Siemens Healthineers hat sein KI-Programm nicht mit einer unternehmensweiten Plattform gestartet. Sondern mit einem einzigen Use Case: automatische Klassifizierung von Röntgenbildern, eine Abteilung, 15 Nutzer, 8 Wochen Pilot. ROI bestätigt zuerst, Skalierung danach. Heute laufen Tausende von Mitarbeitern auf KI-gestützten Systemen.
Der Mittelstand kann den Ansatz kopieren. Klein anfangen, schnell validieren, dann skalieren. Wer KI im Unternehmen einführen will, braucht keinen Masterplan. Er braucht ein erstes Projekt.
Warum KI-Einführungen scheitern
Gartner schätzt: 60 % der KI-Projekte in Unternehmen überleben die Pilotphase nicht (Gartner, 2024). Vier Fehlermodi wiederholen sich:
Zu großer Scope. „Wir bauen eine unternehmensweite KI-Plattform” klingt ambitioniert. Endet meist als 18-Monats-Projekt, das an Komplexität erstickt.
Keine klare Problemdefinition. „Wir brauchen KI” ist kein Business Case. Ohne messbares Ziel kein messbarer Erfolg — und ohne Erfolg kein Rückhalt für Phase zwei.
Compliance nachträglich. KI wird eingeführt, dann fällt auf, dass DSGVO, EU AI Act und Betriebsrat nicht eingeplant waren. Stopp, Rückbau, Neustart.
Fehlende Sponsorship. Ohne Rückhalt aus der Geschäftsführung stirbt jedes KI-Projekt am Widerstand der Fachabteilungen.
Ihr KI-Fahrplan: 4 Phasen (interaktiv)
Phase 1: Problem identifizieren (Woche 1–2)
Die wichtigste Phase — und die am häufigsten übersprungene. Die richtige Frage ist nicht „Was kann KI?" Sondern: „Wo verlieren wir Zeit, Geld oder Qualität?"
Gute Ausgangsfragen:
- Wo suchen Mitarbeiter am längsten nach Informationen? → KI-Wissensmanagement
- Welche Aufgaben sind repetitiv und fehleranfällig? → KI-Dokumentenmanagement
- Wo erreichen Nachrichten die Mitarbeiter nicht? → KI-gestützte interne Kommunikation
- Wo fallen die höchsten externen Dienstleistungskosten an?
Output: Ein konkreter Use Case mit messbarem Ziel. Beispiel: „Suchzeit für technische Dokumentation von 90 auf 30 Minuten pro Tag reduzieren."
- Konkretes Problem mit messbarem Ziel identifiziert
- Geschäftsführung als Sponsor gewonnen
- Betriebsrat informiert
- Budget-Rahmen abgestimmt
Phase 2: Lösung evaluieren (Woche 3–4)
Drei Entscheidungen:
Architektur: Cloud oder On-Premise? Sensible Daten → On-Premise. Der CLOUD Act schafft Risiken für Daten in US-Clouds. Ab 200+ Nutzern ist On-Premise meist deutlich günstiger.
Build or Buy? Selbst bauen nur mit echtem AI-Engineering-Team. Für den Mittelstand ist Buy fast immer die pragmatische Wahl.
Compliance von Tag eins. KI-Compliance ist kein nachgelagerter Schritt. Betriebsrat einbinden, DSGVO-Anforderungen prüfen, Risikoklasse bestimmen.
- Architektur entschieden (Cloud / On-Premise)
- Anbieter evaluiert und ausgewählt
- DSGVO-Anforderungen geprüft (AVV, DSFA, Drittlandtransfer)
- EU-AI-Act-Risikoklasse bestimmt
- Budget freigegeben
Phase 3: Pilot starten (Woche 5–10)
Scope: ein Use Case, 20–50 Nutzer, vier bis sechs Wochen.
