KI im Unternehmen: wo Sie anfangen sollten
Bevor Sie KI in Ihrem Unternehmen einsetzen, klären Sie, welche Aufgaben sich eignen, wie Sie Daten vorbereiten und wie ein kleiner Pilot aussieht.
rabbitclip-TeamVeröffentlicht: 6 Min. Lesezeit
Wenn ein Unternehmer KI auf die Agenda setzt, schlägt er meist in eine von zwei Richtungen aus. Entweder versucht er, gleich jeden Prozess zu automatisieren, oder er geht davon aus, dass es ohnehin nichts bringt, und beschäftigt sich gar nicht erst damit. Beides ist der falsche Ausgangspunkt, denn KI ist kein einzelnes Werkzeug, sondern eine Gruppe von Werkzeugen, die sich unterschiedlich gut für unterschiedliche Aufgaben eignen. Was in einem Unternehmen funktioniert, liefert in einer ganz anderen Branche nicht zwangsläufig dasselbe Ergebnis.
Die richtige Frage lautet nicht, ob Sie KI einsetzen sollten, sondern welche Ihrer Aufgaben dafür geeignet ist. In diesem Beitrag zeigen wir, wie Sie diese Frage beantworten, welche Aufgaben bereit für Automatisierung sind, welche besser in menschlicher Hand bleiben, was Sie bei den Daten vorbereiten müssen und wie Sie einen kleinen Piloten aufsetzen. Die Antworten erfordern meist weniger technisches Wissen als erwartet und mehr Verständnis dafür, wie der Betrieb im Alltag tatsächlich läuft.
Klären Sie zuerst, welche Aufgabe Sie automatisieren wollen
Bevor Sie einen Prozess an KI übergeben, notieren Sie sich, wie oft er sich wiederholt, wie viel Zeit er kostet und wie klar seine Regeln sind. Wenn die meisten Kundenfragen in fünf, sechs Muster fallen, wenn Bestellstatus abgefragt wird, wenn Dokumente im gleichen Format immer wieder geprüft werden, sind das gute Kandidaten. Eine Aufgabe, die jedes Mal eine andere Entscheidung verlangt und stark vom Kontext abhängt, ist dagegen noch zu früh dran.
Die Zeitmessung wird meist übersprungen. Ein Teammitglied zu fragen, wie viele Stunden pro Woche es für diese Aufgabe aufwendet, ist die einfachste Methode, um Prioritäten zu erkennen. Ist die Antwort unklar, lassen Sie ein paar Tage lang mitschreiben; die Schätzung liegt meist weit von der Realität entfernt.
- Handelt es sich um eine wiederkehrende Aufgabe, die mindestens ein paar Stunden pro Woche kostet
- Gibt es klare Regeln hinter der Entscheidung, oder wird jedes Mal auf den Kontext geschaut
- Braucht eine fehleranfällige Aufgabe (zum Beispiel Rechnungsprüfung) weiterhin eine menschliche Freigabe
- Liegen genügend historische Daten zu dieser Aufgabe vor
- Wie hoch sind die Kosten, wenn etwas schiefgeht
Welche Aufgaben in menschlicher Hand bleiben sollten
Der erste Kundenkontakt, heikle Beschwerden, Preisverhandlungen: Solche Themen sollten meist beim Menschen bleiben, zumindest sollte eine Person das letzte Wort haben. KI kann hier trotzdem im Spiel sein, aber im Hintergrund als Vorschlaggeber, nicht als Entscheider.
Bevor Sie eine Aufgabe der Automatisierung überlassen, fragen Sie sich: Wer merkt es, wenn hier etwas schiefläuft? Lautet die Antwort niemand, brauchen Sie vor der Übergabe einen Kontrollpunkt. Dieser Kontrollpunkt kann manchmal so einfach sein wie eine wöchentliche Stichprobenprüfung.
Ein Beispiel: Ein Onlinehändler hat den Großteil der Kundenfragen an einen Assistenten übergeben, leitet ein Gespräch bei Preisbeschwerden oder Rückgabewünschen aber automatisch an einen Mitarbeiter weiter. Diese klare Grenze von Anfang an hat sowohl die Kundenzufriedenheit erhalten als auch dem Team Zeit für wirklich schwierige Entscheidungen verschafft.
Ohne Datenvorbereitung funktioniert kein Modell
Die meisten Projekte starten mit dem Gedanken zuerst richten wir die KI ein, die Daten korrigieren wir später, und genau dort bleiben sie hängen. Unübersichtliche Tabellen, Kundendaten in unterschiedlichen Formaten, fehlende Felder: Solange das nicht bereinigt ist, liefert kein Modell ein brauchbares Ergebnis.
Die Datenvorbereitung ist mühsam, aber unverzichtbar. Eine Woche zu investieren, um herauszufinden, wo die vorhandenen Daten liegen, welche Felder fehlen und welche Einträge doppelt vorkommen, beschleunigt jeden folgenden Schritt und reduziert spätere Überraschungen.
