Warum KI-Projekte im Unternehmen oft an der Umsetzung scheitern ▶️ Martin und Stefan Hörhammer sprechen über Use Cases, Verantwortung, Daten und AI Governance.
Künstliche Intelligenz ist inzwischen in nahezu jeder Unternehmensstrategie angekommen. Es gibt Pilotprojekte, Demos, Chatbots und zahlreiche Ideen für neue Anwendungen. Doch wie viel davon erzeugt bereits einen messbaren Nutzen im Arbeitsalltag?
Martin und Stefan Hörhammer gehen in dieser Folge der Frage nach, ob Unternehmen bei KI tatsächlich noch vor einem technologischen Problem stehen – oder ob die größere Herausforderung mittlerweile in der Umsetzung liegt.
Denn viele Technologien funktionieren bereits. Agenten können Aufgaben übernehmen, Informationen auswerten, Inhalte erstellen oder Prozessschritte automatisieren. Trotzdem bleiben zahlreiche KI-Initiativen im Experimentiermodus stecken.
Die entscheidende Frage lautet daher nicht mehr nur: Was kann die Technologie? Unternehmen müssen klären: Welches konkrete Problem lösen wir damit?
Aus Sicht von Martin und Stefan Hörhammer setzt sich nicht zwangsläufig das leistungsfähigste Modell oder die technisch faszinierendste Lösung durch.
Entscheidend ist die KI, die regelmäßig genutzt wird und im Alltag einen konkreten Mehrwert erzeugt. Ein beeindruckender Prototyp allein verändert noch keinen Prozess. Erst wenn eine Anwendung zuverlässig Zeit spart, Mitarbeitende entlastet oder bessere Entscheidungen ermöglicht, entsteht ein wirtschaftlicher Nutzen.
Die Bandbreite zwischen Unternehmen und einzelnen Mitarbeitenden ist dabei groß. Während einige bereits agentenbasierte Prozesse entwickeln, beschränkt sich die Nutzung andernorts noch auf einfache Fragen an einen öffentlichen Chatbot.
Gerade auf strategischer Ebene fehlt deshalb häufig ein realistisches Verständnis dafür, was heute bereits möglich ist. KI kann unter anderem bei der Wissenssuche, Angebotserstellung, Softwareentwicklung, Datenanalyse, Konzeption, im Kundenservice und im Vertrieb produktiv eingesetzt werden.
Die Technologie ist damit in vielen Bereichen weiter als ihre organisatorische Verankerung.
Viele KI-Projekte beginnen mit der Technologie. Ein neues Modell oder Werkzeug wird vorgestellt und anschließend wird nach einer passenden Aufgabe gesucht.
Martin und Stefan Hörhammer halten diese Reihenfolge für falsch. Unternehmen benötigen keine Lösung, die erst noch nach einem Problem sucht. Sie benötigen ein klar definiertes Problem und prüfen anschließend, ob KI das geeignete Werkzeug für dessen Lösung ist.
Ein guter KI-Use-Case erfüllt aus ihrer Sicht vier zentrale Bedingungen:
Er löst ein konkretes und relevantes Problem.
Er spart messbar Zeit oder Kosten.
Er wird regelmäßig im Arbeitsalltag genutzt.
Er verbessert, vereinfacht oder ersetzt dauerhaft einen Prozess.
Erfüllt ein Projekt diese Voraussetzungen nicht, bleibt es häufig bei einer technisch interessanten Demonstration. Die Anwendung findet keinen festen Platz im Unternehmen und wird nach dem Ende des Pilotprojekts nicht weiter genutzt.
Die zentrale Regel der Folge lautet:
Problem, Prozess, Daten, KI – und nicht umgekehrt.
Am Anfang steht das Problem. Unternehmen müssen verstehen, welche Aufgabe, Belastung oder Ineffizienz tatsächlich beseitigt werden soll.
Danach folgt der Prozess. Bevor dieser automatisiert wird, muss geprüft werden, ob er sinnvoll aufgebaut ist. Ein schlechter oder überflüssiger Prozess wird nicht automatisch besser, nur weil er durch KI schneller ausgeführt wird.
Anschließend kommt die Datenbasis. Die KI benötigt vollständige, aktuelle und geeignete Informationen, um verlässliche Ergebnisse liefern zu können. Sind die zugrunde liegenden Daten fehlerhaft oder unstrukturiert, verschärft eine Automatisierung unter Umständen die bestehenden Probleme.
Erst im letzten Schritt wird entschieden, welche KI-Technologie eingesetzt werden soll.
Die Reihenfolge verhindert, dass Unternehmen hohe Investitionen in Anwendungen tätigen, deren organisatorische und fachliche Grundlage nicht geklärt ist.
KI kann Prozesse nicht nur beschleunigen oder verbessern. Einige Abläufe können durch den Einsatz der Technologie vollständig entfallen.
