Das Zielbild für KI-Adoption

Herzlich Willkommen zu den AI FIRST Insights! Letzte Woche habe ich das AI FIRST Adoption Playbook gestartet. Im ersten Teil ging es um die fünf Todsünden der KI-Adoption. Heute schauen wir auf die erste davon: den Tool-Reflex.

Die KI-Reise von Unternehmen startet viel zu oft mit drei Fragen:

Welches Tool führen wir ein?
Welche Richtlinie brauchen wir dafür?
Und wie schulen wir die Mitarbeitenden auf dieses Tool?

Gerade weil Schatten-KI, Datenschutz und Tool-Wildwuchs echte Probleme sind, sind das auch wichtige Fragen. Aber wenn KI-Adoption genau dort startet, ist der Rahmen schon gesetzt: KI wird wie eine klassische Software-Einführung behandelt und ist mit der Schulung beendet.

Menschen nutzen KI dann vor allem, um ihre heutige Arbeit schneller zu erledigen:

E-Mails schreiben
Dokumente zusammenfassen
Präsentationen vorbereiten
Meetings strukturieren

Das hilft im Alltag. Aber daraus entsteht noch nicht automatisch ein messbarer Beitrag zum Unternehmensergebnis.

Der wahre Hebel entsteht, wenn wir Arbeit grundsätzlich neu verteilen: weg von Routine, hin zu Entscheidungen, Kundenwirkung und Wertschöpfung.

Genau deshalb beginnt echte KI-Adoption für mich nicht mit der Tool-Auswahl, sondern mit einem Zielbild: Welche Organisation müssen wir werden, um das Potenzial von KI wirklich zu nutzen und im KI-Zeitalter vorne mitzuspielen?

Darum geht es in diesem zweiten Teil: das Zielbild für die Organisation im KI-Zeitalter.

Los geht’s!

Warum der Tool-Reflex das Potenzial begrenzt

Der Tool-Reflex begrenzt KI-Adoption, weil er die bestehende Arbeit als Ausgangspunkt nimmt.

Wenn ein neues Tool eingeführt wird, lautet die erste Frage fast immer: Wie können wir die Aufgaben, die heute schon da sind, schneller oder einfacher erledigen?

Dann wird ein Angebot schneller geschrieben, ein Meeting schneller vorbereitet oder ein Dokument schneller zusammengefasst. Das ist hilfreich, aber die Grundlogik bleibt gleich: Der Mensch macht weiterhin dieselbe Arbeit, nur mit besserem Werkzeug.

Der größere Hebel liegt woanders.

Wir müssen fragen, welche Aufgaben überhaupt noch beim Menschen liegen sollten, und was möglich wird, wenn wir die freigewordene Zeit von Menschen + KI-Unterstützung neu einsetzen. Der Tool-Reflex begrenzt deshalb nicht nur die Effizienz (weil nur alte Arbeit beschleunigt wird), sondern auch die Vorstellung davon, was eigentlich möglich wäre, wenn wir unsere Arbeit nochmal neu denken - AI-First :)

Und genau darin liegt das Risiko von ganz vielen Initiativen, die die KI-Adoption hochtreiben sollen. Ein Unternehmen kann hohe KI-Nutzung haben und trotzdem keinerlei Einfluss auf das Unternehmensergebnis sehen.

“Wir haben unternehmensweit 90% KI-Adoption” sagt also erstmal noch gar nichts.

KI-Adoption benötigt ein Zielbild

KI-Adoption einen anderen Startpunkt als Tools, Richtlinien oder Schulungen.

Für mich beginnt dieser Startpunkt mit einer sehr einfachen, aber oft erstaunlich schwer zu beantwortenden Frage: Wo wollen wir als Unternehmen überhaupt hin?

Ich erlebe genau hier oft die erste Unschärfe. KI soll eingeführt werden, es gibt Budget, erste Tools und viel Interesse im Management. Aber wenn man fragt, auf welche strategischen Ziele KI eigentlich einzahlen soll, wird es schnell vage. Ich frage mich oft, ob überhaupt jemand im Unternehmen weiß, wo man in den nächsten 2-3 Jahren stehen will.

Wenn ich nicht klar sagen kann, wohin sich das Unternehmen entwickeln soll, kann ich auch nicht sauber ableiten, welche Probleme oder Engpässe dafür gelöst werden müssen und wobei KI konkret helfen kann. Aus diesem Grund wird KI schnell zu einer Sammlung aus Tool-Demos, kleinteiligen Use Cases und allgemeinen Produktivitätsversprechen.

