Die drei Level von AI-First

Herzlich Willkommen zu den AI FIRST Insights! 2016 rief Google CEO Sundar Pichai erstmals eine AI-First Strategie aus und leitete damit den Übergang von Mobile in das KI-Zeitalter ein. Seitdem haben sich viele Top Manager und Politiker angeschlossen und für ihre Unternehmen ausgerufen, “AI-First” zu werden.

Aber was bedeutet “AI-First” überhaupt? Muss jedes Unternehmen AI-First werden? Welcher Nutzen steht dahinter?

In diesem Artikel beantworte ich diese Fragen und zeige dir die drei Level, die ich heute bei AI-First-Unternehmen sehe:

People: Menschen verändern ihre Arbeitsweise.
Processes: Unternehmen bauen Abläufe für KI neu.
Products: KI wird Teil der Kernwertschöpfung.

Am Ende kannst du einordnen, wo dein Unternehmen steht und welches Level als Nächstes ansteht.

Los geht’s!

Was heißt AI-First genau?

Der Name für mein heutiges Unternehmen (AI FIRST GmbH) entstand 2024 als ich einen Namen für diesen Blog und meinen Podcast suchte. Neben “No Hype” war unter anderem auch “AI FIRST” im Rennen. Ich spielte die Namen mit ein paar Freunden und Bekannten hin und her und erinnere mich noch an den Gegenwind:

“AI FIRST macht doch keinen Sinn, es geht doch um Human-First”
“Du musst Customer-First oder Problem-First denken”
“Vieles lässt sich doch ohne AI lösen”

Für mich ist AI-First keine Religion oder Strategie.

AI-First ist viel mehr eine Haltung oder ein Prinzip. Wir hinterfragen alles, was ein Unternehmen tut aus KI-Perspektive und setzen die Fähigkeiten der KI dort ein, wo dadurch Mehrwert entsteht. Menschen, Kunden und Probleme bleiben immer der Ausgangspunkt.

KI wird zur ersten ernsthaften Option, wenn sie ein Ziel besser oder schneller erreichbar macht.

Somit bedeutet “AI-First” auch nicht “AI-Always”. Ein Unternehmen sollte KI also nicht überall einsetzen. Es entscheidet bewusst, wann menschliches Urteilsvermögen, Beziehungsarbeit, eine andere Technologie oder regulatorische Vorgaben Vorrang haben.

Wie sieht ein AI-First Unternehmen aus?

Ein Unternehmen besteht vereinfacht aus Menschen, die sich in Prozessen organisieren und daraus Produkte oder Services erzeugen. Künstliche Intelligenz beeinflusst aufgrund ihrer Fähigkeiten all diese Bereiche. Sie ist eine transformative Technologie.

“Transformation” bedeutet einen grundlegenden und dauerhaften Wandel von Strukturen, Formen oder Zuständen. Ein Wandel in allen Dingen. Oder anders gesagt: KI verändert alles.

Dieser Wandel passiert auf drei Ebenen:

Ich habe in den letzten Jahren immer auf Level 1 bei den Menschen angefangen. Am Ende brauchen wir nämlich Menschen, die selbst AI-First denken und arbeiten, um die notwendigen Entscheidungen zu treffen und Voraussetzungen zu schaffen, damit wir AI-First Prozesse und Produkte/Services etablieren können.

Wir haben im Juli zwei Enablement-Programme mit tradierten Mittelständlern (800 Mitarbeiter und 11.000 Mitarbeiter) abgeschlossen. Bei Unternehmen 1 erzielten wir 21% durchschn. Produktivitätsgewinn, bei Unternehmen 2 waren es 23% - und da sind wir gerade einmal drei Monate auf Level 1 unterwegs.

Viel zu oft wird dieses Level übersprungen und sofort in Prozesse oder mögliche Produkt-Features eingetaucht, ohne dass in der Breite des Teams das richtige Mindset vorhanden ist.

