KI im Unternehmen: vom Geschäftsziel zum messbaren ProzessAI in the business: from business goal to measurable process

In vielen Betrieben läuft KI seit Monaten. Copilot ist lizenziert. ChatGPT wird genutzt. Claude läuft im Browser. Trotzdem ist unklar, welcher Prozess durch KI besser wird und wer dafür verantwortlich ist.

Die Ursache liegt in der Planung, nicht in der Technik. Wer das Werkzeug vor den Prozess stellt, landet bei Versuchen ohne Prüfkriterien. Wer das Werkzeug kauft, ohne einen Anwendungsfall entschieden zu haben, zahlt Lizenzen für eine Demo-Phase, die sich nicht beendet.

Stell dir einen Betrieb vor, der im Januar Copilot für alle kauft. Im Juni fragt die Geschäftsführung, was es gebracht hat, und niemand kann es beziffern. Am Werkzeug liegt das selten. Es wurde nie entschieden, für welche Aufgabe es eingesetzt wird, und es gab keine Erwartung, an der sich die Nutzung messen ließe.

Dieses Muster höre ich in Erstgesprächen oft: Werkzeug zuerst, Entscheidung irgendwann danach.

In diesem Beitrag zeige ich, wie der Weg vom Prozess zum Piloten aussieht: was die Daten sagen, wo die Entscheidungen liegen, was nach der Beratung vorliegt.

Fast alle nutzen KI. Wenige sehen Wirkung.

McKinsey hat im Mai und Juni 2026 weltweit 1.719 Menschen aus Unternehmen befragt. 89 % geben an, dass ihre Organisation KI regelmäßig in mindestens einem Bereich nutzt. 37 % berichten einen positiven Beitrag zum EBIT. 6 % gehören zu den High Performern: mindestens 5 % des EBIT durch KI und ein Nutzen, den sie als erheblich einstufen.

Der Abstand von 37 % auf 6 % ist entscheidend. Einen Beitrag zum Ergebnis sieht mehr als ein Drittel, einen großen und erheblichen nur ein kleiner Teil. Woran liegt das?

Die häufigsten Ursachen aus Projekten, die ich kenne: Piloten wurden gestartet, ohne vorher zu klären, was Erfolg bedeutet. Teams haben ChatGPT genutzt, ohne festzulegen, welche Antworten das System allein geben darf. Dokumente wurden in KI-Assistenten geladen, ohne dass jemand entschied, wer die Antworten prüft, bevor sie weitergehen. Das ist nicht nachlässig. Es fehlt die Struktur für die Entscheidung.

Die Lücke zwischen Nutzung und Wirkung schließt kein besseres Modell. Sie schließt sich mit Vorbereitung: festlegen, was gemessen wird, wer verantwortlich ist und woran ein Pilot sich von einem Produktivsystem unterscheidet.

Was Unternehmen in Deutschland bremst

Destatis hat in der IKT-Erhebung 2025 Unternehmen ab 10 Beschäftigten gefragt, warum sie KI erwogen, aber nicht eingesetzt haben. Die drei häufigsten Antworten: fehlendes Wissen (72 %), Unklarheit über rechtliche Folgen (62 %), Datenschutz (60 %).

Alle drei Punkte lassen sich klären. Sie lassen sich aber nicht wegschieben.

Fehlendes Wissen heißt: Wir wissen nicht, welche Prozesse für KI geeignet sind, welche Datenlage wir brauchen und wie ein Pilot aussieht. Dieses Wissen entsteht nicht durch Schulungen über KI allgemein. Es entsteht, wenn ein konkreter Prozess unter die Lupe genommen wird.

Unklarheit über rechtliche Folgen meint: Wir wissen nicht, ob unser geplanter Einsatz unter die KI-Verordnung fällt, welche Kennzeichnungspflichten gelten und wer bei einem Fehler des Systems haftet. Auch diese Fragen sind beantwortbar, aber erst, wenn der Anwendungsfall konkret ist. Wer keine konkrete Anwendung hat, hat auch keine konkrete Rechtsfrage.

Datenschutz ist planbar, wenn Rollen und Datenzugriffe vor dem ersten Prompt festgelegt werden. Welche personenbezogenen Daten sieht das Modell? Welche werden verarbeitet, welche gespeichert? Diese Entscheidungen müssen vor der Umsetzung fallen, nicht danach.

