Ich kenne zwei Arten von Unternehmen. Die ersten ignorieren KI vollständig. Die Geschäftsführung sagt "das ist nur ein Hype, wir warten ab", während die Konkurrenz Berichte automatisiert, den Vertrieb beschleunigt und jede Woche Dutzende Stunden einspart. Die zweite Art gerät in übertriebene Begeisterung, kauft Enterprise-Lizenzen für alles auf einmal und stellt drei Monate später fest, dass niemand die Werkzeuge tatsächlich nutzt. Beide Ansätze sind falsch.
Im vergangenen Jahr haben wir bei Rise.sk Unternehmen mit 20 bis 500 Mitarbeitern dabei geholfen, KI in den realen Arbeitsalltag zu bringen. Nicht als Experiment. Als Arbeitswerkzeug, das Menschen wirklich nutzen. Und wir haben wiederholt erlebt, dass ein 4-Wochen-Ansatz gut funktioniert. Er ist nicht perfekt, aber er liefert Ergebnisse. Hier ist der Plan.
In der ersten Woche geht es nicht um Technologie. Es geht darum, zu verstehen, wo der Schmerz sitzt.
Setzen Sie sich mit den Teamleitern zusammen und stellen Sie eine Frage: "Wo macht Ihr Team wiederholt etwas, das langweilig, vorhersehbar ist und mehr als eine Stunde pro Woche in Anspruch nimmt?" Schreiben Sie alles auf. Sie suchen nach Dingen wie:
Das Ziel ist nicht, das größte Problem des Unternehmens zu finden. Das Ziel ist, eine konkrete, wiederholbare Aufgabe zu finden, bei der KI schnell und messbar helfen kann.
Wählen Sie aus der gesamten Liste maximal 3 Prozesse aus. Nicht mehr. Darüber entscheiden drei Dinge.
Zuerst die Häufigkeit. Eine Aufgabe, die mehrmals pro Woche anfällt, lohnt den Aufwand. Eine Aufgabe einmal im Quartal kostet Sie einen Monat Vorbereitung, um eine Stunde im Jahr zu sparen. Dann die Struktur. Die Aufgabe braucht einen klaren Input und einen klaren Output, denn damit kann KI tatsächlich arbeiten. Wenn Ihnen eine Teamleiterin sagt "mal so, mal anders, und es hängt vom Bauchgefühl ab", stellen Sie es zurück. Zuletzt die Messbarkeit. Wenn Sie heute nicht sagen können, wie viele Stunden die Arbeit kostet, werden Sie in einem Monat nicht sagen können, ob KI geholfen hat. Messen Sie es, bevor der Pilot startet.
Jetzt wissen Sie, was Sie lösen wollen. Zeit, die Werkzeuge auszuwählen.
Es hat keinen Sinn, ein Werkzeug zu kaufen und dann einen Anwendungsfall zu suchen. Gehen Sie vom Prozess aus, nicht von der Technologie. In der Praxis heißt das, dass vor allem zählt, wo Ihre Leute heute schon arbeiten.
Wenn das Unternehmen in Outlook, Teams und SharePoint lebt, ist Microsoft Copilot für M365 der schnellste Weg. Er fasst E-Mails zusammen, erstellt Präsentationen und Entwürfe in Word. Und weil er direkt in den Anwendungen sitzt, die die Leute ohnehin den ganzen Tag offen haben, kostet Sie die Adoption fast keine Mühe. Die Lizenz kostet etwa 30 EUR pro Nutzer und Monat.
ChatGPT Enterprise oder Business ist universeller und passt zu Teams, die Texte generieren, Dokumente analysieren und außerhalb der Microsoft-Welt mit Daten arbeiten. Die Business-Stufe beginnt bei 25 EUR pro Nutzer und Monat.
Notion AI ergibt nur dann Sinn, wenn Sie Notion bereits als Wissensdatenbank oder Projektwerkzeug nutzen. Die KI ist nativ integriert, antwortet also über Ihren eigenen Dokumenten, ohne dass Sie irgendwo etwas hochladen müssen.