Wir brauchen ein Zielbild, das folgende Fragen beantwortet:

Wofür setzen wir KI ein?
Wo kann KI für diese Ziele wirklich Hebel entwickeln?
Wie muss sich unsere Organisation dafür verändern?
Womit schaffen wir die nötigen Voraussetzungen?
Woran merken wir, ob wir Fortschritt machen?

Wofür machen wir das überhaupt?

Welche drei Unternehmensziele sind in den nächsten 12 bis 24 Monaten wirklich entscheidend? Geht es um Wachstum, Profitabilität, Servicequalität, schnellere Produktentwicklung, bessere Kundenerfahrung oder darum, mit dem bestehenden Team deutlich mehr Wert zu schaffen?

Diese Ziele müssen klar sein, bevor wir überhaupt anfangen über KI sprechen. Denn erst dann können wir sinnvoll fragen, welche Rolle KI dabei spielen kann:

Hilft KI uns, schneller zu werden?
Können wir bessere Entscheidungen treffen?
Können wir Qualität erhöhen?
Können wir bestehende Teams stärker hebeln?
Werden neue Produkte oder Services möglich?

Jede größere KI-Initiative muss einen klaren Bezug zu einem dieser Ziele haben. Wenn dieser Bezug fehlt, ist sie wahrscheinlich gerade nicht wichtig genug.

Wo liegen unsere Hebel mit KI?

Bevor wir diese Frage beantworten können, müssen die Fähigkeiten von Künstlicher Intelligenz verstanden werden. Generative KI kann sehr gut Text, Bild, Audio, Video und Code verarbeiten, während agentische KI großartig über mehrschrittige Prozesse und verteilte Systeme Aufgaben erledigen kann - dennoch sind diese Technologien nicht für jede Art von Problem die Lösung.

Wenn wir die Fähigkeiten der Technologie kennen, können wir sie mit unserer Arbeit verbinden und Hebel identifizieren, die auf unsere strategischen Ziele einzahlen.

In der Praxis unterscheide ich hier zwischen Breite und Tiefe.

Breite bedeutet horizontale Produktivität. Jede Person, die am Bildschirm arbeitet, kann durch KI produktiver werden: bei Recherche, Dokumentation, Kommunikation, Analyse, Meeting-Vorbereitung oder Projektmanagement. Das ist häufig der erste große Hebel, weil er sehr viele Menschen erreicht.

Tiefe bedeutet vertikale Automatisierung oder Qualitätsgewinne in den Bereichen, in denen strategisch das größte Potenzial liegt. Das kann Customer Support sein, Marketing, Vertrieb, Engineering, Produktentwicklung oder eine Weiterentwicklung des Kundenerlebnisses.

Die größten Hebel liegen dort, wo eine konkrete Fähigkeit von KI direkt auf ein wichtiges Unternehmensziel einzahlt. In meiner Arbeit mit Kunden sind das aktuell die horizontale Produktivitätssteigerung, Automatisierung im Customer Support und Vertrieb, neue Fähigkeiten im Marketing nutzbar zu machen und die Produktivität von Entwicklern zu steigern.

Wie müssen sich People, Processes und Products verändern?

Wenn wir wissen, welche Ziele wichtig sind und welche KI-Hebel darauf einzahlen, müssen wir fragen: Wie muss sich unsere Organisation verändern, damit wir diese Hebel auch wirklich ziehen können?

Ich schaue mir diese Veränderungen entlang der 3 P’s an, aus denen Unternehmen bestehen: People, Processes und Products.

Bei People geht es um Fähigkeiten, Rollen und Organisationsstruktur. Welche (KI-)Kompetenzen brauchen Mitarbeitende? Welche Rollen werden wichtiger, zum Beispiel Data Engineers oder KI-Enabler? Welche Aufgaben verlieren an Bedeutung, weil KI sie besser, schneller oder günstiger übernehmen kann? Wie können wir diese freien Ressourcen besser einsetzen? Und wie verändert sich Führung, wenn Arbeit anders verteilt wird?

Bei Processes geht es darum, dass Prozesse überhaupt erstmal definiert werden - schon daran mangelt es oft. Anschließend geht es darum, diese AI-First zu denken: Prüfen, wie ein Prozess aussehen würde, wenn KI von Anfang an eingebaut ist. Wo fallen Schnittstellen weg? Wo kann Kontext automatisch vorbereitet werden? Wo können Entscheidungen besser unterstützt werden? Wann entscheidet Mensch oder Maschine?

Bei Products geht es um die Frage, wie sich Produkte, Services oder Kundenerlebnisse verändern. Können Angebote personalisierter werden? Kann Service schneller oder besser geliefert werden? Entstehen neue digitale Produkte, die ohne KI wirtschaftlich nicht möglich gewesen wären?

