Fragt man zehn Geschäftsführer:innen nach ihrem KI-Transformationsplan, beschreiben acht eine Liste von Anwendungsfällen, keine Abfolge. Das ist bereits der erste Fehler, denn die Reihenfolge, in der Phasen ablaufen, zählt mindestens so sehr wie die Auswahl der Anwendungsfälle selbst. Es folgt ein realistischer, phasenweiser Fahrplan, gebaut aus dem Muster dessen, was tatsächlich funktioniert: erst bewerten, dann pilotieren, dann skalieren, und Wert nachweisen, bevor eine Plattform gebaut wird.
Der Fahrplan im Überblick
| Phase | Realistische Dauer | Was dabei bewiesen wird |
|---|---|---|
| 1. Ist-Zustand und Datenreife bewerten | 2-4 Wochen | Ob die Daten hinter dem Zielprozess wirklich nutzbar sind |
| 2. Ein bis zwei Pilotprojekte auswählen | 2-3 Wochen | Dass die gewählten Anwendungsfälle hochwertig und klar abgegrenzt sind |
| 3. Das Team aufbauen oder einstellen | Läuft parallel zu Phase 2-4, fortlaufend | Dass die nötigen Fähigkeiten vorhanden sind, um tatsächlich zu liefern, nicht nur zu planen |
| 4. Messen, dann skalieren oder einstellen | 60-90 Tage pro Pilot, danach 3-6+ Monate zur Skalierung | Dass der Pilot echten, messbaren Wert schafft, bevor er ausgeweitet wird |
Phase 1: Ist-Zustand und Datenreife bewerten (2-4 Wochen)
Bevor irgendein Anwendungsfall ausgewählt wird, zwei bis vier Wochen investieren, um eine unglamouröse Frage ehrlich zu beantworten: Sind die Daten hinter den infrage kommenden Prozessen tatsächlich nutzbar, zugänglich, einigermaßen sauber, nicht in einem System gefangen, das niemand abfragen kann, und ausreichend governt, dass ihre Nutzung kein Compliance-Problem erzeugt? Die meisten Transformationsvorhaben, die im dritten Monat ins Stocken geraten, scheitern daran, dass dieser Schritt übersprungen oder zu schnell abgehakt wurde. Das Ergebnis dieser Phase ist keine Strategiefolie, sondern eine kurze, konkrete Liste dessen, worauf sich tatsächlich bauen lässt, und was erst sechs Monate Datenbereinigung braucht.
- Welche Systeme halten die Daten, von denen dieser Prozess abhängt, und kann heute überhaupt jemand sie abfragen?
- Wie sauber sind diese Daten wirklich, nicht theoretisch, sondern beim letzten tatsächlichen Versuch, sie für etwas Neues zu nutzen?
- Wo im aktuellen Prozess trifft ein Mensch eine Ermessensentscheidung, und ist dieses Ermessen irgendwo dokumentiert oder nur im Kopf einer Person?
- Welche Fähigkeiten hat die Organisation bereits intern, und was fehlt wirklich?
Phase 2: Ein bis zwei hochwertige Pilotprojekte auswählen (2-3 Wochen)
Der Versuchung widerstehen, Pilotprojekte nach Ambition auszuwählen, stattdessen nach Passung wählen. Ein guter Pilot-Anwendungsfall ist wertvoll genug, dass sich Messung und Kommunikation des Erfolgs lohnen, klar genug abgegrenzt, um in 8-12 Wochen fertig zu werden, nicht mit drei anderen Systemen verflochten, und nicht so geschäftskritisch, dass eine noch grobe erste Version echten Schaden anrichtet, falls sie unterdurchschnittlich abschneidet. Zwei Pilotprojekte, nicht zehn, sind meist die richtige Zahl: genug, um zu lernen, ohne die Aufmerksamkeit des Teams über den Punkt hinaus zu verteilen, an dem es beide noch gut machen kann.
