Christoph Jochheim
Senior Consultant | Digital Products
03. September 2026
5 min
„Wir nutzen doch schon ChatGPT.“
Diesen Satz hören wir in unseren KI-Trainings häufig. Und er ist ein gutes Zeichen: Mitarbeitende sammeln erste Erfahrungen, lernen die Möglichkeiten von KI kennen und entwickeln ein Gefühl dafür, welche Aufgaben sich unterstützen lassen.
Nur: Das ist noch keine KI-Transformation. Der entscheidende Schritt beginnt dort, wo KI nicht mehr nur von einzelnen Mitarbeitenden ausprobiert wird, sondern systematisch in Arbeitsweisen und Prozesse einfließt.
KI im Unternehmen auf einen Blick
Wie die KI-Transformation gelingt
Ein guter Prompt kann Zeit sparen. Ein Agent kann wiederkehrende Aufgaben übernehmen. Ein Custom GPT kann Wissen strukturieren. Doch solange solche Lösungen bei einzelnen Personen bleiben, entsteht daraus noch keine nachhaltige Veränderung. Wirklich interessant wird KI, wenn erfolgreiche Lösungen geteilt, standardisiert und selbstverständlich im Arbeitsalltag eingesetzt werden.
Für uns zeigt sich der Reifegrad deshalb weniger daran, wie viele KI-Tools ein Unternehmen nutzt. Entscheidend ist eine andere Frage: Denken Mitarbeitende bei einer Aufgabe automatisch darüber nach, welchen Teil davon KI sinnvoll übernehmen kann?
Genau an diesem Punkt verändert sich die Arbeitsweise.
Die drei Phasen der KI-Transformation
In der Praxis durchlaufen Unternehmen dabei meist drei Phasen. Diese lassen sich anhand der typischen Arbeitsweisen erkennen:
Viele Unternehmen bewegen sich aktuell zwischen der ersten und zweiten Phase. Sie haben Erfahrungen gesammelt und vielleicht bereits zahlreiche Use Cases identifiziert. Was häufig fehlt, ist eine gemeinsame Richtung, also eine KI-Strategie, die Prioritäten setzt.
Typische Hürden sind:
Ein einzelnes Prompting-Training kann daran wenig ändern. Es schafft einen Einstieg, aber noch keine neuen Routinen.
Was wir in unseren Trainings beobachten: Fast jede Gruppe bringt eigene KI-Erfahrungen mit, und fast nie kennt eine Person die Lösungen der anderen. Wenn wir im Training fragen, wer schon einen Prompt oder ein Custom GPT gebaut hat, das andere im Unternehmen auch nutzen könnten, melden sich viele. Wenn wir fragen, wer diese Lösung geteilt hat, fast niemand. Das ist selten ein Kompetenzproblem, es fehlt einfach der Ort, an dem geteilt wird.
Die richtigen Fragen stellen
Wir empfehlen Unternehmen deshalb, nicht mit der Frage zu starten: „Was kann KI alles?“ Die bessere Frage lautet: Wo verlieren wir heute regelmäßig Zeit, Qualität oder Wissen? Das können etwa die Nachbereitung von Kundenterminen, die Verarbeitung größerer Textmengen, die Dokumentation von Meetings oder wiederkehrende Rechercheaufgaben sein. Genau diese Suche strukturieren wir im KI-Potenzial Workshop.
Funktion oder Business Case? Der Unterschied entscheidet
Ein guter Use Case beschreibt dabei nicht nur eine technische Funktion. „Meetings zusammenfassen“ ist eine Funktion. „Kundentermine schneller dokumentieren, Informationen einheitlich verfügbar machen und den manuellen Aufwand im Vertrieb reduzieren“ ist ein Business Case.
Dieser Unterschied ist wichtig. Denn erst wenn der Nutzen konkret beschrieben wird, lässt sich entscheiden, ob eine Anwendung relevant ist und später skaliert werden sollte. Und genau hier hakt es in den Trainings am häufigsten: Wenn wir Teilnehmende bitten, ihren wichtigsten Use Case aufzuschreiben, landen auf den Karten meist Funktionen. „Texte kürzen.“ „Protokolle schreiben.“ Die Übung besteht dann darin, denselben Fall einmal als Ergebnis zu formulieren, das jemand im Unternehmen tatsächlich braucht. Danach fällt die Priorisierung oft von selbst.
Praxisbeispiel: nicht den Prozess automatisieren, sondern ihn hinterfragen
Bei einem Anwendungsfall aus unserer Praxis mussten Vertriebsmitarbeitende nach Kundenterminen ein detailliertes Protokoll in Form einer Excel-Tabelle ausfüllen. Statt diesen bestehenden Ablauf einfach mit KI nachzubauen, wurde zunächst gefragt: Welches Ergebnis wird eigentlich benötigt?
Dabei stellte sich heraus, dass ein strukturiertes Dokument ausreichte. Daraufhin entstand ein Agent, den die Mitarbeitenden nach dem Termin per Spracheingabe briefen konnten. Die KI strukturierte die Informationen und überführte sie in das gewünschte Format. Der interessante Punkt war nicht die Technologie. Der bestehende Prozess wurde neu gedacht.
