Wie jedes andere Projekt erfordert auch die Einführung KI-basierter Lösungen ins Unternehmen ein strukturiertes Management. Entsprechend ist KI-Integration ein mehrstufiger Prozess, der von der Bedarfsermittlung über die Festlegung des Anwendungsfalls, der Bildung eines Projektteams und der eigentlichen Projektplanung bis hin zur Implementierung und dem Management von Veränderungen reicht. Jeder einzelne Schritt ist dabei auf die spezifischen Bedürfnisse und Rahmenbedingungen des Unternehmens abzustimmen. Reihenfolge und Gewichtung der Schritte können wir hier daher nur beispielhaft wiedergeben – auch sie sind auf das jeweilige Unternehmen anzupassen.

1. Bedarf und mögliche Anwendungsfälle ermitteln

„Der ideale Prozess für die Auswahl und Implementierung von KI in Unternehmen beginnt mit einer sorgfältigen Bedarfsanalyse“, weiß Laura Bies. „Dieser Schritt ist entscheidend, um genau zu verstehen, in welchen Bereichen des Unternehmens der Einsatz von KI den größten Mehrwert bieten kann.“ Ähnlich sieht auch Sarah Rübel in der Identifikation konkreter Anwendungsfälle den Grundstein für den Einsatz von KI: „Es gilt Bereiche zu identifizieren, in denen Routineaufgaben dominieren und eine gute Datenverfügbarkeit besteht, um das Potenzial von KI voll auszuschöpfen.“ Beide betonen die Bedeutung dieses ersten Schritts, um die Richtung der KI-Integration zu bestimmen und realistische Ziele zu setzen.

2. Projektteam zusammenstellen

Mit der Bildung eines multidisziplinären Projektteams schaffen Unternehmen die Keimzelle für ihr KI-Projekt. „Die erfolgreiche Implementierung von KI erfordert ein Team, das sowohl technisches Know-how als auch ein tiefes Verständnis für die Geschäftsprozesse mitbringt“, erklärt Sarah Rübel. „Es geht darum, die für das Projekt notwendigen Kompetenzen zusammenzubringen.“ Dies gewährleistet, dass die KI-Lösung nicht nur technisch machbar, sondern auch für das Unternehmen wertstiftend ist. Durch die klare Zuteilung der Rollen, Aufgaben und Verantwortlichkeiten lassen sich viele Konflikte und Missverständnisse im Vorfeld vermeiden. „Ein häufiger Fehler ist auch, Mitarbeitende nicht frühzeitig in den Prozess einzubeziehen. Das birgt die Gefahr, dass in der Belegschaft Widerstand gegen den KI-Einsatz aufkommt.“ Werden Beschäftigte früh in die Projekte einbezogen, können sie dagegen als Botschafter wirken und andere Kolleginnen und Kollegen von den Vorteilen und Chancen der KI überzeugen.

3. Informationsbeschaffung

In dieser Phase geht es darum, „die auf dem Markt verfügbaren KI-Lösungen und Anbieter zu screenen“, erläutert Laura Bies. „Ziel ist es, einen Überblick über die verschiedenen Optionen zu gewinnen, ihre Funktionalitäten, Kosten und den potenziellen Nutzen zu vergleichen. Dies hilft dabei, die KI-Technologien auszuwählen, die am besten zu den spezifischen Anforderungen und Zielen des Unternehmens passen.“ Wertvolle Inspirationen und Informationen bietet die dP.Plattform von Mittelstand-Digital mit zahlreichen KI-Projekten aus unterschiedlichen Branchen und Bereichen. Ideen und praxisnahe Umsetzungen finden sich zudem auf dem Portal „Demonstratoren bei Mittelstand-Digital“.

Neben der Recherche der technischen Möglichkeiten betont Sarah Rübel die Notwendigkeit, die Anforderungen aller Beteiligten zu erheben. „Bewährt haben sich dafür individuelle Gespräche, in denen mögliche KI-Einsätze und die damit verbundenen Ziele beleuchtet werden.“ Um sich einen Überblick zu verschaffen, welche Maßnahmen zu welchem Aufwand eine hohe oder niedrige Wirkung versprechen, empfiehlt es sich, die möglichen Maßnahmen in eine sogenannte Effort-Impact-Matrix einzusortieren. Die Maßnahmen werden dabei gemäß ihres Kosten-Nutzen-Verhältnisses gruppiert. So lassen sich schnell Projekte identifizieren, die mit vergleichsweise geringem Aufwand hohe Wirkung erzielen.

