KI Potenzialanalyse im Unternehmen: In 5 Schritten zum Pilotprojekt

Transparenzhinweis: Dieser Artikel ist auf der Website von SkillSprinters veröffentlicht. SkillSprinters ist Anbieter einer KI-Weiterbildung und steht damit in einem Wettbewerbsverhaeltnis zu einigen der hier genannten Anbieter bzw. deren Geschäftsfeldern. Wir bemuehen uns um eine faire Darstellung anhand öffentlich zugaenglicher Informationen, sind aber nicht neutral. Alle Angaben zu Preisen und Funktionen beruhen auf öffentlich zugaenglichen Herstellerangaben. Stand der Recherche: April 2026, Angaben ohne Gewaehr. Verbindlich sind ausschließlich die Angaben der jeweiligen Anbieter.

Eine KI Potenzialanalyse im Unternehmen beantwortet die eine Frage, an der die meisten KI-Projekte scheitern: Wo anfangen? 73 Prozent der Unternehmen, die KI einführen wollen, stecken in der Orientierungsphase fest (Bitkom, 2025). Nicht die Technologie fehlt, sondern die Klarheit darüber, welcher Prozess den groessten Hebel bietet. Die hier vorgestellte 5-Schritt-Methode liefert in 2 bis 3 Tagen eine priorisierte Liste konkreter KI-Einsatzmöglichkeiten, sortiert nach erwartetem Nutzen und Umsetzbarkeit.

Warum die meisten KI-Initiativen im Sand verlaufen

Die typische Geschichte geht so. Die Geschäftsführung hört einen Vortrag über KI. Begeisterung. Ein Team wird beauftragt, "etwas mit KI zu machen". Drei Monate später gibt es einen Chatbot auf der Website, der Kunden frustriert, und ein Gefuehl von "KI funktioniert bei uns nicht".

Das Problem liegt nicht an der KI. Es liegt daran, dass der Chatbot nie das dringendste Problem war. Vielleicht haette die KI besser Angebote kalkuliert, Lieferscheine geprüft oder Bewerbungen vorsortiert. Aber das hat niemand systematisch analysiert.

Eine strukturierte KI Potenzialanalyse verhindert genau diesen Fehler. Sie stellt sicher, dass das erste KI-Projekt dort ansetzt, wo der groesste messbare Nutzen entsteht. Nicht dort, wo es am spektakulaersten klingt.

Schritt 1: Prozesse auflisten, die Zeit kosten

Nimm dir 90 Minuten und gehe systematisch durch alle Abteilungen deines Unternehmens. Für jede Abteilung stellst du eine Frage: "Welche wiederkehrenden Aufgaben kosten euch mehr als 2 Stunden pro Woche?"

Schreib alles auf. Ohne Filter, ohne Bewertung. Das können große Prozesse sein (Monatsabschluss, Angebotsschreibung, Qualitätskontrolle) oder kleine (E-Mail-Sortierung, Terminabstimmung, Datenübertragung zwischen Systemen).

Typischerweise landen 15 bis 30 Prozesse in dieser Tabelle. Das ist beabsichtigt. Im nächsten Schritt wird gefiltert.

Vergiss die eigene Abteilung nicht. Geschäftsführer unterschaetzen oft, wie viel Zeit sie selbst mit Routineaufgaben verbringen, die delegierbar waeren.

Schritt 2: Wiederholungsgrad und Regelbasierung bewerten

Nicht jeder zeitintensive Prozess ist für KI geeignet. Zwei Faktoren bestimmen, ob ein Prozess ein guter KI-Kandidat ist.

Wiederholungsgrad auf einer Skala von 1 bis 5. 1 ist einmalig oder sehr selten (z.B. Strategieentwicklung), 3 ist woechentlich wiederkehrend mit Variationen (z.B. Reklamationsbearbeitung), 5 ist taeglich, hundertfach, immer ähnlich (z.B. Rechnungseingangsprüfung).

Regelbasierung auf derselben Skala. 1 erfordert viel Kreativitaet und Urteilsvermögen (z.B. Produktdesign), 3 ist teilweise regelbasiert, teilweise individuell (z.B. Angebotskalkulation), 5 ist vollständig nach festen Regeln ablaufbar (z.B. Datenübertragung).

Multipliziere beide Werte. Prozesse mit einem Score von 15 oder höher sind erstklassige KI-Kandidaten. Scores zwischen 9 und 14 sind vielversprechend. Unter 9 lohnt sich KI selten.

In diesem Beispiel stechen Rechnungseingangsprüfung und Lieferscheinabgleich heraus. Beide haben den Hoechstscore. Beide sind hochrepetitiv und folgen klaren Regeln.

Schritt 3: Datengrundlage prüfen

KI arbeitet mit Daten. Ohne Daten keine KI. Für jeden Prozess aus Schritt 2 mit einem Score von 9 oder höher stellst du drei Fragen.