Genau darin sehen wir einen zentralen Hebel für KI-Transformation: Nicht möglichst viel automatisieren, sondern gezielt Arbeitsschritte identifizieren, die einfacher, schneller oder besser werden können.
Was Unternehmen jetzt brauchen
Wer bereits erste KI-Erfahrungen gesammelt hat, braucht deshalb meist nicht das nächste Tool. Sinnvoller ist ein strukturierter Rahmen.
Eine Taskforce, die Rückhalt hat
Wir empfehlen eine feste Gruppe von KI-Pionieren oder eine Taskforce, die relevante Use Cases identifiziert, bewertet und in die Organisation trägt. Gleichzeitig braucht diese Gruppe den Rückhalt der Geschäftsführung, um Entscheidungen zu Lizenzen, Datenschutz, Lernzeit und Systemzugriffen treffen zu können.
Wenige Anwendungen, konsequent umgesetzt
Wichtig ist dabei, nicht möglichst viele Projekte gleichzeitig zu starten. Besser: wenige relevante Anwendungen konsequent umsetzen, ihren Nutzen messen und erfolgreiche Lösungen anschließend skalieren. Genau hier setzt eine KI-Transformationsbegleitung an: Sie verbindet Strategie, Befähigung und konkrete Anwendungen im Arbeitsalltag.
Denn der nächste Reifegrad entsteht nicht durch bessere Prompts. Er entsteht, wenn KI selbstverständlich, sicher und messbar dazu beiträgt, Arbeit einfacher, schneller und besser zu machen.
Du willst KI im Unternehmen von einzelnen Experimenten in verlässliche Routinen überführen?
Wir begleiten dich dabei, die richtigen Use Cases zu finden, sie messbar umzusetzen und erfolgreiche Lösungen im Team zu skalieren.
Sprich mit unseren Expert:innen
FAQs
Wir wissen: Begriffe wie KI-Transformation, Use Case oder Agent wirken im ersten Moment abstrakt und werfen schnell neue Fragen auf. Gerade wenn es um den Einsatz von KI im eigenen Unternehmen geht, entstehen Unsicherheiten: Was steckt konkret dahinter? Wie aufwendig ist das wirklich? Damit du den Überblick behältst, haben wir die häufigsten Fragen rund um KI im Unternehmen für dich beantwortet. Verständlich erklärt und praxisnah eingeordnet. Und wenn danach noch etwas offen bleibt: Wir sind da, als Partner für deine KI-Transformation.
Wie lange dauert eine KI-Transformation im Unternehmen?
Das hängt weniger an der Technik als am Rahmen. Erste produktive Anwendungen lassen sich meist innerhalb weniger Wochen umsetzen, wenn Zuständigkeiten, Lizenzen und Freigaben geklärt sind. Bis KI selbstverständlich in Prozesse einfließt, rechnen Unternehmen realistisch in Quartalen, nicht in Tagen. Wichtiger als Geschwindigkeit ist, dass die ersten Anwendungen wirklich abgeschlossen und nicht nur angestoßen werden.
Was passiert mit unseren Unternehmensdaten, wenn Mitarbeitende KI-Tools nutzen?
Das entscheidet sich am Tarif und am Anbieter, nicht am Tool selbst. Geschäftskunden-Varianten der großen Anbieter verarbeiten Eingaben in der Regel nicht zum Training ihrer Modelle, kostenfreie Zugänge oft schon. Deshalb gehört die Klärung von Datenschutz, Auftragsverarbeitung und erlaubten Datenarten an den Anfang und nicht ans Ende einer KI-Einführung. Sonst entstehen Schatten-Lösungen über private Accounts.
Wer sollte in einer KI-Taskforce sitzen?
Bewährt hat sich eine kleine Gruppe aus drei bis sechs Personen, die verschiedene Bereiche abdeckt: Fachabteilungen mit hohem Textaufkommen, IT, Datenschutz sowie eine Person mit Entscheidungsbefugnis. Entscheidend ist nicht technisches Vorwissen, sondern die Nähe zu den Prozessen, die verbessert werden sollen. Die Gruppe braucht ein festes Zeitbudget, sonst bleibt die Arbeit daran Nebentätigkeit.
Wie lässt sich der Nutzen von KI-Anwendungen messen?
Am einfachsten über den Zustand vor der Einführung. Wie lange dauert eine Aufgabe heute, wie oft fällt sie an, wie einheitlich ist das Ergebnis? Wenn diese Werte vorher festgehalten werden, lässt sich der Effekt danach beziffern, etwa in gesparter Bearbeitungszeit pro Vorgang oder in weniger Nacharbeit. Ohne Ausgangswert bleibt jede Einschätzung ein Gefühl.
Reichen Standard-Tools oder braucht es eigene Lösungen?
Für den Einstieg reichen Standard-Tools fast immer aus. Eigene Lösungen werden erst dann sinnvoll, wenn KI auf interne Daten zugreifen, in bestehende Systeme eingebunden oder von vielen Personen einheitlich genutzt werden soll. Der Auslöser ist also selten die Technik, sondern der Wunsch, eine funktionierende Anwendung zu skalieren.