Am Ende bleibt dann oft eine kleinteilige Verbesserung oder Beschleunigung des Bestehenden ohne substantiellen Mehrwert. KI wird oben drauf gesetzt, aber das Fundament nicht neu gedacht.

Was wird möglich, wenn Arbeitsweisen, Prozesse und Produkte wirklich AI-First gedacht werden?

Choco erzielt 120% Produktivitätssteigerung und >50% Umsatz durch KI-Produkte
BLP erzielt 5-10x Effizienzgewinne im Buchhaltungsprozess durch die Integration von KI-Agenten
Randstad verkürzt die Erstellung einer Stellenanzeige von 45 auf 3 Minuten
TUI Hotels reduziert Food Waste um 60% in über 400 Hotels
Renfert erzielt eine 93%-ige Planungsgenauigkeit in der Bedarfsplanung
Gebr. Dorfner reduziert Entwicklungsprozess für Farbrezepturen von 8 Wochen auf 3 Stunden
Medvi erreicht 1,8 Mrd. $ Umsatz mit nur zwei Mitarbeitern

Es gibt dutzende dieser Cases in Deutschland. Du findest sie hier.

Wir brauchen kein mathematisches Modell um zu erkennen, dass “traditionelle” Unternehmen keine Chance gegen AI-First Unternehmen haben werden, die KI sinnvoll in die Arbeitsweisen ihrer Teams, in ihre Prozesse und die Produkte integriert haben.

Die Vorteile in der Produktivität, Geschwindigkeit und Profitabilität sind enorm.

Level 1: Wie verändert KI die Arbeitsweise jeder Person?

Level 1 beginnt im Kopf jeder einzelnen Person. Der Maßstab ist, wie viel gutes Ergebnis jemand in der verfügbaren Zeit erzeugt und ob KI dabei selbstverständlich mitgedacht wird.

Ich will dir ein ganz einfaches Beispiel geben. 2023 war der erste große LLM Case in meinem alten Unternehmen erstaunlich unspektakulär: Wir haben jedes Meeting transkribiert und automatisch weiterverarbeitet. Aus dem Gespräch entstanden Aufgaben, Kommunikationsvorlagen und Dokumentation. Diese einfache Anpassung unserer Arbeitsweise hat hunderte Stunden Arbeitszeit pro Monat freigesetzt und eine Kontextbasis aufgebaut, die uns zusätzlich produktiver gemacht hat.

Das Prinzip war einfach: Wenn KI eine Sache schon besser oder gleich gut kann wie du, dann nutze KI dafür. Ein Meeting-Protokoll ist einfach ganz einfaches Beispiel dafür.

Das öffentliche Memo von Shopify-CEO Tobi Lütke hat diesen Anspruch 2025 sehr deutlich formuliert: „Reflexive AI usage is now a baseline expectation“. KI-Kompetenz floss in Leistungsbeurteilungen ein, und zusätzliche Ressourcen sollten erst beantragt werden, wenn ein Team geprüft hatte, was sich mit KI lösen lässt.

In Level 1 bringen wir KI bei, wie wir arbeiten, damit KI(-Agenten) uns in einem Großteil unserer Arbeit unterstützen können. Das bedeutet:

Sich bewusst werden, welche Aufgaben man heute ausführt
Ein Kontextprofil für die eigene Rolle schreiben
Klar beschreiben können, wie ein gutes Ergebnis aussieht
Skills für wiederkehrende Aufgaben aufsetzen und verbessern
KI täglich nutzen, um Intuition für die Zusammenarbeit zu entwickeln

Daraus entsteht ein großer Zeitgewinn (20% aufwärts), der wiederum in neue Aktivitäten investiert werden kann. Diese gilt es im Team zu identifizieren. Das ist eine wichtige Führungsaufgabe.

