KI-Potenziale bewerten und KI-Strategie

In diesem Teil gibt es drei Fragen, und sie kommen in dieser Reihenfolge. Erst: Wo stehen wir? Das beantwortet die Reifegradanalyse. Dann: Welche Einsätze lohnen sich? Das beantwortet die Potenzialanalyse. Und dann: Wie gehen wir vor? Das ist die KI-Strategie.

Die Reihenfolge ist kein Zufall. Wer ohne Standortbestimmung Use Cases auswählt, plant Projekte, für die im Haus die Daten oder die Leute fehlen.

Du schaust auf sechs Bereiche. Strategie: Hat die Geschäftsführung gesagt, was KI erreichen soll, oder probiert jeder für sich? Daten: Liegen die Daten vor, die man bräuchte, sind sie vollständig, und kommt man ran? Denk an Lerntag 4: Garbage in, garbage out. Technologie: Hat das Unternehmen Copilot, ChatGPT Enterprise, eine eigene Plattform? Oder nutzen Leute private Accounts?

Organisation und Kultur: Darf man Fehler machen? Gibt es jemanden, der sich kümmert? Kompetenzen: Wer im Haus kann gute Prompts schreiben, Ergebnisse prüfen, einen Piloten führen? Governance: Gibt es Regeln, wer welches Tool mit welchen Daten nutzen darf, und wer prüft AI Act und Datenschutz? Das kennst du aus Lerntag 5 und Lerntag 6.

Ein Unternehmen kann bei Technologie weit sein und bei Governance ganz am Anfang. Genau das soll die Analyse zeigen. Zeichnest du die sechs Werte als Netzdiagramm, siehst du das Profil auf einen Blick.

Jede Dimension bekommt eine Stufe. Hier nutzt du ein einfaches Modell mit fünf Stufen. Es gibt viele Reifegradmodelle von Beratungen, Verbänden und Hochschulen, manche haben vier Stufen, manche sechs. Ein offizielles gibt es nicht. Wichtig ist, dass du in einem Unternehmen immer dasselbe Modell nutzt, sonst vergleichst du Äpfel mit Birnen.

Stufe 2 verdient einen zweiten Blick. Einzelne probieren aus, oft mit privaten Accounts. Das ist die Stufe mit dem größten Datenschutzrisiko.

Wo steht ein Unternehmen, in dem alle ChatGPT privat benutzen und die IT davon nichts weiß? Genau, auf Stufe 2. Und zwar in fast allen Dimensionen.

Das ist die Nordfracht GmbH, eine Spedition mit 180 Beschäftigten. Erfunden, aber typisch. Die Daten sind gar nicht schlecht: Sendungen, Touren und Kunden liegen im Transportmanagementsystem. Copilot ist lizenziert, weil es im Microsoft-Paket mit drin war. Aber es gibt kein Ziel, keine Schulung und keine Regeln.

Rate zuerst selbst: Wo würdest du anfangen? Die Antwort: nicht bei der Technik. Die Technik ist schon weiter als die Organisation. Hier fehlen Regeln und Kompetenzen. Und die Schulung ist nicht nur sinnvoll: Seit Februar 2025 verlangt Art. 4 AI Act, dass Unternehmen Maßnahmen für die KI-Kompetenz ihrer Beschäftigten ergreifen. Das kennst du aus Lerntag 5. Einordnung, keine Rechtsberatung.

Das ist der Wert einer Reifegradanalyse. Sie verhindert, dass du einen Chatbot baust, wenn eigentlich erst Regeln fehlen.

Jeder Use Case muss durch vier Fragen. Nutzen: Was bringt es? Gesparte Stunden, weniger Fehler, schnellere Antworten, möglichst in Zahlen. Machbarkeit: Geht das mit dem, was wir haben? Reicht Copilot, oder brauchen wir eine eigene Entwicklung?

Risiko: Was passiert, wenn die KI danebenliegt? Ein schlechter Entwurf für eine Mail ist ärgerlich. Eine falsche Entscheidung über eine Bewerberin ist ein Rechtsproblem. KI zur Personalauswahl ist nach dem AI Act ein Hochrisiko-System, sie steht in Anhang III. Einordnung, keine Rechtsberatung.

Datenlage: Haben wir die Daten? Sind sie gut genug? Und dürfen wir sie überhaupt in dieses Tool geben? Das ist die Frage aus Lerntag 6.

Jetzt wird es konkret. Du gibst jedem Use Case pro Kriterium eine Note von 1 bis 5. Achtung beim Risiko: Da heißt 5, das Risiko ist gering. Sonst gewinnt am Ende das gefährlichste Projekt. Dann gewichtest du, hier mit 40, 25, 20 und 15 Prozent. Ein Krankenhaus würde das Risiko deutlich höher gewichten.

