Ein konkretes Problem
„Wir wollen KI einsetzen“ reicht nicht.
Besser:
„Unsere Mitarbeiter verbringen jede Woche zehn Stunden damit, Kundenanfragen manuell zu kategorisieren.“
KI kann Dokumente auswerten, Informationen zusammenfassen und wiederkehrende Anfragen vorbereiten. Für KMU ist dabei nicht die Zahl möglicher Tools entscheidend, sondern eine einfache Frage: Wo spart KI im Arbeitsalltag tatsächlich Zeit?
Statt verschiedene Anwendungen gleichzeitig zu testen, lohnt sich ein Blick auf die Aufgaben, die heute besonders viel Zeit kosten. Dieser Guide zeigt sieben typische Ansatzpunkte – von der Informationssuche bis zur Vorbereitung von Entscheidungen.
Interessant wird KI vor allem dort, wo Mitarbeiter regelmäßig:
KI kann diese Arbeit vorbereiten oder teilweise übernehmen. Für einen klaren Ablauf mit festen Regeln reicht dagegen meist eine klassische Automatisierung:
„Wenn ein Formular abgeschickt wird, erstelle eine Aufgabe im CRM.“
KI wird erst dann sinnvoll, wenn Inhalt oder Kontext verstanden werden müssen – etwa bevor eine Anfrage weitergeleitet wird.
Nicht überall KI einsetzen, sondern dort, wo sie gegenüber klassischer Digitalisierung einen echten zusätzlichen Nutzen bietet.
In vielen Unternehmen kostet die Suche nach verteiltem Wissen jeden Tag Zeit. Typische Quellen sind:
Meist fehlen die Informationen nicht – sie liegen nur verteilt in Ordnern, Systemen und Dokumenten.
Ein KI-Assistent durchsucht freigegebene Wissensquellen und fasst passende Inhalte kompakt zusammen. Ein Mitarbeiter könnte beispielsweise fragen:
„Welche Schritte müssen bei einer neuen Kundenanfrage durchgeführt werden?“
Die Antwort bündelt den Ablauf, zuständige Personen und die benötigten Unterlagen.
Ein neuer Mitarbeiter möchte wissen, wie eine Bestellung freigegeben wird. Statt mehrere Dokumente zu durchsuchen, erhält er direkt:
Der Nutzen entsteht nicht durch die KI selbst, sondern durch schnelleren Zugriff auf vorhandenes Unternehmenswissen.
Viele administrative Abläufe beginnen mit einem Dokument, zum Beispiel:
Wer Angaben daraus manuell in ein anderes System überträgt, verliert bei größeren Mengen schnell viel Zeit.
KI kann relevante Informationen aus Dokumenten erkennen und strukturiert bereitstellen.
Beispielsweise:
Kundenanfrage als PDF
Anschließend können diese Informationen automatisch an ein CRM, ERP oder anderes System übergeben werden.
Bei zehn neuen Anfragen pro Tag erkennt das System die relevanten Daten und bereitet sie für das CRM vor. Der Mitarbeiter prüft nur noch, ob die Angaben stimmen.
Wiederkehrende Kundenanfragen lassen sich häufig bereits beim Eingang einordnen:
KI erkennt Thema, Kategorie und Dringlichkeit einer Anfrage und bereitet den nächsten Schritt vor:
Vertrieb
CRM
hoch
Sales kontaktieren
Anschließend kann eine klassische Automatisierung übernehmen:
Die KI liefert die Einordnung; eine feste Automatisierung führt den Prozess aus.
Bei 100 E-Mails pro Tag kann KI die Nachrichten kategorisieren und anschließend an Vertrieb, Service oder Buchhaltung weitergeben. Mitarbeiter bearbeiten nur noch die Fälle, die tatsächlich ihre Aufmerksamkeit brauchen.
Das Telefon bleibt in vielen KMU ein wichtiger Kanal. Gleichzeitig entstehen typische Engpässe:
Ein KI-Telefonassistent kann standardisierte Anrufe entgegennehmen und relevante Informationen erfassen.
Zum Beispiel:
Die Informationen können anschließend strukturiert an Mitarbeiter oder direkt an das CRM übergeben werden.
