Wenn du KI im Unternehmen einführen willst, fang nicht mit einer Strategie für die ganze Firma an, sondern mit einem einzigen Anwendungsfall, der häufig vorkommt, Zeit kostet und dessen Daten schon vorhanden sind. Diesen einen Fall bringst du in 90 Tagen mit echten Daten in den Betrieb, und erst dann kommt der nächste.

Das klingt kleiner, als viele es erwarten. Aber genau so wird aus „Wir sollten mal was mit KI machen“ ein System, das deine Leute jeden Tag nutzen. In diesem Beitrag geht es darum, wie du im Mittelstand mit KI anfängst: wie du den ersten Anwendungsfall findest, wann du ein fertiges Tool kaufst und wann du etwas baust, was dein Team vorher braucht und wann du besser noch wartest. Ohne 40 Folien.

Warum der erste Anwendungsfall alles entscheidet

Das erste KI-Projekt ist nie nur ein Projekt. Es ist der Beweis, an dem dein Unternehmen das ganze Thema misst. Läuft es, fragen die Fachbereiche nach dem nächsten. Scheitert es, heißt es für die nächsten zwei Jahre: „Haben wir probiert, bringt nichts.“

Deshalb sollte der erste Fall nicht der spektakulärste sein, sondern der, der am sichersten funktioniert und dessen Nutzen jeder sieht. Ein guter erster Anwendungsfall hat vier Eigenschaften:

  • Er kommt oft vor. Täglich oder wöchentlich, nicht einmal im Quartal.
  • Er kostet messbar Zeit. Du kannst sagen, wie viele Stunden heute darin stecken.
  • Die Daten sind da. E-Mails, Dokumente, Datenbanken, auf die man zugreifen kann.
  • Ein Fehler ist verkraftbar. Ein Mensch prüft das Ergebnis, bevor etwas nach außen geht.

Ein Beispiel aus der Praxis: Für einen Self-Storage-Anbieter habe ich eine Standortanalyse gebaut. Vor jedem neuen Standort musste das Team tagelang von Hand recherchieren: Wettbewerber im Umkreis, ihre Preise, Fahrzeiten, Demografie. Nach einem Workshop zu Anforderungen und Produktvision kam nicht alles auf einmal, sondern zuerst der Kern: die Wettbewerbsanalyse mit Preisvergleich. Fahrzeiten, Demografie und ein Research-Agent kamen danach, Stufe für Stufe, und jede Stufe war sofort nutzbar. Heute dauert eine Standortanalyse Minuten statt Tage, und externe Datentools im Wert mehrerer Tausend Euro pro Jahr werden nicht mehr gebraucht.

Der Punkt dabei: Der erste Schritt war klein genug, um schnell zu laufen, und wichtig genug, dass jeder den Unterschied gemerkt hat.

Wie du Anwendungsfälle findest und priorisierst (Aufwand × Nutzen × Datenlage)

Finden. Frag nicht „Wo können wir KI einsetzen?“. Darauf kommen Antworten wie „im Marketing“. Frag deine Teams lieber: „Welche Arbeit macht ihr jede Woche, die sich wie Abschreiben, Sortieren oder Suchen anfühlt?“ Typische Antworten:

  • Eingehende E-Mails oder Briefe lesen und an die richtige Stelle weitergeben.
  • Dieselben Fragen zu Abläufen, Produkten oder Regeln immer wieder beantworten.
  • Angaben aus Dokumenten abtippen: Rechnungen, Formulare, Lieferscheine.
  • Informationen aus mehreren Quellen zusammensuchen, bevor eine Entscheidung fällt.

Schreib jede Idee in einem Satz auf, mit dem Prozess und der Person, die heute die Arbeit macht. Nach zwei, drei Gesprächen hast du meist zehn bis zwanzig Ideen.

Priorisieren. Dann bewertest du jede Idee nach drei Fragen, jeweils von 1 (schlecht) bis 3 (gut):

  • Nutzen: Wie viel Zeit, Geld oder Ärger spart es, wenn es läuft?
  • Aufwand: Wie einfach ist es umzusetzen? 3 heißt: wenige Systeme, klare Regeln, keine heiklen Rechte.
  • Datenlage: Sind die nötigen Daten vorhanden, zugänglich und halbwegs aktuell?

Multipliziert ergibt das eine Zahl zwischen 1 und 27. Die Multiplikation ist Absicht: Eine 1 in einer Spalte zieht die ganze Idee nach unten, egal wie gut der Rest aussieht.

