KI im Unternehmen einführen: der Fahrplan

KI im Unternehmen einführen – in einem Satz

KI einzuführen heißt, wenige klar messbare Anwendungsfälle auszuwählen, sie in einem begrenzten Pilotprojekt zu erproben, den rechtlichen und organisatorischen Rahmen dafür zu setzen – und erst dann breit auszurollen. Nicht: allen einen Chatbot-Zugang geben und auf Produktivität hoffen.

Genau das ist der Unterschied zwischen den Unternehmen, die nach zwölf Monaten belegbare Effekte zeigen, und denen, die eine Sammlung an Einzellizenzen und viel Enttäuschung haben. Die Technik ist heute der einfachste Teil des Projekts. Schwierig sind Auswahl, Datenzugang und Verhaltensänderung.

Schritt 1: Den Reifegrad ehrlich bestimmen

Bevor du Werkzeuge auswählst, brauchst du eine nüchterne Standortbestimmung. Vier Stufen reichen dafür aus:

Die meisten Mittelständler stehen zwischen Stufe eins und zwei – und das ist relevant, weil Schatten-KI ein echtes Risiko ist: unkontrollierte Eingabe von Kundendaten in private Accounts. Wie du das sauber regelst, zeigt der Artikel KI und Datenschutz: DSGVO-konform arbeiten.

Für die Bestandsaufnahme genügen drei Fragen an jede Abteilung: Wo geht heute Zeit für wiederholbare Textarbeit drauf? Welche Daten liegen dafür digital vor? Wer würde das Ergebnis abnehmen?

Schritt 2: Use Cases sammeln – und auf drei reduzieren

Sammle breit, entscheide eng. Bewerte jeden Vorschlag auf zwei Achsen: Nutzen (eingesparte Zeit, Qualitätsgewinn, Umsatzbezug) und Umsetzbarkeit (Datenlage, Rechtslage, Zahl der Beteiligten).

Gute Einstiegs-Use-Cases haben vier Merkmale gemeinsam:

• Sie betreffen eine Aufgabe, die häufig vorkommt – täglich oder wöchentlich, nicht zweimal im Jahr.
• Das Ergebnis wird ohnehin von einem Menschen geprüft, bevor es nach außen geht.
• Die nötigen Informationen liegen bereits strukturiert oder als Dokument vor.
• Ein Fehler kostet Zeit, aber kein Geld und keine Reputation.

Typische Kandidaten: Angebots- und Ausschreibungstexte vorbereiten, Support-Anfragen vorsortieren und Antwortentwürfe erzeugen, Meeting-Protokolle in Aufgaben überführen, Produkt- und Kategorietexte erstellen, Recherchen verdichten.

Zurückstellen solltest du am Anfang alles, was direkt an Kunden ausgespielt wird, in Preise oder Verträge eingreift oder personenbezogene Entscheidungen berührt – etwa im Recruiting. Solche Fälle fallen schnell in die höheren Risikoklassen des EU AI Act und brauchen einen deutlich größeren Vorlauf.

Schritt 3: Das Pilotprojekt richtig zuschneiden

Ein Pilot ist kein Test-Account, sondern ein Experiment mit definiertem Ausgang. Vier Festlegungen gehören vorab schriftlich fest:

1. Umfang: ein Use Case, eine Abteilung, fünf bis fünfzehn Personen, sechs bis acht Wochen.
2. Ausgangswert: Wie lange dauert die Aufgabe heute, in welcher Qualität? Ohne diesen Wert kannst du hinterher nichts belegen.
3. Erfolgskriterium: eine Zahl plus eine Qualitätsaussage, zum Beispiel „Erstentwurf in der Hälfte der Zeit, Freigabequote der Redaktion unverändert".
4. Abbruchkriterium: Woran erkennst du, dass es nicht funktioniert? Piloten ohne Abbruchkriterium laufen ewig weiter.