Teams auf Jira und Confluence hilft Atlassian Intelligence mit Rovo, das im gesamten Atlassian-Ökosystem sucht. Bei Hunderten von Confluence-Seiten ist das der Unterschied zwischen "das haben wir irgendwo aufgeschrieben" und "hier ist es".
Und Slack AI fasst den Kanal zusammen, den Sie zwei Tage lang nicht lesen konnten, oder gräbt die Antwort aus einem Thread von vor einem halben Jahr aus.
Kaufen Sie keine Lizenzen für das gesamte Unternehmen. Beginnen Sie mit 5-15 Personen, die den Piloten durchführen. Klären Sie, wer auf welches Werkzeug Zugang hat, wo die Ergebnisse gespeichert werden und wer sie überprüft.
Auf eines achten Sie besonders. Personenbezogene Daten, sensible Finanzdaten und Geschäftsgeheimnisse gehören nicht in die KI, und diese Regel muss existieren, bevor irgendjemand seine erste Lizenz bekommt. Sie brauchen keine 20-seitige Richtlinie. Eine Seite reicht.
Sie haben das Werkzeug, Sie haben die Zugänge eingerichtet. Jetzt kommt der schwierigste Teil. Die Menschen davon zu überzeugen, es tatsächlich zu nutzen.
Identifizieren Sie in jedem Team, das Teil des Piloten ist, eine Person, die für Technologie begeistert ist. Es muss niemand aus der IT sein. Es kann eine Marketing-Managerin, ein Vertriebsmitarbeiter oder ein Account Manager sein. Wichtig ist, dass diese Person neue Dinge ausprobieren möchte und keine Scheu hat, Fragen zu stellen.
Diese Menschen sind Ihre KI-Champions. Geben Sie ihnen ein oder zwei zusätzliche Schulungstage, und sie helfen dann ihren Kollegen im eigenen Team. Das funktioniert 10x besser als eine zentralisierte Schulung für 50 Personen in einem Konferenzraum, denn der Kollege sitzt zwei Tische weiter und ihn zu fragen kostet nichts.
Bringen Sie den Menschen vier Schritte bei, die bei jedem Prompt gelten.
Es beginnt mit der Aufgabe, und die muss konkret sein. Nicht "schreib etwas über das Produkt", sondern "schreib 3 Varianten einer Einführungs-E-Mail für einen potenziellen Kunden aus der Logistikbranche". Dann der Kontext. Fügen Sie die Daten bei, die Beispiele, die früheren Ergebnisse. Ein Modell weiß nichts, was Sie ihm nicht sagen, und die meisten schlechten Ergebnisse sind in Wahrheit fehlender Kontext. Danach der Output. Sagen Sie vorab, ob Sie Aufzählungspunkte, eine Tabelle oder Fließtext wollen und in welcher Länge, sonst machen Sie eine zweite Runde.
Und am Ende die Kontrolle. Nichts, was eine KI produziert, geht weiter, bevor ein Mensch es gelesen hat. Diese Regel hat keine Ausnahmen.
Beobachten Sie drei Zahlen. Wie viele Personen aus der Pilotgruppe das Werkzeug tatsächlich mindestens 3 Mal pro Woche öffnen. Wie viele Minuten oder Stunden pro Woche ein bestimmter Prozess einspart, was Sie herausfinden, indem Sie die Menschen direkt fragen und es protokollieren lassen. Und ob die Ergebnisse vergleichbar mit oder besser als zuvor sind, beurteilt von denen, die anschließend damit arbeiten.
Die Anzahl der Prompts pro Tag sagt nichts über den Wert aus. Das "Wow"-Gefühl beim ersten Demo verfliegt innerhalb einer Woche. Und die Anzahl installierter Werkzeuge misst den Einkauf, nicht den Nutzen.
In der vierten Woche geht es um harte Daten und Entscheidungen.
