In 30 Tagen zum ersten produktiven KI-Anwendungsfall

Fast jedes Unternehmen, mit dem ich über KI spreche, hat dieselbe Erfahrung gemacht: Es gab einen Workshop, es gab eine Präsentation, es gab eine lange Liste möglicher Anwendungsfälle – und danach passierte lange nichts. Nicht, weil die Technik nicht funktioniert hätte, sondern weil das Vorhaben in der Konzeptphase steckenblieb. Es wurde weiter analysiert, weiter abgewogen, weiter auf den perfekten Moment gewartet. Aus Wochen wurden Monate, und der erste produktive Anwendungsfall existierte am Ende nur auf Folien.

Das ist das eigentliche Problem bei KI im Mittelstand. Nicht die Frage, ob es geht – das ist längst geklärt. Sondern die Frage, wie man aus einer guten Absicht in überschaubarer Zeit ein echtes Ergebnis macht. Meine Antwort darauf ist unbequem einfach: eine Frist. Wer sich vornimmt, in 30 Tagen einen einzigen, klar abgegrenzten Anwendungsfall produktiv und messbar zu machen, zwingt sich zu genau der Fokussierung, die sonst fehlt. Dieser Beitrag zeigt, wie so ein Fahrplan aussieht.

Warum die Konzeptphase der eigentliche Gegner ist

Die Technik ist heute selten das Nadelöhr. Sprachmodelle sind verfügbar, bezahlbar und für viele Standardaufgaben erstaunlich gut. Was fehlt, ist nicht Rechenleistung, sondern eine Entscheidung. Und genau hier setzt die Konzeptphase ihre zerstörerische Wirkung an: Solange nichts gebaut wird, kann auch nichts scheitern. Weiter zu analysieren fühlt sich sicher an. Es fühlt sich sogar nach Fortschritt an, obwohl es keiner ist.

Ich sehe drei typische Muster, in denen sich Unternehmen verlieren. Das erste ist die zu große Frage: „Wie machen wir unser ganzes Unternehmen KI-fähig?“ Auf diese Frage gibt es keine 30-Tage-Antwort, deshalb passiert nichts. Das zweite ist die Toolsuche: Man vergleicht Anbieter, testet Demos, wartet auf das nächste, noch bessere Modell – und verwechselt das mit Umsetzung. Das dritte ist die Absicherung: Man will erst alle Risiken, alle Datenschutzfragen und alle Sonderfälle geklärt haben, bevor der erste echte Vorgang läuft.

Alle drei Muster haben eine gemeinsame Wurzel: Es wurde zu groß gedacht. Warum der Einstieg über einen einzigen, klar abgegrenzten Prozess gelingt statt über die Revolution des ganzen Betriebs, habe ich in Warum die meisten Unternehmer bei KI zu groß denken ausführlich beschrieben. Der 30-Tage-Rahmen ist die praktische Konsequenz daraus: Er ist kurz genug, dass man gar nicht erst versucht, alles auf einmal zu lösen.

Der 30-Tage-Fahrplan im Überblick

Der Fahrplan besteht aus vier Wochen, die aufeinander aufbauen. Jede Woche hat ein klares Ergebnis, das erreicht sein muss, bevor die nächste beginnt. Das klingt streng, ist aber der Grund, warum es funktioniert: Man kommt nicht in Versuchung, wieder in die Analyse zurückzufallen.

1. Woche 1 – Das richtige Problem auswählen. Einen einzigen Prozess festlegen, das Erfolgsmaß definieren, den Ist-Zustand messen.
2. Woche 2 – Datenbasis und Rahmen klären. Die nötigen Informationen zusammentragen, den Datenschutz sauber regeln, den Ablauf festlegen.
3. Woche 3 – Bauen und im Kleinen testen. Eine erste Version aufsetzen, mit echten Fällen prüfen, nachschärfen.
4. Woche 4 – Produktiv setzen und messen. Im echten Tagesgeschäft mitlaufen lassen, das Ergebnis gegen den Ausgangswert messen, die Erkenntnisse festhalten.

Wichtig ist die Reihenfolge. Die meisten scheitern, weil sie in Woche 3 anfangen – beim Bauen – ohne die Wochen 1 und 2 gemacht zu haben. Dann steht am Ende ein Werkzeug ohne klares Ziel, ohne Daten und ohne Messgröße. Das ist kein Anwendungsfall, das ist eine Spielerei.