Drei Grundlagen müssen dafür stehen:

Menschen haben Zugang zu leistungsfähigen, sicheren Werkzeugen und dürfen sie in echter Arbeit einsetzen.
Ein Enablement-Programm trainiert an realen Aufgaben, bis Erfahrung und Urteilsvermögen entstehen. Nach meiner Beobachtung braucht es dafür deutlich mehr als ein zweistündiges Prompt-Training.
Führung schafft Sicherheit. Wer glaubt, sich mit jeder Verbesserung selbst überflüssig zu machen, wird das eigene Wissen nicht in eine KI überführen.

Das Problem in Level 1 ist, dass die individuelle Produktivität oft noch nicht auf der Abteilungsebene ankommt. Eine Person schreibt ein Angebot in einer Stunde statt in vier. Anschließend liegt es zwei Tage in einer Freigabe, läuft durch dieselben Rückfragen und wird in Systeme übertragen, die für menschliche Handarbeit gebaut wurden.

Hier beginnt Level 2.

Level 2: Wie baut man Prozesse, in denen KI arbeiten kann?

Auf Level 2 verschiebt sich die Perspektive vom einzelnen Menschen oder Use Case auf den kompletten Prozessablauf. Die Leitfrage lautet: Wie bauen wir unsere Firma so, dass KI darin möglichst gut arbeiten kann?

Nehmen wir die Rechnungs- und Spesenprüfung. Im klassischen Prozess reicht jemand einen Beleg ein, die Buchhaltung sichtet ihn, ordnet eine Kostenstelle zu, fragt bei fehlenden Informationen nach, holt eine Freigabe ein und verbucht den Vorgang. OCR kann das Auslesen beschleunigen. Der Ablauf bleibt trotzdem voller menschlicher Übergaben.

Ein AI-First-Prozess sieht anders aus. Ein Agent liest den Beleg ein, ordnet ihn zu und sammelt fehlende Informationen. Ein zweiter Agent prüft Richtlinien und Plausibilität, dokumentiert die Begründung und bewertet die eigene Sicherheit. Fälle oberhalb einer definierten Schwelle laufen automatisch weiter. Unsichere Ausnahmen werden gesammelt und gehen mit der vollständigen Begründung an einen Menschen.

Der Kern in Level 2 ist das Redesign vom Prozess. Statt kleinteilige Use Cases für Einzelschritte umzusetzen, schauen wir uns das erwartete Ergebnis an und arbeiten von dort zurück wie der Prozess (mit KI gedacht) aussehen muss, um dieses Ergebnis in der höchsten Qualität und kürzesten Zeit zu erreichen - und wo ein Mensch hier wirklich noch Mehrwert stiftet.

Die Forschung zu „Chaining Tasks, Redefining Work“ erklärt, warum dieses Redesign so wichtig ist. Der Wert entsteht auf Workflow-Ebene. Wenn KI-kompatible Schritte zusammenhängend angeordnet und unnötige Übergaben entfernt werden, kann der ganze Ablauf schneller werden. Ein isolierter automatisierter Schritt bleibt im alten System stecken.

Für Level 2 müssen drei Dinge stehen:

Der Prozess ist beschrieben und robust: Auslöser, Eingaben, Ergebnis, Rollen, Daten, Ausnahmen und Qualitätskriterien.
Die benötigten Informationen liegen digital, aktuell und zugänglich vor. Der Zettel auf einem Schreibtisch bleibt für einen Agenten unsichtbar.
KI kann die relevanten Systeme nutzen und arbeitet innerhalb klarer Leitplanken. Governance gehört in das Prozessdesign und wird nicht nachträglich angeflanscht.

Wir haben genau dafür unser KI-Betriebssystem aus Skills, Kontext, Tools, Governance und Lernschleifen gebaut. In diesem Zuge haben wir jeden Prozess auf KI-Kompatibililtät geprüft. Beispielsweise die Prozess-Outputs in ein Format zu bringen, dass von KI besonders einfach erzeugt werden kann (Beispiel: HTML-Seiten anstelle von Powerpoints).

