Das AI-First Prinzip - 3 Ebenen, die dein Unternehmen transformieren

In dieser Episode sprechen Felix Schlenther und Elisabeth L’Orange darüber, was AI-First eigentlich bedeutet — jenseits von Buzzword, LinkedIn-Post und Tool-Hype. Ausgangspunkt ist die Frage, wie Unternehmen KI nicht nur punktuell einsetzen, sondern Arbeit, Prozesse und Wertschöpfung konsequent aus der Perspektive dieser Technologie neu denken.

Inhaltsübersicht

Was AI-First bedeutet — und warum es nicht AI Always heißt
Warum Mindset wichtiger ist als der erste Tech-Stack
Die drei Ebenen der AI-First-Transformation: People, Processes, Products
Wie KI individuelle Arbeitsweisen verändert
Warum Produktivitätsgewinne in alten Prozessen versickern
Wie Prozesse für KI neu designt werden müssen
Warum Daten, Schnittstellen und klare Verantwortlichkeiten entscheidend sind
Wie KI in den Kern von Produkten und Services wandert
Welche Branchen und Geschäftsmodelle besonders stark betroffen sind

Über den Gast

Elisabeth L’Orange ist Host von Tech & Tales und beschäftigt sich intensiv mit KI, Daten, digitalen Geschäftsmodellen und der praktischen Umsetzung von KI in Unternehmen. In dieser Doppelfolge diskutiert sie gemeinsam mit Felix die theoretische Grundlage von AI-First — und führt die Diskussion in der Anschlussfolge anhand konkreter Case Studies weiter.

Detaillierte Zusammenfassung

AI-First ist eine Haltung, kein Tool-Label

Felix eröffnet die Folge mit dem Verweis auf Sundar Pichai, der 2016 bei Google den Wandel von Mobile First zu AI First ausgerufen hat. Seitdem nutzen immer mehr Unternehmen und Führungskräfte den Begriff — oft bleibt aber unklar, was daraus praktisch folgt. Die zentrale Frage der Folge lautet deshalb: Was bedeutet AI-First konkret, für wen ist es sinnvoll und wie kommt ein Unternehmen dorthin?

Elisabeth beschreibt AI-First zunächst als Bejahung der Zukunft. Für sie beginnt der Wandel nicht mit einzelnen Tools oder Tech-Stacks, sondern mit der Entscheidung, sich als Organisation in Richtung KI zu entwickeln. Es geht also zuerst um Mindset, Orientierung und strategische Klarheit.

Felix ergänzt seine eigene Definition: AI-First heißt nicht AI Always. Es bedeutet nicht, jedes Problem zwanghaft mit KI zu lösen. Vielmehr beschreibt es ein Prinzip, nach dem Unternehmen alles, was sie tun, aus KI-Perspektive hinterfragen: Wo kann KI schneller, besser oder mit größerem Mehrwert helfen? Wo entstehen neue Möglichkeiten, wenn man Prozesse oder Produkte nicht aus der alten Welt heraus denkt?

„AI First heißt nicht AI Always.“

Warum Unternehmen aus KI-Perspektive neu denken müssen

Ein wichtiger Punkt der Diskussion ist, dass AI-First keine semantische Gegenposition zu Customer First, People First oder Problem First ist. Felix hält diese Debatte für wenig hilfreich, weil es selbstverständlich weiterhin darum geht, Kundenprobleme zu lösen. Der Unterschied liegt darin, dass Unternehmen diese Probleme nun mit einer Technologie betrachten müssen, die in bestimmten Fähigkeiten bereits überlegen ist.

Das Beispiel Choco macht diesen Perspektivwechsel greifbar: Statt nur bestehende Bestellprozesse zu digitalisieren, entstehen Ideen wie eine Küchenumgebung, die Sprache und Bedarfssignale erkennt und daraus automatisch Bestellungen ableitet. Solche Ideen entstehen laut Felix nicht, wenn man nur aus bekannten Prozessen heraus denkt — sondern wenn man fragt, was aus KI-Perspektive möglich wird.

