Wann lohnt sich KI im Unternehmen? Nutzen, Machbarkeit und Risiko richtig bewerten

Ein Prozess ist langsam, Mitarbeitende verbringen viel Zeit mit wiederkehrenden Aufgaben oder Informationen sind schwer auffindbar. Dann entsteht schnell die Frage:

„Welche KI könnten wir dafür einsetzen?“

Ich würde früher ansetzen.

Die erste Frage lautet:

„Welcher konkrete Engpass soll überhaupt gelöst werden?“

Erst wenn das klar ist, lässt sich beurteilen, ob sich eine Veränderung lohnt und ob KI dabei tatsächlich der geeignete Hebel ist.

Bei CoreGrowth betrachte ich dafür drei Dimensionen:

Nutzen · Machbarkeit · Risiko

Aus diesen drei Perspektiven entsteht eine Entscheidungsgrundlage. Das Ergebnis kann lauten:

umsetzen, testen, zurückstellen oder verwerfen.

Nicht jede gute Idee muss umgesetzt werden.

1. Zuerst den Engpass verstehen

Unternehmen verlieren selten Geld, weil ihnen eine bestimmte KI-Anwendung fehlt.

Sie verlieren Zeit oder Leistung beispielsweise durch:

• wiederkehrende manuelle Arbeit
• unnötige Abstimmungen
• Medienbrüche
• schwer auffindbares Wissen
• unklare Zuständigkeiten
• doppelte Datenerfassung
• lange Bearbeitungszeiten
• Fehler und Nacharbeit

Das sind zunächst betriebliche Probleme.

Die Lösung kann KI sein. Sie kann aber genauso in einer besseren Nutzung vorhandener Software, einer Prozessänderung oder einer einfachen Automatisierung liegen.

Deshalb lohnt es sich, den heutigen Ablauf zuerst sauber anzusehen.

Ein hilfreicher Ausgangspunkt ist:

„Wo entstehen heute Aufwand, Verzögerung oder Fehler, die für das Unternehmen wirtschaftlich relevant sind?“

Nicht jedes Ärgernis ist automatisch ein guter Anwendungsfall.

2. Nutzen: Was wird konkret besser?

Sobald der Engpass klar ist, geht es um den möglichen Nutzen.

Dabei reicht die Aussage „Das spart Zeit“ nicht.

Die Frage lautet vielmehr:

„Wie viel verändert sich tatsächlich?“

Dafür können beispielsweise folgende Punkte betrachtet werden:

Zeit

Wie viel Arbeitszeit bindet der heutige Ablauf?

Wie häufig kommt er vor?

Wie viele Personen sind betroffen?

Kosten

Entstehen direkte Personalkosten, externe Kosten oder vermeidbare Nacharbeiten?

Qualität

Sinkt die Fehlerquote?

Werden Informationen vollständiger oder zuverlässiger verarbeitet?

Kapazität

Kann bestehendes Personal mehr wertschöpfende Arbeit übernehmen?

Geschwindigkeit

Werden Kundenanfragen, interne Freigaben oder Vorgänge schneller bearbeitet?

Kundennutzen

Verbessert sich für den Kunden tatsächlich etwas oder wird lediglich intern Technik eingeführt?

Gerade der letzte Punkt ist wichtig.

Eine Lösung kann intern beeindruckend wirken und trotzdem kaum wirtschaftlichen Mehrwert erzeugen.

3. Machbarkeit: Was lässt sich realistisch umsetzen?

Ein hoher theoretischer Nutzen reicht ebenfalls nicht.

Die zweite Dimension ist die Machbarkeit.

Hier zeigen sich oft die Unterschiede zwischen einer interessanten Idee und einem realistischen Projekt.

Daten

Sind die notwendigen Informationen vorhanden?

Sind sie vollständig und verlässlich genug?

Wenn ein System mit schlechten Daten arbeitet, wird auch die beste Technologie daraus keine sauberen Ergebnisse erzeugen.

Bestehende Systeme

Was können ERP, CRM, Microsoft 365, Abacus, bexio oder andere bereits eingesetzte Anwendungen heute schon?

