Kurz gesagt
- Entscheiden Sie, wie weit Sie gehen: bessere Werkzeuge, umgestaltete Funktionen oder neue Produkte.
- Unternehmen, die den größten Nutzen aus KI melden, zielen auf Wachstum oder Innovation, nicht nur auf Einsparungen.
- Für kleinere Unternehmen ist Kaufen meist besser als Selbstbauen.
- Stützen Sie den Plan nicht auf einen Reifegradwert, einen Wert für die KI-Exposition oder das Rundschreiben eines anderen Unternehmens.
Was AI-first bedeutet, steht im Leitfaden.
Drei Stufen des Anspruchs
Die Beratungsfirma BCG unterscheidet drei Spielzüge (BCG, 2024):
- Deploy [Einsetzen]: Standardwerkzeuge in der ganzen Belegschaft einsetzen.
- Reshape [Umbauen]: ganze Funktionen rund um KI umbauen.
- Invent [Erfinden]: neue Produkte und Dienstleistungen auf Basis von KI erfinden.
BCG schätzt den Produktivitätsgewinn bei Deploy auf 10–15 % und bei Reshape auf 30–50 %. Nützlich ist das Schema als Frage: Für welche der drei planen Sie? Nur die zweite und dritte ändern, wie das Unternehmen arbeitet, und genau das bedeutet AI-first.
Über die Kosten hinaus zielen
In der Umfrage von McKinsey aus dem Jahr 2025 sagten 80 % der Befragten, ihr Unternehmen habe Effizienz als Ziel für KI gesetzt. Die Unternehmen mit dem größten gemeldeten Nutzen setzten oft auch Wachstum oder Innovation als Ziele. Sie sagten mehr als dreimal so häufig wie andere, dass sie KI nutzen wollen, um ihr Geschäft grundlegend zu verändern.
Auch der umgekehrte Fall ist belegt. Klarna beurteilte seine KI im Kundenservice vor allem nach den Kosten und sagte später, die Qualität habe gelitten (Customer Experience Dive).
Kaufen oder selbst bauen
- Was für das Kaufen spricht. Eine MIT-Studie aus dem Jahr 2025 fand laut Fortune, dass der Kauf von KI-Werkzeugen bei spezialisierten Anbietern und der Aufbau von Partnerschaften in etwa 67 % der Fälle gelang, weit häufiger als Eigenentwicklungen (Fortune).
- Ein Ergebnis, das in die andere Richtung weist. In einer Umfrage unter 179 Führungskräften in Polen schnitten Eigenentwicklungen in der Phase des Machbarkeitsnachweises deutlich besser ab als gekaufte Software.
- Die Größe entscheidet das meiste. Ein Unternehmen ohne Fachleute für Daten oder IT kann nicht pflegen, was es selbst baut. Für Kleinst-, kleine und mittlere Unternehmen ist das praktische Modell: kaufen, einrichten und Regeln festlegen.
Was sich am Geschäftsmodell ändert
AI-first kann ein Geschäftsmodell an drei Stellen ändern.
- Kosten pro Kunde. Routinearbeit kostet weniger. Die Einsparung ist nur echt, wenn die Qualität hält, also messen Sie beides.
- Tempo. Arbeit, die Tage dauerte, kann Stunden dauern. Das kann zu etwas werden, das Sie verkaufen: schnellere Angebote, schnellere Antworten, schnellere Lieferung.
- Neue Angebote. Manche Unternehmen bauen Produkte auf ihren eigenen Daten auf. Stripe zum Beispiel sagt, ein Zahlungsmodell, das mit seinen Transaktionsdaten trainiert wurde, habe die Erkennung einer Art von Kartenbetrug um 64 % gesteigert (TechCrunch).
Die meisten Unternehmen werden die ersten beiden lange vor dem dritten ändern. Klären Sie, welche Aufgaben betroffen sind, bevor Sie etwas versprechen: Aufgaben erfassen, bevor Sie entscheiden, was automatisiert wird.
Worauf Sie den Plan nicht stützen sollten
- Einen Reifegradwert. Die Evidenz, dass ein höherer Wert zu besseren Ergebnissen führt, ist dünn und umstritten. Siehe einen Reifegradwert nicht als Vorhersage behandeln.
- Einen Wert für die KI-Exposition. Eine Zahl dafür, wie viel von einem Beruf KI übernehmen „könnte“, zeigt ein Potenzial. In 23 Ländern verloren stärker betroffene Berufe insgesamt keine Beschäftigung (Studie).
- Das Rundschreiben eines anderen Unternehmens. Eine Ankündigung sagt, was ein Unternehmen vorhat. Sie sagt nicht, ob es funktioniert hat. Siehe was nicht als Evidenz zählt.
