein guter erster Anwendungsfall erfüllt vier Bedingungen gleichzeitig.

1. Er kommt häufig vor. Ein Vorgang, der zwanzig Mal am Tag anfällt, amortisiert Entwicklungsaufwand; einer, der monatlich anfällt, nicht.
2. Er ist textlastig und regelbasiert genug, dass ein Mensch ihn erklären kann – aber zu variabel für ein starres Formular.
3. Ein Fehler ist korrigierbar. Ein falsch vorsortiertes Ticket kostet Minuten, eine falsche Rechnungsfreigabe kostet Geld und Vertrauen.
4. Es gibt eine messbare Kennzahl: Bearbeitungszeit, Durchlaufzeit, Fehlerquote oder Antwortzeit gegenüber Kunden.

02Den Prozess vor der Automatisierung verstehen

Bevor ein Modell einen Schritt übernimmt, muss der Schritt beschrieben sein. In der Praxis stellt sich dabei regelmäßig heraus, dass der dokumentierte Prozess und der gelebte Prozess auseinanderfallen. Zwei Stunden am Arbeitsplatz der Kollegin, die den Vorgang täglich bearbeitet, liefern mehr Erkenntnis als jeder Workshop.

• Welche Eingangsformate kommen tatsächlich vor – PDF, gescannte Faxe, Fotos aus dem Handy, E-Mail-Text?
• Welche Sonderfälle gibt es, und wie oft treten sie auf?
• Welche Entscheidung trifft der Mensch heute wirklich, und auf welcher Grundlage?
• Was passiert, wenn eine Information fehlt? Wird nachgefragt, geschätzt oder liegen gelassen?

03Datenbasis und Zugriff klären

KI-Systeme sind nur so gut wie der Kontext, den sie bekommen. Der häufigste Grund für enttäuschende Ergebnisse ist nicht ein schwaches Modell, sondern fehlender Zugriff auf die relevanten Informationen. Klären Sie deshalb früh, wo die Wahrheit liegt: im ERP, im Dokumentenmanagement, in einem geteilten Laufwerk oder in den Köpfen einzelner Mitarbeiter.

04Pilot bauen – klein, echt und messbar

Ein Pilot ist kein Prototyp mit Beispieldaten. Er läuft mit echten Vorgängen, aber parallel zum bestehenden Prozess: Das System schlägt vor, der Mensch entscheidet weiterhin. So entsteht innerhalb weniger Wochen eine belastbare Qualitätsstatistik, ohne dass ein Fehler nach außen wirkt.

1. Zeitraum festlegen: zwei bis vier Wochen echter Betrieb, kein offenes Ende.
2. Abnahmekriterium vorher definieren, zum Beispiel: 85 Prozent der Vorschläge werden unverändert übernommen.
3. Jeden abweichenden Fall protokollieren – diese Liste ist die wertvollste Ressource des Projekts.
4. Nach dem Piloten entscheiden: ausrollen, nachschärfen oder ehrlich einstellen.

05Kontrolle und Freigabe einbauen

Vertrauen in ein KI-System entsteht nicht durch Versprechen, sondern durch Nachvollziehbarkeit. Jeder automatisierte Schritt braucht eine Antwort auf die Frage: Warum wurde das so entschieden, und wer kann es korrigieren?

• Quellenangabe: Auf welchem Dokument oder Datensatz beruht die Aussage?
• Konfidenz-Schwelle: Unterhalb eines Schwellenwerts geht der Vorgang automatisch an einen Menschen.
• Protokoll: Eingabe, Ausgabe, Modellversion und Zeitpunkt werden gespeichert.
• Korrekturschleife: Änderungen durch Mitarbeiter fließen dokumentiert in die Verbesserung zurück.

06Betreiben, messen, nachschärfen

Ein KI-Prozess ist kein Projekt mit Enddatum. Eingangsdokumente ändern sich, Modelle werden aktualisiert, neue Sonderfälle tauchen auf. Planen Sie deshalb von Beginn an ein Betriebsbudget ein – als Faustregel etwa 15 bis 25 Prozent des Einführungsaufwands pro Jahr.

Wer diese vier Zahlen kennt, kann jederzeit begründen, warum ein System bleibt, wächst oder abgeschaltet wird. Genau diese Begründbarkeit unterscheidet eine KI-Strategie von einer Sammlung von Werkzeugen.