Ein ausgedachtes, aber typisches Beispiel für ein Unternehmen mit 50 Mitarbeitenden:

Idee Nutzen Aufwand Datenlage Ergebnis
Eingehende Anfragen im Sammelpostfach sortieren und zuordnen 3 3 3 27
Chat für Fragen an Handbücher und internes Wiki 3 2 2 12
Social-Media-Beiträge schreiben 1 3 3 9
Angebote aus alten Angeboten vorformulieren 2 2 2 8
Absatzprognose für den Einkauf 3 1 1 3

Zwei Dinge zeigt die Tabelle. Die Absatzprognose hat einen hohen Nutzen, scheitert aber an Aufwand und Daten. Sie wandert auf die Liste für später, nicht in den Papierkorb. Und die Social-Media-Beiträge sind leicht, bringen aber wenig. Dafür reicht ein Standard-Tool, ein eigenes Projekt braucht es nicht.

Die Zahlen sind keine Wissenschaft. Sie zwingen aber zu einem Gespräch, das sonst niemand führt: Warum soll gerade diese Idee zuerst kommen?

Kaufen oder bauen?

Die ehrliche Antwort zuerst: Oft solltest du kaufen. Für allgemeine Textarbeit, also E-Mails formulieren, Dokumente zusammenfassen oder Entwürfe umschreiben, reicht ein fertiges Tool. Microsoft 365 Copilot zum Beispiel entwirft laut Microsoft in Word Dokumente, schreibt sie um und fasst sie zusammen, und in Outlook entwirft es E-Mails und fasst Verläufe zusammen (Microsoft Learn, Stand: Oktober 2026). Ein eigenes Projekt wäre dafür Geldverschwendung.

Bauen lohnt sich, wenn eure eigenen Daten, Rechte und Abläufe ins Spiel kommen:

Frage Eher kaufen Eher bauen
Um welche Arbeit geht es? Allgemeine Textarbeit für viele Ein bestimmter Prozess mit festen Schritten
Welche Daten braucht es? Was der Nutzer gerade vor sich hat Mehrere eigene Systeme, Datenbanken, Archive
Wer darf was sehen? Die Rechte, die es im Tool schon gibt, reichen Feine Rechte über Abteilungen und Quellen hinweg
Wie wird das Ergebnis genutzt? Ein Mensch liest und kopiert Es fließt automatisch in ein anderes System
Wie gut muss es sein? „Meistens hilfreich“ reicht Die Qualität muss gemessen und belegt werden
Wie wichtig ist der Prozess? Nice to have Er gehört zum Kerngeschäft

Ein Beispiel für „bauen“: Für ein HealthTech-Startup habe ich eine Plattform für Pflege-Anträge gebaut. Schreiben der Krankenkassen werden dort per Texterkennung erfasst, von KI kategorisiert und dem passenden Vorgang zugeordnet, samt Fristen. Vorher war das Handarbeit. Kein Standard-Tool kennt diese Vorgänge. Und die KI steckt nur an der einen Stelle, an der feste Regeln nicht reichen: Post lesen und einordnen. Antrag, Dokumente und Abrechnung laufen nach festen Regeln.

Das ist typisch. Viele „KI-Projekte“ sind in Wahrheit Automatisierungen mit einem einzigen KI-Schritt. Das macht sie günstiger, zuverlässiger und leichter zu betreiben.

Oft ist die Antwort auch beides: ein Standard-Tool für alle und ein gebautes System für den einen Prozess, der den Unterschied macht. Was ein eigener Assistent im Betrieb kostet, steht im Beitrag Was kostet ein KI-Wissensassistent?.

Was dein Team vorher braucht (Regeln, Zugänge, Verantwortliche)

Die meisten KI-Einführungen scheitern nicht an der Technik. Sie scheitern daran, dass niemand geklärt hat, wer entscheidet, was erlaubt ist und wo die Daten liegen. Drei Dinge solltest du vor dem ersten Projekt klären.

Regeln. Dein Team nutzt wahrscheinlich längst ChatGPT, nur ohne Absprache. Schreib auf einer Seite auf, welche Tools erlaubt sind, welche Daten hineindürfen (öffentliche Texte ja, Kundendaten und Verträge nur im freigegebenen Tool) und dass ein Mensch jedes Ergebnis prüft, bevor es rausgeht. Kurz und verständlich, sonst liest es niemand.

Das ist nicht nur gute Praxis. Die KI-Verordnung der EU verlangt seit dem 2. Februar 2025 von Unternehmen, die KI-Systeme einsetzen, Maßnahmen zur KI-Kompetenz ihrer Mitarbeitenden (Artikel 4). In der aktuellen Fassung heißt das: Sie sollen die Entwicklung dieser Kompetenz unterstützen, ein bestimmtes Niveau müssen sie nicht garantieren (Artikel 4 beim AI Act Service Desk der EU-Kommission, Stand: Oktober 2026). Eine Seite Regeln und eine kurze Einführung für das Team sind ein guter Anfang. Das ist keine Rechtsberatung. Was genau für dich gilt, klärst du am besten mit deinem Datenschutzbeauftragten oder einer Anwältin.