Deshalb sollten Unternehmen nicht automatisch davon ausgehen, dass jeder bestehende Prozess erhalten bleiben muss. Häufig existieren Abläufe nur deshalb, weil sie über Jahre zu einer festen Routine geworden sind.
Genau darin liegt eine große organisatorische Herausforderung. Routinen werden im Arbeitsalltag selten als Problem wahrgenommen. Mitarbeitende sind an sie gewöhnt und hinterfragen häufig nicht mehr, ob einzelne Schritte noch notwendig sind.
Der Einsatz von KI verlangt daher einen Perspektivwechsel: Nicht nur die Technologie muss verstanden werden. Unternehmen müssen auch ihre bisherigen Arbeitsweisen kritisch betrachten.
Neue Technologien werden von Mitarbeitenden nicht automatisch als Entlastung wahrgenommen. KI kann Unsicherheit erzeugen, weil sie etablierte Aufgaben, Rollen und Verantwortlichkeiten verändert.
In der Folge wird eine Statistik angeführt, nach der ein erheblicher Anteil der Mitarbeitenden den Einsatz von KI in Unternehmen aktiv behindert oder bewusst ungeeignete Eingaben nutzt, um zu zeigen, dass die Technologie nicht funktioniert.
Unabhängig von der konkreten Größenordnung zeigt das Beispiel ein relevantes Problem: Wer den Nutzen einer Veränderung nicht erkennt oder negative Folgen für die eigene Rolle befürchtet, wird neue Anwendungen möglicherweise ablehnen.
Die Lösung kann nicht ausschließlich in strengeren Vorgaben bestehen. Unternehmen müssen Mitarbeitende befähigen, die Technologie sinnvoll einzusetzen, Ergebnisse kritisch zu bewerten und Verantwortung zu übernehmen.
Erste erfolgreiche Anwendungsfälle spielen dabei eine wichtige Rolle. Sie machen den Nutzen sichtbar und schaffen Vertrauen in die Veränderung.
Mit zunehmender Automatisierung wird die Frage nach der Verantwortung immer wichtiger.
KI kann Informationen auswerten, Handlungsempfehlungen erstellen und Aufgaben selbstständig ausführen. Trotzdem muss nachvollziehbar bleiben, wie ein Ergebnis entstanden ist und ob es fachlich plausibel ist.
Für Martin und Stefan Hörhammer liegt die Verantwortung letztlich weiterhin beim Menschen.
Die Technologie kann:
Entscheidungen vorbereiten,
Prozesse beschleunigen,
Aufgaben automatisieren,
Informationen strukturieren
und einzelne Abläufe vollständig übernehmen.
Die abschließende Plausibilisierung und Verantwortung kann sie dem Unternehmen jedoch nicht abnehmen.
Wer KI einsetzt, muss das Ergebnis verstehen, bewerten und gegebenenfalls korrigieren können. Mitarbeitende dürfen Ausgaben nicht ungeprüft übernehmen, nur weil sie von einem leistungsfähigen System erzeugt wurden.
Ein KI-generiertes Ergebnis kann auf den ersten Blick überzeugend wirken. Entscheidend ist jedoch nicht nur das Resultat, sondern auch der Weg dorthin.
Nur wer die zugrunde liegende Aufgabe, die verwendeten Daten und die fachlichen Zusammenhänge versteht, kann beurteilen, ob das Ergebnis richtig ist.
Das gilt besonders in Bereichen, in denen fehlerhafte Entscheidungen erhebliche Folgen haben können. KI-Kompetenz bedeutet daher nicht nur, gute Prompts zu schreiben. Sie umfasst auch Fachwissen, kritisches Denken und die Fähigkeit, Ergebnisse zu hinterfragen.
Unternehmen müssen ihre Mitarbeitenden genau dazu befähigen. Andernfalls besteht die Gefahr, dass Prozesse zwar schneller werden, die Qualität der Entscheidungen jedoch sinkt.
Je stärker KI in operative Prozesse eingreift, desto wichtiger wird eine verbindliche AI Governance.
Unternehmen benötigen klare Regeln dafür, welche Systeme eingesetzt werden dürfen, welche Daten verarbeitet werden können und wer für Entscheidungen oder Ergebnisse verantwortlich ist.
Eine belastbare AI Governance sollte unter anderem folgende Punkte regeln:
Rollen und Verantwortlichkeiten
Freigaben für Anwendungen und Anwendungsfälle
Qualitätskontrollen und Plausibilitätsprüfungen
Nachvollziehbarkeit von Entscheidungen
Datenschutz und Informationssicherheit
Grenzen für autonomes Handeln
Eskalationswege und menschliche Eingriffsmöglichkeiten
Agentenbasierte Systeme sollen eigenständig handeln dürfen. Sie dürfen dabei jedoch nicht unbeaufsichtigt bleiben.