4. Ziele festlegen

„Im Anschluss an die Informationsbeschaffung empfiehlt es sich, mit Pilotprojekten zu beginnen“, rät Laura Bies. „Diese kleineren, überschaubaren Projekte dienen dazu, das Potenzial und die Anpassungsfähigkeit der ausgewählten KI-Lösungen in der Praxis und an realen Use Cases zu testen. Pilotprojekte ermöglichen es, die Wirksamkeit der KI in einem kontrollierten Rahmen zu evaluieren. Dafür wird ein konkretes, nach den SMART-Kriterien definiertes Projektziel festgelegt. „Ziele müssen spezifisch, messbar, erreichbar, relevant und terminiert sein, um den Erfolg des KI-Projekts berechenbar zu machen“, führt Laura Bies die Kriterien aus. Zur Zielsetzung gehört dabei ebenso die Festlegung der technischen Problemlösungen als auch das Abstecken der Grenzen auf organisatorischer Ebene.

Das Management der Erwartungen der verschiedenen Stakeholder ist hierbei von entscheidender Bedeutung. „Zu den typischen Fehlern, die in dieser Phase gemacht werden, gehört, dass entweder keine oder gleich zu viele Ziele gesetzt werden“, erläutert Sarah Rübel. Das Projekt werde dadurch schnell mit zu hohen Erwartungen überfrachtet, Enttäuschungen seien dann quasi vorprogrammiert. Laura Bies fasst zusammen: „Erst die präzise Zielvorgabe ermöglicht es, den Einführungsprozess gezielt zu steuern und die Wirksamkeit der KI-Einsätze effektiv zu bewerten.“

5. Planung

„Eine sorgfältige Planung, die Zwischenziele, Verantwortlichkeiten und Ressourcen festlegt, ist der Schlüssel zum Erfolg“, betont Sarah Rübel den Wert dieses Schritts. Die Planung sollte eine detaillierte Erhebung des Ist-Zustands, eine Potenzialanalyse sowie die eigentliche Projektplanung umfassen. „Mit einer Infrastrukturanalyse verschaffen Sie sich einen Überblick über die IT in Ihrem Unternehmen. Sie sollten dafür sowohl die Ausstattung mit Soft- und Hardware als auch das Datenmanagement betrachten“, ergänzt die KI-Trainerin. Auch Laura Bies ist dieser Punkt besonders wichtig: „Ein häufig auftretender Fehler ist, die Wichtigkeit von Datenqualität zu unterschätzen. Hochwertige Daten sind das Fundament für das Training effizienter KI-Modelle. Fehlt es an einer soliden Datenbasis, so ist es für KI-Systeme nahezu unmöglich, zu lernen und genaue Prognosen zu erstellen. Trotzdem sind sich viele Unternehmen des Wertes ihrer eigenen Daten nicht vollständig bewusst oder unterschätzen die Bedeutung der Qualität dieser Daten für den Erfolg ihrer KI-Projekte.“

Beide KI-Expertinnen empfehlen kleinen und mittleren Unternehmen den KI-Readiness-Check (KIRC) des Mittelstand-Digital Zentrums Kaiserslautern, um zu prüfen, ob und inwieweit das Unternehmen bereits Voraussetzungen für den Einsatz von KI erfüllt. Der KIRC führt durch alle dafür relevanten Fragen.

Nach Abschluss der Ist-Analyse sollten Unternehmen in der Potenzialanalyse konkrete Geschäftschancen betrachten, die sich durch die erfolgreiche Projektumsetzung ergeben. „Ein Tipp für die eigentliche Projektplanung ist, schon frühzeitig Sprints zu integrieren“, rät Sarah Rübel zudem. Als Sprints werden im agilen Projektmanagement Zwischenziele bezeichnet, die in einem festgelegten Zeitrahmen zu erreichen sind. „Sprints bieten einen klaren Rahmen für die Projektarbeit, Risiken können durch die Zerlegung des Projekts besser erkannt und gesteuert werden. Zudem erlauben Sprints ein iteratives Vorgehen, sodass das Team aus Fehlern lernen und der Prozess kontinuierlich verbessert werden kann.“

6. Lastenheft

Die Erstellung eines Lastenhefts präzisiert die Anforderungen und Erwartungen an das KI-Projekt. „Dieser Schritt ermöglicht eine klare Kommunikation zwischen allen Beteiligten und dient als Grundlage für die Umsetzung“, erklärt Rübel. Im Lastenheft sollten die Rahmenbedingungen inklusive Terminplan und der Kosten festgehalten sein. Zu beschreiben ist neben dem Ist-Zustand des Anwendungsfalls auch der zu erzielende Soll-Zustand sowie die damit zu erwartenden Leistungen („Must-haves“) und Wunschkriterien („Nice-to-haves“). Ebenso gehören ins Lastenheft Informationen zur KI-Lösung, wie die Einhaltung technischer und rechtlicher Vorgaben (beispielsweise DSGVO oder KI-Verordnung der EU), sowie die Erwartungen und Ziele an das neue System.

