Der erste Schritt sieht fast immer gleich aus: Ein Tool wird ausgewählt, angebunden, und danach soll sich die Arbeit damit verändern. In den seltensten Fällen tut sie das. Eine Software entfaltet ihren Nutzen erst, wenn die Menschen, die mit ihr arbeiten, auch verstehen, was sie tut. Bei künstlicher Intelligenz gilt das stärker als bei jeder Software davor.
Der häufigste Grund liegt nicht in der Technik
Woran liegt das? Selten an den Modellen oder den Werkzeugen. Eine viel beachtete Untersuchung der MIT-Initiative NANDA aus dem Jahr 2025 hat rund 300 Projekte mit generativer KI ausgewertet. Etwa 95 Prozent davon erzielten keinen messbaren Return. Die Autoren führen das auf eine organisatorische Lücke zurück: Die Projekte werden nicht in die bestehenden Abläufe eingebettet, und die Menschen, die mit ihnen arbeiten sollen, tragen sie nicht mit.
Dahinter steckt ein grundlegender Unterschied. KI verhält sich weniger wie eine Software, die man kauft und besitzt, und mehr wie eine Fähigkeit, die ein Unternehmen über die Zeit aufbaut. Ein Werkzeug, das im Haus steht, das aber niemand bedienen kann, bleibt wirkungslos. Eine Integration muss betrieben, gepflegt und weiterentwickelt werden, und dafür muss das Wissen im Team mit ihr wachsen.
Die besten Anwendungsfälle stecken in den bestehenden Abläufen
Welche Aufgabe sich für den Anfang eignet, steht in keiner Liste mit fünfzig Anwendungsfällen. Sie steht in deinem eigenen Arbeitsalltag. Ein paar Fragen helfen, sie zu finden: Wo wiederholen sich Tätigkeiten? Welche Aufgabe schiebt das Team vor sich her, weil sie lästig ist? Und wo vergeht im Lauf eines Tages viel Zeit, ohne dass am Ende etwas Wertvolles dabei herauskommt?
Die Antworten führen fast immer zu denselben unscheinbaren Routineaufgaben. Dort liegt der richtige Anfang, nicht beim technisch Anspruchsvollsten und nicht bei dem, was gerade durch die Schlagzeilen geht. KI lässt sich breit einsetzen, aber der erste Schritt ist fast immer das Naheliegende, sauber umgesetzt.
Der erste Anwendungsfall ist ein Ausgangspunkt
Der Wert der ersten Automatisierung liegt nicht vor allem in der gesparten Zeit. Die fällt ohnehin nüchterner aus, als die Werbung verspricht. Eine Auswertung der Federal Reserve Bank of St. Louis beziffert die tatsächliche Zeitersparnis aktiver KI-Nutzer auf durchschnittlich rund zwei Stunden pro Woche, je nach Tätigkeit und Nutzungsintensität. Von den zweistelligen Stundenzahlen, mit denen oft geworben wird, ist das weit entfernt.
Der eigentliche Gewinn ist ein anderer. Wer eine Aufgabe einmal vollständig automatisiert hat, erkennt die nächste meist deutlich leichter. Das Verständnis dafür, was möglich ist, wächst mit jeder Anwendung. Das liegt nicht daran, dass die Technik klüger wird, sondern daran, dass die Menschen im Unternehmen dazulernen. Entscheidend ist deshalb nicht die erste Automatisierung selbst, sondern das Wissen, das dabei entsteht.
Auch funktionierende Automatisierungen müssen gepflegt werden
Ist eine Automatisierung einmal eingerichtet, ist die Arbeit daran nicht vorbei. Ein Ablauf, der heute zuverlässig läuft, ist ein Zwischenstand, kein Endzustand. Werkzeuge ändern sich, Schnittstellen brechen, Anforderungen verschieben sich. Dass dieser laufende Aufwand regelmäßig unterschätzt wird, zeigt eine Prognose von Gartner: Bis Ende 2027 werde mehr als 40 Prozent der Projekte mit autonomen KI-Agenten wieder eingestellt, unter anderem wegen unklarer Kosten und unterschätzter Komplexität.
Damit ein Ablauf hält, braucht es Menschen, die verstehen, was in ihm passiert. Fehlen sie, entsteht eine Anwendung, die niemand mehr durchschaut und die beim nächsten kleinen Update im Umfeld stehen bleibt. Automatisierung ist deshalb keine einmalige Anschaffung, sondern eine Arbeitsweise.
Wo du anfängst
Fang klein an. Nimm eine naheliegende, wiederkehrende Aufgabe und setze sie sauber um, statt zehn Dinge halb. Beziehe das Team von Anfang an ein, damit das Wissen mitwächst. Die erste Automatisierung bringt dir ein paar Stunden zurück. Wichtiger ist, dass du danach weißt, wo die nächste liegt.