Level 1: People — KI verändert individuelle Arbeitsweisen

Felix strukturiert AI-First in drei Ebenen: People, Processes und Products. Die erste Ebene sind die Menschen im Unternehmen. Für ihn beginnt jede Transformation dort, weil Menschen Prozesse verändern, Produkte entwickeln und Kund:innen verstehen müssen. Ohne AI-First-Denken auf individueller Ebene entstehen keine AI-First-Prozesse oder -Produkte.

Auf der People-Ebene geht es zunächst um individuelle Produktivität: Wie kann jede Person in der verfügbaren Zeit mehr Output in höherer Qualität erzeugen? Felix nennt einfache, aber wirkungsvolle Beispiele: Meeting-Transkription, automatische Nachbereitung, Action Points, Follow-ups, Dokumentation, Datenanalyse, Planung und Kommunikation.

Mit zunehmender KI-Erfahrung entsteht eine neue Intuition: Menschen lernen, wann KI sinnvoll ist, wann sie selbst zuerst nachdenken müssen und wie sie KI so instruieren, dass bessere Ergebnisse entstehen. Besonders wichtig wird dabei die Fähigkeit, vorne Ziel, Kontext und Qualitätskriterien sauber zu definieren — und hinten Ergebnisse kritisch zu prüfen.

„Wenn die Leute im Unternehmen nicht AI First denken und arbeiten, dann kannst du keine AI First Prozesse oder Produkte entwickeln.“

Rollen zerlegen und KI beibringen, wie man arbeitet

Ein weiterer Schritt auf der People-Ebene ist, den eigenen Job systematisch zu zerlegen. Mitarbeitende fragen sich: Welche Kernaufgaben habe ich? Welche davon kann KI schon weitgehend übernehmen? Wo unterstützt KI bei Entscheidungen oder operativer Arbeit? Was muss weiterhin menschlich verantwortet werden? Und welche neuen Aufgaben werden möglich, wenn Zeit frei wird?

Felix beschreibt, dass daraus zunehmend Agenten- und Skill-Strukturen entstehen: Menschen erklären KI, wie sie arbeiten, damit KI bestimmte Aufgaben übernehmen oder vorbereiten kann. Voraussetzung dafür sind gutes Tooling, solide Kompetenzentwicklung und eine Kultur, in der KI-Nutzung vorgelebt und gefördert wird.

Gleichzeitig betont Felix, dass Führung eine zentrale Rolle spielt. AI-First darf nicht als reines Einsparnarrativ verstanden werden. Stattdessen braucht es ein positives Zielbild: Wie können Mitarbeitende mehr Wirkung erzielen, bessere Arbeit machen und ihre Rollen weiterentwickeln?

Level 2: Processes — Produktivität versickert in alten Abläufen

Die zweite Ebene sind Prozesse. Felix beschreibt ein typisches Muster aus Unternehmen: Einzelne Menschen werden durch KI deutlich produktiver — oft um 20 Prozent oder mehr. Auf Teamebene kommt dieser Gewinn aber nicht automatisch an, weil Prozesse weiterhin auf alte Übergaben, Wartezeiten, Freigaben und Systeme ausgelegt sind.

Der Effekt: Eine Person ist schneller fertig, wartet aber weiterhin zwei Wochen auf die nächste Freigabe. Produktivität entsteht punktuell, aber sie übersetzt sich nicht in höheren Durchsatz. Deshalb reicht es nicht, Mitarbeitende nur mit KI-Tools auszustatten. Unternehmen müssen Prozesse so umbauen, dass KI darin tatsächlich arbeiten kann.

Elisabeth ergänzt, dass viele Unternehmen zusätzlich unter fragmentierten Tech-Stacks leiden: SAP, Google, Microsoft, AWS und zahlreiche Speziallösungen sprechen nicht sauber miteinander. Diese mangelnde Kompatibilität erschwert unternehmensweite KI-Prozesse erheblich.

