Mit einem klaren Arbeitsproblem beginnen.
Für die meisten KMU ist ein klar abgegrenzter Anwendungsfall der risikoärmere Einstieg als ein unternehmensweites Plattformprojekt. Geeignet ist ein wiederkehrender Arbeitsablauf mit erreichbaren Daten, einer verantwortlichen Person und einem Ergebnis, das sich prüfen lässt. Daraus entsteht praktische Erfahrung, ohne sofort hohe technische und organisatorische Komplexität aufzubauen.
Mit Reibung starten, nicht mit Technologie
Fragen Sie im Team: Wo wird regelmäßig gesucht, kopiert, übertragen, sortiert oder auf eine bestimmte Person gewartet? Welche Anfragen wiederholen sich? Wo entstehen Medienbrüche zwischen E-Mail, Dateien und Fachsoftware? Diese Beobachtungen liefern meist bessere KI-Startpunkte als eine allgemeine Liste moderner Tools.
Für ein KMU kann bereits ein interner Assistent für freigegebene Dokumente oder eine kontrollierte E-Mail-Vorbereitung spürbaren Nutzen schaffen. Entscheidend ist, dass das Projekt an echter Arbeit ansetzt.
Fünf geeignete Einstiegsfelder
- Wissenssuche: häufige Fragen aus Handbüchern, Richtlinien oder Produktunterlagen beantworten.
- Dokumentarbeit: Inhalte zusammenfassen, vergleichen oder in feste Strukturen übertragen.
- E-Mail-Vorbereitung: Anfragen klassifizieren und Antwortentwürfe aus freigegebenen Quellen erstellen.
- Protokolle und Aufgaben: Besprechungen strukturiert nachbereiten, ohne Entscheidungen zu automatisieren.
- Systemübergaben: Informationen zwischen Formular, CRM, DMS oder Ticketsystem vorbereiten.
Ein schlanker Startplan
Woche 1–2: Problem und Verantwortung
Beschreiben Sie einen Prozess, die betroffenen Personen und den heutigen Aufwand. Benennen Sie einen fachlichen Eigentümer. Definieren Sie, woran eine gute Lösung erkennbar wäre, beispielsweise weniger Suchzeit oder vollständigere Datensätze.
Woche 2–4: Daten und Grenzen
Prüfen Sie Quellen, Zugriffsrechte, personenbezogene Daten und vorhandene Schnittstellen. Legen Sie fest, welche Schritte nur vorbereitet und welche tatsächlich automatisiert werden dürfen.
Pilot: echte Fälle statt Demo
Testen Sie mit repräsentativen Beispielen, darunter schwierige und unvollständige Fälle. Dokumentieren Sie Fehlerarten und legen Sie fest, wann das System keine Antwort geben oder an einen Menschen übergeben soll.
Einführung und Betrieb
Schulen Sie die Nutzer, bestimmen Sie einen Supportweg und planen Sie Pflege ein. Ein produktives KI-System verändert sich durch neue Dokumente, Modelle und Arbeitsabläufe.
Wer intern beteiligt sein sollte
- Geschäftsführung: setzt Ziel, Budget und Risikogrenzen.
- Prozessverantwortliche: erklären den realen Ablauf und nehmen Ergebnisse fachlich ab.
- IT oder technischer Partner: prüft Zugriffe, Schnittstellen, Betrieb und Sicherheit.
- Betroffene Mitarbeitende: testen echte Fälle und zeigen Ausnahmen, die in einer Prozessbeschreibung oft fehlen.
Nicht jede Rolle braucht eine eigene Projektstelle. Wichtig ist, dass wirtschaftliche Entscheidung, Fachwissen, Technik und tägliche Nutzung vertreten sind.
Beispiel für einen ersten 30-Tage-Pilot
Ein niederösterreichischer Bürobetrieb wählt wiederkehrende Fragen zu internen Abläufen. In Woche eins werden 30 typische Fragen, gültige Richtlinien und eine verantwortliche Person festgelegt. In Woche zwei entsteht ein begrenzter Wissensassistent ohne Schreibzugriff. In Woche drei testen fünf Mitarbeitende Antworten, Quellen und bewusst unbeantwortbare Fragen. In Woche vier werden Trefferqualität, offene Quellenprobleme, Nutzungsaufwand und Betriebskosten ausgewertet. Erst danach fällt die Entscheidung über Ausbau oder Stopp.
Make-or-buy: Standarddienst oder eigene Lösung?
Ein Standarddienst ist sinnvoll, wenn die Aufgabe allgemein, die Integration gering und das verfügbare Funktionspaket passend ist. Eine eigene oder stärker integrierte Lösung kann sich lohnen, wenn Unternehmenswissen, Rollen oder mehrere Systeme verbunden werden müssen. Berücksichtigen Sie nicht nur Lizenzpreise, sondern auch Einführung, Administration, Datenaufbereitung und laufende Qualitätssicherung.
Was Sie vermeiden sollten
- gleichzeitig zehn Anwendungsfälle starten,
- private Konten zur Unternehmenslösung erklären,
- sensible Daten ohne Anbieter- und Vertragsprüfung verwenden,
- Erfolg nur anhand einer eindrucksvollen Demo bewerten,
- menschliche Prüfung und Betriebskosten vergessen,
- Mitarbeitende ohne ausreichende AI Literacy alleinlassen.
Ein Pilot ist auch keine gute Idee, wenn die zugrunde liegenden Dokumente ungeklärt sind, niemand Ergebnisse prüfen kann oder ein Fehler sofort Kunden, Buchhaltung oder Sicherheit betrifft. Dann sollte zuerst der Prozess stabilisiert werden.
Entscheidungsfragen für die Geschäftsführung
- Welches konkrete Problem lösen wir zuerst?
- Wer verantwortet Prozess und Ergebnis?
- Welche Daten und Systeme werden benötigt?
- Welche Fehlerfolgen sind akzeptabel?
- Wie messen wir Qualität und Nutzung?
- Wer pflegt die Lösung nach dem Pilot?
Ein erfolgreicher erster Ablauf kann später auf Wissen, Agents, Voice oder weitere Automatisierung erweitert werden. Unterstützung bei der Priorisierung bietet eine KI-Potenzialanalyse.
Quellen und weiterführende Informationen
Sie möchten einen überschaubaren ersten KI-Pilot für Ihr Unternehmen abgrenzen?
Pilot besprechen