Inhalt
Das Wichtigste in Kürze
- Gute KI-Anwendungsfälle findest du in wiederkehrenden Aufgaben mit viel Text, Sprache oder unstrukturierten Dokumenten, nicht in Tool-Demos.
- Bewerte jede Idee nach Nutzen, Aufwand, Risiko und Datenlage mit einem einfachen Punkteschema, damit nicht die lauteste Idee gewinnt.
- Gesprächsnotizen, E-Mail-Vorsortierung, Belege auslesen und interne Wissenssuche eignen sich gut für den Einstieg, weil Nutzen und Risiko dort überschaubar sind.
- Läuft eine Aufgabe nach festen Regeln ab, ist klassische Automatisierung meist günstiger und zuverlässiger als KI.
KI-Anwendungsfälle beginnen bei Aufgaben, nicht bei Tools
Viele KI-Projekte, die scheitern, beginnen mit einem Tool. Jemand hat eine beeindruckende Demo gesehen und sucht danach ein passendes Problem. Das Ergebnis ist oft eine Lösung, die gut aussieht und im Alltag niemandem hilft.
Der bessere Weg führt über die Aufgaben deines Teams. KI, und hier meine ich vor allem Sprachmodelle, ist bei bestimmten Arten von Arbeit stark. Ein guter Kandidat erfüllt die meisten dieser Merkmale:
- Die Aufgabe kommt häufig vor, täglich oder mehrmals pro Woche.
- Sie dreht sich um Text, Sprache oder Dokumente mit wechselndem Aufbau.
- Ein Mensch kann das Ergebnis schnell prüfen.
- Ein Fehler ist ärgerlich, aber korrigierbar.
- Die nötigen Informationen liegen digital vor.
Achte im Alltag auf typische Signalwörter. Wenn Kolleginnen und Kollegen von „abtippen“, „zusammenfassen“, „raussuchen“, „zuordnen“ oder „immer wieder dieselbe Antwort schreiben“ sprechen, lohnt sich ein genauer Blick.
Ideen sammeln: ein Workshop in drei Stunden
Ideen entstehen dort, wo die Arbeit gemacht wird. Deshalb gehören in den Workshop vor allem Leute aus den Fachbereichen, nicht nur Geschäftsführung und IT. Sechs bis zehn Teilnehmende aus verschiedenen Abteilungen sind eine gute Größe.
Zur Vorbereitung bitte ich alle, eine Woche lang ein einfaches Aufgabentagebuch zu führen: Welche Aufgaben haben dich Zeit gekostet oder genervt? Wie oft kamen sie vor? So kommen echte Aufgaben auf den Tisch statt Vermutungen.
Der Ablauf, den ich in der Regel nutze:
- Einstieg (20 Minuten): Was KI heute gut kann und was nicht, an zwei, drei Beispielen aus eurer Branche.
- Aufgaben sammeln (45 Minuten): Jede Person schreibt Aufgaben auf Karten, jeweils mit Häufigkeit, ungefährer Dauer, Eingang und gewünschtem Ergebnis.
- Clustern (30 Minuten): Ähnliche Aufgaben zusammenfassen, Dubletten entfernen.
- Grob bewerten (45 Minuten): Jede Idee mit der Matrix aus dem nächsten Abschnitt einschätzen.
- Auswahl und nächste Schritte (20 Minuten): Die drei besten Kandidaten festhalten, Verantwortliche benennen, offene Fragen notieren.
Mit einer Pause kommst du so auf rund drei Stunden. Wichtig ist eine Regel für den Sammelteil: Zunächst wird nicht diskutiert, ob etwas mit KI geht. Auch Aufgaben, die sich später als Fall für eine einfache Automatisierung entpuppen, sind wertvolle Funde.