Irgendwann waren Angebote, Leads und Content allerdings schnell genug. Mehr Prozessgeschwindigkeit hat unser eigentliches Wachstumsproblem nicht mehr gelöst.

Solange der Kundenwert an der Anwesenheit und Zeit von Menschen hängt, erreicht auch Level 2 eine Decke.

Level 3: Was verändert sich an Produkten und Services?

Level 3 beginnt im Produkt oder Service, womit das Unternehmen Geld verdient. Die Kernfrage lautet: Wie löst KI das Problem des Kunden schneller und besser?

Wir beschäftigen uns gerade selbst intensiv mit dieser Frage, da ein Großteil unserer Wertschöpfung heute noch an menschlicher Zeit liegt. Gleichzeitig haben wir viele Daten und Erfahrungen darüber, wie KI in Arbeitsweisen und Organisationen ankommt. Diese Daten kombinieren wir mit den Fähigkeiten von agentischer KI, um einen größeren Wert für Kunden zu erzeugen. Die größte Herausforderung ist nicht nur ein KI-Produkt à la Clippy 2.0 zu bauen, sondern denken das gesamte Kundenerlebnis neu.

In Level 3 zählen insbesondere einzigartige Daten, Erfahrungswissen und Kundenzugang/-verständnis.

Drei Beispiele zeigen, wie daraus mit KI ein größerer Wert entsteht.

321 MED: Dr. Magnus Baringer war Handchirurg und hat sich ab 2021 nachts die Software gebaut, die er selbst gebraucht hätte. Heute ist daraus ein KI-Betriebssystem für über 8.000 Praxen und Kliniken geworden: eine Orchestrierungsebene, die den Praxisalltag digital nachbaut, mit einer KI am Telefon, einer KI für die Dokumentation und diverser weiterer Cases. Dieses Produkt konnte er nur mit dem Erfolg bauen, weil er selbst die Probleme der Kunden im Detail versteht.

Choco: Daniel Khachab hat den B2B-Marktplatz für Gastronomie und Lieferanten umgebaut. Der Order Agent verarbeitet hunderttausende Bestellungen pro Woche, die vorher am Telefon und per WhatsApp gelandet sind. Heute können Gastronomen einfach eine Sprachnachricht aufnehmen aus der dann die Bestellung ausgelöst wird. Schon 2025 fanden die Kunden diese Lösung so gut, dass sie von >50% innerhalb von Monaten genutzt wurde.

Gebr. Dorfner: Ein Familienunternehmen mit rund 400 Mitarbeitenden im Mineralienabbau. 20 Jahre Rezepturwissen lagen in Köpfen und auf Karteikarten. Daraus wurden über 2.000 Datensätze und ein Modell, das Farbrezepturen vorhersagt: acht Wochen Laborarbeit werden zu drei Stunden, bei über 95 Prozent Treffergenauigkeit. Auf einmal steht ein skalierbares Geschäftsmodell, das völlig unabhängig vom traditionellen Bergbau-Business ist.

Das Prinzip gilt also weit über Software hinaus. Je größer der Anteil von Information, Entscheidung und Interaktion am Kundenwert, desto direkter kann KI im Produkt wirken.

Bei physischen Produkten verschiebt sich Level 3 häufig in die Daten- und Serviceschicht: vorausschauende Wartung, digitale Zwillinge, intelligente Konfiguration oder ein Service, der sich mit jeder Nutzung verbessert.

Drei Voraussetzungen entscheiden über Level 3:

Eine eigene Datenbasis und eigenes Wissen erzeugen Ergebnisse, die ein Wettbewerber nicht einfach kopieren kann.
Langjähriges Verständnis der Kundenprobleme, die gelöst werden müssen.
Die Organisation beherrscht Level 1 und 2. Ohne KI-kompetente Menschen und belastbare Prozesse fehlt das Fundament für ein AI-First Produkt.