- Gemeldete Renditen. Zahlen zur Kapitalrendite aus Umfragen unter Führungskräften sind Meinungen. Ihre eigene Ausgangsmessung ist mehr wert.
Praktiken
Praktiken zur Strategie und dazu, herauszufinden, wo Sie stehen. Was zuerst zu tun ist, steht oben.
- Erfassen Sie die Aufgaben, bevor Sie entscheiden, was Sie automatisieren Zerlegen Sie Berufe in Aufgaben und betrachten Sie jede einzeln. Veröffentlichte Werte schätzen, wie viel eines Berufs KI übernehmen könnte, die „Exposition“. Behandeln Sie einen hohen Wert als Hinweis, wo Sie genauer hinsehen, nicht als Entscheidung zum Automatisieren. Zuerst · Aufwand: gering (Tage, eine Person)
- Planen Sie Budget für Menschen und Prozesse ein, nicht nur für Werkzeuge Lizenzen sind der kleine Teil der Kosten. Planen Sie den Großteil von Zeit und Geld für Schulung, die Umgestaltung der Arbeit und die Begleitung der Menschen durch die Veränderung ein. Zuerst · Aufwand: gering (Tage, eine Person)
- Verlangen Sie vor dem Kauf Belege von KI-Anbietern, und testen Sie mit Ihrem eigenen Material Glauben Sie der Genauigkeitszahl eines KI-Anbieters oder seinem Versprechen „voll konform“ nicht ungeprüft. Fragen Sie, wie und womit getestet wurde, machen Sie einen kleinen Test mit Ihrem eigenen Material und prüfen Sie die Bedingungen zu Ihren Daten und zum Ausstieg. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Beginnen Sie mit einem kostspieligen Prozess, nicht mit einer unternehmensweiten Einführung Wählen Sie einen Prozess, der sichtbar Zeit oder Geld kostet. Setzen Sie dort KI ein, mit einem Menschen, der die Ergebnisse prüft, und weiten Sie erst aus, wenn sich die Zahlen bewegen. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Beginnen Sie mit fertiger KI in Software, die Sie schon nutzen, bevor Sie Eigenes bauen Ihre Büro-, Buchhaltungs-, Kundendienst- und Vertriebssoftware hat inzwischen wahrscheinlich KI-Funktionen. Probieren Sie diese bei einer Aufgabe aus, mit wenigen Lizenzen und einem gemessenen Ergebnis, bevor Sie jemanden für eine Eigenentwicklung bezahlen. Zuerst · Aufwand: gering (Tage, eine Person)
- Kennen Sie die Regeln, die für Ihren KI-Einsatz schon gelten Die meisten Regeln, die Ihren KI-Einsatz binden, sind keine KI-Gesetze. Sie stehen für das, was Ihre KI sagt und tut, nach den Regeln zu Verbraucherschutz, Datenschutz, Werbung und Berufspflichten ein, die Sie schon einhalten. Listen Sie Ihre KI-Anwendungen auf und ordnen Sie jeder ihre Regeln zu. Zuerst · Aufwand: gering (Tage, eine Person)
- Behandeln Sie einen Reifegradwert nicht als Prognose Ein Wert für KI-Reifegrad oder KI-Bereitschaft beschreibt, wo Sie nach eigener Angabe stehen. Die Evidenz, dass ein höherer Wert zu besseren Ergebnissen führt, ist dünn und umstritten. Nutzen Sie ihn als Anstoß für ein Gespräch, nicht zur Vorhersage von Erträgen. Als Nächstes · Aufwand: gering (Tage, eine Person)
- Ermitteln Sie die KI-Bereitschaft aus mehreren Quellen, nicht aus der Einschätzung einer einzigen Führungskraft Ein Bereitschafts-Check, den eine einzige Person aus der Leitung ausfüllt, spiegelt deren Sicht. Fragen Sie auch Beschäftigte und Führungskräfte und vergleichen Sie die Antworten mit dem, was Sie beobachten können. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Messen Sie Bereitschaft und Widerstand getrennt Beschäftigte können KI gleichzeitig begrüßen und fürchten. Fragen Sie beides getrennt ab. Ein einzelner Wert für „Bereitschaft“ verdeckt die Sorgen. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Fahren Sie zweigleisig: Manche Aufgaben gehen an KI, bei anderen hilft KI den Fachleuten Behandeln Sie die KI-Arbeit als zwei Programme. Eines automatisiert wiederholbare digitale Aufgaben, deren Ergebnisse leicht zu prüfen sind. Das andere gibt Fachleuten KI-Hilfe bei Arbeit, die sich nicht abgeben lässt. Messen Sie jedes an seinem eigenen Maßstab. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)