Blog · Digital Sense – The Human Side of AI
KI-Use-Cases finden: Erst den Prozess verstehen, dann das Tool
Wer KI sinnvoll einsetzen will, sollte nicht mit der Tool-Auswahl beginnen, sondern mit den eigenen Abläufen. Welche Kriterien helfen, passende Anwendungsfälle zu erkennen, zu bewerten und verantwortungsvoll umzusetzen?
Nicht das Tool ist der Anfang
„Wir müssen jetzt KI machen“ klingt nach Entschlossenheit. Doch ohne ein konkretes Problem bleibt es ein Start ohne Richtung. Ein sinnvoller erster Schritt ist, den Anlass zu klären: Wo kostet Arbeit regelmäßig Zeit? Wo entstehen Engpässe? Und welcher Prozess soll sich tatsächlich verbessern?
Dörte Wittenberg, die Management- und Führungsteams bei Strategieumsetzung und Transformation begleitet, beschreibt einen Ansatz, der genau dort ansetzt. Erst werden Unternehmensstrategie, aktuelle Herausforderungen und Abläufe betrachtet. Danach lässt sich prüfen, ob und wie KI helfen kann – statt ein Werkzeug für ein Problem zu suchen, das vielleicht gar nicht das wichtigste ist.
Von der Beobachtung zur Bewertung
Ein möglicher Use Case wird tragfähiger, wenn er zur Strategie passt und in einem wiederkehrenden Ablauf ansetzt. Für die Bewertung helfen Fragen wie:
- Welches konkrete Problem soll gelöst werden? Benennt den Prozess und den Zeitfresser, nicht nur die gewünschte Technologie.
- Wie lässt sich der Nutzen prüfen? Legt passende Kriterien oder Kennzahlen fest, bevor ihr Ergebnisse bewertet.
- Sind Daten und Prozesse eine ausreichende Grundlage? Eine KI-Anwendung kann nicht beliebig fehlende Strukturen ausgleichen.
- Wird die Anwendung von den Betroffenen akzeptiert? Ein Use Case verändert auch Arbeitsweisen. Die Perspektive der Nutzerinnen und Nutzer gehört deshalb früh dazu.
- Welche Risiken entstehen? Datenrisiken, Sicherheits- und Governance-Fragen sowie geringe Akzeptanz können Gründe sein, einen Fall kritisch zu prüfen oder nicht weiterzuverfolgen.
Auch die Reichweite macht einen Unterschied: Eine unternehmensweite Anwendung braucht gemeinsame Regeln und verlässliche Qualität. Bei einer begrenzten Lösung für einen Fachbereich können Geschwindigkeit und ein konkreter Vorteil stärker ins Gewicht fallen. Das ist kein Freibrief für Abkürzungen, sondern ein Hinweis darauf, dass Bewertungskriterien zum Einsatzbereich passen müssen.
KI als Unterstützung – nicht als Ersatz für Zusammenarbeit
In der Beratung kann KI etwa Recherche und das Zusammenführen vieler Informationen unterstützen. Wittenberg beschreibt außerdem, wie Agenten als Sparringspartner unterschiedliche Methoden und Wissensgebiete für konkrete Situationen zusammentragen können. Ein Beispiel aus dem zweiten Teil der Podcastfolge ist die Vorbereitung von Workshops: Ein Agent kann Vorgehensweisen und Methoden einbringen, weitere Agenten können fachliche Perspektiven vertiefen.
Die eigentliche Arbeit mit Menschen im Workshop bleibt davon zu unterscheiden. Anforderungen verstehen, Vertrauen aufbauen und gemeinsam Entscheidungen treffen sind soziale Aufgaben. Auch bei Kommunikation kann KI beim Vorbereiten oder Üben helfen; die Gesprächspartnerinnen und Gesprächspartner betonen zugleich, dass eine automatisierte Nachricht nicht in jeder Kundenbeziehung die passende Wahl ist.
Umsetzung heißt auch: weiter pflegen
Ein KI-Anwendungsfall ist nicht mit der Einführung erledigt. Systeme und Agenten müssen aktuell gehalten und nach Updates überprüft werden. Dazu kommt die Zusammenarbeit verschiedener Perspektiven: Business, Technik, HR sowie Fragen von Werten und Ethik. KI ist in diesem Sinn Teamsport – und braucht klare Zuständigkeiten.
Für die Auswahl und Umsetzung kann ein bereichsübergreifendes Team helfen, die Folgen aus mehr als einem Blickwinkel zu prüfen. Unterschiedliche Perspektiven können zunächst Reibung erzeugen; sie machen aber auch sichtbar, was in der Organisation tatsächlich geleistet und verantwortet werden muss.
Vorsicht ist besonders dort angebracht, wo hohe Datenrisiken, ungeklärte Governance oder Sicherheitsfragen auftreten, die Akzeptanz gering ist oder die Begründung allein auf Kostensenkung zielt. Eine gute Prüfung fragt nicht nur, ob sich Arbeit beschleunigen lässt, sondern auch, welche Arbeit besser werden soll und welche Verantwortung beim Menschen bleibt.
Ein kleiner, konkreter Anfang
Wer noch keinen klaren KI-Use-Case vor Augen hat, kann eine wiederkehrende, störende Aufgabe auswählen und prüfen, ob KI sie sinnvoll unterstützt. Wichtig ist, klein genug anzufangen, um den Ablauf und mögliche Risiken zu überblicken – und zugleich festzulegen, woran sich eine Verbesserung erkennen ließe.
In der zweiteiligen Podcastfolge besprechen Dr. Lucien André Reuter und Yvonne Faoual gemeinsam mit Dörte Wittenberg ausführlich, wie sich Use Cases aus Strategie und Prozessen ableiten lassen und wo menschliche Erfahrung, Vertrauen und Zusammenarbeit wichtig bleiben. Der rote Faden: KI nicht als Selbstzweck oder reine Abkürzung einsetzen, sondern als bewussten Verstärker guter Arbeit.