Liegen die Daten digital vor? Ein handgeschriebener Lieferschein ist kein guter Ausgangspunkt. Ein PDF oder eine Excel-Tabelle schon. Daten in einem ERP-System (SAP, Navision, Lexware, DATEV) sind ideal.

Sind die Daten strukturiert? Strukturierte Daten haben klare Felder: Artikelnummer, Menge, Preis, Datum. Unstrukturierte Daten sind Freitext-E-Mails, gescannte Dokumente oder handschriftliche Notizen. KI kann mit beidem arbeiten, aber strukturierte Daten liefern schneller Ergebnisse.

Gibt es genug Daten? Als Faustregel: Für regelbasierte Automatisierung reichen 100 Datensaetze. Für echtes Machine Learning brauchst du 1.000 bis 10.000 Datensaetze. Für die meisten KMU-Anwendungen ist regelbasierte Automatisierung der richtige Startpunkt.

Ergaenze deine Tabelle um eine Ampelfarbe. Gruen: Daten liegen digital und strukturiert in einem System vor, sofort nutzbar. Gelb: Daten existieren, aber verteilt über mehrere Systeme oder teilweise analog, Aufbereitung nötig (1 bis 4 Wochen). Rot: Keine verwertbaren Daten vorhanden, Digitalisierung muss erst stattfinden (Monate).

Prozesse mit roter Ampel sind keine Quick Wins. Sie gehören auf die Langfrist-Liste.

Schritt 4: Quick Wins identifizieren

Trage jeden Prozess in eine 2x2-Matrix ein. Y-Achse: Erwarteter Nutzen (berechnet aus Stunden/Woche × Stundensatz der beteiligten Mitarbeiter). X-Achse: Umsetzbarkeit (Score aus Schritt 2 × Daten-Ampel: Gruen=3, Gelb=2, Rot=1).

Die Prozesse im Quadranten oben rechts (hoher Nutzen, hohe Umsetzbarkeit) sind deine Quick Wins. Davon waehlst du den mit dem hoechsten Score für das Pilotprojekt.

Typische Quick Wins nach Branche:

Handwerk und Produktion: Angebotskalkulation automatisieren (Materialpreise plus Arbeitszeiten aus vergangenen Projekten), Eingangsrechnungen automatisch prüfen und verbuchen.

Dienstleistung und Beratung: Terminvereinbarung und Erinnerungen automatisieren, Kundenkommunikation vorsortieren und priorisieren.

Handel: Bestellvorschlaege auf Basis von Verkaufsdaten erstellen, Retouren kategorisieren und Muster erkennen.

Gesundheitswesen: Patientenaufnahme-Daten automatisch übertragen, Terminausfälle vorhersagen und gegensteuern.

Wenn du wissen willst, wie KI-gestuetzte Automatisierung in der Praxis aussieht, zeigt dir unser KI-Schnupperkurs in fuenf Lektionen, wie du Tools wie n8n und Claude für dein Unternehmen nutzt.

Schritt 5: Das Pilotprojekt starten

Das Pilotprojekt ist kein Experiment. Es ist ein Test mit definiertem Ausgang. Bevor du startest, legst du fest:

Was genau wird automatisiert? Nicht "Angebotserstellung", sondern "Extraktion der Anforderungen aus Kundenanfragen per E-Mail und Erstellung eines Kalkulationsentwurfs."

Was ist das Erfolgskriterium? Messbar und zeitgebunden. Zum Beispiel: "Zeitaufwand pro Angebot sinkt von 45 Minuten auf unter 15 Minuten innerhalb von 4 Wochen."

Was ist der Zeitrahmen? 4 bis 8 Wochen sind ideal. Kuerzer reicht nicht für belastbare Ergebnisse. Laenger fuehrt zu Ermuedung.

Wer ist verantwortlich? Eine Person, nicht ein Komitee. Diese Person hat die Befugnis, Entscheidungen zu treffen, und die Zeit, sich dem Projekt zu widmen (mindestens 4 Stunden pro Woche).

Für das erste Pilotprojekt brauchst du kein sechsstelliges Budget. Die meisten Quick Wins lassen sich mit vorhandenen Tools umsetzen. ChatGPT Team oder Claude Pro kosten 20 bis 25 EUR pro Monat und Nutzer und reichen für Textanalyse, Zusammenfassungen, E-Mail-Entwuerfe. n8n oder Make liegen bei 0 bis 50 EUR pro Monat und automatisieren Workflows zwischen bestehenden Systemen. Microsoft Copilot startet bei 28 EUR pro Nutzer und Monat und integriert sich in Office. Investition für ein typisches Pilotprojekt: 200 bis 500 EUR über 6 Wochen. Das Risiko ist gering, der potenzielle Erkenntnisgewinn hoch.

