KI im Unternehmen einführen: Vorgehen in fünf Schritten

Veröffentlicht am · Autor: · 9 Min. Lesezeit

„KI im Unternehmen einführen“ heißt in der Praxis fünf Schritte: einen ersten Anwendungsfall auswählen, die Datenlage prüfen, einen Piloten mit vorher festgelegtem Abbruchkriterium fahren, ihn in den Betrieb überführen und die Menschen mitnehmen, die damit arbeiten. Die erste und wichtigste Entscheidung ist dabei keine Technikfrage, sondern eine Auswahlfrage — welcher Fall zuerst. Der häufigste Fehler ist der zu große Anfang: Wer mit „KI für den Kundenservice“ startet statt mit „Auskunft zum Lieferstatus“, kann hinterher nicht sagen, was gewirkt hat.

Die Reihenfolge ist nicht beliebig: Jeder Schritt erzeugt die Entscheidungsgrundlage für den nächsten, und wer einen überspringt, holt ihn später teurer nach. Für die Einzelfragen — welche Technik, was es kostet, was der Datenschutz verlangt — verweist dieser Beitrag auf die Texte, die sie im Detail beantworten.

Zur Einordnung: Nach der IKT-Erhebung des Statistischen Bundesamtes nutzten 2025 insgesamt 26 Prozent der Unternehmen in Deutschland KI-Technologien — 23 Prozent der Unternehmen mit 10 bis 49 Beschäftigten, 36 Prozent der Unternehmen mit 50 bis 249 Beschäftigten und 57 Prozent der Unternehmen ab 250 Beschäftigten (Tabellenstand 24. November 2025). Der Mittelstand liegt also nicht weit zurück, aber deutlich hinter den Großen.

Schritt 1: Den ersten Fall auswählen

Ein tragfähiger erster Anwendungsfall hat vier Merkmale. Er kommt häufig vor, sonst sammeln Sie in acht Wochen keine Daten, aus denen sich etwas ablesen lässt. Er läuft bei allen gleich ab, sonst messen Sie nicht die KI, sondern die Unterschiede zwischen Ihren Mitarbeitern. Er hat ein messbares Ergebnis — Minuten pro Vorgang, Zahl der Rückfragen, Anteil korrekt erkannter Positionen. Und ein Fehler ist billig: Ein falscher Antwortentwurf, den ein Mensch vor dem Versand korrigiert, kostet eine Minute. Eine falsch verbuchte Rechnung kostet mehr.

Merkmal Tragfähiger erster Fall Untauglicher erster Fall
Häufigkeit Täglich bis mehrfach täglich Einige Male im Jahr
Ablauf Standardisiert, überall gleich Je Person und Kunde anders
Ergebnis In einer Zahl ausdrückbar „Besseres Arbeiten“
Fehlerfolge Mensch korrigiert vor dem Versand Wirkt direkt auf Kunde, Geld oder Recht
Zuschnitt Ein Vorgang Ein Themengebiet

Die Gegenprobe ist schneller als die Auswahl: Lässt sich der Fall nicht in einem Satz mit einem Verb beschreiben, ist er zu groß. „KI im Vertrieb“ ist kein Anwendungsfall. „Aus einer Anfrage einen Angebotsentwurf erzeugen, den der Vertrieb prüft“ ist einer. Wenn Sie Anregungen brauchen: Für den Service haben wir die typischen Einsätze im Kundenservice zusammengestellt, für Verwaltung und Produktion die Beispiele für digitalisierte Prozesse im Mittelstand.

Die Frage, ob dieser Fall überhaupt KI braucht oder ob eine feste Regel reicht, gehört noch in diesen Schritt — und sie wird häufiger zugunsten der festen Regel entschieden, als man erwartet. Die Entscheidungshilfe dazu steht in KI-Agent, Chatbot oder feste Regel?.