Zugänge. Für den ersten Anwendungsfall braucht es Zugriff auf die echten Daten: das Postfach, das Laufwerk, die Datenbank, die Schnittstelle der Branchensoftware. Klär früh, wer diese Zugänge freigibt und ob ein Vertrag zur Auftragsverarbeitung mit dem Modellanbieter nötig ist. Ein Pilot, der wochenlang auf einen Zugang wartet, verliert seinen Schwung.

Verantwortliche. Es braucht zwei Personen. Erstens jemanden aus der Geschäftsführung, der entscheidet und Prioritäten setzt. Zweitens jemanden aus dem Fachbereich, der den Prozess kennt, Fragen beantwortet und am Ende sagt, ob das Ergebnis gut genug ist. Ohne diese zweite Person baut man an der Praxis vorbei.

Die ersten 90 Tage

So kann ein Plan für die ersten 90 Tage aussehen. Nicht jedes Vorhaben passt genau hinein, aber die Reihenfolge stimmt fast immer. Ich arbeite in denselben vier Schritten: Verstehen, Beweisen, Produktiv machen, Betreiben.

Tag 1 bis 20: Verstehen. Ideen sammeln, nach Aufwand × Nutzen × Datenlage bewerten, den ersten Fall auswählen. Regeln aufschreiben, Zugänge beantragen, die zwei Verantwortlichen benennen. Für den gewählten Fall: den heutigen Ablauf aufnehmen und festhalten, wie viel Zeit er kostet. Das ist die Zahl, an der du später den Erfolg misst.

Tag 21 bis 50: Beweisen. Ein Pilot mit echten Daten, nicht mit Beispieldaten. Dazu eine feste Sammlung echter Fälle mit erwarteten Ergebnissen, ein Testset. An ihm entscheidest du, ob die Qualität reicht. Am Ende steht ein ehrliches Go oder No-Go. Ein No-Go nach sieben Wochen ist billiger als ein Projekt, das nach einem Jahr still beerdigt wird.

Tag 51 bis 90: Produktiv machen. Aus dem Pilot wird ein System, das jeden Tag läuft: mit Berechtigungen, Fehlerbehandlung, Protokollen und einer Oberfläche, die das Team ohne Schulung versteht. Es geht zuerst an eine kleine Gruppe, dann an alle. Nach 90 Tagen misst du wieder die Zeit von Tag 1.

Danach: Betreiben. Ein KI-System ist nach dem Go-live nicht fertig. Modelle ändern sich, Daten ändern sich, Nutzer finden Fälle, an die niemand gedacht hat. Jemand muss Qualität und Kosten überwachen und jede Modelländerung gegen das Testset prüfen. Und die priorisierte Liste wartet auf den nächsten Anwendungsfall.

Wer nur einen Prozess prüfen will, kann den ersten Schritt auch als KI-Prozess-Check machen: eine kurze Analyse eines einzelnen Prozesses zum Festpreis, mit Go oder No-Go und einer Kostenrechnung.

Wann man besser noch wartet

Ich bin überzeugt: Unternehmen, die KI gut einsetzen, werden schneller, und wer sie ignoriert, bekommt es schwer. Aber KI aus Angst, etwas zu verpassen, verbrennt Budget. Manchmal ist Warten die bessere Entscheidung.

  • Niemand hat Zeit dafür. Ohne eine Person im Fachbereich, die mitarbeitet, wird das Ergebnis nicht passen. Dann lieber in drei Monaten mit Zeit als jetzt ohne.
  • Der Prozess ändert sich gerade. Läuft die Umstellung auf ein neues ERP oder eine neue Branchensoftware, automatisierst du sonst den alten Ablauf.
  • Die Daten sind nicht da. Wenn das Wissen nur in Köpfen steckt oder die Dokumente veraltet und widersprüchlich sind, fängst du bei den Daten an. Ein KI-Assistent macht ein Datenproblem nur schneller sichtbar.
  • Es gibt kein messbares Problem. „Wir wollen auch KI“ ist kein Anwendungsfall. Wenn niemand sagen kann, welche Arbeit leichter werden soll, ist es zu früh.
  • Ein Standard-Tool reicht. Dann brauchst du kein Projekt, sondern Regeln und eine Einführung für das Tool.

Und manchmal ist die richtige Antwort gar keine KI: eine saubere Vorlage, ein Formular statt E-Mails, eine einfache Regel im Postfach. Das ist keine Niederlage. Es ist Geld, das für den Anwendungsfall übrig bleibt, der sich wirklich lohnt.

Liegen bei dir mehrere KI-Ideen auf dem Tisch und niemand im Haus, der sie ordnet? Genau dafür gibt es die KI-Strategie-Begleitung: Ich priorisiere mit dir die Anwendungsfälle, entscheide mit dir über Kaufen oder Bauen und baue, was sich rechnet, anschließend selbst. Die Beratung endet nicht auf einer Folie, sondern bei einem System, das läuft. Willst du wissen, wo du anfangen solltest? Dann Projekt anfragen.