Die Bewertungsmatrix: Nutzen, Aufwand, Risiko, Datenlage
Ohne klare Kriterien gewinnt im Workshop meist die Idee der ranghöchsten oder lautesten Person. Eine einfache Matrix macht die Entscheidung nachvollziehbar. Ich bewerte vier Kriterien mit jeweils 1 bis 5 Punkten, wobei 5 immer günstig ist, also hoher Nutzen, geringer Aufwand, geringes Risiko und gute Datenlage:
| Kriterium | 1 Punkt | 3 Punkte | 5 Punkte |
|---|---|---|---|
| Nutzen | Seltene Aufgabe, kaum Zeitgewinn | Spürbare Entlastung für einzelne Personen | Häufige Aufgabe, deutliche Entlastung für ein ganzes Team oder bessere Qualität für Kunden |
| Aufwand | Neue Systeme, viele Schnittstellen, Monate Arbeit | Anbindung an ein bestehendes System nötig | Mit vorhandenen Tools in wenigen Tagen umsetzbar |
| Risiko | Fehler wirken direkt auf Kunden, Geld oder Menschen, rechtlich heikel | Fehler sind ärgerlich, werden aber meist intern bemerkt | Fehler sind harmlos und leicht zu erkennen, ein Mensch prüft ohnehin |
| Datenlage | Informationen liegen verstreut, auf Papier oder nur in Köpfen | Daten digital vorhanden, aber unvollständig oder uneinheitlich | Daten liegen digital, vollständig und zugänglich vor |
Den Nutzen gewichte ich doppelt, weil ein leichtes Projekt ohne Nutzen niemandem hilft. So ergeben sich maximal 25 Punkte. Zusätzlich gibt es ein K.-o.-Kriterium: Wenn niemand das Ergebnis sinnvoll prüfen kann, ist die Idee für den Einstieg ungeeignet, egal wie viele Punkte sie hat.
Ein Rechenbeispiel, wie so eine Bewertung aussehen kann:
| Idee | Nutzen (×2) | Aufwand | Risiko | Datenlage | Summe |
|---|---|---|---|---|---|
| Gesprächsnotizen aus Telefonaten ins CRM | 8 | 4 | 4 | 4 | 20 |
| Eingehende E-Mails vorsortieren | 8 | 3 | 4 | 5 | 20 |
| Eingangsrechnungen auslesen | 6 | 4 | 3 | 5 | 18 |
| Automatische Preiskalkulation für Angebote | 10 | 1 | 1 | 2 | 14 |
| KI-Vorauswahl von Bewerbungen | 6 | 3 | 1 | 3 | 13 |
Die Zahlen sind nur ein Beispiel. In deinem Unternehmen kann die Reihenfolge ganz anders aussehen. Typisch ist aber das Muster: Die spektakulärsten Ideen haben auf dem Papier oft den größten Nutzen und scheitern dann an Aufwand, Risiko oder Daten. Die Vorauswahl von Bewerbungen fällt zudem nach der EU-KI-Verordnung in den Hochrisiko-Bereich, für den zusätzliche Pflichten stufenweise gelten. Für ein erstes Projekt ist das keine gute Wahl.
Gute Erst-Anwendungsfälle für KMU
Vier Anwendungsfälle schneiden in solchen Bewertungen oft gut ab, weil sie häufig vorkommen, sich leicht prüfen lassen und mit vorhandenen Tools umsetzbar sind. Ich stelle sie hier kurz vor.
Gesprächsnotizen
Nach einem Telefonat oder Termin erstellt die KI aus einem Transkript oder aus Stichpunkten eine strukturierte Notiz mit nächsten Schritten. Ein Mensch prüft sie und speichert sie im CRM. Das spart Zeit und verbessert die Datenqualität, weil Notizen überhaupt erst zuverlässig entstehen. Wie das im Detail aussieht, beschreibe ich im Artikel über Gesprächsnotizen aus Telefonaten im CRM. Denk daran: Wer Gespräche aufzeichnet, braucht die Zustimmung der Gesprächspartner.
E-Mail-Vorsortierung
Die KI liest eingehende Anfragen im Sammelpostfach, erkennt Thema und Dringlichkeit und ordnet sie der richtigen Person zu, auf Wunsch mit einem Antwortentwurf. Fehler fallen schnell auf, weil eine falsch einsortierte Mail einfach weitergeleitet wird. Mehr dazu im Artikel zur Vorsortierung von Anfragen im Postfach.
Belege auslesen
Lieferscheine, Rechnungen oder Auftragsbestätigungen mit wechselndem Aufbau werden ausgelesen, und die Daten landen in strukturierter Form im System. Ein Mensch prüft Abweichungen. Der Nutzen ist hier gut messbar, weil sich die Zeit pro Beleg vorher und nachher einfach vergleichen lässt.
Wissenssuche
Mitarbeitende stellen Fragen in normaler Sprache und bekommen Antworten aus internen Dokumenten wie Handbüchern, Produktdatenblättern oder Prozessbeschreibungen, idealerweise mit Quellenangabe. Voraussetzung sind eine halbwegs aktuelle Dokumentenbasis und ein sauberes Berechtigungskonzept.
Den Pilot sauber aufsetzen
Ein Pilot soll eine Frage beantworten: Lohnt sich der Ausbau? Dafür brauchst du vor dem Start einen kurzen Steckbrief mit diesen Punkten:
- Ziel: Was soll besser werden, und für wen?