Zur EU-KI-Verordnung: Sie ist seit August 2024 in Kraft. Wie ein Vorhaben eingestuft wird, hängt vom konkreten Verwendungszweck ab; viele Anwendungen, die ich in kleinen und mittleren Betrieben sehe, fallen nicht in die Hochrisiko-Kategorie. Pflichten kann es trotzdem geben, etwa Transparenzpflichten nach Art. 50 für bestimmte Fälle wie die direkte Interaktion mit einem KI-System und Vorgaben zur KI-Kompetenz nach Art. 4. Wer jetzt mit einem konkreten Vorhaben startet, baut diese Anforderungen gleich ein, statt sie später in ein laufendes System nachzurüsten.

KI-Nutzung wächst, die Richtung fehlt oft

Laut Destatis haben 2024 20 % der Unternehmen ab 10 Beschäftigten KI eingesetzt, 2025 waren es 26 %. Seit 2025 zählt Destatis nach dem EU-Unternehmensbegriff, die beiden Werte sind deshalb nur eingeschränkt vergleichbar. Selbst wenn die Nutzung wächst: Ob dahinter mehr Richtung steckt oder nur mehr Tests, zeigt die Zahl nicht.

Mehr Nutzung beweist noch nichts. Aussagekräftig wird sie erst mit einem klaren Ziel.

Was sich in dieser Zeit verändert hat: KI ist von einer Spezialisten-Aufgabe zu einer Management-Frage geworden. Die Frage lautet nicht mehr „Können wir das technisch?“, sondern „Was soll dadurch besser werden, und wie messen wir das?“ Wer diese Frage nicht beantwortet, hat nach sechs Monaten Experimenten keine Entscheidungsgrundlage.

Mein Schluss daraus: Wer zu den 6 % gehören will, entscheidet früh, welcher Prozess zuerst an die Reihe kommt, und legt dafür Prüfkriterien fest.

Drei Begriffe, die im Alltag verwechselt werden

Digitalisierung, Automatisierung und KI werden oft in einem Atemzug genannt. Sie meinen drei verschiedene Dinge, und sie haben eine Reihenfolge.

Digitalisierung macht aus Papier und mündlichem Zuruf einen digitalen Ablauf. Die Rechnung kommt als strukturierte Datei statt als Brief. Die Freigabe läuft im System statt in der Mappe. Ohne Digitalisierung gibt es keine Daten, auf denen KI arbeiten könnte. Wer Automatisierung oder KI auf nicht digitalisierten Prozessen aufzubauen versucht, digitalisiert rückwirkend, mit höherem Aufwand und weniger Überblick.

Automatisierung lässt einen festen Ablauf nach klaren Regeln selbst laufen. Die eingegangene Rechnung wird automatisch geprüft, verbucht, zur Zahlung angewiesen. Das funktioniert gut, solange die Fälle gleichbleibend und die Regeln vollständig sind. Sobald Ausnahmen entstehen, etwa eine Rechnung mit Positionen aus zwei Kostenstellen, eine Fremdwährung oder eine fehlende Auftragsnummer, braucht es menschliches Urteil oder ein System, das Neues einordnen kann.

KI übernimmt dort, wo feste Regeln nicht reichen. Eine unklare Kundenanfrage wird verstanden, zugeordnet, mit einem Antwortentwurf versehen. Das braucht Leitplanken: Wer prüft? Was darf das System allein entscheiden? Was geht immer zu einem Menschen? Diese Leitplanken sind kein Misstrauensvotum gegenüber der Technologie. Sie sind der Unterschied zwischen einem Piloten und einer unkontrollierten Produktivsetzung.

Die meisten Vorhaben brauchen alle drei, in dieser Reihenfolge. Ein unklarer Ablauf wird mit KI nicht klarer. Er wird schneller unscharf, und zwar im Tempo, in dem das Modell Antworten produziert.

Der Engpass ist selten der Werkzeugzugang

Teams haben Zugang zu ChatGPT, Copilot, Claude. Was fehlt, ist eine Entscheidung: Welcher Prozess rechtfertigt den Aufwand?

Diese Entscheidung braucht vier Einschätzungen: Wirkung, Machbarkeit, Datenlage, Risiko. Wer diese Dimensionen nicht vergleichbar macht, priorisiert nach Lautstärke oder Zufall. Der lauteste Wunsch aus dem Vertrieb bekommt als erster Budget. Der kleinste Schritt mit dem größten Hebel wartet.