Woche 1: Das richtige Problem auswählen

Die wichtigste Entscheidung fällt ganz am Anfang – und sie entscheidet über Erfolg oder Misserfolg mehr als alles Technische. Der erste Anwendungsfall muss vier Bedingungen erfüllen: Er kommt häufig vor, ist klar abgegrenzt, kostet heute spürbar Zeit, und sein Ergebnis lässt sich prüfen, bevor es nach außen geht.

Gute Kandidaten sind fast immer wiederkehrende Textarbeiten: die Vorbereitung von Angeboten aus einer Anfrage, das Beantworten von Standardfragen, die Aufbereitung von Dokumenten, das Zusammenfassen langer E-Mail-Verläufe. Schlechte Kandidaten für den Einstieg sind Prozesse mit hohem Risiko, mit unklarer Datenlage oder ohne messbares Ergebnis. Nicht, weil KI das nicht könnte – sondern weil sie sich als erster Fall in 30 Tagen nicht sauber beweisen lassen.

Ist der Prozess gewählt, folgt der zweite, oft übersprungene Schritt: das Erfolgsmaß. Was soll besser werden, und woran erkennt man es? Zeit pro Vorgang, Anzahl bearbeiteter Anfragen pro Tag, Durchlaufzeit von Anfrage bis Angebot – irgendeine Zahl, die den Ist-Zustand beschreibt. Diese Zahl müssen Sie in Woche 1 einmal ehrlich erheben. Ohne sie können Sie am Ende nicht sagen, ob sich etwas verändert hat. Und dieser Ausgangspunkt entsteht nicht aus dem Trend, sondern aus dem eigenen Betrieb – der Kern jeder ernsthaften KI-Beratung, die nicht mit Tools, sondern mit Prozessen beginnt.

Woche 2: Datenbasis und Rahmen klären

KI kann nur so gut arbeiten, wie die Informationen sind, die ihr zur Verfügung stehen. In Woche 2 tragen Sie deshalb zusammen, was der Anwendungsfall braucht: bei der Angebotsvorbereitung etwa die Leistungen, Preise, Textbausteine und typischen Formulierungen; bei der Beantwortung von Anfragen die häufigsten Fragen und die richtigen Antworten dazu.

Hier zeigt sich fast immer dieselbe Hürde – und sie ist der eigentliche Grund, früh anzufangen: Vieles steckt nur in Köpfen oder auf Papier und muss erst nutzbar gemacht werden. Genau das ist die stille Voraussetzung jeder Automatisierung, die ich in Was heute nur auf Papier steht, kann morgen keine KI nutzen beschrieben habe. Für den ersten Anwendungsfall reicht ein kleiner, sauberer Ausschnitt – Sie müssen nicht das gesamte Firmenwissen digitalisieren. Aber der Ausschnitt muss stimmen.

Zum Rahmen gehört zweitens der Datenschutz. Er ist wichtig, aber selten das Hindernis, zu dem er gemacht wird. Wer von Anfang an klärt, welche Daten überhaupt verarbeitet werden, ob sie sich anonymisieren lassen und ob eine selbst gehostete Lösung sinnvoll ist, nimmt dem häufigsten Totschlagargument die Kraft. Warum Datenschutz meist eine Ausrede und selten ein echtes Stoppschild ist, habe ich an anderer Stelle vertieft. Drittens legen Sie den Ablauf fest: Wo kommt der Vorgang herein, wer prüft das Ergebnis, wo geht es hinaus? Diese Freigabelogik ist kein Detail – sie sorgt dafür, dass die Entscheidung beim Menschen bleibt.

Eine Frist ist kein Druckmittel, sondern ein Filter. Sie zwingt dazu, das eine Problem zu wählen, das wirklich zählt – und alles andere wegzulassen.

Woche 3: Bauen und im Kleinen testen

Erst jetzt wird gebaut. Wer die Wochen 1 und 2 gemacht hat, stellt fest, dass dieser Teil oft der schnellste ist: Das Ziel ist klar, die Daten liegen bereit, der Ablauf steht. Es geht darum, eine erste funktionierende Version aufzusetzen – nicht die perfekte, sondern eine, die den typischen Fall abdeckt.

Der entscheidende Schritt in dieser Woche ist das Testen mit echten Fällen. Nehmen Sie zehn, zwanzig reale Vorgänge aus der Vergangenheit und lassen Sie die KI sie bearbeiten. Vergleichen Sie das Ergebnis mit dem, was ein Mensch geliefert hätte. Wo ist es gut genug? Wo fehlt Kontext? Wo muss nachgeschärft werden? Aus diesen Vergleichen entstehen die kleinen Anpassungen, die den Unterschied zwischen „nett“ und „brauchbar“ ausmachen.

