Strategie statt Experiment: ein Anwendungsbeispiel KI, die sich rechnet: 7 Schritte in die Praxis

Ein Gastbeitrag von Stefan Bär, CTO, Nagarro 4 min Lesedauer

Anbieter zum Thema

Der Prototyp läuft, die Demo überzeugt und trotzdem bleibt der erhoffte Geschäftsnutzen aus? Damit KI den Sprung in den Alltag schafft, braucht es mehr als gute Technologie: klare Ziele, passende Daten und einen Plan für den Betrieb. Sieben Schritte zeigen, wie Unternehmen aus Pilotprojekten messbaren Wert machen.

Eine strategische Herangehensweise hilft, sinnvolle KI-Projekte zu identifizieren und gewinnbringend umzusetzen. (Bild: ©  Abdullah - stock.adobe.com / KI-generiert)
Eine strategische Herangehensweise hilft, sinnvolle KI-Projekte zu identifizieren und gewinnbringend umzusetzen.
(Bild: © Abdullah - stock.adobe.com / KI-generiert)

KI-Anwendungen lassen sich heute schneller entwickeln als je zuvor, trotzdem schaffen viele Unternehmen den Sprung vom Pilotprojekt in den produktiven Betrieb nicht. Dabei liegt das Problem selten an der Technologie. Darauf kommt es in der Praxis an:

1. Mit einem Geschäftsproblem beginnen

Ein typisches Beispiel ist der indirekte Einkauf. Für einen Bürostuhl oder eine Tastatur müssen Beschäftigte oft Formulare ausfüllen, Kostenstellen angeben und Freigaben einholen. Ein KI-Agent könnte den Bedarf in natürlicher Sprache entgegennehmen, Angebote recherchieren, Einkaufsrichtlinien prüfen und innerhalb definierter Grenzen eine Bestellung auslösen. Ob sich das lohnt, lässt sich anhand konkreter Kennzahlen überprüfen: Wie lange dauert eine Bestellung bisher? Wie viel Arbeitszeit kostet sie? Wie häufig sind Rückfragen nötig? Erst wenn diese Ausgangswerte feststehen, kann das Unternehmen beurteilen, ob der KI-Einsatz tatsächlich einen Mehrwert schafft.

2. Den vollständigen Ablauf betrachten

Ein Chatbot, der die passende Tastatur empfiehlt, verbessert noch keinen Beschaffungsprozess, wenn Mitarbeitende die Bestellung anschließend manuell übertragen müssen. Nutzen entsteht erst, wenn Produktkataloge, Kostenstellen, Freigabewege und Bestellsysteme zusammenarbeiten. Der Königsweg besteht darin, zunächst einen überschaubaren Prozess durchgängig umzusetzen, statt zahlreiche isolierte KI-Tools einzuführen. Dabei zeigt sich, welche Schnittstellen fehlen, welche Entscheidungen automatisiert werden dürfen und wo ein Mensch eingreifen muss. Nicht jeder Prozessschritt benötigt KI: Feste Preisgrenzen lassen sich beispielsweise zuverlässiger mit klaren Regeln prüfen.

3. Nur die wirklich benötigten Daten erschließen

Gerade im Mittelstand liegen wertvolle Informationen verteilt in ERP-, PLM- oder Produktionssystemen. Ein Maschinenbauer, der vorausschauende Wartung anbieten möchte, sollte zunächst wissen, welche Maschinen er in den vergangenen Jahren verkauft hat, wo diese stehen und welche Service- und Betriebsdaten verfügbar sind. KI kann dabei helfen, uneinheitliche Datenformate oder Bezeichnungen einander zuzuordnen. Die Ergebnisse müssen jedoch geprüft werden, ebenso Datenqualität, Zugriffsrechte und Nutzungsbefugnisse. Dafür muss nicht die gesamte IT-Landschaft vorab vereinheitlicht werden. Entscheidend ist die Datenbasis für den konkreten Anwendungsfall.

4. Einen Proof of Value durchführen

Ein Proof of Concept zeigt, dass eine Anwendung technisch funktioniert. Ein Proof of Value dagegen prüft, ob sie sich im Alltag rechnet. Beim indirekten Einkauf könnte ein Unternehmen zunächst eine begrenzte Warengruppe automatisieren und reale Bestellungen über mehrere Wochen auswerten. Wichtige Kennzahlen sind die Durchlaufzeit, der Anteil erfolgreich abgeschlossener Vorgänge, notwendige manuelle Eingriffe und die gesamten Betriebskosten. Gerade KI-Agenten können durch zusätzliche Modellaufrufe und Korrekturschleifen teuer werden. Am Ende des Piloten muss eine Entscheidung stehen: skalieren, nachbessern oder beenden.