Sammeln Sie Daten aus der Pilotgruppe. Beantworten Sie für jeden der 3 Pilotprozesse:
Die letzte Frage ist die entscheidende. Lautet die Antwort nein, haben Sie zwar einen Piloten abgeschlossen, aber nichts eingeführt.
Treffen Sie für jeden Piloten eine von drei Entscheidungen.
Skalieren Sie, wenn es funktioniert, die Menschen es nutzen und es messbar hilft. Weiten Sie es auf weitere Teams aus.
Passen Sie an, wenn Sie das Potenzial spüren, aber etwas hakt. Ändern Sie das Werkzeug, ändern Sie den Prozess oder schulen Sie mehr, und geben Sie ihm weitere 2 Wochen.
Stoppen Sie, wenn es nicht funktioniert. KI ergibt für diesen konkreten Prozess keinen Sinn. Das ist kein Scheitern. Sie haben sich ein Jahr erspart, in dem Sie etwas geschoben hätten, das sich ohnehin nie durchgesetzt hätte.
Schreiben Sie auf Grundlage des Piloten eine einfache interne Richtlinie:
Berechnen Sie die realen Kosten. Die Lizenzen sind der kleinere Posten. Der größere ist die Zeit, die Menschen für Schulung und Verwaltung aufwenden, und genau die vergessen Budgets regelmäßig. Vergleichen Sie das mit der eingesparten Zeit. Meist ist der ROI ziemlich klar. Wenn nicht, haben Sie den falschen Prozess zur Automatisierung gewählt.
Wir haben einen AI Skills Sprint für ein mittelständisches Unternehmen in der Slowakei durchgeführt. Als wir anfingen, war ihre Beziehung zur KI "ein paar Leute haben ChatGPT zum E-Mail-Schreiben ausprobiert". Keine Struktur, keine Messung, keine Regeln.
In 4 Wochen sind wir von "wir haben ChatGPT zum Spaß ausprobiert" zu 3 Produktions-Workflows gelangt, die 25 Stunden pro Woche einsparen. Ein Team automatisierte die Erstellung von Verkaufsangeboten. Ein anderes nutzte KI, um Kundengespräche zusammenzufassen. Das dritte nutzte sie, um erste Entwürfe technischer Dokumentation zu generieren.
Der Schlüssel waren nicht die Werkzeuge. Es war der strukturierte Ansatz, um zu erkennen, wo KI tatsächlich Sinn ergibt und wo nicht.
Wenn Sie KI in Ihr Unternehmen bringen möchten und nicht wissen, wo Sie anfangen sollen, melden Sie sich. Wir werden nicht versuchen, Ihnen Werkzeuge zu verkaufen. Wir helfen Ihnen, die Prozesse zu finden, in denen KI wirklich Zeit und Geld spart, und begleiten Sie durch den gesamten 30-Tage-Plan.
Kontaktieren Sie uns und wir vereinbaren ein unverbindliches Erstgespräch.
Gründer und technischer Leiter von Rise.sk. Er konzipiert und liefert Webanwendungen, Datensysteme und Automatisierungen und schreibt über Softwareentscheidungen, KI und digitale Dienste.
Chinesische Modelle liegen nur noch Monate hinter der US-Spitze, nicht Jahre, und das zu einem Bruchteil der Kosten. Für ein europäisches Unternehmen ist die eigentliche Frage nicht, wer das Rennen gewinnt, sondern ob und wie man sie einsetzt.
OpenAI sagt, dass GPT-5.6 Sol Claude Fable 5 beim Programmieren zu einem Drittel der Kosten schlägt. Anthropic sagt, Fable 5 führt bei der reinen Leistungsfähigkeit. Beide haben recht. Hier erfahren Sie, welches Modell welche Aufgabe gewinnt.
API-Tokens können weniger kosten als eine Entwicklerstunde, aber Tokens sind nicht das ganze Projekt. Ein praktischer Vergleich von Modellnutzung, Prüfung, Tests und Betriebskosten.
Ihr Kontext entscheidet