- Ausgangswert: Wie lange dauert die Aufgabe heute, wie oft kommt sie vor, wie viele Fehler passieren? Miss das vor dem Start, sonst kannst du später nichts vergleichen.
- Erfolgskriterium: Ab welchem Ergebnis wird ausgebaut? Lege das vorher fest, nicht hinterher.
- Umfang: eine Abteilung, ein Ablauf, eine kleine Gruppe von Nutzern.
- Dauer: als Richtwert vier bis acht Wochen.
- Kontrolle: Ein Mensch prüft jedes Ergebnis, bevor es wirkt.
- Datenschutz: Tool, Vertrag und Datenregeln sind vor dem Start geklärt.
Die menschliche Prüfung ist im Pilot nicht verhandelbar. Sie liefert nebenbei die besten Daten darüber, wie gut die KI wirklich arbeitet. Wie du diese Prüfschritte später sinnvoll dosierst, beschreibe ich im Artikel zu Human in the Loop bei KI-Automatisierung.
Ein typisches Szenario bei einem technischen Großhändler: Im Workshop steht zunächst die Idee der Geschäftsführung ganz oben, eine KI, die Angebotspreise kalkuliert. In der Bewertung fällt sie bei Datenlage und Risiko durch, weil die Rabattregeln vor allem in den Köpfen der Vertriebsleute existieren. Den Zuschlag bekommt die Vorsortierung der Anfragen im Postfach des Innendienstes: hoher Nutzen, gute Datenlage, leicht erkennbare Fehler. Einige andere Ideen aus dem Workshop lassen sich ganz ohne KI mit einfachen Regeln lösen. Und die Preiskalkulation landet nicht im Papierkorb. Sie kommt wieder auf die Liste, sobald die Rabattregeln sauber dokumentiert sind.
Wann eine einfache Regel statt KI reicht
Nicht jede Aufgabe, die im Workshop auftaucht, braucht KI. Viele lassen sich mit klassischer Automatisierung lösen, also mit festen Wenn-dann-Regeln in deinem CRM oder einem Automatisierungstool. Das ist meist günstiger, schneller umgesetzt und vor allem vorhersehbar: Eine Regel macht immer dasselbe, eine KI nicht unbedingt.
Eine Regel reicht meistens, wenn
- die Eingangsdaten strukturiert sind, etwa Formularfelder, Statuswerte oder Datumsangaben,
- sich die Entscheidung in einem Satz beschreiben lässt, etwa „Anfragen aus dem Postleitzahlbereich 1 gehen an das Team Ost“,
- das Ergebnis immer exakt gleich sein muss, etwa bei Fristen und Erinnerungen,
- die Daten maschinenlesbar ankommen, etwa als strukturierte E-Rechnung im Format XRechnung oder ZUGFeRD, die sich ohne KI auslesen lässt.
KI lohnt sich dagegen, wenn Freitext, Sprache oder wechselnde Dokumente im Spiel sind und eine starre Regel ständig an Ausnahmen scheitern würde. Oft ist die beste Lösung eine Kombination: Die KI erkennt das Anliegen in einer E-Mail, feste Regeln kümmern sich um Zuweisung, Fristen und Ablage. Mein Prüfsatz im Workshop lautet: Ließe sich die Aufgabe als Entscheidungstabelle aufschreiben, ohne dass es ständig „kommt drauf an“ heißt? Dann reicht meist eine Regel.
Fazit
Gute KI-Anwendungsfälle findest du nicht in Tool-Demos, sondern im Arbeitsalltag deines Teams. Sammle Aufgaben strukturiert, bewerte sie nach Nutzen, Aufwand, Risiko und Datenlage und starte mit einem Pilot, der eine klare Frage beantwortet. Mein Rat für den ersten Schritt: Bitte drei Kolleginnen oder Kollegen aus verschiedenen Bereichen, eine Woche lang ihre zeitfressendsten Aufgaben aufzuschreiben. Damit hast du das Material für einen ersten Workshop. Wenn du ihn nicht allein moderieren willst, unterstütze ich dich gern im Rahmen meiner KI-Beratung.
Häufige Fragen
Willst du wissen, wo KI in deinem Unternehmen wirklich hilft?
Ich moderiere mit deinem Team den Workshop, bewerte die Ideen mit dir nach Nutzen, Aufwand, Risiko und Datenlage und setze den ersten Pilot gleich mit um. So entscheidest du auf Basis echter Ergebnisse statt nach Bauchgefühl.