Zwei weitere Muster, die häufig übersehen werden:

Erstens: Der Prozess ist nicht dokumentiert. Niemand weiß genau, wie ein bestimmter Ablauf läuft. Jede Person macht es ein bisschen anders. KI verbessert diesen Prozess nicht, sie variiert ihn bestenfalls schneller. Bevor ein Werkzeug eingesetzt wird, muss klar sein, wie der Ablauf idealerweise aussieht.

Zweitens: Die Daten sind nicht zugänglich. Handbücher in SharePoint-Ordnern, Kundenanfragen in Outlook, Projektdokumente in Netzlaufwerken ohne Struktur. KI braucht Zugriff auf saubere, aktuelle Daten. Ohne diesen Zugriff halluziniert sie nicht böswillig, aber sie arbeitet mit dem, was sie hat, und das ist dann nicht das, was das Unternehmen weiß.

Drei Muster sehe ich häufig:

Wissenszugriff auf interne Dokumente. Handbücher, Prozessbeschreibungen, Produktdaten, Vertragsklauseln. Mitarbeitende fragen, bekommen eine Antwort aus dem eigenen Bestand, statt zu suchen oder einen Kollegen zu fragen. Die Daten liegen meist vor. Das Risiko ist klein. Das lässt sich messen: weniger Rückfragen, kürzere Bearbeitungszeiten, sauberere Weiterleitung. Das ist häufig der schnellste belastbare Einstieg.

Textentwürfe für Angebote, Berichte, Protokolle. Zeitsparend, wenn die Vorlage und der Kontext klar sind. Aber Textentwürfe brauchen klare Freigaberegeln: Was geht raus, ohne dass ein Mensch schaut? Was braucht immer eine Prüfung? Ohne diese Regeln verlässt Ungeprüftes das Haus, mit dem eigenen Logo darauf.

Prozess-Agenten mit Datenzugriffen. Systeme, die auf Bestandsdaten zugreifen, Schritte ausführen, Ergebnisse zurückmelden. Das stärkste Potenzial. Und die größten Anforderungen an Architektur, Datenzugang und Leitplanken. Wer damit anfängt, überspringt die Stufen, die stabilen Betrieb ermöglichen.

Die Reihenfolge sagt nichts über den Wert, aber viel über die nötige Reife.

Welche Bereiche eignen sich für den Einstieg?

Eine häufige Frage im Erstgespräch: Wo fangen andere Unternehmen an? Die ehrliche Antwort lautet: Es hängt von der Ausgangslage ab. Aber es gibt Muster.

Kundenservice und Anfragenbearbeitung. Viele Anfragen wiederholen sich. Dieselben Fragen zu Lieferzeiten, Produkteigenschaften, Vertragsdetails oder Rücksendungen. Ein KI-Assistent, der auf Basis der eigenen Dokumentation antwortet, kann Standardanfragen ohne Wartezeit klären. Mitarbeitende konzentrieren sich auf die Fälle, bei denen es auf Urteil ankommt. Voraussetzung: Die Dokumentation ist gepflegt und zugänglich.

Interne Wissenssuche. Handbücher, Prozessbeschreibungen, Qualitätsstandards, Protokolle. Wer die Antwort auf eine interne Frage sucht, ruft heute oft an oder schreibt eine Mail. Mit einem internen KI-Assistenten liegt die Antwort in Sekunden vor, mit Quellenangabe. Das reduziert Rückfragen und gibt neuen Mitarbeitenden schneller Orientierung.

Erstauswertung von Dokumenten. Angebote, Verträge, Bewerbungsunterlagen, Berichte. Ein erster Schritt, der menschliche Arbeitszeit freisetzt: Das Dokument wird zusammengefasst, Schlüsselstellen werden hervorgehoben, offene Punkte werden benannt. Ein Mensch prüft und entscheidet. Aber er prüft nicht mehr blank, sondern mit einem Startpunkt.

Datengestützte Textentwürfe. Angebote auf Basis von CRM-Daten, Berichte aus Zahlen aus dem ERP, Protokolle aus Audioaufnahmen. Das Modell entwirft, ein Mensch prüft und gibt frei. Die Zeitersparnis ist messbar. Die Freigaberegeln müssen vorher festgelegt sein.