„Dieser Zeitgewinn wird nicht durchgegeben durch den Prozess, sondern versickert dort.“

Wie AI-First-Prozesse aussehen können

Felix macht die Prozess-Ebene am Beispiel Rechnungsprüfung greifbar. In einem klassischen Ablauf werden Rechnungen eingereicht, geprüft, Kostenstellen zugeordnet, Rückfragen gestellt, Freigaben eingeholt und schließlich verbucht. Viele Verzögerungen entstehen durch fehlende Informationen, manuelle Rückfragen und Freigabeschleifen.

Ein AI-First-Prozess könnte anders aussehen: Ein Agent liest Belege automatisch ein, ordnet Kostenstellen zu, sammelt fehlende Informationen ein, prüft Richtlinienkonformität und lässt Standardfälle automatisch weiterlaufen. Ein zweiter Agent kann als Plausibilitätscheck dienen und Fälle mit niedriger Sicherheit an Menschen eskalieren.

Wichtig ist dabei nicht nur die Automatisierung einzelner Schritte, sondern das Redesign des gesamten Prozesses. Unternehmen müssen sehr granular verstehen, wann was passiert, wer beteiligt ist, welche Daten benötigt werden, welche Outputs entstehen und welche Systeme angebunden sein müssen.

Daten, Schnittstellen und Prozessklarheit werden zur Voraussetzung

Felix betont, dass AI-First-Prozesse nur funktionieren, wenn grundlegende Hausaufgaben erledigt sind. Prozesse müssen definiert sein. Daten müssen verfügbar, aktuell und zugänglich sein. Systeme brauchen Schnittstellen, über die KI handeln kann. Unternehmen, die ihre Digitalisierung sauber gemacht haben, sind hier klar im Vorteil.

Ohne diese Grundlage bleibt KI oft auf kleinteilige Prozessbeschleunigung beschränkt. Das ist besser als nichts, aber weit entfernt vom eigentlichen Potenzial. Erst wenn Prozesse für KI designt werden, können Unternehmen wirklich Durchsatz, Qualität und Geschwindigkeit erhöhen.

Elisabeth weist zusätzlich auf sogenannte Glue Worker hin: Menschen, die informelle Verbindungen im Unternehmen schaffen und Prozesse über persönliche Beziehungen beschleunigen. Diese Arbeit ist oft unsichtbar, aber enorm wertvoll. Gerade bei KI-getriebenen Effizienzprogrammen besteht die Gefahr, dass solche Rollen unterschätzt werden.

Level 3: Products — KI im Kern der Wertschöpfung

Die dritte Ebene ist für Felix die „Champions League“: KI wandert in den Kern von Produkten und Services. Während People- und Prozess-Ebene Produktivität und Durchsatz verbessern, entsteht der größte strategische Hebel dort, wo Unternehmen mit KI neue oder deutlich bessere Wertangebote schaffen.

Felix beschreibt diese Erkenntnis auch aus der eigenen Firma: Nachdem interne Arbeitsweisen und Prozesse stark verbessert waren, blieb die Frage, wie AI FIRST mit bestehender Mannschaft weiter wachsen kann. Die Antwort liegt für ihn darin, den Kernservice selbst zu transformieren — also KI so in die Wertschöpfung einzubauen, dass pro Person mehr Kundenwert entsteht.

Das betrifft besonders Professional Services, Kanzleien, Steuerberatung, Softwareentwicklung, Marktforschung, SaaS-Unternehmen, Medizin, Fitness-Tech und viele weitere Branchen. Elisabeth sieht große Potenziale insbesondere in Wissenschaft, Medizin und Pharma, wo KI neue Produkte, Simulationen und schnellere Entwicklungszyklen ermöglichen kann.