Wichtig: Im Zielbild muss keine finale Version der Zukunft beschrieben werden. Wir wissen heute noch gar nicht, wo KI in 3 Monaten stehen wird und welche Auswirkungen das auf uns hat. Aber wir können sehr wohl ableiten, welche Funktionsbereiche von KI disruptiert werden, welche Arbeit kein Mensch mehr machen wird und inwiefern unser Geschäftsmodell von KI beeinflusst ist.

Entlang der 3 P’s entscheidet sich, ob KI nur benutzt wird, um bestehendes zu beschleunigen oder ob KI zum unfairen Vorteil wird.

Ein gutes Beispiel dafür ist Medvi: ein AI-First Unternehmen, das mit einem extrem kleinen Team (2 FTE + 8 Freelancer) einen 1,8 Mrd. $ Umsatz erreicht, der mit traditionellen Organisationslogiken kaum erklärbar wäre.

Womit ermöglichen wir diese Veränderung?

Die Veränderung in den 3 P’s erfordert organisatorische Enabler. Ich teile sie in zwei große Bereiche ein: Daten und Technologie sowie Governance.

Bei Daten und Technologie geht es um die Grundlage, auf der KI sinnvoll arbeiten kann:

Zentrale KI-Plattform (als KI-Betriebssystem gedacht)
Zugriff auf relevantes Wissen
Saubere Daten, zugängliche Daten
Passende Schnittstellen in Drittsysteme

→ Im Kern benötigt KI Zugriff auf alles, worauf wir Menschen Zugriff haben. Dann kann sie skaliert Arbeit ausführen.

Bei Governance geht es um den Rahmen, in dem Menschen KI sicher und sinnvoll einsetzen können:

Datenschutz & AI Act Compliance
Risikomanagement
Budget und Kostensteuerung
Rollen und Verantwortlichkeiten

Technologie und Governance sind nicht der Startpunkt. Sie sind Enabler für die notwendige organisatorische Transformation, um die Potenziale von KI im Unternehmen hebeln zu können und darüber die strategischen Ziele zu erreichen.

Woran erkennen wir den Fortschritt?

Viele Unternehmen messen KI-Adoption vor allem über Nutzung:

Wie viele Lizenzen sind aktiv?
Wie oft wird das Tool geöffnet?
Wie viele Prompts werden geschrieben?
Wie viele Agenten wurden gebaut?

Diese Kennzahlen zeigen uns, ob die Organisation in Bewegung kommt und KI-Adoption Fahrt aufnimmt. Aber sie geben uns keinerlei Hinweis darauf, ob daraus Wert entsteht.

Leading Indicators zeigen, ob die Veränderung läuft:

Nutzung: Wie viele Mitarbeitende nutzen KI produktiv (Logins, Prompts, Agenten, …)
Use-Case-Pipeline: Wie viele Ideen wurden aufgenommen, qualifiziert, priorisiert?
Use Cases live: Wie viele Anwendungen sind produktiv im Einsatz?
KI-Kompetenz: Wie viele Menschen haben welche Schulungen absolviert?
KI-Enabler / Multiplikatoren: Gibt es Menschen, die das Thema in die Bereiche tragen?

Lagging Indicators zeigen, ob KI Wirkung erzeugt:

Zeitersparnis pro Mitarbeiter
Umsatz/Ergebnis pro Mitarbeiter
Kosten-Reduktion in Prozessen
Kosten-Reduktion externer Dienstleister
Umsatz aus KI-basierten Angeboten
Kunden- / Mitarbeiterzufriedenheit
Stellen, die nicht (nach)-besetzt werden

Leading Indicators sind einfacher zu messen, weil sie Aktivität sichtbar machen. Die eigentliche Wirkung sieht man später: in Zeitersparnis, Kostenreduktion, Umsatz, Qualität oder Kundenzufriedenheit. Genau deshalb braucht es beides. Sonst optimieren wir am Ende Nutzung, ohne zu wissen, ob KI wirklich Wert schafft.

Unterm Strich verbindet ein gutes Zielbild die Strategie, KI-Hebel, organisatorische Veränderung, Enabler und Messung. Wir wollen damit verhindern, dass KI-Adoption bei Tools, Trainings und einzelnen Use Cases stehen bleibt.

Was zum Fundament für KI-Adoption dazugehört

Ein Zielbild ist der wichtigste Startpunkt, aber damit KI-Adoption wirklich in die Umsetzung kommt, braucht es ein paar robuste Grundlagen.

