Sie implementieren nicht, was Sie nicht gemessen haben
Der erste Schritt ist nicht die Wahl eines KI-Modells, sondern das Verständnis der echten Prozesse und Daten des Unternehmens. Ein Analysetag mit dem Führungsteam liefert eine Chancenübersicht mit geschätztem ROI für jeden Punkt, keine generische Liste von „was KI alles kann“.
Ohne diesen Schritt besteht das Risiko, etwas technisch Beeindruckendes zu bauen, das das eigentliche Problem des Unternehmens nicht löst — oder schlimmer, etwas, das Daten verlangt, die das Unternehmen gar nicht strukturiert vorliegen hat. Das KI-Discovery für Unternehmen ist keine generische Ideenliste — es ist ein Arbeitstag mit dem Führungsteam, der eine Chancenübersicht mit echter Priorisierung liefert.
Der Weg einer KI-Implementierung
Klicken Sie auf eine Etappe. Sagen Sie uns auch, wo Sie stehen, damit Sie sehen, wo Sie weitermachen.
Wir kartieren die Prozesse, verfügbaren Daten und Reibungspunkte. Ergebnis: eine Chancenübersicht mit Schätzungen für jeden Punkt.
Wir wählen 1–2 Fälle aus, schreiben die Abnahmekriterien, bevor wir beginnen, bauen und testen mit echten Daten. Ergebnis: ein funktionsfähiges System, gemessen an den Kriterien.
Wenn der Pilot die Kriterien erfüllt, skalieren wir. Wenn nicht, passen wir an oder stoppen. Die Entscheidung basiert auf Daten, nicht auf Begeisterung.
Wir erweitern auf mehrere Abteilungen, mit Teamschulung und monatlicher Wartung.
Die Abnahmekriterien werden vorher geschrieben, nicht nachher
Der häufigste Fehler bei einem KI-Piloten ist, den Erfolg „nach Gefühl“ zu beurteilen, nachdem etwas gebaut wurde. Wir schreiben die Abnahmekriterien, bevor die Umsetzung beginnt: was das System leisten muss, mit welcher Genauigkeit, in welcher Zeit.
Wenn die Kriterien am Ende des Pilotprojekts nicht erfüllt sind, ist die Entscheidung klar — Sie passen an oder brechen ab, Sie machen nicht weiter, nur weil der Demo-Eindruck gut war. Wie dieser Prozess bei FOX konkret ablief — vom ersten Training bis zu einem SAP-Digitalisierungs-Discovery — ist Schritt für Schritt in der Fallstudie dokumentiert. wie dieser Prozess bei FOX konkret ablief.
Go/No-Go, anhand von Daten
Nach dem Piloten wird die Entscheidung zur Skalierung nicht aus Begeisterung getroffen, sondern durch den Vergleich der echten Ergebnisse mit den zu Beginn geschriebenen Kriterien. Ein Pilot, der die Kriterien nicht erfüllt, ist kein Scheitern des Projekts — es ist die Information, die Ihnen sagt, was geändert werden muss, bevor Sie mehr investieren.
Das ist der Schritt, der in den meisten gescheiterten KI-Projekten fehlt: Man springt direkt von „die Demo hat funktioniert” zu „wir rollen es überall aus”. Eine Go/No-Go-Entscheidung nach vorab schriftlich festgelegten Kriterien unterscheidet eine echte KI-Einführung im Unternehmen von einem Experiment ohne klaren Abschluss — besteht das Pilotprojekt die Kriterien nicht, endet das Projekt dort, statt aus reiner Trägheit ausgeweitet zu werden. Bei der Werkzeugwahl für das Pilotprojekt erklären wir warum das KI-Modell weniger zählt, als Sie denken, im Vergleich dazu, wie gut kontrolliert wird, was das System tun darf.
Erweiterung erfordert Schulung, nicht nur Code
Ein KI-System, das technisch funktioniert, das Team aber nicht zu nutzen weiß, erzeugt keinen Wert. Der Rollout umfasst Schulung für die betroffenen Teams, Dokumentation und in der Regel einen Wartungs-Retainer — Modelle und Integrationen ändern sich, das System muss gewartet werden.
Hier kommt auch die Governance ins Spiel: Wer welche Daten sehen darf, was protokolliert wird, was manuell freigegeben werden muss. Derselbe Prozess gilt auch für die Einführung von KI-Agenten: zuerst ein messbarer Ablauf, dann die Ausweitung.
Die KI bereitet vor, der Mensch entscheidet
In jeder Implementierung, die wir durchgeführt haben, haben wir ausdrücklich klar gehalten, was menschliche Entscheidung bleibt: die Unterschrift auf einer Erklärung, das Drücken eines Senden-Buttons, das Urteil bei einem unklaren Fall. Das Argument ist ebenso geschäftlich wie vorsichtig — „die KI macht alles allein“ lässt sich schwer vertreten, wenn die rechtliche Verantwortung beim Unternehmen bleibt.
Das Modell „Copilot, kein Autopilot“ wurde direkt in einem Buchhaltungsautomatisierungsprojekt validiert: das System liest, berechnet und meldet; der Mensch drückt den Knopf. Die Ausweitung geht schneller, wenn das Team ein KI-Training für Mitarbeitende anhand seiner realen Fälle durchläuft.