- Klarer, messbarer geschäftlicher Wert im Erfolgsfall (eingesparte Stunden, reduzierte Fehlerquote, Umsatzwirkung), nicht nur „wirkt beeindruckend“.
- Ein abgegrenzter Umfang: ein Workflow, ein Team, ein klares Vorher/Nachher, kein unternehmensweiter Rollout, der als Pilot getarnt ist.
- Daten, die die Reifeprüfung aus Phase 1 bestanden haben, nicht Daten, von denen man hofft, dass sie bis zum Bedarf nutzbar sein werden.
- Ein:e Sponsor:in aus der Geschäftsführung, die den Zeitplan und das Budget des Piloten verteidigt, wenn die erste Version anfangs unterdurchschnittlich abschneidet, was sie zunächst häufig tut.
Phase 3: Das Team aufbauen oder einstellen, das tatsächlich liefert
Hier brechen die meisten Fahrpläne still und leise. Ein Pilot braucht Menschen, die ihn tatsächlich bauen und ausliefern können, nicht nur Menschen, die in einem Strategie-Meeting über KI reden können. Für viele Organisationen, besonders außerhalb der großen Tech-Konzerne, sind die realistischen Optionen: fest einstellen für eine Rolle, die es in dieser Form in zwei Jahren vielleicht nicht mehr gibt, Forward-Deployed- oder Embedded-Spezialist:innen hinzuziehen, die den Piloten ausliefern und die Fähigkeit an ein internes Team übergeben, oder eine Mischung aus beidem. Was nicht funktioniert, ist eine einzelne KI-Spezialistin einzustellen und sie zu bitten, im Alleingang eine Funktion zu transformieren, das ist eine Einstellungsentscheidung, kein Transformationsplan; eine einzelne Fachkraft hat kein Team zum Bauen und kein Mandat, die Arbeitsweise anderer zu verändern.
Phase 4: Messen, dann skalieren, was funktioniert
Definieren, wie Erfolg aussieht, bevor der Pilot startet, nicht nachdem die Ergebnisse vorliegen, sonst verschieben sich die Kennzahlen still, um zu passen. Einem echten Piloten 60-90 Tage geben, um ein messbares Ergebnis zu erzeugen: genug Zeit, um über die unbeholfenen ersten Wochen hinauszukommen, aber nicht so lange, dass er dauerhaft wird, ohne je bewertet zu werden. Bewährt sich ein Pilot, ist die Skalierung kein technisches Copy-Paste, sondern ein zweites, bewusstes Change-Management-Vorhaben: Der Workflow, der für ein Team funktioniert hat, muss für die nächsten fünf angepasst, kommuniziert und begleitet werden. Bewährt sich ein Pilot nicht, wird er explizit eingestellt, das auch so benannt, ein Pilot, der still und unbewertet vor sich hin dümpelt, ist schlimmer als einer, der ehrlich beendet wird. Was funktioniert hat, sollte in den tatsächlichen Tagesbetrieb der Funktion eingebettet werden, verantwortet von der Fachabteilung, nicht vom Projektteam, das ihn gebaut hat, sobald er bewiesen ist, ist es kein Projekt mehr.
Die zwei Sequenzierungsfehler, die die meisten Fahrpläne entgleisen lassen
- Alles auf einmal transformieren wollen: parallele Pilotprojekte über fünf Funktionen hinweg, ohne gemeinsames Team und ohne bisher irgendwo nachgewiesenen Wert, ist keine Ambition, sondern ein Weg, sicherzustellen, dass keines davon die Aufmerksamkeit bekommt, die es zum tatsächlichen Ausliefern braucht.
- Die Pilotphase komplett überspringen: direkt von der Strategiefolie zum Plattformkauf oder zum unternehmensweiten Rollout zu springen, ohne je einen einzigen Anwendungsfall im kleinen Maßstab bewiesen zu haben, ist der zuverlässigste Weg, ein großes Budget auszugeben und am Ende nichts zu haben, das jemand tatsächlich nutzt.