Rechne den Angebotsentwurf einmal mit: 4 mal 0,4 sind 1,6. 5 mal 0,25 sind 1,25. 4 mal 0,2 sind 0,8. 4 mal 0,15 sind 0,6. Zusammen 4,25. Die Tourenplanung hat den größten Nutzen, aber die Machbarkeit ist schwach. Die Bewerber-Vorauswahl landet hinten, weil das Risiko hoch ist.

Das Scoring entscheidet nicht für dich. Aber es zwingt alle, ihre Gründe auf den Tisch zu legen.

Das Scoring gibt dir eine Zahl. Die Matrix gibt dir ein Bild, und das versteht die Geschäftsführung in zehn Sekunden. Rate zuerst selbst, wohin die drei Use Cases der Nordfracht gehören, bevor du in die rechte Spalte schaust.

Hoher Nutzen bei wenig Aufwand sind Quick Wins. Damit fängst du an, weil du schnell zeigen kannst, dass es funktioniert. Hoher Nutzen bei viel Aufwand sind die großen Projekte. Die planst du, aber nicht als Erstes. Wenig Nutzen bei viel Aufwand: streichen, auch wenn es spannend klingt.

Die Tourenplanung gehört zu den großen Projekten. Großer Hebel, aber ohne bessere Daten und externe Hilfe nicht machbar.

Du weißt jetzt, wo ein Unternehmen steht und welche Use Cases sich lohnen. Jetzt kommt der Rahmen darum: die KI-Strategie. Eine gute KI-Strategie beantwortet sieben Fragen.

Die letzten zwei hast du in diesem Teil schon beantwortet. Das Scoring sind deine Bewertungskriterien. Die Erfolgsmessung kommt gleich beim Pilot.

Die erste Frage ist die wichtigste. KI ist kein Ziel. „Wir wollen KI nutzen“ ist keine Strategie. „Wir wollen Angebote in einem Tag statt in drei Tagen verschicken“ ist ein Ziel, bei dem KI helfen kann.

Eine Strategie wird in fünf Handlungsfeldern konkret. Vision und Zielbild: Wo wollen wir in zwei Jahren stehen? Bei der Nordfracht: Jedes Angebot geht innerhalb von 24 Stunden raus. Governance und Verantwortung: Wer entscheidet, welche Regeln gelten? Die Nordfracht braucht eine KI-Richtlinie und eine Person, die zuständig ist.

Technologie- und Datenstrategie: Welche Tools nutzen wir, welche Daten bereiten wir auf? Copilot ist schon da. Die Daten aus dem Transportsystem müssen für die Tourenplanung später besser werden. Organisationsentwicklung: Wie ändern sich Abläufe und Rollen? Zum Beispiel mit einer Ansprechperson für KI in jeder Abteilung. Kompetenzaufbau: Wer lernt was? Hier ist die Schulung für alle Pflicht.

Fällt dir etwas auf? Die Handlungsfelder passen fast genau zu den Dimensionen der Reifegradanalyse. Wo die Analyse schwach war, setzt die Strategie an.

Das ist der wichtigste Punkt in diesem Teil. Ein Pilot ist ein kleiner, begrenzter Test, und er braucht drei Dinge, bevor er startet. Erstens die Baseline, den Ausgangswert. Wie lange dauert ein Angebot heute? Bei der Nordfracht drei Tage. Ohne diese Zahl kannst du später nichts beweisen. Du misst sie vorher, nicht nachher aus der Erinnerung, zum Beispiel einige Zeit lang mit den Zeitpunkten von Anfrage und Versand aus dem Postfach oder dem CRM.

Zweitens die KPI, die Kennzahl. Was genau misst du? Die Zeit bis zum Angebot. Und wie oft der Entwurf stark korrigiert werden muss, sonst wird es schnell, aber falsch.

Drittens das Abbruchkriterium: Wann hören wir auf? Hier: Ist es nach 8 Wochen nicht mindestens 20 Prozent schneller, stoppt der Pilot. Das Abbruchkriterium fehlt fast immer. Ohne läuft ein Pilot endlos weiter, weil niemand zugeben will, dass er nichts bringt.

Irgendwann kommt die Frage: Kaufen wir ein Tool oder bauen wir selbst? Kaufen geht schnell. Copilot, ChatGPT Enterprise, ein fertiges Tool für Rechnungen. Du zahlst Lizenzen, hast wenig Aufwand, kannst aber nur begrenzt anpassen.

Selbst bauen dauert, kostet Entwicklung und Betrieb und braucht Leute, die das können. Dafür passt es genau. Das lohnt sich dort, wo es um das Kerngeschäft geht und um Daten, die nur das Unternehmen hat. Bei der Nordfracht wäre das die Tourenplanung.

Dazwischen gibt es einen Mittelweg: ein fertiges Tool, das du konfigurierst. Ein Agent in Copilot oder ein eigener GPT mit eigenen Anweisungen und Dokumenten, wie in Lerntag 2. Für viele Mittelständler ist das der richtige Anfang.