Nach 4 bis 8 Wochen gibt es drei mögliche Ergebnisse. Bei erreichtem Erfolgskriterium: ausrollen auf weitere Mitarbeiter oder Abteilungen, den nächsten Prozess aus der Prioritaetsmatrix in Angriff nehmen. Bei teilweisem Erfolg: analysieren, wo es hakt. Oft liegt es an der Datenqualität oder an fehlenden Schnittstellen. Nachjustieren und weitere 4 Wochen testen. Ohne Erfolg: kein Drama. Der nächste Prozess aus der Liste ist der nächste Kandidat. Aus dem gescheiterten Pilot lernst du, was bei dir funktioniert und was nicht.

Wer das unterschaetzt, baut entweder drei parallele Piloten, die alle halbherzig betreut werden, oder gibt nach dem ersten Fehlversuch auf. Wir sehen beides regelmäßig. Beide Varianten enden nach sechs Monaten mit der Aussage "KI funktioniert bei uns nicht". Unternehmen, die KI-Kompetenz im eigenen Team aufbauen wollen, statt dauerhaft von externen Beratern abhängig zu sein, finden auf unserer Seite zu Fördermöglichkeiten Informationen, wie das Qualifizierungschancengesetz bis zu 100 Prozent der Weiterbildungskosten übernimmt.

Die Potenzialanalyse als Vorlage

Nutzen berechnen: Stunden/Woche × 4,3 (Wochen/Monat) × Stundensatz des Mitarbeiters × geschaetzte Einsparung (30 bis 70 Prozent).

Rechenbeispiel: Angebotserstellung, 12 h/Woche, Mitarbeiter kostet 45 EUR/h, geschaetzte Einsparung 50 Prozent = 12 × 4,3 × 45 × 0,5 = 1.161 EUR pro Monat.

Häufige Fragen

Wie lange dauert eine vollständige KI Potenzialanalyse?

Mit der 5-Schritt-Methode brauchst du 2 bis 3 Tage. Schritt 1 (Prozesse auflisten) dauert 90 Minuten. Schritt 2 und 3 (Bewertung und Datencheck) nehmen jeweils 2 bis 3 Stunden. Schritt 4 (Priorisierung) ist in einer Stunde erledigt. Schritt 5 (Pilotprojekt definieren) braucht 2 bis 4 Stunden, weil du hier konkrete Erfolgskriterien, Tools und Verantwortlichkeiten festlegst.

Brauche ich externe Berater für die Potenzialanalyse?

Für die Analyse selbst nicht. Die 5-Schritt-Methode ist so gestaltet, dass sie intern durchführbar ist. Externe Hilfe lohnt sich erst beim Pilotprojekt, wenn spezifische technische Fragen auftauchen (z.B. API-Anbindungen, Datenaufbereitung). Viele Unternehmen holen sich nach der internen Analyse gezielt Hilfe für die Umsetzung, nicht für die Strategie.

Was wenn wir kaum digitale Daten haben?

Dann ist die erste Maßnahme nicht KI, sondern Digitalisierung. Identifiziere die Prozesse mit den groessten Datenmengen und digitalisiere dort zuerst. Ein Scanner mit OCR für Eingangsrechnungen, ein CRM für Kundendaten, ein digitales Auftragsbuch statt Papier. Nach 3 bis 6 Monaten hast du genug digitale Daten für erste KI-Anwendungen.

Wie überzeuge ich die Geschäftsführung von einem KI-Pilotprojekt?

Mit Zahlen. Die Potenzialanalyse liefert dir eine konkrete EUR-Summe pro Monat, die durch KI eingespart werden kann. Stelle den erwarteten Nutzen den Kosten gegenüber (typischerweise 200 bis 500 EUR für ein Pilot). Ein ROI von 5:1 bis 20:1 ist bei Quick Wins ueblich. Das ist ein Business Case, kein Technologie-Experiment.

Sollte ich mehrere Pilotprojekte gleichzeitig starten?

Nein. Ein Pilotprojekt zur gleichen Zeit. Der Fokus ist entscheidend. Wenn du drei Projekte parallel startest, wird keines richtig betreut, und du lernst weniger aus jedem einzelnen. Nacheinander, nicht nebeneinander. Das zweite Pilot geht erfahrungsgemaess doppelt so schnell wie das erste.

Was sind die häufigsten Fehler bei KI-Potenzialanalysen?

Den spektakulaersten statt den nützlichsten Prozess waehlen (der Chatbot statt der Rechnungsprüfung). Die Datengrundlage nicht prüfen und nach Wochen feststellen, dass die nötigen Daten nicht existieren. Kein messbares Erfolgskriterium definieren, sodass am Ende niemand sagen kann, ob das Projekt funktioniert hat.