Widerstehen Sie in dieser Phase der Versuchung, den Anwendungsfall zu erweitern. Jede zusätzliche Sonderregel, jeder weitere Prozess, der „auch noch mit rein könnte“, verwässert das Ergebnis und sprengt die Frist. Bleiben Sie beim einen Fall. Erweiterungen kommen später – und sie kommen leichter, wenn der erste Fall sauber steht.

Woche 4: Produktiv setzen und messen

In der letzten Woche geht der Anwendungsfall in den echten Betrieb. Das ist der Moment, in dem sich zeigt, ob aus dem Piloten Alltag wird. Wichtig ist, dass er tatsächlich mitläuft: Neue Vorgänge laufen ab jetzt über den neuen Weg, mit menschlicher Prüfung, aber im Tagesgeschäft. Ein Anwendungsfall, der nur in der Testumgebung existiert, ist kein produktiver Anwendungsfall.

Und dann messen Sie. Erinnern Sie sich an die Zahl aus Woche 1? Jetzt erheben Sie sie erneut. Braucht die Angebotsvorbereitung wirklich weniger Zeit? Werden mehr Anfragen am Tag beantwortet? Ist die Durchlaufzeit gesunken? Diese Gegenüberstellung ist der eigentliche Ertrag der 30 Tage. Sie verwandelt einen Eindruck („fühlt sich schneller an“) in ein Ergebnis, das Sie im eigenen Haus zeigen und verteidigen können.

Halten Sie zum Abschluss fest, was Sie gelernt haben: Wie der Fall aufgebaut ist, welche Daten er nutzt, welche Entscheidungen getroffen wurden, was funktioniert hat und was nicht. Dieses Wissen ist die Grundlage für alles Weitere – und es sollte nicht in einem einzelnen Kopf verschwinden.

Was „produktiv und messbar“ wirklich bedeutet

Zwei Wörter im Titel dieses Fahrplans machen den ganzen Unterschied. Produktiv heißt: Der Anwendungsfall läuft im echten Tagesgeschäft mit, nicht in einer abgeschotteten Demo, die man bei Bedarf vorführt. Der Unterschied ist gewaltig. Eine Demo beeindruckt und verändert nichts. Ein produktiver Fall entlastet ab Tag eins reale Arbeit.

Messbar heißt: Es gibt eine Kennzahl, die den Nutzen belegt. Ohne Messung bleibt jede KI-Einführung Geschmackssache – und Geschmackssache lässt sich weder gegen Skepsis verteidigen noch als Grundlage für den nächsten Schritt nutzen. Gerade im Mittelstand, wo jede Investition zählt, ist die Zahl am Ende der 30 Tage wichtiger als jede technische Eleganz.

Beides zusammen ist auch der Grund, warum ein solcher Fahrplan so gut zur Förderlogik passt. Ein klar umrissenes Vorhaben mit Ausgangslage, Ziel und belegtem Nutzen ist genau das, was ein Förderantrag verlangt. Einen aktuellen Überblick, was Bund und Länder unterstützen, gebe ich in KI-Förderung 2026 in Deutschland – mit der ehrlichen Einordnung, dass sich Förderbedingungen ändern und vor Antragstellung geprüft werden müssen.

Die häufigsten Fehler auf dem Weg

Damit der Fahrplan nicht doch im Sand verläuft, hier die Stolpersteine, die ich am häufigsten sehe:

• Zu groß gewählt. Wer gleich einen komplexen, unternehmenskritischen Prozess nimmt, schafft es nicht in 30 Tagen – und verliert die Motivation. Der erste Fall darf ruhig „klein“ wirken.
• Kein Erfolgsmaß. Ohne die Zahl aus Woche 1 lässt sich am Ende nichts belegen. Der Nutzen bleibt Behauptung.
• Niemand ist verantwortlich. Ein Anwendungsfall braucht eine Person, die ihn durch die 30 Tage trägt. Ohne diese Rolle konkurriert er mit dem Tagesgeschäft und verliert.
• Perfektionismus in Woche 3. Wer auf die perfekte Version wartet, wird nie produktiv. Gut genug für den typischen Fall reicht für den Start.
• Der Fall bleibt eine Insel. Wer nach den 30 Tagen aufhört, verschenkt den eigentlichen Wert. Der erste Fall ist der Anfang, nicht das Ziel.

