Wer in Deutschland KI im Unternehmen einführt, blickt typischerweise auf die Leitfäden von statworx, Leaders of AI, fachwerx, decaid und dem AI Transformation Institute. Wir destillieren daraus die fünf Phasen, die wirklich funktionieren — plus unsere eigenen Praxiserfahrungen aus über 60 Cortexion-Einführungen.
Phase 1 — KI-Strategie statt KI-Spielwiese
Bevor du ein einziges Tool kaufst, brauchst du eine klare Antwort auf drei Fragen:
- Was wollen wir mit KI erreichen? (Effizienz, Qualität, neue Produkte?)
- Welche Use Cases passen zu unserem Geschäftsmodell?
- Welche Use Cases dürfen wir aus Compliance-Sicht überhaupt angehen?
Das ist die Phase, in der statworx und decaid mit Workshops arbeiten. Du kannst das auch intern machen — wichtig ist nur, dass am Ende ein One-Pager steht, der genau diese drei Fragen beantwortet. Ohne diesen One-Pager ist alles Folgende Aktionismus.
Phase 2 — Use-Case-Portfolio aufbauen und priorisieren
Sammle systematisch Kandidaten aus jeder Abteilung. Eine bewährte Methode: Pro Abteilungsleiter ein 60-Minuten-Interview mit dieser Frage: „Was machen deine Leute regelmäßig, was sich nach Routine anfühlt?" Die Antworten landen in einer Tabelle mit vier Spalten:
| Use Case | Zeitersparnis (h/Woche) | Komplexität (1–5) | Datenschutz-Risiko |
|---|---|---|---|
| Belegerfassung | 8 | 2 | niedrig |
| Erstantwort Support | 12 | 3 | mittel |
| Marketing-Texte | 6 | 2 | niedrig |
| Bewerber-Sichtung | 5 | 4 | hoch |
Die ersten Pilotprojekte kommen aus dem oberen Quadranten: hoher Nutzen, niedrige Komplexität, niedriges Risiko.
Phase 3 — Plattform-Auswahl statt Tool-Zoo
Hier weichen wir bewusst vom Standard-Berater-Pfad ab: Statt für jeden Use Case ein eigenes KI-Tool zu evaluieren (was leicht 6–12 Monate dauert), wähle eine Plattform, die alle Use Cases abdeckt. Kriterien:
- DSGVO-konform, EU-Hosting, AVV verfügbar
- Multi-Modell (kein Vendor-Lock-in auf ein einziges LLM)
- Wissensdatenbank mit Zitaten
- Automatisierungs-Builder für Prozesse
- Monatlich kündbar (gerade in der Anfangsphase entscheidend)
- Modulare Abrechnung — du zahlst nur, was du nutzt
Cortexion ist genau dafür gebaut — du startest mit einer App, der Plattform-Layer ist schon da, jede weitere App ist ein Klick.
Phase 4 — Pilot mit klarem Erfolgskriterium
Der häufigste Fehler: Pilot ohne messbares Ziel. Das richtige Format:
- Scope: Eine Abteilung, ein Use Case, max. 8 Wochen
- Erfolgskriterium: Eine konkrete Zahl (z. B. „40 % der Belege ohne manuelle Korrektur erfasst")
- Team: 1 Sponsor (Abteilungsleiter), 2–3 Power-User, 1 IT/Datenschutz-Ansprechpartner
- Review-Rhythmus: Wöchentlich 30 Minuten
- Go/No-Go-Entscheidung: Nach Woche 8
Die Agenturen, die wir kennen (fachwerx, decaid, AI Transformation Institute), arbeiten alle mit ähnlichen Strukturen. Der Unterschied liegt nur in der Tiefe der Begleitung — was du brauchst, hängt von deiner internen Reife ab.
Phase 5 — Skalierung und Change Management
Wenn der Pilot erfolgreich ist, beginnt die eigentliche Arbeit: KI als Werkzeug in der Organisation zu verankern. Drei Aufgaben parallel:
Schulungen — kontinuierlich, nicht einmalig
Plane ein wiederkehrendes Format ein. Beispiel: 1 Stunde pro Woche, abwechselnd alle Abteilungen. Themen: Prompts schreiben, Halluzinationen erkennen, Quellen prüfen, Tonalität anpassen, Datenschutz im Alltag, Automatisierungs-Builder-Basics.
KI-Richtlinie veröffentlichen
Ohne Richtlinie greift bei jedem unsicheren Einzelfall der „lieber nicht"-Reflex. Mit Richtlinie weiß jeder, was er darf, wo er Hilfe holt und welche Tools genehmigt sind. Wir haben dafür eine eigene Anleitung mit Vorlage geschrieben.
Betriebsrat einbinden
§ 87 BetrVG: Bei „technischen Einrichtungen zur Überwachung von Verhalten und Leistung" hat der Betriebsrat ein Mitbestimmungsrecht. KI-Plattformen fallen häufig darunter. Frühe Einbindung beschleunigt — späte verzögert um Monate. Hier unser Leitfaden dazu.
Was die Praxis lehrt: 7 Lessons Learned aus 60 Einführungen
- Klein anfangen schlägt groß scheitern. Eine App, ein Use Case, acht Wochen.
- Wissensdatenbank ist der Hebel — generische KI ist langweilig, kontextuelle KI ist produktiv.
- Mitarbeiter, die KI selbst entdecken dürfen, werden Botschafter. Erzwungene KI wird sabotiert.
- Use Cases mit Datenschutz-Risiko verschiebst du nach hinten — nicht weil sie nicht gehen, sondern weil sie länger brauchen.
- Modularität schlägt Vollausstattung. Du brauchst nicht alle Apps am Tag 1.
- Halbjährliches Audit: Welche Automatisierungen laufen wirklich? Welche werden ignoriert? Lerne aus den Mustern.
- Vendor-Lock-in vermeiden — wähle Plattformen, bei denen du Daten und Konfigurationen exportieren kannst.
Realistische Zeitleiste
| Monat | Was passiert |
|---|---|
| 0 | Strategie-One-Pager, Use-Case-Sammlung, Plattform-Auswahl |
| 1 | DSGVO-Setup, Betriebsrat-Gespräch, Pilot-Team formieren |
| 2–3 | Pilot durchführen, wöchentliches Review, KI-Richtlinie schreiben |
| 4 | Pilot-Auswertung, Go/No-Go, Skalierungsplan |
| 5–9 | Rollout auf 3–5 Abteilungen, Schulungsserie |
| 10–12 | Prozessautomatisierungen aufbauen, erste KPIs messen |
Nach 12 Monaten ist KI in deinem Unternehmen kein Projekt mehr, sondern Infrastruktur.
Du willst diesen Weg mit einer Plattform gehen, die genau dafür gebaut ist? Wir zeigen dir Cortexion in einer 30-Minuten-Demo live an deinem konkreten Use Case.