Ein Interessent bittet um Beratung. Der Telefonassistent erfasst Name, Unternehmen, Anliegen und Kontaktdaten; anschließend wird eine Aufgabe für den zuständigen Vertriebsmitarbeiter erstellt.
Der Mitarbeiter erhält damit nicht nur einen verpassten Anruf, sondern bereits einen qualifizierten Rückrufgrund.
Nach Besprechungen beginnt oft die Verwaltungsarbeit:
KI kann Gesprächsinhalte zusammenfassen und strukturieren.
Zum Beispiel:
bestehender Prozess
aktuelles Problem
gewünschte Lösung
Schnittstellen prüfen
Nutzerzahl klären
Workshop terminieren
Angebot erstellen
Nach einem Verkaufsgespräch entsteht automatisch eine Zusammenfassung. Der Vertriebsmitarbeiter prüft sie und übernimmt die relevanten Angaben ins CRM.
KI sollte solche Informationen vorbereiten – nicht ungeprüft verbindliche Entscheidungen oder Aussagen dokumentieren.
Viele Mitarbeiter schreiben regelmäßig ähnliche Inhalte, zum Beispiel:
Aus vorhandenen Informationen erstellt KI einen ersten Entwurf. Der Mitarbeiter beginnt nicht bei null, sondern prüft, ergänzt und formuliert persönlich.
Aus Gesprächsnotizen und vereinbarten nächsten Schritten erstellt die KI:
Der Vertriebsmitarbeiter ergänzt persönliche Details und versendet anschließend die Nachricht.
KI erstellt den Entwurf – der Mensch verantwortet die Kommunikation.
Wenn Mitarbeiter Informationen aus mehreren Quellen vergleichen müssen, kann KI eine übersichtliche Entscheidungsgrundlage vorbereiten. Die Entscheidung selbst bleibt beim Menschen.
Beispielsweise können verschiedene Informationen zusammengeführt werden:
Daraus kann eine kompakte Entscheidungsgrundlage entstehen.
Bei 50 offenen Leads bündelt KI Kundenhistorie, Aktivitäten und Gesprächsnotizen. Der Vertriebsmitarbeiter entscheidet auf dieser Basis, welche Kontakte priorisiert werden.
Damit unterstützt KI die Entscheidung – sie ersetzt sie nicht.
Vor jeder Lösung steht eine einfache Frage:
Brauchen wir dafür überhaupt KI?
Viele Abläufe lassen sich mit klassischer Automatisierung einfacher und zuverlässiger lösen.
Zum Beispiel:
Neue Anfrage → Aufgabe erstellen → Mitarbeiter informieren
Zum Beispiel:
E-Mail verstehen → Anliegen erkennen → Kategorie bestimmen
Oft entsteht der größte Nutzen aus der Kombination:
KI macht einen unklaren Prozess nicht automatisch besser. Wenn beispielsweise niemand weiß:
bleibt das Problem organisatorisch. Vor einem KI-Projekt sollte deshalb geklärt werden:
Wie läuft der Prozess heute?
Wo entsteht tatsächlich Aufwand?
Welche Schritte sind unnötig?
Welche Schritte können klassisch automatisiert werden?
Wo braucht es tatsächlich KI?
Erst anschließend sollte die Technologie ausgewählt werden.
Für viele KMU ist ein klar abgegrenzter Anwendungsfall sinnvoller als eine große KI-Strategie. Vier Voraussetzungen sollten dafür erfüllt sein:
„Wir wollen KI einsetzen“ reicht nicht.
Besser:
„Unsere Mitarbeiter verbringen jede Woche zehn Stunden damit, Kundenanfragen manuell zu kategorisieren.“
KI benötigt Zugriff auf die Informationen, mit denen sie arbeiten soll.
Bei CRM-Anwendungsfällen bedeutet das beispielsweise eine ausreichend strukturierte Datenbasis.
Es muss klar sein, was nach einem KI-Ergebnis passieren soll.
Wenn eine Anfrage als „Vertrieb“ erkannt wird, sollte auch feststehen, welcher Prozess anschließend startet.