Von der Schulung zur vollständigen Plattform, beim selben Kunden
Wir haben den kompletten Weg bei einem einzigen Industrieunternehmen gesehen: Schulung fürs Team, dann eine kleine Plattform (Ticket-Einlösung), dann ein Discovery für die Digitalisierung der Produktion auf SAP, dann ein Vorschlag für eine vollständige KI-Plattform. Jeder Schritt baute auf dem beim vorherigen gewonnenen Vertrauen auf.
Das ist die Art von Vorgehen, die wir empfehlen: nicht „alles auf einmal”, sondern überprüfbare Schritte, die sich aufsummieren. Bei FOX begann das KI-Discovery für das Unternehmen mit Training, nicht mit einem komplexen System — erst als das Team den Werkzeugen vertraute, sind wir zu einem echten automatisierten Prozess übergegangen.
Festpreis, nach einem kurzen Discovery-Gespräch.
- Prozess- und Datenaudit
- Chancenübersicht mit geschätztem ROI
- Empfehlungsbericht
- schriftliche Abnahmekriterien
- 1-2 Fälle in Produktion
- Übergabe + Dokumentation
- Erweiterung über mehrere Abteilungen
- Team-Schulung
- monatlicher Retainer
Jedes Projekt hat einen anderen Kontext, andere Abläufe und eine andere Infrastruktur. Der Preis wird nach einem kurzen, bezahlten Discovery festgelegt und ändert sich danach nicht mehr.
Häufige Fragen
Wie implementiert man KI in einem Unternehmen?
In drei Schritten: Discovery (ein Tag, Chancenübersicht), Pilot für 1-2 Fälle mit vorab schriftlich festgelegten Abnahmekriterien, dann Skalierung mit Schulung und Wartung. Das Überspringen des Discovery oder fehlende schriftliche Kriterien sind die häufigsten Fehlerursachen.
Was genau ist eine KI-Implementierung?
Es ist der Prozess, ein KI-Modell oder einen KI-Agenten an die echten Daten und Prozesse des Unternehmens anzubinden, mit Regeln, Berechtigungen und Audit — nicht nur die Ad-hoc-Nutzung eines Chatbots durch ein paar Mitarbeitende. Das umfasst sowohl den technischen Teil als auch die Schulung des Teams und die interne Nutzungsrichtlinie.
Wie implementiere ich KI in meinem eigenen Unternehmen, ohne internes technisches Team?
Am realistischsten ist ein externer Partner, der das Discovery macht, den Piloten mit klaren Kriterien baut und ein dokumentiertes System mit Schulung übergibt. Sie brauchen keine interne KI-Abteilung vom ersten Tag an, sondern einen ersten, zu Ende geführten und gemessenen Anwendungsfall.
Wie lange dauert eine KI-Implementierung, von Discovery bis Produktion?
Das Discovery dauert in der Regel einen Tag; ein Pilot für 1-2 Anwendungsfälle zwischen zwei und sechs Wochen, je nach Komplexität der Daten und der nötigen Integrationen. Der vollständige Rollout variiert stark und hängt davon ab, wie viele Abteilungen beteiligt sind.
Was passiert, wenn der KI-Pilot nicht wie erwartet funktioniert?
Wenn die zu Beginn schriftlich festgelegten Abnahmekriterien nicht erfüllt sind, passen Sie den Ansatz an oder stoppen das Projekt, bevor Sie mehr investieren — die Entscheidung basiert auf gemessenen Daten, nicht auf dem Eindruck aus der Demo. Deshalb werden die Kriterien vor dem Start geschrieben, nicht am Ende.
Wer trifft die endgültige Entscheidung in einem in einem Unternehmen implementierten KI-System?
Entscheidungen mit rechtlicher, finanzieller oder vertraglicher Tragweite bleiben bei Menschen — das System bereitet vor, prüft und meldet, drückt aber nicht selbst den letzten Knopf. Diese Trennung wird ausdrücklich schon in der Discovery-Phase festgelegt, nicht nachträglich hinzugefügt.
Welcher CAEN-Code entspricht der KI-Implementierung/individuellen Softwareentwicklung?
Individuelle Softwareentwicklung (einschließlich KI-Implementierung als Dienstleistung) fällt in der Regel unter den CAEN-Code 6201 — Erstellung von Individualsoftware. Prüfen Sie die genaue Einordnung immer mit einem Steuerberater, abhängig von der tatsächlichen Rechnungsstruktur.
Wie lange dauert ein KI-Discovery für ein Unternehmen ungefähr?
In der Regel ein Arbeitstag mit dem Führungsteam, gefolgt von einer schriftlichen Chancenkarte. Das anschließende Pilotprojekt dauert, sofern das Discovery-Gespräch eine klare Richtung bestätigt, meist 2–6 Wochen für 1–2 Anwendungsfälle.
Lassen Sie uns schauen, was sich bei Ihnen automatisieren lässt.
Eine kostenlose 30-Minuten-Sitzung: Wir sagen Ihnen, was sich automatisieren lässt, wie lange es dauert und was es kostet – mit Festpreis nach dem Discovery-Gespräch.