Schritt 2: Die Datenlage prüfen

Dieser Schritt entscheidet über Aufwand und Erfolg, nicht die Wahl des Modells. Vier Fragen, in dieser Reihenfolge:

  1. Wo liegt das Wissen, das der Fall braucht? In einem System, in fünf Systemen, in Dateiablagen, in E-Mail-Verläufen oder in den Köpfen von drei erfahrenen Leuten. Die letzte Variante ist die häufigste und die teuerste, weil das Wissen erst aufgeschrieben werden muss.
  2. In welchem Zustand ist es? Aktuell oder von 2019, einheitlich oder in vier Schreibweisen, vollständig oder mit Lücken. Ein Modell wird nicht besser als die Quelle, aus der es antwortet.
  3. Wer darf es sehen? Personenbezogene Daten, Preise, Verträge, Personalakten. Oft lässt sich der Fall lösen, ohne dass die kritischen Felder das Haus verlassen.
  4. Lässt sich das Quellsystem auslesen? Eine dokumentierte Schnittstelle, ein Datenbankzugang, ein regelmäßiger Export — oder nur eine Oberfläche ohne Ausgang.

Die amtliche Statistik stützt die Reihenfolge. Unter den Unternehmen, die eine KI-Nutzung erwogen und nicht umgesetzt haben, nennt das Statistische Bundesamt für 2025 fehlendes Wissen bei 72 Prozent, Unklarheit über die rechtlichen Folgen bei 62 Prozent, Datenschutzbedenken bei 60 Prozent, Inkompatibilität mit vorhandenen Systemen bei 45 Prozent und Schwierigkeiten mit Verfügbarkeit oder Qualität der Daten bei 44 Prozent. Zu hohe Kosten nennen nur 32 Prozent. Die Hürden liegen also fast überall vor der Technik.

Welche Anbieter und Betriebsmodelle sich mit welchen Daten vertragen, steht in Welche KI ist DSGVO-konform? — hier gilt nur die Regel, dass diese Frage vor dem Piloten geklärt ist und nicht danach.

Schritt 3: Ein Pilot mit Abbruchkriterium

Ein Pilot ist ein Fall, ein Zeitraum und eine Zahl, die vor dem Start festgelegt wird. Fehlt die Zahl, endet der Pilot nicht, er versandet: Niemand kann sagen, ob er gewirkt hat, also läuft er weiter, bis das Interesse nachlässt. Das Abbruchkriterium ist kein Pessimismus, sondern die Erlaubnis, nach acht Wochen ohne Gesichtsverlust aufzuhören.

Ein brauchbares Kriterium ist ein Satz in dieser Form: „Wenn das System nach sechs Wochen nicht mindestens 70 Prozent der Statusanfragen ohne menschliche Nacharbeit beantwortet, brechen wir ab.“ Welche Zahl richtig ist, hängt am Fall. Dass es überhaupt eine gibt, hängt an Ihnen. Wie ein solcher Pilot im Detail aufgebaut wird — Wochenplan, Rollen, Testfälle —, behandeln wir in einem eigenen Beitrag; die Umsetzung selbst beschreibt die Leistungsseite KI-Implementierung. Zur Kostenseite: Die vier Blöcke, aus denen sich der Aufwand zusammensetzt, stehen in Was kostet KI im Unternehmen?.

Wie groß der Unterschied zwischen Pilot und Betrieb ist, zeigt der Bericht „The GenAI Divide: State of AI in Business 2025“ des MIT-Projekts NANDA (Challapally, Pease, Raskar, Chari, Juli 2025; Erhebung Januar bis Juni 2025, Interviews in 52 Organisationen, 153 befragte Führungskräfte, Auswertung von mehr als 300 öffentlich dokumentierten Initiativen). Die Zahlen dort gelten für KI-Werkzeuge, die auf einen bestimmten Ablauf zugeschnitten sind: 60 Prozent der Organisationen haben ein solches Werkzeug geprüft, 20 Prozent haben es in einen Piloten gebracht und 5 Prozent in den Produktivbetrieb. Für allgemeine Chat-Werkzeuge liegen die Werte deutlich höher. Der Bruch entsteht also genau dort, wo ein Werkzeug in einen Ablauf hinein muss. Die Autoren führen den Unterschied ausdrücklich nicht auf Modellqualität oder Regulierung zurück, sondern auf das Vorgehen. Die Stichprobe ist klein und der Bericht als vorläufig gekennzeichnet — die Richtung deckt sich aber mit dem, was wir in Projekten sehen.