7. Make-or-buy-Entscheidung

Ob eine KI-Lösung selbst entwickelt oder zugekauft wird, hängt von verschiedenen Faktoren ab. Neben den Kosten ist auch zu bedenken, ob und wie abhängig sich das Unternehmen von einzelnen Anbietern macht. „Die Entscheidung sollte auf Basis der strategischen Bedeutung der Lösung und den vorhandenen Ressourcen getroffen werden“, rät Laura Bies. Eigenentwicklungen empfehlen sich vor allem dann, wenn die Anwendung das Kerngeschäft umfasst. Interviews mit Expertinnen und Experten sowie Online-Umfragen können wichtige Hinweise zur Kosten- und Umsatzabschätzung geben.

8. Integration und Skalierung

Die Implementierung der KI-Lösung richtet sich im ersten Schritt danach aus, ob eine Buy- oder eine Make-Entscheidung getroffen wurde. Mit der Buy-Entscheidung erhält das Unternehmen vom externen Anbieter eine Anwendung, die direkt einsatzbereit („ready-to-use“) ist. Bei der Make-Entscheidung muss die KI-Lösung erst intern entwickelt werden, was in der Regel die Umsetzung und anschließende Evaluierung eines Modells erfordert. Nach erfolgreicher Erprobung des Modells folgt die Integration – sowohl bei der Make- als auch bei der Buy-Entscheidung. Zunächst wird die Einsatzstrategie für das Produkt festgelegt, sodass die Mindestanforderungen der Hardware definiert werden können. Danach erfolgt ein Testlauf in der realen Produktionsumgebung unter Einbezug der Frage, wie nutzerfreundlich die Lösung ist und ob sie von den Nutzenden auch angenommen wird. Abschließend kann die Anwendung freigegeben werden. Das Projektteam sollte nun noch die Produktentwicklung dokumentieren und Bedienungsanleitungen sowie Hinweise zur Fehlerbehebung verfassen. Ebenfalls festzuhalten ist die Aufstellung periodisch erforderlicher Leistungsbewertungskriterien, um ein Monitoring der Performance zu ermöglichen.

„Nach der erfolgreichen Pilotierung folgt die Skalierungsphase, in der KI-Lösungen im größeren Maßstab im Unternehmen ausgerollt werden können“, fährt Laura Bies fort. „Die Skalierung sollte sorgfältig geplant und sukzessive durchgeführt werden, um sicherzustellen, dass alle Mitarbeitenden mit den neuen Technologien vertraut sind und eventuelle technische sowie organisatorische Herausforderungen bewältigt werden können.“

9. Veränderungsmanagement und Planung kontinuierlicher Anpassungen

Die Einführung von KI kann signifikante Veränderungen mit sich bringen. „Ein effektives Veränderungsmanagement, etwa mithilfe von Workshops, Mitarbeitergesprächen und Ähnlichem, sichert die Akzeptanz bei den Mitarbeitenden“, unterstreicht Sarah Rübel die Bedeutung dieses Schrittes. „Wichtig ist, dass die Einführung von KI im Unternehmen transparent dargelegt wird, um Ängsten und Widerständen zu begegnen. Die Belegschaft sollte auch ausreichend Zeit für die Eingewöhnung haben. Stellen Sie heraus, wer die Gewinnerinnen und Gewinner der KI-Lösung sind, beispielsweise Mitarbeitende, die von monotonen Tätigkeiten entlastet werden und nun Zeit für ihre Kernaufgaben haben.“ Mehr zur Einbeziehung der Belegschaft finden Sie in „KI-Akzeptanz – so nehmen Sie Mitarbeitende mit auf die KI-Journey“ in diesem Themenhub.

Zur Integration von KI-Anwendungen gehören schließlich auch die Planung eines kontinuierlichen Monitorings und die Bereitschaft zu Veränderungen. „Die KI-Anwendungen müssen regelmäßig überprüft und an neue Anforderungen, Erkenntnisse oder Gegebenheiten angepasst werden. Diese Phase gewährleistet, dass die KI-Lösungen weiterhin effektiv und effizient arbeiten und das Unternehmen in die Lage versetzt wird, sich an den ständigen Wandel des Marktes anzupassen“, erläutert Laura Bies.