Was nach den 30 Tagen kommt

Ein produktiver, gemessener Anwendungsfall ist ein Erfolg – aber er ist noch kein System. Der eigentliche Hebel entsteht danach: wenn der zweite Fall auf der Datenbasis und den Bausteinen des ersten aufsetzt, statt bei null zu beginnen. Genau daran scheitern viele, die den Piloten als Endpunkt behandeln. Warum ein einzelner Use Case zum tragfähigen System werden muss und wie das gelingt, habe ich in Vom einzelnen Use Case zum System beschrieben.

Die 30 Tage sind also kein Sprint, nach dem man sich ausruht, sondern der erste Takt eines fortlaufenden Rhythmus. Sie liefern drei Dinge, die vorher fehlten: ein Ergebnis, eine Erfahrung und eine Datenbasis. Auf diesen drei Dingen lässt sich der nächste Schritt planen – und der übernächste. So wird aus Strategie Umsetzung, statt in getrennten Welten zu bleiben; ein Zusammenhang, den ich in Warum Strategie und Umsetzung im Mittelstand zusammengehören vertieft habe.

Wenn Sie also einen ersten Anwendungsfall angehen wollen, ist die richtige Frage nicht „Welches Tool kaufe ich?“, sondern: „Welcher eine Prozess kostet uns heute am meisten Zeit – und ist klar genug, um ihn in 30 Tagen produktiv zu machen?“ Aus dieser Frage entsteht ein Ergebnis. Wenn Sie mögen, wählen wir gemeinsam den passenden ersten Fall und ziehen den Fahrplan durch. Lassen Sie uns das in einem kurzen Gespräch klären.

Häufige Fragen: In 30 Tagen zum ersten KI-Anwendungsfall

Kann man in 30 Tagen wirklich einen KI-Anwendungsfall umsetzen?

Ja, wenn man klein und konkret bleibt. In 30 Tagen lässt sich kein ganzer Betrieb umbauen, aber ein einzelner, klar abgegrenzter Prozess produktiv machen – etwa die Angebotsvorbereitung, die Beantwortung wiederkehrender Anfragen oder das Vorbereiten von Standarddokumenten. Der 30-Tage-Rahmen erzwingt genau die Fokussierung, an der die meisten KI-Projekte sonst scheitern: Er lässt keine endlose Konzeptphase zu.

Woran scheitern KI-Projekte am häufigsten?

Selten an der Technik. Meist scheitern sie an endlosen Konzeptphasen, an einem zu groß gewählten ersten Vorhaben, an fehlender Verantwortlichkeit und daran, dass kein messbares Ziel definiert wurde. Wer stattdessen einen einzelnen Prozess auswählt, ein klares Erfolgsmaß setzt und eine feste Frist zieht, kommt in der Praxis deutlich schneller zu einem Ergebnis.

Welchen Prozess sollte man für den ersten KI-Anwendungsfall wählen?

Einen Prozess, der häufig vorkommt, klar abgegrenzt ist, heute Zeit kostet und dessen Ergebnis sich prüfen lässt, bevor es nach außen geht. Gut geeignet sind wiederkehrende Textarbeiten wie Angebotsvorbereitung, das Beantworten von Standardanfragen oder das Zusammenfassen und Vorbereiten von Dokumenten. Ungeeignet als Einstieg sind Prozesse mit hohem Risiko, unklarer Datenlage oder ohne messbares Ergebnis.

Was bedeutet ein produktiver und messbarer KI-Anwendungsfall?

Produktiv heißt: Der Anwendungsfall läuft im echten Tagesgeschäft mit, nicht nur in einer Demo. Messbar heißt: Es gibt eine Kennzahl, die den Nutzen belegt – zum Beispiel die Zeit pro Vorgang, die Zahl der bearbeiteten Anfragen oder die Bearbeitungsdauer. Ohne Messung bleibt jeder Eindruck Bauchgefühl und lässt sich weder verteidigen noch weiterentwickeln.

Ist ein solches KI-Projekt förderfähig?

Häufig ja. Gefördert werden vor allem Beratung, Konzeption und Strategie sowie zunehmend die Umsetzung über Länderprogramme. Ein klar umrissener Anwendungsfall mit Ausgangslage, Ziel und Nutzen ist genau die Grundlage, die ein Förderantrag verlangt. Fördervoraussetzungen ändern sich und müssen vor Antragstellung geprüft werden.