Schritt 4: In den Betrieb überführen

Aus einem Versuch Alltag zu machen ist ein eigener Schritt, nicht das Weglassen des Abbruchknopfs. Fünf Dinge ändern sich:

  • Zuständigkeit. Eine benannte Person im Haus verantwortet das System — nicht „die IT“, nicht der Dienstleister. Sie entscheidet über Änderungen und ist die Adresse für Beschwerden.
  • Umgang mit Fehlern. Vorher festgelegt: Was passiert, wenn das System etwas Falsches ausgibt? Wer korrigiert, wer informiert den Kunden, wie kommt der Fall in die Verbesserung.
  • Protokoll. Jede Ausgabe wird mit Eingabe, Zeitpunkt und Quelle festgehalten. Ohne Protokoll können Sie einen Fehler im Nachhinein nicht aufklären, und für Nachweispflichten brauchen Sie es ohnehin.
  • Übergabe an einen Menschen. Es muss einen definierten Punkt geben, an dem das System abgibt: bei Unsicherheit, bei Beschwerden, bei Fällen außerhalb des eingerichteten Umfangs. Ein System ohne Ausstieg erzeugt verärgerte Kunden.
  • Regelmäßige Prüfung der Antwortqualität. Ein festes Set echter Testfälle, vierteljährlich durchgespielt. Modelle, Daten und Abläufe ändern sich, und eine Verschlechterung fällt im Tagesgeschäft nicht auf.

Schritt 5: Die Menschen mitnehmen

Im MIT-Bericht ist der am häufigsten genannte Grund dafür, dass Piloten nicht skalieren, die Abneigung gegen neue Werkzeuge; direkt daneben stehen schwieriges Veränderungsmanagement und fehlende Rückendeckung der Geschäftsführung. Das ist keine Kommunikationsaufgabe, die man ans Ende hängt.

Drei Dinge gehören vor den ersten Produktivtag: schriftliche Regeln, was mit welchen Daten in welchem Werkzeug erlaubt ist und was nicht — zwei Seiten genügen; eine benannte Ansprechperson, bei der Fehler und Zweifel landen, ohne dass es wie eine Beschwerde wirkt; und eine klare Aussage zur Stellenfrage. Die Frage wird ohnehin gestellt, meist nicht laut. Wird sie nicht beantwortet, beantwortet sie sich im Haus selbst, und zwar ungünstig. Dass Beschäftigte, die mit KI arbeiten, dafür ausreichende Kompetenz brauchen, verlangt im Übrigen auch die EU-KI-Verordnung; was das konkret bedeutet, steht in KI-Schulung für Mitarbeiter: Pflicht nach Artikel 4, die übrige Rechtslage in EU AI Act: was jetzt gilt.

Die drei Stellen, an denen Einführungen scheitern

Der erste Fall ist zu groß. Nicht weil Ehrgeiz schlecht wäre, sondern weil ein großer Fall keine auswertbare Messung erlaubt. Bei fünf gleichzeitig geänderten Abläufen gibt es nach acht Wochen fünf Teilergebnisse und keine Entscheidung. Ein Fall liefert eine Zahl, und eine Zahl trägt die nächste Freigabe.

Es gibt keinen Entscheider im Haus. Projekte, die vollständig an einen Dienstleister delegiert sind, laufen technisch an und organisatorisch nicht. KI-Einführung heißt, Abläufe zu ändern; wer einen Ablauf ändern will, braucht die Befugnis dazu und die Kenntnis des Tagesgeschäfts. Externe bringen das zweite nie vollständig und das erste nie.

Es gibt kein Abbruchkriterium. Ohne vorher festgelegte Zahl wird der Pilot nach Stimmung beurteilt, und Stimmung ist in KI-Projekten nach acht Wochen immer durchwachsen. Die Folge ist nicht der Abbruch, sondern das Weiterlaufen ohne Entscheidung — der teuerste Zustand von allen.

Was in den ersten 90 Tagen realistisch ist

Drei Monate reichen für einen Fall, nicht für eine Strategie. Realistisch ist: ein ausgewählter und abgegrenzter Anwendungsfall, eine geklärte Datenlage mit benannten Quellen und Zugängen, ein laufender Pilot mit Messwerten und eine belastbare Entscheidung über Ausbau oder Abbruch. Nicht realistisch sind mehrere Abteilungen, eine Anbindung an alle Systeme oder eine Entlastung, die sich in der Personalplanung niederschlägt.

