Das letzte KI-Projekt hat keine Ergebnisse gebracht. Was schiefgelaufen ist und wie Sie es besser machen
Kurz gesagt
KI-Projekte scheitern meist, weil sie beim Werkzeug statt beim Prozess beginnen, keine Erfolgskennzahl haben und auf einem allgemeinen Modell laufen, das die Daten des Unternehmens nicht kennt. Um das zu ändern, wählen Sie einen Prozess mit viel wiederkehrender Arbeit, legen vor dem Start fest, was Sie messen, und bauen die Lösung auf Ihren Daten in einer kontrollierten Umgebung. So führt Coblit KI-Pilotprojekte durch.
Die fünf häufigsten Ursachen
- Erst das Werkzeug, dann das Problem. Das Unternehmen kauft Zugang zu einem KI-Chat und sucht danach einen Einsatzzweck. Ergebnis: eine Spielerei statt einer Einsparung.
- Keine Kennzahl. Niemand hat vor dem Start festgelegt, was sich ändern soll – Bearbeitungszeit, Anzahl der Personen, Anzahl der Vorgänge. Nach einigen Monaten lässt sich der Geschäftsführung kein Ergebnis zeigen.
- Ein allgemeines Modell statt der Unternehmensdaten. Ein öffentliches Modell kennt Ihre Abläufe, Dokumente und Ihr Angebot nicht und irrt sich daher bei konkreten Aufgaben.
- KI neben dem Prozess statt im Prozess. Mitarbeitende kopieren Inhalte in den Chat und wieder zurück. Echte Einsparungen entstehen erst, wenn die KI mit den Systemen verbunden ist: Kalender, CRM, Dokumentensystem.
- Zu großer Umfang für den Start. Ein Projekt „KI im ganzen Unternehmen“ endet selten erfolgreich. Ein gut gewählter Prozess schon.
So starten Sie neu
- Wählen Sie einen Prozess mit der meisten wiederkehrenden Arbeit: Dokumentenanalyse, Ausschreibungen, Kundenanmeldung, Antworten auf immer gleiche Fragen.
- Legen Sie vor dem Start eine Kennzahl fest und halten Sie den Ausgangszustand fest.
- Bauen Sie die Lösung auf den Daten des Unternehmens in einer kontrollierten Umgebung – ohne Dokumente an öffentliche Modelle zu senden.
- Verbinden Sie die KI mit dem System, in dem die Arbeit stattfindet.
- Messen und entscheiden Sie: ausbauen, ändern oder beenden.
Beispiele aus Projekten von Coblit
- Ausschreibungen in einem Pharmaunternehmen: Ein individuelles KI-Modell lädt Bekanntmachungen aus einem Aggregator, bewertet die Eignung und füllt die Unterlagen aus. Die Ausschreibungsbearbeitung benötigt heute 3 Personen statt mehr als 10.
- Patientenanmeldung in einer Klinik: Die KI spricht mit dem Patienten, erfasst die Daten, führt eine Voranamnese durch und bucht den Termin – die Rezeption ist kein Engpass mehr.
Beide Projekte begannen mit einem einzigen Prozess und einer konkreten Kennzahl. Sehen Sie, wie wir ein KI-Pilotprojekt durchführen.