Warum die besten KI-Projekte nicht mit KI anfangen
Die erfolgreichsten KI-Initiativen starten nicht mit Technologie, sondern mit dem Geschäftsproblem. Ein Praxisleitfaden für den richtigen Einstieg in KI-Projekte.
Der Technologie-First-Irrtum
„Wir müssen jetzt KI machen” – dieser Satz fällt in nahezu jedem Strategiemeeting. Und er ist der Grund, warum 85 % der KI-Projekte scheitern. Nicht, weil die Technologie nicht funktioniert. Sondern weil niemand die entscheidende Frage beantwortet hat: Welches Geschäftsproblem lösen wir eigentlich?
Die besten KI-Projekte, die ich in über 20 IT-Transformationsprojekten begleitet habe, hatten eines gemeinsam: Sie haben nicht mit KI angefangen. Sie haben mit dem Prozess angefangen.
Was „nicht mit KI anfangen” konkret bedeutet
Es bedeutet nicht, KI zu ignorieren. Es bedeutet, den Einstiegspunkt zu verschieben:
- Statt: „Welches LLM nehmen wir?” → Besser: „Welcher Prozess kostet uns am meisten Zeit, Geld oder Qualität?”
- Statt: „Wo können wir KI einsetzen?” → Besser: „Wo entscheiden Menschen heute unter Unsicherheit – und was passiert bei Fehlern?”
- Statt: „Lasst uns einen PoC bauen.” → Besser: „Können wir den Prozess zuerst ohne KI verbessern?”
Dieses Umdenken klingt trivial. In der Praxis ist es der Unterschied zwischen einem PoC, der in der Schublade verschwindet, und einer produktiven KI-Lösung.
Die drei Phasen erfolgreicher KI-Projekte
Phase 1: Prozess verstehen (Wochen 1–3)
Bevor Sie über Agenten, Modelle oder Frameworks nachdenken, brauchen Sie Klarheit über den Ist-Zustand:
- Prozess-Mapping: Dokumentieren Sie den aktuellen Ablauf – jeden Schritt, jede Entscheidung, jede Übergabe.
- Pain Points identifizieren: Wo entstehen Fehler? Wo warten Menschen auf Informationen? Wo werden Entscheidungen verzögert?
- Datenlandschaft erfassen: Welche Daten fließen durch den Prozess? In welcher Qualität? In welchen Systemen?
Das Ergebnis ist kein Technologie-Konzept, sondern ein Prozess-Steckbrief – die Grundlage für jede sinnvolle KI-Initiative.
Phase 2: Optimierung ohne KI (Wochen 3–5)
Ein überraschend effektiver Schritt, den viele überspringen: Verbessern Sie den Prozess erst einmal ohne Technologie.
- Eliminieren Sie unnötige Schritte und Medienbrüche
- Standardisieren Sie Entscheidungsregeln, die heute im Kopf einzelner Mitarbeitender stecken
- Schaffen Sie klare Verantwortlichkeiten und Eskalationspfade
Warum? Weil KI auf einem schlechten Prozess nur schneller schlechte Ergebnisse produziert. Und weil Sie nach dieser Phase genau wissen, wo Automatisierung den größten Hebel hat – und wo menschliches Urteilsvermögen unverzichtbar bleibt.
Phase 3: KI gezielt einsetzen (ab Woche 5)
Jetzt – und erst jetzt – wird es technisch. Aber mit einem entscheidenden Vorteil: Sie wissen genau, was der Agent tun soll, welche Daten er braucht und wo seine Grenzen liegen.
- Scope: Klar definiert durch die Prozessanalyse
- Erfolgsmessung: Abgeleitet aus den identifizierten Pain Points
- Governance: Eingebettet in die optimierte Prozessstruktur
- Akzeptanz: Gesichert, weil die Mitarbeitenden den Prozess mitgestaltet haben
Warum dieser Ansatz schneller ist, nicht langsamer
Ein häufiger Einwand: „Das dauert ja ewig – wir müssen schnell sein.” Die Realität zeigt das Gegenteil:
| Ansatz | Time-to-Production | Erfolgsquote |
|---|---|---|
| Technologie-First | 6–12 Monate (oft nie) | ~15 % |
| Prozess-First | 8–14 Wochen | >60 % |
Der Unterschied erklärt sich durch das, was beim Technologie-First-Ansatz passiert: Endlose PoC-Schleifen, nachträgliche Prozessanalyse, Change-Management als Afterthought, fehlende Datenqualität. All das lösen Sie vorab – und sparen Monate an Iteration.
Die fünf Warnsignale für den falschen Einstieg
Prüfen Sie Ihr laufendes KI-Projekt auf diese Red Flags:
- Kein Prozessverantwortlicher im Team – nur Entwickler und Data Scientists
- Kein messbares Geschäftsziel – nur „wir machen mal einen PoC”
- Datenqualität ungeklärt – „das klären wir später”
- Change Management nicht geplant – „die User werden das schon nutzen”
- Keine Governance-Struktur – „erstmal bauen, Compliance kommt später”
Wenn zwei oder mehr dieser Signale zutreffen, stoppen Sie nicht das Projekt – aber stoppen Sie den aktuellen Ansatz. Gehen Sie zurück zu Phase 1.
Der Readiness-Check als Startpunkt
Wie wissen Sie, ob Ihre Organisation bereit ist für ein KI-Projekt? Ein KI-Readiness Assessment beantwortet genau diese Frage – systematisch, in 2–3 Wochen, mit konkreten Handlungsempfehlungen.
Es prüft nicht, welches Modell Sie einsetzen sollten. Es prüft, ob Ihre Prozesse, Daten, Organisation und Governance bereit sind. Und es liefert einen 90-Tage-Fahrplan, der mit dem Geschäftsproblem beginnt – nicht mit der Technologie.
Fazit: KI ist das Werkzeug, nicht der Anfang
Die besten KI-Projekte beginnen mit einer unbequemen Frage: „Verstehen wir eigentlich den Prozess, den wir automatisieren wollen?” Wer diese Frage ehrlich beantwortet, spart sich den PoC-Friedhof – und baut KI-Lösungen, die tatsächlich in Produktion gehen.
Sie möchten herausfinden, wo KI in Ihrem Unternehmen den größten Hebel hat – ohne in die Technologie-Falle zu tappen?