In allen vier Bereichen gilt: Die Stärke kommt aus der Verbindung von Modell und Daten. Ein Modell ohne Zugang zu deinen Daten antwortet allgemein. Ein Modell mit Zugang zu deinen Prozessen, Dokumenten und Systemen antwortet konkret.

Vier Schritte vom Bedarf zur Anwendung

Jeder Schritt liefert eine Entscheidung oder ein nutzbares Ergebnis. Kein Schritt ist theoretisch.

Schritt 1: Orientierung. Prozesse, Engpässe und vorhandene Daten werden sichtbar gemacht. Welche Abläufe wiederholen sich täglich? Welche Schritte brauchen viel Zeit, obwohl das Ergebnis immer ähnlich ist? Welche Daten liegen vor, in welchem Zustand, in welchem System? Nutzen, Aufwand und Risiko werden vergleichbar gemacht, statt sie zu schätzen.

Schritt 2: Priorisierung. Aus der Analyse entsteht eine kleine Auswahl von Vorhaben. Nicht die zwölf Ideen, die im Workshop auf dem Flipchart stehen. Drei bis fünf Vorhaben mit klarer Begründung, einer Verantwortlichkeit und einer Reihenfolge, die erklärt werden kann.

Schritt 3: Architektur. Modelle, Datenzugriffe, Systeme und Regeln werden passend zum Vorhaben geplant. Welches Modell kommt zum Einsatz, und warum? Welche Daten sieht es? Wer freigibt was? Was passiert, wenn das Modell einen Fehler macht? Diese Fragen müssen vor dem ersten Entwicklungstag beantwortet sein.

Schritt 4: Umsetzung. Ein erster Prozess geht in Betrieb. Nutzung, Qualität und Kosten werden sichtbar geprüft. Was testen die Mitarbeitenden, wie oft wird das System genutzt, welche Antworten werden abgelehnt oder korrigiert? Ein Pilot besteht an Zahlen, nicht an Eindrücken.

Der Umfang richtet sich nach deiner Ausgangslage. Aus meiner Erfahrung ist Schritt 1 manchmal in einem halben Tag erledigt, wenn Prozesse gut dokumentiert und Daten zugänglich sind, manchmal braucht er zwei Wochen, wenn Daten erst aufbereitet werden müssen oder Verantwortlichkeiten unklar sind. Beides ist in Ordnung, beides sagt etwas über den Betrieb.

Ein Punkt zur Zeitplanung: In Erstgesprächen höre ich oft die Erwartung, dass ein Pilot in zwei bis vier Wochen fertig ist. Das stimmt manchmal. Es stimmt dann, wenn die Schritte 1 bis 3 bereits erledigt sind oder wenn ein vergleichbares Vorhaben in einem anderen Betrieb schon Vorlage geben kann. Ohne Vorlaufarbeit dauert die Umsetzung länger, weil Entscheidungen Zeit brauchen. Welche Daten darf das Modell sehen? Wer prüft die Antworten? Was passiert bei einem Fehler? Diese Fragen lassen sich nicht während der Entwicklung beantworten.

Was am Ende konkret vorliegt

Nach der Beratung hast du keine Ideensammlung. Du hast Unterlagen, mit denen Fachbereich, IT und Führung weiterarbeiten können, ohne von vorn zu beginnen.

Priorisierte Vorhaben. Bewertet nach Wirkung, Machbarkeit, Datenlage und Risiko. Mit Begründung, nicht nur mit Punkten. Jedes Vorhaben hat eine klare Aussage darüber, warum es vor dem nächsten kommt.

Entscheidungsfähige Architektur. Ein nachvollziehbares Bild von Modellen, Schnittstellen, Datenzugriffen und Rollen. Kein Black-Box-Konzept. Fachbereich und IT sollen dasselbe Bild sehen, nicht zwei verschiedene.

Klare Leitplanken. Regeln für Freigaben, Datenschutz, Kosten und den sicheren Betrieb. Festgelegt, bevor etwas produktiv läuft. Was passiert, wenn das System einen Fehler macht? Wer korrigiert, wer meldet, wer entscheidet?

Ein umsetzbarer nächster Schritt. Mit Verantwortung, Umfang und Prüfkriterien. So kann der erste Pilot gestartet werden, ohne erneut einen Workshop zu organisieren oder eine Strategie zu beauftragen.