Setup: Plattform installieren oder konfigurieren, relevante Datenquellen anbinden (z.B. SharePoint + Netzlaufwerke), Berechtigungen prüfen, Pilotgruppe schulen (Art. 4 EU AI Act).
Erfolgskriterien, schriftlich vor dem Start:
- Quantitativ: Suchzeit gesunken? Fehlerrate runter? Kosten eingespart?
- Qualitativ: Nutzerakzeptanz? Relevanz der Ergebnisse?
- Compliance: Betriebsratsfreigabe erteilt? DSFA durchgeführt?
Wöchentliche Feedback-Runde. Was funktioniert, was nicht, was fehlt.
- 20–50 Testnutzer ausgewählt
- Datenquellen angebunden
- Berechtigungen geprüft
- Schulung durchgeführt
- Erfolgskriterien dokumentiert
- Wöchentliches Feedback-Format etabliert
Phase 4: Skalieren (ab Woche 11)
Nur bei positivem Pilotresultat. Die typischen Fehler beim Skalieren:
Fehler: alle Nutzer auf einmal. Besser: Welle 2 mit 100–200 Nutzern, Welle 3 mit allen. Jede Welle bringt neue Erkenntnisse.
Fehler: neue Use Cases zu früh. Erst den Pilot stabilisieren, dann den nächsten Use Case angehen.
Fehler: Schulung vergessen. Neue Nutzer brauchen ein Onboarding. 30-Minuten-Video plus Q&A reicht — aber es muss existieren.
Richtig: KI-Richtlinie finalisieren. Der Draft aus Phase 2 wird zur formal verabschiedeten Betriebsvereinbarung.
- Pilot auf Daten ausgewertet, nicht auf Bauchgefühl
- Wellenplan für Skalierung erstellt
- KI-Richtlinie als Betriebsvereinbarung verabschiedet
- Schulungsprogramm für alle Nutzer aufgesetzt
- Monitoring und Quartals-Review etabliert
Vollständige Checkliste
Vor dem Start:
Pilot:
Rollout:
KI einführen — in sechs Wochen produktiv contboxx Vault: schlüsselfertig, rund 40 Integrationen, ohne ML-Team. Ideal für den ersten Piloten. Kostenlose Demo buchen
Häufig gestellte Fragen
Wie lange dauert es, KI im Unternehmen einzuführen?
Von der Problemdefinition bis zum produktiven Piloten: 6–10 Wochen mit schlüsselfertigen Lösungen. Bis zum vollen Rollout: 3–6 Monate, je nach Größe und Anzahl der Use Cases. Die langsamen Teile sind selten Technologie — sondern Stakeholder-Alignment und Datenqualität.
Was kostet ein KI-Pilot?
Cloud-KI: ab 3.000–5.000 EUR/Monat für 50 Testnutzer. Schlüsselfertiges On-Premise: einmalig ab ca. 52.000 EUR, danach keine laufenden Per-User-Kosten. Vollständig im Kostenvergleich.
Brauche ich für einen Piloten eine Betriebsratsvereinbarung?
Formal ja — auch ein Pilot ist eine Einführung einer technischen Einrichtung im Sinne von § 87 BetrVG. Praktisch: Betriebsrat früh ansprechen, Scope und Timeline festlegen, eine befristete Pilotvereinbarung dokumentieren. Schafft Vertrauen, vermeidet spätere Konflikte.
Fazit
KI im Unternehmen einführen ist kein IT-Projekt. Es ist ein Business-Projekt mit IT-Komponente. Erfolg hängt davon ab, ob Sie das richtige Problem lösen, in der richtigen Reihenfolge, mit den richtigen Menschen.
Ein Pilot. Ein Use Case. Sechs Wochen. Mehr braucht es nicht, um zu wissen, ob KI für Ihr Unternehmen funktioniert. Der Rest folgt.
KI-Strategie für den Mittelstand → | KI-Compliance: der vollständige Leitfaden →