Warum erfolgreiche Data & AI Strategien mit dem Geschäftsproblem beginnen
Die wichtigste Frage kam erst nach einer Stunde
Vor einigen Monaten moderierten wir einen Workshop zum Thema Künstliche Intelligenz. Die Zielsetzung war klar: Gemeinsam herausfinden, welche Potenziale KI für das Unternehmen bietet und mit welchen Anwendungsfällen man starten sollte. Die Diskussion begann erwartungsgemäß. Es wurde über Automatisierung gesprochen, über neue Werkzeuge und über die Frage, wo sich Zeit sparen, Abläufe beschleunigen oder Entscheidungen verbessern lassen. Die Teilnehmenden brachten viele Ideen ein. Nach kurzer Zeit war eine beachtliche Liste möglicher Anwendungen entstanden. Dann stellte jemand eine Frage, die den gesamten Workshop veränderte:
„Welches Problem wollen wir eigentlich lösen?“
Die Frage war weder besonders kompliziert noch überraschend. Trotzdem sorgte sie für einen Moment der Stille. Denn plötzlich wurde allen bewusst, dass man bereits lange über Lösungen gesprochen hatte, ohne das zugrunde liegende Problem klar benannt zu haben. Von diesem Moment an ging es kaum noch um KI. Stattdessen wurde über langsame Entscheidungswege gesprochen, über Abstimmungen zwischen Abteilungen, über fehlende Transparenz und über Prozesse, die über Jahre gewachsen waren und heute eher bremsen als unterstützen. Rückblickend war genau das der wertvollste Teil des Workshops. Nicht die Diskussion über KI. Sondern die Erkenntnis, wo das Unternehmen tatsächlich Zeit, Geschwindigkeit und Handlungsspielraum verliert.
Warum viele KI-Initiativen am falschen Punkt beginnen
Die Situation ist keineswegs ungewöhnlich. Tatsächlich beobachten wir sie regelmäßig. Das liegt nicht daran, dass Unternehmen die falschen Fragen stellen. Die eigentliche Herausforderung ist, dass die Diskussion häufig bei der Technologie beginnt. Sobald das Thema KI auf den Tisch kommt, richtet sich der Blick automatisch auf Modelle, Werkzeuge und mögliche Anwendungsfälle. Dabei ist das nachvollziehbar. Wer heute Fachveranstaltungen besucht, Branchenmedien liest oder sich auf LinkedIn bewegt, wird ständig mit neuen Erfolgsgeschichten konfrontiert. Praktisch jede Woche erscheinen neue Werkzeuge und vermeintliche Durchbrüche. Die Erwartung, aktiv werden zu müssen, steigt entsprechend. Genau deshalb fokussieren sich viele Unternehmen zunächst auf die Frage, wo KI eingesetzt werden kann.
Aus strategischer Sicht ist jedoch eine andere Frage deutlich wichtiger: Wo verliert das Unternehmen heute eigentlich Wertschöpfung?
Denn KI erzeugt keinen Nutzen, nur weil sie eingesetzt wird. Der Nutzen entsteht erst dann, wenn ein konkretes Problem gelöst wird. Wenn Entscheidungen schneller getroffen werden können. Wenn Mitarbeitende weniger Zeit mit Routinetätigkeiten verbringen. Wenn Wissen leichter verfügbar wird. Oder wenn Kundenanfragen effizienter bearbeitet werden. Wer direkt bei der Technologie startet, läuft Gefahr, eine beeindruckende Liste möglicher Anwendungen zu erstellen, ohne zu wissen, welche davon tatsächlich relevant sind.
Viele Unternehmen suchen nach Anwendungsfällen, obwohl sie eigentlich nach Engpässen suchen sollten
Interessanterweise ist die Anzahl möglicher KI-Anwendungen heute selten das Problem. In Workshops hören wir oft Sätze wie: „Wir haben bereits 30 oder 40 Ideen gesammelt.“ Das ist grundsätzlich positiv. Es zeigt, dass sich die Organisation mit dem Thema auseinandersetzt. Gleichzeitig führt genau diese Vielzahl an Möglichkeiten oft zu einem Denkfehler. Viele Unternehmen betrachten die Anzahl identifizierter Use Cases als Zeichen von Fortschritt. Tatsächlich sagt sie jedoch wenig darüber aus, ob die relevanten Probleme adressiert werden.