Management-Priorität: Die Geschäftsführung muss KI sichtbar priorisieren, das Warum erklären und klare Erwartungen setzen, sonst wird das Thema fast automatisch zum IT-Projekt.
Klare Verantwortung: Ein AI-Lead sollte das Thema zentral steuern, die Fachbereiche einbinden und dafür sorgen, dass aus Priorität auch Umsetzung wird.
Zentrale KI-Plattform: Mitarbeitende brauchen eine sichere, freigegebene Arbeitsumgebung, damit KI nicht im Tool-Wildwuchs oder in Schatten-KI endet.
Klare Spielregeln: Eine gute KI-Richtlinie schafft Orientierung, was erlaubt, prüfpflichtig oder ausgeschlossen ist, ohne Menschen durch Verbote zu lähmen.
Use-Case-Prozess: Es muss klar sein, wo Ideen reinkommen, wie sie bewertet werden und wie daraus echte Anwendungen, Skills, Agenten oder Workflows entstehen.

Das ist für mich das Fundament für erfolgreiche KI-Adoption: genug Struktur, damit KI nicht bei Inspiration und endlosen Experimenten stehen bleibt, sondern in echte Umsetzung kommt.

Die wichtigste Frage: Was ist für die Menschen drin?

Neben allen Ambitionen, Potenzialen und organisatorischen Veränderungen gibt es eine ganz einfache Frage, die von Unternehmen zum Start ihrer KI-Reise viel zu oft nicht klar beantwortet wird:

Was bedeutet das eigentlich für mich?

Ich glaube, viele Unternehmen unterschätzen diesen Punkt massiv. Auf der Oberfläche sprechen alle über Produktivität, Effizienz, bessere Tools und neue Möglichkeiten. Aber am Ende muss das alles von Menschen umgesetzt und genutzt werden werden. Und jeder der am PC arbeitet, kann recht schnell 1 und 1 zusammenzählen.

Wenn KI E-Mails schreibt, Dokumente zusammenfasst, Analysen vorbereitet, Kundenanfragen beantwortet oder Prozesse automatisiert, dann liegt die Schlussfolgerung nahe: Ein Teil der Aufgaben, die heute bei mir liegen, wird in Zukunft nicht mehr in dieser Form gebraucht.

Das heißt nicht automatisch, dass ich nicht mehr gebraucht werde. Aber es muss beantwortet werden, was mit der frei werdenden Zeit passiert.

Entsteht dadurch Raum für bessere Kundenarbeit?
Für persönliche Weiterentwicklung?
Für anspruchsvollere Aufgaben?
Für mehr Qualität?
Für neue Rollen?

Oder geht es am Ende einfach nur darum, in derselben Zeit mehr Output zu erzeugen?

Es gibt darauf keine allgemeingültige Antwort. Jedes Unternehmen muss sich diese Frage frühzeitig stellen und sollte sie ehrlich beantworten, um Klarheit gegenüber Mitarbeitern zu schaffen.

Wenn Menschen das Gefühl haben, dass sie sich durch KI vor allem selbst überflüssig machen und es keine attraktiven Anreize dafür gibt, wird echte KI-Adoption schwer. Dann nutzen sie vielleicht das Tool. Vielleicht schreiben sie auch ein paar Prompts. Aber sie werden nicht aktiv daran arbeiten, KI tief in ihre Arbeit und Prozesse einzubauen. Genau dort entsteht aber der messbare Beitrag zum Unternehmensergebnis.

KI-Adoption funktioniert nicht, wenn Menschen nur verstehen, wie das Tool funktioniert. Sie müssen auch verstehen, warum es sich für sie lohnt, diesen Weg wirklich mitzugehen.

Fazit

Der Tool-Reflex ist so verführerisch, weil er konkrete Antworten liefert: Plattform, Richtlinie, Schulung. Aber genau dadurch startet KI-Adoption oft zu klein.

Der wichtigste Schritt davor ist ein klares Zielbild: Welche Ziele verfolgen wir, welche KI-Hebel helfen dabei, was muss sich in People, Processes und Products verändern, welche Voraussetzungen brauchen wir dafür und woran messen wir Fortschritt?

Wenn du gerade an KI in deinem Unternehmen arbeitest, nimm dir das Zielbild-Canvas und prüfe ehrlich, ob ihr die einzelnen Bausteine klar beantworten könnt:

Wofür setzen wir KI ein?
Wo liegen die größten KI-Hebel?
Wie müssen sich People, Processes und Products verändern?
Womit schaffen wir die nötigen Voraussetzungen?
Woran messen wir, ob wirklich Wert entsteht?

Im nächsten Teil des AI FIRST Adoption Playbooks geht es um die zweite Todsünde: das Alibi-Training. Die Hoffnung, dass ein 120-Minuten-eLearning ausreicht, um wirksame KI-Kompetenz aufzubauen.

Bis nächsten Sonntag,

Felix