„Die Champions League ist, KI in den Kern der eigenen Wertschöpfung, in den Produkten und Services reinzubringen.“

Warum AI-First ein Wettbewerbsvorteil wird

Zum Abschluss fassen Felix und Elisabeth die drei Ebenen zusammen: AI-First bedeutet, Arbeit, Prozesse und Produkte aus der Perspektive der KI neu zu betrachten. Auf der People-Ebene steigert KI individuelle Produktivität. Auf der Prozess-Ebene müssen Übergaben, Freigaben, Daten und Systeme neu gestaltet werden. Auf der Produkt-Ebene geht es darum, KI in den Kern der Wertschöpfung zu integrieren.

Felix’ zentrale These: Unternehmen, die diese drei Level meistern, werden massive Vorteile gegenüber Wettbewerbern haben, die KI nur punktuell oder kosmetisch einsetzen. AI-First ist damit kein Marketingbegriff, sondern eine strategische Fähigkeit für das KI-Zeitalter.

Kernaussagen

AI-First heißt nicht AI Always — „AI First heißt nicht AI Always.“
Mindset kommt vor Technologie — „Bevor man sich Gedanken macht über die Technologien und über die einzelnen Tech Stacks, sollte man sich erst mal Gedanken machen, was man eigentlich möchte.“
Transformation beginnt bei Menschen — „Wenn die Leute im Unternehmen nicht AI First denken und arbeiten, dann kannst du keine AI First Prozesse oder Produkte entwickeln.“
Alte Prozesse schlucken neue Produktivität — „Dieser Zeitgewinn wird nicht durchgegeben durch den Prozess, sondern versickert dort.“
KI braucht Prozessklarheit — „Der aktuelle Prozess, der muss erst mal definiert sein.“
Produktinnovation ist der größte Hebel — „Die Champions League ist, KI in den Kern der eigenen Wertschöpfung, in den Produkten und Services reinzubringen.“
AI-First wird zum Wettbewerbsvorteil — „Wer diese drei Level schafft, für sich so umzusetzen, wird massive Vorteile haben gegenüber allen Wettbewerbern, die das nicht tun.“

Fazit und Takeaways

Für Führungskräfte

AI-First ist Führungsaufgabe: Es reicht nicht, Tools freizuschalten. Führungskräfte müssen ein Zielbild schaffen, KI-Nutzung vorleben und kulturell ermöglichen.
Nicht bei Use Cases stehen bleiben: Der größere Hebel entsteht, wenn Prozesse und Geschäftsmodelle neu gedacht werden.
Produktivität braucht Anschlussfähigkeit: Individuelle Effizienz bringt wenig, wenn Freigaben, Übergaben und Systeme unverändert bleiben.

Für Unternehmen

People, Processes, Products als Transformationslogik: AI-First lässt sich strukturiert über diese drei Ebenen angehen.
Daten und Schnittstellen sind Pflicht: Ohne zugängliche Daten und angebundene Systeme bleibt KI auf Assistenzfunktionen beschränkt.
Prozesse müssen für KI gebaut werden: Nicht jeder bestehende Ablauf sollte automatisiert werden. Viele müssen neu designt werden.

Für Teams und Mitarbeitende

Den eigenen Job zerlegen: Wer versteht, welche Aufgaben KI übernehmen, unterstützen oder verbessern kann, entwickelt echte AI-First-Arbeitsweisen.
Zielklarheit wird wichtiger: Je autonomer KI arbeitet, desto wichtiger werden gute Briefings, klare Qualitätskriterien und kritische Prüfung.
KI-Kompetenz entsteht durch Praxis: Menschen, die viel mit KI arbeiten, entwickeln mit der Zeit eine Intuition dafür, wann und wie KI sinnvoll eingesetzt wird.

AI-First ist keine Aufforderung, alles mit KI zu machen. Es ist die Aufforderung, die eigene Arbeit, die eigenen Prozesse und das eigene Wertversprechen konsequent aus der Perspektive einer Technologie zu hinterfragen, die immer mehr Fähigkeiten übernimmt. Genau darin liegt der strategische Vorteil: nicht in einzelnen Tools, sondern in einer neuen Art, Unternehmen zu bauen.