- Liegen die Daten an einem Ort, oder sind sie über mehrere Systeme verstreut
- Werden Felder wie Name, Datum, Betrag einheitlich formatiert eingegeben
- Wie hoch ist der Anteil fehlender oder fehlerhafter Einträge
- Ist bei personenbezogenen Daten klar, welchen Vorschriften Sie unterliegen
Mit einem kleinen Piloten beginnen
Statt den gesamten Prozess auf einmal umzustellen, testen Sie eine einzelne Aufgabe in einem einzelnen Team über einen begrenzten Zeitraum. Vier bis sechs Wochen reichen meist aus; danach sehen Sie, ob wirklich Zeit gespart wurde und ob die Fehlerquote gestiegen oder gesunken ist.
Entscheiden Sie nicht schon vor Abschluss des Piloten, das Ganze auf das gesamte Unternehmen auszurollen. Ein Problem, das im kleinen Maßstab kaum auffällt, wächst im großen Maßstab überproportional und lässt sich dann teurer korrigieren.
Während des Piloten regelmäßig Feedback vom Team einzuholen ist mindestens so wichtig wie die Zahlen. Dass ein Werkzeug im Bericht gut aussieht, heißt nicht automatisch, dass es der Person, die täglich damit arbeitet, die Arbeit erleichtert; widersprechen sich beide, ist meist die Beobachtung der Nutzer verlässlicher.
Fertiges Werkzeug oder individuelle Entwicklung
Für einen kleinen Piloten reicht meist ein fertiges Werkzeug; im Kundenservice eingesetzte Chat-Assistenten oder Tools zur E-Mail-Klassifizierung lassen sich innerhalb weniger Tage einrichten. Eine individuelle Entwicklung wird relevant, wenn Ihr Geschäft wirklich auf einem einzigartigen Prozess beruht oder fertige Werkzeuge Ihren Bedarf nicht decken.
Treffen Sie diese Entscheidung nicht vor Abschluss des Piloten. Probieren Sie zuerst ein fertiges Werkzeug aus; funktioniert es und wächst der Einsatzbereich, ist der Wechsel zu einer individuellen Entwicklung meist risikoärmer, als von Anfang an ein eigenes System aufzubauen.
Wie Sie das Ergebnis messen
Verwechseln Sie den Erfolg eines KI-Projekts nicht mit der Aussage wir nutzen es jetzt. Gemessen werden muss, ob die Bearbeitungszeit tatsächlich gesunken ist, wie sich die Fehlerquote verändert hat und ob das Team dem Werkzeug vertraut.
Der häufigste Fehler ist, den Piloten zu starten und das Ergebnis nie zu messen. Fragt man nach drei Monaten, ob es funktioniert, kann niemand eine klare Antwort geben; legen Sie deshalb schon zu Beginn des Piloten fest, welche Zahl Sie beobachten, und prüfen Sie sie regelmäßig.
Für die Messung braucht es kein aufwendiges Dashboard. Eine einfache Tabelle, in der Sie wöchentlich Bearbeitungszeit, Fehlerzahl und Teamzufriedenheit notieren, ergibt nach ein paar Monaten ein klares Bild; dieses Bild hilft Ihnen auch bei der Wahl des nächsten Piloten.
KI im Unternehmen einzuführen muss kein großes Transformationsprojekt sein. Wählen Sie die richtige Aufgabe, bereiten Sie die Daten vor, starten Sie klein und messen Sie das Ergebnis, dann sehen Sie innerhalb weniger Monate, wo tatsächlich ein Unterschied entsteht. Statt alles auf einmal zu automatisieren, liefert eine gut gemachte Aufgabe ein dauerhafteres und besser messbares Ergebnis.
Wie viel Budget sollte ich für ein KI-Projekt einplanen
Das hängt vom Umfang der gewählten Aufgabe ab; ein Abonnement für ein fertiges Werkzeug und die Entwicklung eines individuellen Modells erfordern sehr unterschiedliche Budgets. Für einen kleinen Piloten ist meist keine große Investition nötig, ein guter Anfang ist es, zuerst zu klären, welche Aufgabe Sie automatisieren wollen.
Mein Team hat kein technisches Wissen, können wir trotzdem anfangen
Ja, viele fertige Werkzeuge lassen sich ohne technisches Wissen einrichten. Der eigentlich schwierige Teil ist nicht technisch; zu entscheiden, welche Aufgabe geeignet ist, und die Daten ordentlich zu halten, verlangt vor allem, dass Ihr Team den Prozess gut kennt.
Ersetzt KI mein bestehendes Team
Ein richtig aufgesetztes System übernimmt nicht die ganze Aufgabe, sondern den sich wiederholenden Teil, und lenkt das Team auf weniger Routine und mehr Entscheidungen. Die Angst vor Ersetzung entsteht meist dadurch, dass die falsche Aufgabe für die Automatisierung ausgewählt wurde.