Begleite den Piloten mit einem wöchentlichen 30-Minuten-Termin, in dem die Beteiligten Prompts, Erfolge und Ärgernisse teilen. Dieser Austausch bringt in der Praxis mehr Fortschritt als jede Schulungsfolie – und liefert nebenbei die Prompt-Bibliothek für den späteren Rollout.

Schritt 4: Den Rahmen setzen, bevor du ausrollst

Spätestens am Ende des Piloten müssen fünf Dinge stehen:

Freigegebene Werkzeuge. Eine kurze Liste erlaubter Dienste mit geschäftlichem Vertrag statt privater Accounts – lieber drei gut betreute als zwölf halb genutzte.

Eine KI-Richtlinie. Was darf hinein, was nicht, was muss gekennzeichnet werden, wer haftet für die Prüfung.

Datenschutz. Auftragsverarbeitungsvertrag, Trainingsnutzung ausgeschlossen, Datenresidenz geklärt.

Rollen. Eine verantwortliche Person fürs Thema, pro Abteilung eine Ansprechperson. KI als Nebenaufgabe ohne Namen dahinter versandet.

Kompetenznachweis. Der EU AI Act verpflichtet Unternehmen, die KI einsetzen, zu ausreichender KI-Kompetenz der Beteiligten – inklusive Nachweis. Details dazu in Schulungspflicht nach Art. 4 EU AI Act.

Schritt 5: Change Management – der eigentliche Engpass

Die Einführung scheitert selten am Modell, sondern an Menschen, die keinen Grund sehen, ihre Arbeitsweise zu ändern. Drei Hebel wirken zuverlässig:

Sicherheit vor Effizienz kommunizieren. Die erste Frage im Raum lautet nicht „Wie spare ich Zeit?", sondern „Kostet mich das meinen Job?". Beantworte sie aktiv und ehrlich, bevor sie im Flur beantwortet wird.

Multiplikatoren statt Massenschulung. Zwei bis drei begeisterte Anwender pro Abteilung, die im Alltag zeigen, wie es geht, verändern mehr als ein Ganztagsworkshop für alle.

Erfolge sichtbar machen. Ein kurzer monatlicher Überblick mit konkreten Beispielen – gesparte Stunden, verbesserte Ergebnisse, gescheiterte Versuche inklusive – hält das Thema im Gespräch und nimmt ihm den Marketingklang.

Die fünf häufigsten Fehler

1. Werkzeug vor Problem. Erst Lizenzen kaufen, dann nach Anwendungsfällen suchen. Reihenfolge umdrehen.
2. Zu viele Baustellen. Sieben Piloten parallel, keiner mit Verantwortlichem. Drei sind bereits viel, einer ist ein guter Start.
3. Kein Ausgangswert. Ohne Vorher-Messung bleibt jeder Effekt Behauptung – und das Budget für den Rollout fehlt.
4. Der Datenschutz kommt zuletzt. Ein Pilot, der nachträglich am Datenschutz scheitert, verbrennt die Motivation komplett.
5. Ergebnisse ungeprüft übernehmen. Modelle formulieren souverän auch dann, wenn sie falsch liegen. Warum das systembedingt ist, erklärt KI-Halluzinationen.

Roadmap-Vorlage: die ersten 90 Tage

Nach diesen 90 Tagen wechselt die Perspektive: Aus Einzelfällen wird ein Zielbild mit Priorisierung, Governance und Investitionslogik. Wie du das aufsetzt, beschreibt KI-Strategie entwickeln.

Fazit

Eine KI-Einführung gelingt, wenn du klein anfängst, aber ernsthaft: ein Anwendungsfall mit gemessenem Ausgangswert, ein Pilot mit Abbruchkriterium, ein sauberer rechtlicher Rahmen und benannte Verantwortliche. Der größte Fehler ist nicht die falsche Toolwahl, sondern die fehlende Entscheidung, welches Problem eigentlich gelöst werden soll. Wer diese Reihenfolge einhält, hat nach drei Monaten Zahlen statt Meinungen – und damit die Grundlage für alles Weitere.