Eine gute Demo beweist noch keinen funktionierenden Workflow
Warum wirkt eine KI-Demo im Meeting nützlich, verschwindet aber wenige Wochen später wieder aus dem Arbeitsalltag?
Die kurze Antwort: Eine Demo zeigt, dass KI ein Ergebnis erzeugen kann. Sie zeigt nicht, ob dieses Ergebnis zur tatsächlichen Arbeitsweise des Teams passt.
Dieser Unterschied ist entscheidend.
Ein sinnvoller KI-Pilot ist mehr als ein Tool-Test. Er verändert einen realen Workflow in kleinem Umfang.
Dabei muss klar sein, wer die Anfrage entgegennimmt, welche Informationen geprüft werden, wer die Antwort kontrolliert, wohin das Ergebnis weitergeht und woran das Team eine Verbesserung erkennt.
Was Untersuchungen nahelegen
Mehrere aktuelle Studien zum KI-Einsatz in Unternehmen weisen in eine ähnliche Richtung.
Der MIT-NANDA-Bericht über den „GenAI Divide“ beschreibt eine Lücke zwischen Piloten mit geringem messbarem Nutzen und einer kleineren Gruppe, die KI mit konkreten Geschäftsprozessen und Ergebnissen verbindet.
Quelle: MIT NANDA / State of AI in Business 2025
McKinseys State-of-AI-Studie zeigt ebenfalls, dass erfolgreiche Unternehmen häufiger Workflows neu gestalten und festlegen, wann KI-Ergebnisse durch Menschen geprüft werden müssen.
Deloittes GenAI-Studie nennt Governance, Risiken, Datenqualität und Fragen zur Belegschaft als Hindernisse bei der Ausweitung.
Quelle: Deloitte State of Generative AI
Einfach gesagt: KI-Einführung scheitert häufig, wenn sie als technische Installation statt als Veränderung eines Workflows behandelt wird.
Eine typische Situation
Ein Unternehmen bittet einen Anbieter oder das interne Team, zu zeigen, was KI leisten kann.
Die Demo beeindruckt:
- KI fasst ein Dokument zusammen.
- KI entwirft eine Kundenantwort.
- KI beantwortet Fragen aus Unternehmensdateien.
- KI liest Informationen aus einer E-Mail aus.
Das Potenzial ist deutlich erkennbar.
Nach dem Meeting tauchen jedoch praktische Fragen auf:
- Welches Team nutzt die Lösung täglich?
- Welche Art von Arbeit soll sie zuerst übernehmen?
- Welchen Quellen darf sie vertrauen?
- Wer prüft das Ergebnis, bevor es einen Kunden erreicht?
- Was geschieht, wenn die KI unsicher ist?
- Wer aktualisiert die Quellen?
- Welche Kennzahl zeigt, ob der Pilot funktioniert?
Bleiben diese Fragen unbeantwortet, wird daraus meist nur eine Erinnerung und kein funktionierender Workflow.
Fünf Gründe, warum Piloten scheitern
1. Der Pilot beginnt mit einem Tool statt mit einem schmerzhaften Workflow
„Wir sollten KI einsetzen“ ist kein Workflow.
„Unser Supportteam verbringt zwölf Stunden pro Woche mit denselben Fragen zu Lieferrichtlinien“ beschreibt dagegen ein konkretes Problem.
Die zweite Formulierung lässt sich besser bewerten. Sie benennt eine Aufgabe, das Arbeitsvolumen, die Kosten und eine klare Stelle, an der KI helfen könnte.
2. Niemand definiert den Punkt für die menschliche Prüfung
Viele Unternehmen bleiben zwischen zwei Extremen stecken.
Die eine Seite möchte sofort vollständig automatisieren. Die andere fürchtet Fehler der KI. Beide Reaktionen sind verständlich, aber beides ersetzt kein Prozessdesign.
Ein besserer Pilot legt fest:
- KI darf eine Antwort entwerfen.
- KI muss die verwendete Richtlinie als Quelle nennen.
- Erstattungen, Vertragsfragen und sensible Beschwerden werden von Menschen geprüft.
- Risikoarme Standardfragen können mit weniger Prüfung bearbeitet werden, sobald die Qualität belegt ist.
So entsteht Vertrauen.
3. Die Quellen sind unübersichtlich
KI kann nicht verlässlich mit Richtlinien, SOPs, Preisregeln oder internem Wissen arbeiten, wenn diese Quellen veraltet, verstreut oder widersprüchlich sind.