Ein Beispiel: Ein Unternehmen entwickelt einen KI-Assistenten, der interne Informationen schneller bereitstellt. Technisch funktioniert die Lösung hervorragend. Die Nutzungszahlen bleiben jedoch hinter den Erwartungen zurück.
Bei genauerem Hinsehen zeigt sich, dass das eigentliche Problem gar nicht die Informationssuche war. Die Mitarbeitenden wussten häufig nicht, welche Informationen verbindlich sind. Unterschiedliche Systeme lieferten unterschiedliche Antworten. Die Herausforderung lag weniger im Finden von Wissen als in dessen Qualität und Verbindlichkeit.
Der Anwendungsfall war sinnvoll. Der Engpass lag nur an einer anderen Stelle.
Genau deshalb sollten Unternehmen nicht mit der Frage beginnen, welche KI-Lösungen denkbar wären. Sie sollten zuerst verstehen, welche Hindernisse heute verhindern, dass bestimmte Ziele erreicht werden.
Die eigentliche Aufgabe lautet nicht: KI einführen
Aus unserer Sicht wird eine erfolgreiche Data & AI Strategie häufig missverstanden. Die Aufgabe lautet nicht, möglichst viele KI-Anwendungen einzuführen. Die Aufgabe lautet, betriebliche Engpässe zu beseitigen. Dieser Unterschied wirkt auf den ersten Blick klein, verändert die Herangehensweise aber grundlegend. Wenn ein Unternehmen beispielsweise regelmäßig wertvolle Zeit in manuellen Abstimmungen verliert, dann ist nicht die KI der Ausgangspunkt. Der Ausgangspunkt ist die Frage, warum diese Abstimmungen überhaupt notwendig sind. Erst danach lässt sich beurteilen, ob Daten, Automatisierung oder KI Teil der Lösung sein können. Dasselbe gilt für Wissensmanagement, Kundenservice, Produktentwicklung oder interne Prozesse. Die Technologie sollte immer aus dem Problem heraus ausgewählt werden. Nicht umgekehrt.
Die erfolgreichsten KI-Initiativen, die wir sehen, beginnen deshalb meist mit einer sehr nüchternen Analyse: Wo entstehen heute Verzögerungen? Welche Entscheidungen dauern zu lange? Welche Tätigkeiten binden unnötig Kapazität? Wo entstehen Kosten, die eigentlich vermeidbar wären? Wer diese Fragen sauber beantwortet, erkennt meist überraschend schnell, welche Anwendungsfälle Priorität haben und welche nicht.
Fazit: Die wichtigste KI-Frage ist keine KI-Frage
Wenn Unternehmen über KI sprechen, dreht sich die Diskussion häufig um Werkzeuge, Modelle und Technologien. Das ist verständlich. Schließlich sind diese Themen sichtbar und greifbar. Die eigentliche Herausforderung liegt jedoch meist an einer anderen Stelle. Unternehmen gewinnen selten dadurch, dass sie die meisten KI-Anwendungen identifizieren. Sie gewinnen dadurch, dass sie die richtigen Probleme lösen.
Deshalb beginnt eine gute Data & AI Strategie nicht mit der Frage: „Welche KI sollten wir einsetzen?“ Sondern mit der deutlich wichtigeren Frage: „Was hält uns heute davon ab, erfolgreicher zu sein?“
Wer darauf eine klare Antwort findet, trifft bessere Entscheidungen über Daten, Prozesse und Technologie. Und genau dann entsteht echter Mehrwert. Denn KI ist kein Ziel. Das Ziel sind bessere Entscheidungen, bessere Abläufe und bessere Ergebnisse.