Level 3 ist nicht trivial. Es kostet Zeit, Geld und Mut, und für manche Geschäftsmodelle lohnt sich der Schritt heute noch nicht zu 100 Prozent. Trotzdem lohnt sich das Nachdenken darüber in jedem Führungsteam.

Auf welchem Level steht dein Unternehmen?

Die Einordnung funktioniert am besten über beobachtbare Arbeit. Ein Strategiepapier mit dem Wort AI-First sagt wenig darüber aus, was im Alltag passiert.

Level 1: People

KI-Nutzung gehört zur erwarteten Arbeitsweise und hängt nicht an einzelnen Enthusiasten.
Menschen können die Qualität von KI-Ergebnissen beurteilen und kennen sinnvolle Grenzen.
Wiederkehrende Aufgaben werden als gemeinsame Skills oder Arbeitsanweisungen dokumentiert.
Individuelle Zeitgewinne von >20% sind messbar.

Nächster Schritt: Ermittle bei fünf Rollen, welche drei wiederkehrenden Aufgaben am meisten Zeit binden, und trainiere diese Aufgaben über mehrere Wochen mit echten Ergebnissen.

Level 2: Processes

Mindestens ein kompletter Kernprozess wurde für KI neu designt.
Agenten können auf aktuelle Daten, Wissen und Systeme zugreifen.
Sicherheitsschwellen, Ausnahmen und menschliche Qualitätstore sind definiert.
Fehler fließen als neue Regel in den nächsten Durchlauf zurück.

Nächster Schritt: Wähle den Prozess mit den meisten Übergaben und Zeitaufwänden. Definiere das Ergebnis (Output) und arbeite von dort zurück wie dieser Prozess auf der grünen Wiese mit Einsatz von KI und Automatisierung optimiert aussehen würde und welche Rolle Menschen einnehmen, um die Qualität zu sichern.

Level 3: Products

KI löst einen wesentlichen Teil des Kundenproblems direkt.
Das Angebot nutzt eigene Daten oder eigenes Wissen, das Wettbewerber nicht frei einkaufen können.
Jede Kundeninteraktion verbessert das Produkt oder den zugrunde liegenden Kontext.
Das Produkt skaliert stärker als die eingesetzte menschliche Zeit.

Nächster Schritt: Zerlege den heutigen Kundenwert in Information, Entscheidung, Interaktion und physische Leistung. Prüfe, welcher Teil durch KI größer werden kann und welche Daten dafür fehlen.

Drei Diagnosefragen helfen bei der ersten Diskussion im Führungsteam:

Wo verpuffen die individuellen Zeitgewinne, die wir schon sehen?
Welcher Prozess hat die meisten Übergaben und Wartezeiten?
Welcher Teil unseres Kundenwerts hängt heute an der Anwesenheit von Menschen?

Fazit

AI-First wird greifbar, wenn wir die Organisation auf drei Ebenen betrachten:

People: Menschen lernen, KI als selbstverständlichen Teil ihrer Arbeit zu führen.
Processes: Rollen, Daten, Systeme und Freigaben werden so gebaut, dass KI zusammenhängende Arbeit übernehmen kann.
Products: KI verändert den Kundenwert und entkoppelt ihn stärker von menschlicher Zeit.

Die Level sind für mich keine Zertifizierung und kein starres Modell. Sie sind eine Landkarte für die nächste Entscheidung. Bei AI FIRST sind wir Level 1 und 2 durchlaufen und gerade tief in Level 3. Alle vorherigen Level haben geholfen, das Wissen und die Kompetenzen für das nächste Level aufzubauen.

Entscheidend ist, die Ebenen nicht zu verwechseln. Mehr Lizenzen lösen kein Prozessproblem. Ein schneller Prozess erzeugt noch kein neues Produkt. Und ein KI-natives Angebot lässt sich schwer betreiben, wenn Menschen, Daten und Governance darunter nicht tragen.

Wo steht dein Unternehmen?

Bis nächsten Sonntag,

Felix