5. Den produktiven Betrieb von Beginn an mitplanen

Eine Demo sagt wenig darüber aus, wie eine Anwendung bei vielen Nutzern, über verschiedene Standorte hinweg und mit gewachsenen Systemen funktioniert. In einem Projekt kann beispielsweise eine Anwendung in Europa betrieben werden, während Beschäftigte in Australien darauf zugreifen müssen. Hohe Netzwerklatenzen können dann die Nutzererfahrung erheblich beeinträchtigen. Solche Fragen sind technisch lösbar, müssen aber rechtzeitig berücksichtigt werden. Schnittstellen, Monitoring, Support, Kosten und Sicherheitsregeln gehören deshalb früh in die Architektur. Für Agenten muss etwa feststehen, auf welche Systeme sie zugreifen dürfen und wann eine menschliche Freigabe nötig ist. Wiederverwendbare Bausteine und klare Zuständigkeiten erleichtern später weitere Anwendungsfälle. Hier sind IT-Partner besonders gefragt: nicht nur bei der Implementierung, sondern auch bei Integration und Betrieb.

Wissen, was läuft

Täglich die wichtigsten Infos aus dem ITK-Markt

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

6. Mitarbeitende und Geschäftsführung einbinden

Ein KI-Agent im Einkauf verändert Aufgaben. Beschäftigte bestellen einfacher; Einkäufer können sich stärker um strategische Beschaffungen kümmern. Am Ende profitieren also alle. Doch das funktioniert nur, wenn die Betroffenen die neue Arbeitsweise verstehen und mitgestalten können. Für den Einstieg eignet sich daher ein Prozess, dessen Nutzen die Mitarbeitenden selbst erleben. Nach einer begrenzten Testphase lässt sich anhand ihrer Rückmeldungen nachbessern. Die Geschäftsführung muss vorher Prioritäten, Verantwortlichkeiten und Grenzen festlegen. Wird KI allein an die IT delegiert, entstehen leicht gute Prototypen, für die später niemand die geschäftliche Verantwortung übernimmt.

7. Auch zusätzliche Umsätze in den Blick nehmen

Effizienz ist nur eine Seite des wirtschaftlichen Potenzials. Im Maschinenbau können verfügbare Betriebs- und Servicedaten die Grundlage für neue Wartungsangebote oder eine bessere Ersatzteilversorgung bilden. Ein Beispiel für digitale Leistungen rund um physische Produkte ist Schneider Electric. Der französische Technologiekonzern verfolgt seit Jahren die Strategie, physische Produkte um digitale Services zu ergänzen. Nagarro hat diese Entwicklung neben weiteren Partnern begleitet. Der Ansatz reicht über vernetzte Geräte hinaus. Selbst klassische elektrische Komponenten lassen sich über digitale Produktinformationen in zusätzliche Dienstleistungen einbinden. Ingenieurbüros können beispielsweise bei der Planung und Erstellung von Leistungsverzeichnissen unterstützt werden. Bei vernetzten Anlagen ermöglichen Betriebsdaten wiederum Wartungsservices oder Analysen zur Verbesserung der Energieeffizienz. Bei solchen Angeboten zählen andere Kennzahlen als in der internen Automatisierung: Nutzung der Services, zusätzliche Erlöse und Kundenbindung. Entscheidend ist, ob Kunden einen Vorteil erkennen, für den sie auch bezahlen möchten.

Fazit: Vom Pilotprojekt zur Entscheidung

Ein guter KI-Pilot ist kein Selbstzweck. Er zeigt, ob eine Anwendung im realen Prozess messbar bessere Ergebnisse erzielt, was ihr Betrieb kostet und wer dafür Verantwortung übernimmt. Unternehmen sollten deshalb zwei Fragen parallel verfolgen: Wo können wir heute schneller und effizienter werden? Was können wir unseren Kunden heute anbieten, was ohne KI bisher nicht möglich war? Erst wenn die Antworten in Prozesse, Produkte und Kennzahlen übersetzt sind, entsteht aus technischer Machbarkeit Geschäftswert.

Stefan Bär, CTO bei Nagarro
Der Autor Stefan Bär ist Chief Technology Officer bei Nagarro. Er verfügt über mehr als 20 Jahre Erfahrung in Software Engineering, Enterprise IT und Innovationsmanagement.

Bildquelle: Nagarro

(ID:51021992)