Diese Frage sollte früh kommen.

Nicht selten wird über eine zusätzliche Lösung gesprochen, obwohl vorhandene Funktionen noch nicht genutzt werden.

Prozess

Ist der Ablauf überhaupt klar genug?

Wenn fünf Personen denselben Vorgang unterschiedlich bearbeiten, ist eine Automatisierung deutlich schwieriger als bei einem weitgehend einheitlichen Prozess.

Integration

Wie kommt die Lösung an die Informationen, die sie benötigt?

Und wie gelangen Ergebnisse zurück in den bestehenden Arbeitsablauf?

Ressourcen

Wer betreut die Einführung?

Wer prüft Ergebnisse?

Wer übernimmt später Verantwortung für Betrieb und Weiterentwicklung?

Eine technisch machbare Lösung kann im Unternehmen trotzdem scheitern, wenn diese Fragen offenbleiben.

4. Risiko: Was passiert, wenn die Lösung falsch liegt?

Die dritte Dimension wird besonders bei KI gerne zu spät betrachtet.

Es geht dabei nicht nur um Datenschutz.

Entscheidend ist auch:

„Welche Folgen hat ein Fehler?“

Ein falscher interner Textentwurf hat eine andere Bedeutung als:

• eine verpasste Frist
• eine falsche Kundeninformation
• eine fehlerhafte Buchung
• eine unzulässige Datenweitergabe
• eine falsche Entscheidung in einem qualitätskritischen Prozess

Je höher die möglichen Folgen, desto wichtiger werden Kontrollpunkte.

Typische Fragen sind:

• Welche Daten darf die Lösung verarbeiten?
• Wo werden diese Daten gespeichert?
• Muss eine Person das Ergebnis prüfen?
• Welche Entscheidungen darf das System selbst treffen?
• Wie lässt sich nachvollziehen, warum etwas passiert ist?
• Wie werden Ausnahmen behandelt?
• Wer trägt die Verantwortung?

Eine gute Automatisierung bedeutet nicht automatisch möglichst wenig menschliche Beteiligung.

Manchmal ist gerade eine klar definierte Freigabe der wichtigste Bestandteil der Lösung.

5. Aus den drei Dimensionen entsteht eine Entscheidung

Nutzen, Machbarkeit und Risiko werden nicht getrennt voneinander betrachtet.

Ein Vorhaben mit grossem Nutzen kann trotzdem ungeeignet sein, wenn die technischen Voraussetzungen fehlen oder das Risiko nicht sinnvoll kontrolliert werden kann.

Umgekehrt kann ein sehr einfaches Vorhaben interessant sein, obwohl der einzelne Nutzen überschaubar erscheint, wenn es hunderte Male pro Woche vorkommt.

Am Ende ergeben sich aus meiner Sicht vier vernünftige Entscheidungen.

Umsetzen

Der Nutzen ist relevant, die Umsetzung realistisch und die Risiken sind beherrschbar.

Dann lohnt es sich, konkret zu werden.

Testen

Der mögliche Nutzen ist interessant, aber wichtige Annahmen sind noch nicht belegt.

Dann braucht es keinen Grossauftrag, sondern einen klar begrenzten Test.

Zurückstellen

Das Vorhaben könnte sinnvoll sein, aber Voraussetzungen fehlen.

Vielleicht sind die Daten noch nicht geeignet oder ein anderes Systemprojekt sollte zuerst abgeschlossen werden.

Auch das ist eine gute Entscheidung.

Verwerfen

Technisch wäre etwas möglich, wirtschaftlich ergibt es aber keinen Sinn.

Eine solche Entscheidung spart oft mehr Geld als ein erfolgreicher Pilot.

6. Beispiel: Der Posteingang eines Treuhandbüros

Ein typisches Beispiel ist ein zentraler Posteingang.

Jeden Tag treffen Nachrichten ein. Darin befinden sich:

• Mandantenanfragen
• Unterlagen
• mögliche Fristen
• Rückfragen
• Informationen für unterschiedliche Sachbearbeiter

Die erste Idee könnte lauten:

„Wir automatisieren den Posteingang mit KI.“

Ich würde die Sache anders aufbauen.