Das bedeutet nicht, dass ein Unternehmen vor dem ersten Schritt perfekte Daten braucht.
Der erste Pilot sollte jedoch einen Workflow wählen, dessen Quellen für einen Test ausreichen. Sind sie zu schwach, sollte das erste Projekt die Quellen bereinigen, statt Arbeit zu automatisieren.
4. Es gibt keine geschäftlich verantwortliche Person
Ein KI-Pilot braucht jemanden, der den Workflow auch nach dem Start verantwortet.
Diese Person muss nicht technisch sein. Sie muss jedoch Fragen beantworten können:
- Ist diese Antwort akzeptabel?
- Welche Ausnahmen sind wichtig?
- Wer prüft die Qualität jede Woche?
- Wann sollte der Workflow ausgeweitet werden?
- Wann sollte er beendet werden?
Ohne klare Verantwortung bleibt der Pilot eine Demo, die niemand pflegt.
5. Der Erfolg wird nicht gemessen
Wenn das Team nicht sagen kann, was sich verbessern soll, kann es auch nicht beurteilen, ob der Pilot funktioniert hat.
Sinnvolle Kennzahlen sind meist einfach:
- eingesparte Zeit
- Zeit bis zur ersten Antwort
- weniger manuelle Sortierung
- einheitlichere Antworten
- korrekte Weiterleitung von Ausnahmefällen
- Menge wiederkehrender Fragen
- tatsächliche Nutzung durch das Team
Die beste Kennzahl hängt vom Workflow ab. Entscheidend ist, sie vor dem Start des Piloten festzulegen.
So wählen Sie einen besseren ersten Piloten
Beginnen Sie mit einem Workflow und stellen Sie sechs Fragen:
- Kommt diese Arbeit oft genug vor, um relevant zu sein?
- Gibt es sichtbare Kosten, Verzögerungen, Qualitätsprobleme oder Nachteile für Kunden?
- Gibt es Muster, die KI sinnvoll nutzen kann?
- Sind die Quellen gut genug für einen Test?
- Kann eine Person wichtige Ergebnisse prüfen?
- Ist jemand für den Workflow verantwortlich?
Wenn die Antworten überwiegend positiv sind, kann der Workflow ein guter Kandidat für einen KI-Piloten sein.
Sind die Antworten überwiegend negativ, kann KI später trotzdem nützlich werden. Dieser Workflow ist dann aber wahrscheinlich nicht der richtige erste Schritt.
Beispiel: Support-Postfach
Schwache Pilotidee:
„Wir führen einen KI-Chatbot ein.“
Stärkere Beschreibung des Workflows:
„Unser Support-Postfach erhält wiederkehrende Fragen zu Lieferung, Rückgabe und Produktverfügbarkeit. KI soll Anfragen ordnen, Richtlinien finden, Antworten entwerfen und Erstattungen oder Beschwerden an Menschen weiterleiten.“
Diese Version lässt sich deutlich besser gestalten und messen.
Das Team kann Reaktionszeit, Sortieraufwand, Qualität der Entwürfe, korrekte Weiterleitung und die tatsächliche Nutzung der Vorschläge verfolgen.
Was Führungskräfte vor der Freigabe fragen sollten
Vor der Finanzierung eines KI-Piloten können Führungskräfte fragen:
- Welchen genauen Workflow verändern wir?
- Was soll KI vorbereiten, entscheiden oder empfehlen?
- An welcher Stelle prüft ein Mensch das Ergebnis?
- Welche Quellen verwendet die KI?
- Wer verantwortet den Workflow nach dem Start?
- Welche Kennzahl zeigt, ob der Pilot funktioniert?
Diese Fragen sind einfach, verhindern aber viel unnötigen Aufwand.
Die Sicht von Glasrocks
KI-Piloten scheitern nach der Demo, wenn sie nicht mit einem echten betrieblichen Workflow verbunden sind.
Die Lösung besteht nicht darin, die Demo größer zu machen.
Der Workflow muss kleiner, klarer, sicherer und messbar werden.
Deshalb beginnt die Glasrocks-Methode mit der Prüfung des Workflows, nicht mit der Auswahl eines Tools. Erst danach werden menschliche Prüfung und eine mögliche Umsetzung geplant.
Lesen Sie die Glasrocks-Methode oder starten Sie die KI-Workflow-Diagnose.