KI-Implementierung mit begrenzten Ressourcen

Oft stehen KMU vor der Herausforderung, KI-Technologien mit begrenzten Ressourcen zu implementieren. Wir haben Sarah Rübel und Laura Bies daher um einige praktische Tipps gebeten, wie Unternehmen auch mit kleinem Budget KI-Projekte realisieren können. Laura Bies empfiehlt die „Nutzung von Open-Source-, cloudbasierten oder fertigen Lösungen (ready-to-use)“, da diese „eine kosteneffiziente und flexible Möglichkeit darstellen, auf fortschrittliche KI-Tools zuzugreifen. Diese Technologien erfordern keine großen Anfangsinvestitionen in Hardware oder Softwarelizenzen und können je nach Bedarf skaliert werden. Dadurch können KMU mit minimalem finanziellen Aufwand experimentieren und die für sie am besten geeigneten Lösungen identifizieren.“

Als weiteren Tipp empfiehlt Bies, sich auf Kernbereiche zu fokussieren, in denen der Einsatz von KI den größten Mehrwert verspricht. „Priorisieren Sie die Projekte, die mit dem geringsten Aufwand den größten Nutzen bringen“, rät Sarah Rübel. Beide KI-Expertinnen betonen zudem die Bedeutung von Partnerschaften und Kooperationen mit Universitäten, Forschungseinrichtungen oder Technologieanbietern. „Durch solche Kooperationen erhalten Unternehmen Zugang zu Expertenwissen, technologischen Ressourcen und neuesten Forschungsergebnissen“, betont Laura Bies. Und Sarah Rübel ergänzt: „Auch Schulungen und Weiterbildungen der Mitarbeitenden lohnen sich gerade für Unternehmen mit wenig Budget, da sie so vieles intern lösen können.“

Entwicklung einer langfristigen KI-Vision

Angesichts der Tatsache, dass sich KI-Technologien rasant weiterentwickeln, sollten Unternehmen schon bei der Einführung von KI an eine langfristige Vision denken. Laura Bies rät zur Formulierung einer KI-Strategie, die auf die Unternehmensvision abgestimmt ist. „KI sollte so implementiert werden, dass sie wesentliche Unternehmensziele wie Umsatzwachstum, Kundenbindung oder Effizienzsteigerung unterstützt. Diese Ausrichtung sichert den direkten Beitrag der KI zum Unternehmenserfolg.“ Dem stimmt auch Sarah Rübel zu, die darüber hinaus den Wert von Netzwerken und dem regelmäßigen Erfahrungsaustausch betont.

„Unternehmen sollten regelmäßig Zeit einplanen, um auf dem Laufenden zu bleiben und zu überlegen, wie ein neuer Trend in das eigene Unternehmen integriert werden kann. Dazu gehört auch die Bereitschaft, dauerhaft in KI zu investieren.“ KI-Systeme sollten daher so gestaltet sein, „dass sie anpassungsfähig sind und mit dem Geschäftswachstum sowie mit Marktanforderungen skalieren können“, ergänzt Laura Bies. Ein weiterer wichtiger Punkt sei, für die Zukunftsfähigkeit von KI-Lösungen Ethik und Nachhaltigkeit in die KI-Strategie zu integrieren. „KI-Anwendungen müssen ethischen Standards folgen und soziale sowie ökologische Verantwortung wahrnehmen, was ihre Akzeptanz und das Vertrauen in KI-Technologien stärkt und gleichzeitig Reputations- und Compliance-Risiken minimiert.“

Weitere Empfehlungen

Kompakt und gut verständliche Antworten auf rechtliche Fragestellungen finden sich in der Wissensbox Recht des Mittelstand-Digital Zentrums Chemnitz. Die Webseite bündelt Urteile aktueller Rechtsprechung, gesetzliche Vorschriften und gibt Unternehmen Handlungsempfehlungen.

Der Anwendungskurs „KI-Kompetenz für Ihr KMU“ der appliedAI Initiative und des Bundesministeriums für Wirtschaft und Klimaschutz bietet kleinen und mittleren Unternehmen die Möglichkeit, sich intensiv mit der erfolgreichen Einführung Künstlicher Intelligenz im Unternehmen zu beschäftigen. Das Angebot umfasst einen Onlinekurs, ein Übungsheft sowie eine inspirierende Anwendungsfall-Bibliothek.

Unsere Expertinnen

Sarah Rübel Sarah Rübel ist KI-Trainerin und Ansprechpartnerin für den KI-Readiness Check beim Mittelstand-Digital Zentrum Kaiserslautern.	Laura Bies Laura Bies ist leitende Koordinatorin KI-Trainer im Mittelstand-Digital Zentrum Saarbrücken.