Der MIT-Bericht nennt für die schnellsten mittelgroßen Unternehmen durchschnittlich 90 Tage vom Piloten bis zur vollen Umsetzung, während Großunternehmen neun Monate und länger brauchen — der Mittelstand hat hier einen echten Vorteil, weil der Weg von der Idee zur Entscheidung kürzer ist. In unseren Projekten deckt sich das mit der Erfahrung, dass die Technik selten der lange Teil ist: Die Wochen gehen für die Klärung der Datenlage und für Freigaben drauf. Das sind Erfahrungswerte, keine erhobene Statistik.

Wenn Sie den ersten Fall schon im Kopf haben und wissen wollen, ob er trägt: Genau diese Prüfung steht am Anfang jeder KI-Implementierung, und sie dauert ein Gespräch, nicht ein Projekt.

Quellen

Häufige Fragen

Wer sollte ein KI-Projekt im Unternehmen verantworten?

Eine Person im eigenen Haus, die über den Prozess entscheiden darf — nicht die IT allein und nicht der Dienstleister. KI-Einführungen ändern Abläufe, und wer einen Ablauf ändern will, braucht die Befugnis dazu. In mittelständischen Unternehmen ist das meist die Geschäftsführung oder die Leitung der betroffenen Abteilung, unterstützt von einer Person, die den Fall fachlich im Detail kennt. Eine reine Projektkoordination ohne Entscheidungsrecht reicht nicht.

Wie lange dauert es, bis KI im Unternehmen messbaren Nutzen bringt?

Bei einem einzelnen, klar abgegrenzten Anwendungsfall liegt der erste belastbare Messwert typischerweise nach vier bis acht Wochen vor. Der MIT-Bericht „The GenAI Divide“ (Juli 2025) nennt für die schnellsten mittelgroßen Unternehmen durchschnittlich 90 Tage vom Piloten bis zur vollen Umsetzung, für Großunternehmen neun Monate und länger. Entscheidend ist nicht die Technik, sondern wie lange die Klärung von Daten, Zuständigkeit und Erfolgskriterium dauert.

Woran erkennt man einen schlechten ersten KI-Anwendungsfall?

An vier Merkmalen: Er kommt selten vor, läuft bei jedem Mitarbeiter anders ab, hat kein Ergebnis, das sich in einer Zahl ausdrücken lässt, und ein Fehler hat unmittelbare Folgen für Kunden, Geld oder Recht. Treffen zwei davon zu, nehmen Sie einen anderen Fall. Besonders häufig gewählt und besonders ungeeignet sind Einführungen, die als Thema statt als Vorgang beschrieben werden: „KI im Vertrieb“ ist kein Anwendungsfall, „Angebotsentwürfe aus Anfragen erzeugen“ ist einer.

Welche Daten brauchen wir, bevor wir KI einführen können?

Nur die Daten, die der gewählte Fall tatsächlich benötigt — nicht ein aufgeräumtes Gesamtunternehmen. Wichtig sind vier Punkte: Wo liegt das Wissen, in welchem Zustand ist es, wer darf es sehen, und lässt sich das Quellsystem technisch auslesen. Nach der IKT-Erhebung des Statistischen Bundesamtes nennen 44 Prozent der Unternehmen, die KI erwogen und nicht umgesetzt haben, Schwierigkeiten mit Verfügbarkeit oder Qualität der Daten als Grund.

Was tun, wenn Mitarbeiter die KI-Einführung ablehnen?

Den Widerstand ernst nehmen, denn er ist der am häufigsten genannte Grund dafür, dass Piloten nicht in den Betrieb kommen. Was hilft: schriftliche Regeln, was erlaubt ist und was nicht; eine benannte Ansprechperson für Fehler; und eine klare Aussage der Geschäftsführung dazu, was mit der gewonnenen Zeit passieren soll. Wenn die Antwort auf die Frage nach Stellenabbau offenbleibt, beantwortet sie sich im Haus von selbst — und zwar falsch.

Fragen zu diesem Thema?

Wir unterstützen Sie bei SEO, KI-Einführung und E-Commerce.

Projekt besprechen →