Zur Erwartung: Eine Beratung liefert Entscheidungsgrundlagen, keinen fertigen Code. Wer am Ende des Prozesses einen laufenden Agenten erwartet, ohne eine IT-Abteilung oder einen externen Entwickler einzuplanen, hat einen Schritt übersprungen. Was nach der Beratung vorliegt, reicht aus, um eine Ausschreibung zu schreiben, eine interne Entwicklung zu beauftragen oder einen spezialisierten Dienstleister einzubinden.

Für wen das passt

Ein KI-Erstgespräch klärt in 30 Minuten, ob das Problem zu diesem Ansatz passt. Drei Situationen, in denen die Zusammenarbeit Sinn ergibt:

• Du willst mehrere KI-Aktivitäten in einem gemeinsamen Rahmen führen, nicht parallel und unverbunden testen.
• Du willst einen konkreten Prozess auswählen und in Betrieb bringen, statt eine Übersicht zu kaufen, die niemand umsetzt.
• Du willst Fachbereich, IT und Führung an der Entscheidung beteiligen, nicht daran vorbeiarbeiten.

Drei Situationen, in denen es weniger passt:

• Du suchst eine Toolliste ohne Vorbereitung deines Teams auf Entscheidungen und Leitplanken.
• Du erwartest eine fertige Strategie, ohne selbst Prozesskenntnis und Datenzugang beizusteuern.
• Du willst Datenschutz und Verantwortlichkeiten auf später verschieben.

Diese Liste ist ein Abgleich. Beratung funktioniert dort, wo beide Seiten die Ausgangslage ehrlich beschreiben.

Das Modell folgt dem Prozess

ChatGPT, Claude, Gemini, Microsoft Copilot, Mistral und offene Modelle haben unterschiedliche Stärken. Welches Modell für welche Aufgabe passt, klärt sich erst nach dem Prozess.

Auswahl und Routing richten sich nach Aufgabe, Datenlage und Risiko. Ein Modell, das Kundendaten sieht, braucht andere Rahmenbedingungen als eines, das nur öffentliche Texte zusammenfasst. Ein Modell, das Antworten im Namen des Unternehmens verfasst, braucht andere Freigaberegeln als eines, das intern bei der Suche hilft.

Die Wahl des Modells folgt aus dem Vorhaben, sie bindet dich an keinen Anbieter. Welche Fähigkeiten werden gebraucht? Welche Datenschutzanforderungen gelten? Welcher Preis passt zum erwarteten Volumen?

Eine Plattform verbindet das Modell mit Daten, Regeln und Arbeitsabläufen. Erst dann wird daraus eine Anwendung, die Mitarbeitende im Alltag nutzen und nicht nur in einer Demo sehen.

Häufige Fragen

Was ist der Unterschied zwischen Digitalisierung, Automatisierung und KI?

Digitalisierung macht aus Papier und Zuruf einen digitalen Ablauf. Automatisierung lässt einen festen Ablauf nach klaren Regeln von selbst laufen. KI bewertet Neues, wo feste Regeln nicht reichen: Sprache, Wissen, Einordnung. Die meisten Vorhaben brauchen alle drei, in dieser Reihenfolge.

Womit sollte ein Unternehmen bei KI anfangen?

Nicht mit einem Werkzeug, sondern mit einer Entscheidung: Welcher Prozess rechtfertigt den Aufwand? Bewertet nach Wirkung, Machbarkeit, Datenlage und Risiko. Häufig ist der Wissenszugriff auf interne Dokumente der schnellste belastbare Einstieg: Die Daten liegen vor, das Risiko ist überschaubar, der Effekt lässt sich messen.

Was kostet das KI-Erstgespräch?

Nichts. 30 Minuten per Microsoft Teams, kostenlos und unverbindlich. Geklärt wird, wo KI im Betrieb Zeit spart und welches Vorhaben sich lohnt. Den Link zur Buchung findest du auf steffen-herr.de/ki.

Ein Hinweis zum Umfang: Wie groß eine KI-Beratung wird, lässt sich vor dem Erstgespräch nicht festlegen. In meinen Mandaten reichen manchmal zwei Sitzungen, andere brauchen vier Wochen, weil Prozesse erst beschrieben, Daten erst aufbereitet oder Verantwortlichkeiten erst geklärt werden müssen. Beides ist legitim. Zu warten, bis alle Fragen geklärt sind, hilft dagegen nicht. Die Fragen klären sich im Tun.

KI-Erstgespräch buchen →