Martin und Stefan Hörhammer vergleichen das mit einem Autopiloten: Vertrauen entsteht nicht, weil das System nie kontrolliert werden muss. Vertrauen entsteht, weil klar definiert ist, wann ein Mensch eingreifen muss.
Unternehmen benötigen eine KI-Strategie. Diese darf jedoch nicht zum Hindernis für die praktische Umsetzung werden.
Ein umfangreiches Strategiepapier, das über Jahre entwickelt wird, schafft noch keinen messbaren Mehrwert. Problematisch wird es, wenn Organisationen zunächst sämtliche denkbaren Fragen abschließend klären möchten und deshalb nicht mit der Umsetzung beginnen.
Die Empfehlung aus der Folge lautet, mit einem klar begrenzten Anwendungsfall zu starten. Dieser sollte innerhalb weniger Wochen ein überprüfbares Ergebnis liefern.
Geeignet ist beispielsweise ein Prozess, der:
häufig ausgeführt wird,
heute einen hohen manuellen Aufwand verursacht,
über eine belastbare Datenbasis verfügt
und anhand klarer Kennzahlen bewertet werden kann.
Der erste Use Case muss nicht das gesamte Unternehmen transformieren. Er soll zeigen, dass sich ein konkretes Problem mit KI nachweisbar besser lösen lässt.
Ein erfolgreich gelöstes Problem kann als Leuchtturm für weitere KI-Projekte dienen.
Mitarbeitende und Führungskräfte erleben dann nicht nur eine abstrakte Technologie, sondern einen konkreten Nutzen. Sie sehen, welche Aufgaben entfallen, wie viel Zeit eingespart wird und wie sich ein Prozess verbessert.
Diese ersten Erfolge schaffen Vertrauen. Gleichzeitig liefern sie wichtige Erkenntnisse für die nächsten Projekte:
Welche Daten werden benötigt?
Welche Rollen müssen eingebunden werden?
Wo sind menschliche Prüfungen notwendig?
Welche technischen und organisatorischen Grenzen bestehen?
Wie lässt sich die Lösung später skalieren?
Auf dieser Grundlage kann sich das Unternehmen schrittweise weiterentwickeln. Die Strategie entsteht dabei nicht ausschließlich auf dem Papier, sondern wird durch praktische Erfahrungen ergänzt und geschärft.
Die zentrale Herausforderung beim Einsatz von KI liegt heute häufig nicht mehr in der Technologie. Sie liegt darin, geeignete Probleme zu identifizieren, Prozesse zu hinterfragen, Daten nutzbar zu machen und Verantwortung eindeutig zu regeln.
Unternehmen sollten deshalb weder bei unverbindlichen Pilotprojekten stehen bleiben noch jahrelang an einer perfekten Gesamtstrategie arbeiten.
Der sinnvollere Weg beginnt mit einem begrenzten, messbaren Use Case. Dieser muss ein echtes Problem lösen und innerhalb kurzer Zeit einen erkennbaren Mehrwert schaffen. Anschließend können die gewonnenen Erfahrungen auf weitere Prozesse übertragen werden.
Die wichtigsten Erkenntnisse der Folge lassen sich in einer klaren Reihenfolge zusammenfassen:
Problem verstehen. Prozess verbessern. Datenbasis schaffen. KI gezielt einsetzen. Verantwortung beim Menschen belassen.
Denn erst wenn aus einer technologischen Möglichkeit ein dauerhaft besserer Prozess wird, entfaltet KI im Unternehmen ihre tatsächliche Wirkung.
In den kommenden Folgen sprechen Martin und Stefan Hörhammer über aktuelle Entwicklungen an der Schnittstelle von IT, Wirtschaft und Unternehmensstrategie – direkt, verständlich und mit einem klaren Blick auf die Praxis.
Wie bleiben Unternehmen wettbewerbsfähig und sicher ▶️ Entdecken Sie IT-Infrastrukturen, die Nachhaltigkeit und digitale Sicherheit vereinen.
Martin Hörhammer und Ralph Friederichs unterhalten sich über Unternehmertum, die Verantwortung zu Veränderung und den Wachstumspfad der Medialine...
Für den September haben wir uns mit Martin und Stefan Hörhammer, CEO und COO der Medialine Group unterhalten. Es ging um das erste Geschäftshalbjahr,...
Einmal im Monat informieren wir zu aktuellen Trend-Themen, News und Veranstaltungen aus der IT-Welt. Zusätzlich erhalten Sie im Bedarfsfall Sondernewsletter, falls es aktuelle Entwicklungen oder Sicherheitsrisiken nicht zulassen, Ihnen diese Informationen bis zum nächsten planmäßigen Newsletter vorzuenthalten.
Unsere Datenschutzhinweise, die Sie umfassend über unsere Datenverarbeitung und Ihre Datenschutzrechte informieren, finden Sie hier.