KI im Unternehmen. Mit welchem Prozess starten

Im Unternehmen beginnt KI mit dem Prozess, nicht mit der Lizenz

KI-Projekte stocken oft am Anfang, weil mit dem Kauf von Modellzugang gestartet wird. Das Team bekommt ein Tool, jeder nutzt es anders, und nach einem Monat kann niemand sagen, wie viele Stunden wirklich zurückgewonnen wurden. Daten sind inkonsistent, ein Geschäftseffekt fehlt.

KI ergibt Sinn, wo ein Prozess einen klaren Verantwortlichen hat, Daten sich klar beschreiben lassen und Ergebnisse messbar sind. Alles andere ist Experiment ohne Budget und ohne Verantwortung.

Signale, dass das Unternehmen noch nicht bereit ist

Bevor Sie den ersten Use Case wählen, prüfen Sie, ob Sie diese Probleme haben. Künstliche Intelligenz macht sie nur sichtbar.

• Leads landen an drei verschiedenen Stellen.
• Kundenantworten entstehen jedes Mal neu.
• Preislisten und Angebote leben in vielen PDF-Versionen, ohne gemeinsame interne Wissensbasis.
• Niemand weiß, welche Prozedurversion aktuell ist.

Wenn der Alltag so aussieht, ist der erste Schritt Ordnung, nicht Automatisierung. Sonst beschleunigen Sie Chaos.

Den ersten Prozess zur Automatisierung wählen

Ein guter Kandidat wiederholt sich wöchentlich, nicht einmal im Jahr. Er arbeitet mit Textdaten (E-Mail, Formulare, Notizen, Tabellen — nicht nur unlesbare Scans). Er liefert Messbares (Zeit, Fehler, Antworten). Das Risiko ist tragbar (Fehler zerstören nicht Mandantenvertrauen oder Compliance). Und jemand im Unternehmen sagt klar, dass es sein Bereich ist. Unser Interesse liegt am Prozess, der realistisch am wenigsten scheitert.

Gute Einstiege sind oft Lead-Qualifizierung, Erstantworten auf wiederkehrende Fragen, Gesprächszusammenfassungen, Angebotsentwürfe aus Vorlagen und Ticket-Tagging im CRM.

Autonome Preisfestlegung und vollautomatische Verhandlung schieben wir meist auf später.

Drei Reifestufen

In Stufe eins wirkt KI als Assistent in bestehenden Tools. Sie hilft schreiben, zusammenfassen, übersetzen, Mensch gibt frei. Hier starten die meisten Vertriebs- und Ops-Teams. Risiko am geringsten.

In Stufe zwei schlägt das Modell vor, das System handelt nur bei erfüllten Regeln. Eine FAQ-Antwort geht etwa nur bei hoher Klassifikations-Sicherheit raus.

In Stufe drei kommt Integration mit CRM oder ERP und Datenfluss in beide Richtungen. Echter ROI entsteht hier, plus Pflicht zu Security- und Datenqualitäts-Audit.

Sprung von eins auf drei in einem Projekt ist der häufigste Budgetfehler. Stufe zwei in einer Abteilung liefern schlägt Firmen-Transformation in einem Quartal.

Architektur und Leistungen beschreiben wir unter KI-Implementierung im Unternehmen.

ROI rechnen ohne erfundene Zahlen

Statt „wie viel sparen wir im Jahr“ eine Woche Teamarbeit im gewählten Prozess messen. Wie viele Minuten pro Durchlauf? Wie oft pro Woche? Welcher Anteil ist assistierbar statt ersetzbar?

Beispiel. Lead-Qualifizierung dauert zwanzig Minuten, vierzig Leads pro Woche, die Hälfte der Zeit lässt sich durch bessere Klassifikation und Antwortvorlagen halbieren. Etwa sechs bis sieben Stunden pro Woche. Hochrechnung aufs Jahr ergibt Investitionsargument.

Betrieb einrechnen. Wer pflegt Prompts, wer reagiert auf Fehler, wer aktualisiert die Wissensbasis?

Menschen, Schulung, Regeln für KI

Tools ohne Regeln sind Datenleck in Reichweite. Minimum: Liste verbotener Inhalte für öffentliche Modelle, Pflicht-Review für Kundentexte, klare Trennung firmenfreigegebener und privater Tools, eine Person für Anleitungs-Updates.

Schulung muss nicht zwei Tage dauern. Neunzig Minuten mit Branchenbeispielen plus Kurzdokument reichen.

Was erst nach dem ersten Erfolg kommt

Wenn ein Prozess messbare Wirkung liefert, dann Integrationen, eigene Agenten, Suche in interner Doku (RAG), Automation zwischen Systemen.

Bei HIKARI meist Stufen: Wert liefern, dann härten (Security, Logs, Fallbacks), dann skalieren. So planen wir Beratung und Roadmap vor größeren Budgets.