Zunächst wird geprüft:

„Wo genau entsteht heute Aufwand?“

Vielleicht liest eine Person jede Nachricht, sucht das Mandat, erkennt eine mögliche Frist und leitet die Nachricht weiter.

Dann lässt sich der Nutzen betrachten:

• Wie viele Nachrichten kommen pro Woche?
• Wie viel Zeit wird für das Sortieren benötigt?
• Wie kritisch sind Fristen?
• Wie häufig entstehen Rückfragen oder falsche Zuweisungen?

Danach folgt die Machbarkeit:

• Welche Informationen stehen bereits im System?
• Was kann Microsoft 365 schon?
• Welche Schnittstellen bestehen?
• Sind Mandant und Zuständigkeit zuverlässig erkennbar?

Und schliesslich das Risiko:

• Darf eine Frist automatisch übernommen werden?
• Wer prüft sie?
• Darf ein Antwortentwurf direkt versendet werden?
• Welche Daten verlassen das Unternehmen?

Daraus kann eine Lösung entstehen, die Nachrichten ordnet, mögliche Fristen sichtbar macht, Zuständigkeiten vorbereitet und Antwortentwürfe erstellt.

Die Verantwortung bleibt trotzdem an klar definierten Stellen beim Menschen.

Bei CoreGrowth ist daraus das Konzept der Digitalen Poststelle entstanden.

7. KI muss nicht immer die Antwort sein

Das ist vermutlich der wichtigste Punkt.

Wenn sich ein Problem mit einer vorhandenen Funktion in Microsoft 365, Abacus oder einem anderen bereits eingesetzten System sinnvoll lösen lässt, braucht es keine zusätzliche KI-Lösung.

Wenn eine einfache Prozessänderung reicht, ist auch das ein gutes Ergebnis.

Technologie sollte nicht der Ausgangspunkt der Entscheidung sein.

Der Ausgangspunkt ist der Engpass.

Deshalb lautet eines der Grundprinzipien von CoreGrowth:

„Engpass vor Technologie.“

8. Was Unternehmen vor einem KI-Projekt beantworten sollten

Vor einer Investitionsentscheidung sollten aus meiner Sicht mindestens diese Fragen beantwortet sein:

Zum Nutzen

• Welches konkrete Problem wird gelöst?
• Wie häufig tritt es auf?
• Was kostet der heutige Zustand?
• Welche messbare Verbesserung erwarten wir?

Zur Machbarkeit

• Sind Daten und Informationen vorhanden?
• Welche bestehenden Systeme können bereits helfen?
• Wie aufwendig ist die Integration?
• Wer betreut die Umsetzung?

Zum Risiko

• Welche Folgen hätte ein Fehler?
• Welche Daten werden verarbeitet?
• Wo braucht es menschliche Kontrolle?
• Wer trägt die Verantwortung?

Wenn diese Fragen nicht beantwortet werden können, ist es meist noch zu früh für eine grössere Umsetzung.

9. Wann lohnt sich KI also?

KI lohnt sich dann, wenn sie einen relevanten betrieblichen Engpass wirtschaftlich besser löst als die verfügbaren Alternativen.

Dafür muss nicht jede Zahl bis auf die zweite Nachkommastelle bekannt sein.

Aber die Richtung sollte belastbar sein.

Ein Unternehmen sollte verstehen:

• welchen Nutzen es erwartet
• welche Voraussetzungen notwendig sind
• welche Risiken bestehen
• wie diese Risiken kontrolliert werden
• warum diese Lösung besser ist als andere Möglichkeiten

Dann wird aus einer interessanten KI-Idee eine unternehmerische Entscheidung.

Die CoreGrowth-Bewertungslogik

Diese drei Dimensionen bilden bei CoreGrowth die Grundlage für die Entscheidung, ob ein Vorhaben umgesetzt, getestet, zurückgestellt oder verworfen wird. Dabei beginnt die Bewertung nicht bei der Technologie, sondern beim konkreten Engpass im Betrieb.