Gerade bei wichtigen Kundeninformationen, Entscheidungen und Kommunikation sollten KI-Ergebnisse kontrolliert werden.
Der richtige Anwendungsfall entsteht aus einer Analyse des Arbeitsalltags, nicht aus einer Liste möglicher Tools. Hilfreiche Fragen sind:
Eine einfache Matrix macht Häufigkeit, Zeitaufwand und Potenzial vergleichbar:
| Tätigkeit | Häufigkeit | Zeitaufwand | KI-Potenzial |
|---|---|---|---|
| Kundenanfragen kategorisieren | hoch | hoch | hoch |
| Gesprächszusammenfassung | hoch | mittel | hoch |
| Freigabe nach festem Betrag | hoch | niedrig | gering |
| Wissenssuche | hoch | hoch | hoch |
So entstehen konkrete Ansatzpunkte statt allgemeiner KI-Ideen.
Ein klar abgegrenzter Use Case lässt sich schneller testen als ein unternehmensweites KI-Programm:
„Wir führen KI im gesamten Unternehmen ein.“
„Wir automatisieren die Zusammenfassung unserer Vertriebsgespräche.“
oder:
„Wir lassen eingehende Kundenanfragen automatisch kategorisieren.“
Dabei lässt sich konkret prüfen:
Erst danach sollte der nächste Anwendungsfall folgen.
KI-Projekte können je nach Unternehmen und Förderprogramm förderfähig sein. Entscheidend ist nicht der Kauf eines Tools, sondern ein nachvollziehbares Projekt, das ein konkretes betriebliches Problem löst.
„Wir kaufen KI-Software.“
„Wir automatisieren die Verarbeitung wiederkehrender Kundenanfragen mithilfe von KI und integrieren die Ergebnisse in unseren bestehenden Kundenprozess.“
Fördermöglichkeiten sollten dabei immer vor Projektstart geprüft werden.
Die sieben Ansatzpunkte im Überblick:
Welche davon relevant sind, entscheidet der tatsächliche Aufwand im Arbeitsalltag:
Wo entsteht heute tatsächlich Aufwand?
Ein sinnvoller KI-Einsatz beginnt im Arbeitsalltag: bei wiederkehrender Informationssuche, manueller Dokumentenarbeit oder häufigen Standardanfragen. Daraus ergibt sich eine klare Reihenfolge:
So entsteht aus einer allgemeinen KI-Idee ein überschaubares Digitalisierungsprojekt mit messbarem Nutzen.
KI kann beispielsweise bei Informationssuche, Dokumentenverarbeitung, Kundenservice, Gesprächsdokumentation, Texterstellung, Vertrieb und der Aufbereitung von Entscheidungsgrundlagen eingesetzt werden.
Besonders interessant ist KI häufig bei wiederkehrenden Tätigkeiten, bei denen Sprache, Dokumente oder andere unstrukturierte Informationen verarbeitet werden und Mitarbeiter heute viel manuelle Zeit benötigen.
KI kann Mitarbeiter bei administrativen Aufgaben entlasten, Informationen schneller verfügbar machen, Bearbeitungszeiten reduzieren und steigendes Arbeitsvolumen besser bewältigbar machen.
Klare, regelbasierte Abläufe benötigen häufig keine KI und können besser klassisch automatisiert werden. Auch sensible Entscheidungen, komplexe Beratung und verbindliche Kommunikation sollten nicht vollständig an KI übertragen werden.
Klassische Automatisierung führt vorher definierte Regeln aus. KI kann zusätzlich unstrukturierte Inhalte wie Texte, Sprache oder Dokumente analysieren, zusammenfassen und klassifizieren.
Am besten mit einem konkreten Problem und einem klar abgegrenzten Anwendungsfall. Zunächst sollte analysiert werden, welche Aufgaben heute besonders viel Zeit kosten. Anschließend wird geprüft, ob KI tatsächlich die passende Lösung ist.
Je nach Förderprogramm und konkretem Projekt können KI-Projekte grundsätzlich förderfähig sein. Entscheidend sind unter anderem Unternehmensgröße, Standort, Projektinhalt und geltende Förderbedingungen.