Wie findet ein Unternehmen seinen ersten KI-Use-Case?

Ein KI-Use-Case ist ein konkret benennbarer Arbeitsschritt, den heute jemand von Hand erledigt und der sich durch ein System ganz oder teilweise übernehmen lässt. Gefunden wird er nicht durch eine Technologie-Recherche, sondern durch strukturierte Gespräche mit den Menschen, die den Schritt täglich ausführen. Wir gehen im KI-Workshop deshalb Vorgang für Vorgang durch den Alltag von Sachbearbeitung, Buchhaltung und Auftragsabwicklung und schreiben mit, wo Arbeit doppelt anfällt, statt vorab eine Liste möglicher KI-Anwendungen abzufragen.

Wen sollte man bei der Suche nach KI-Anwendungsfällen einbeziehen?

Einbezogen gehören die Personen, die den Prozess ausführen, nicht nur die, die ihn verantworten. Die Geschäftsführung kennt die Kostenstellen, die Sachbearbeitung kennt die Umwege, und beide Bilder weichen regelmäßig voneinander ab. In unseren Workshops sitzen deshalb mindestens eine Person aus der operativen Bearbeitung, eine mit Prozessverantwortung und eine mit IT- oder Systemkenntnis am Tisch, weil erst diese Kombination einen Kandidaten liefert, der fachlich, kaufmännisch und technisch trägt.

Warum ist ein Workshop besser als eine Umfrage im Team?

Eine Umfrage fragt nach Meinungen über KI, ein Workshop rekonstruiert einen Arbeitsablauf. Wer schriftlich gefragt wird, wo KI helfen könnte, antwortet mit dem, was er über KI gelesen hat, und beschreibt selten den eigenen Umweg, den er längst für normal hält. Im moderierten Gespräch fallen genau diese Stellen auf, weil Nachfragen möglich sind und weil Kolleginnen und Kollegen aus angrenzenden Abteilungen widersprechen, wenn ein Ablauf anders geschildert wird, als er tatsächlich läuft.

KI-Use-Cases finden: der erste Anwendungsfall

Die meisten Unternehmen, die beim Thema KI feststecken, scheitern nicht an der Technik und auch nicht an ihrer Größe. Sie scheitern daran, dass niemand sagen kann, worauf man die Technik im eigenen Haus zuerst richten soll. KI-Use-Cases finden ist deshalb keine Vorstufe des eigentlichen Projekts, sondern die Arbeit, an der sich entscheidet, ob es eines gibt.

Kurzfassung

Der erste KI-Anwendungsfall entsteht nicht am Whiteboard der Geschäftsführung, sondern in Gesprächen mit den Menschen, die die wiederkehrende Arbeit heute von Hand erledigen. Wer nach Umwegen, Zwischenlisten und Gewohnheiten fragt statt nach KI-Ideen, hat nach einem Tag eine Kandidatenliste statt einer Wunschliste.

Dieser Beitrag beschreibt, wie du Kandidaten überhaupt erst sichtbar machst. Welche Merkmale einen Kandidaten dann zum guten ersten Projekt machen, steht im Beitrag Geschäftsprozesse automatisieren.

Die Größe erklärt weniger, als du denkst

Die KfW hat im Juli 2026 ausgewertet, welche mittelständischen Unternehmen KI einsetzen und welche nicht (KfW Research, Fokus Volkswirtschaft Nr. 554, “Künstliche Intelligenz im Mittelstand”, 29. Juli 2026, auf Basis der 23. Welle des KfW-Mittelstandspanels mit rund 5.200 Antworten). Rund 20 Prozent der mittelständischen Unternehmen nutzen mindestens eine KI-Technologie. Im Zeitraum 2016 bis 2018 waren es 4 Prozent.

Interessanter als der Anstieg ist die Verteilung. Am weitesten verbreitet ist die Erzeugung natürlicher Sprache mit 14 Prozent, gefolgt von Texterkennung mit 10 Prozent. Workflow-Automatisierung und Entscheidungsunterstützung, Spracherkennung sowie Bilderkennung und Bilderzeugung liegen jeweils bei 5 Prozent, Datenanalyse bei 3 Prozent, autonome Maschinenbewegung bei 1 Prozent. Und selbst Unternehmen mit weniger als fünf Beschäftigten kommen bei Sprachgenerierung auf 13 und bei Texterkennung auf 9 Prozent.

Der zentrale Befund der Studie ist genau deshalb unbequem: Die Unternehmensgröße ist nicht der entscheidende Faktor. Was den KI-Einsatz vorhersagt, sind der Digitalisierungsgrad, vorhandenes digitales Know-how, die allgemeine Innovationsneigung, Beschäftigte mit Hochschulabschluss und höhere Digitalisierungsausgaben. Für die Informationsquellen, die ein Unternehmen anzapft, also Fachpresse, Messen, Webseiten, Beratung, findet die Studie einen moderaten Zusammenhang. Die KfW liest das als Hinweis darauf, dass die Identifikation einer nützlichen und zugleich gangbaren Erstanwendung eine wichtige Hürde ist.

Das deckt sich mit dem, was wir in Erstgesprächen hören. Fast nie fehlt das Budget. Fast immer fehlt der Satz “Bei uns würde ich damit anfangen”.

Wer die Arbeit macht, kennt die Anwendungsfälle

Die Suche nach dem ersten KI-Anwendungsfall startet in vielen Betrieben in der Geschäftsführung oder in der IT. Das ist verständlich, weil dort entschieden wird, und es ist trotzdem die falsche Stelle für den ersten Schritt.

Führung kennt Kostenstellen, Kennzahlen und Beschwerden. Was Führung strukturell nicht kennt, sind die Umwege. Niemand meldet nach oben, dass er sich jede Woche eine Excel-Liste baut, weil das ERP die Auswertung nicht so ausgibt, wie er sie braucht. Das ist kein Missstand, über den man spricht, sondern eine Gewohnheit, auf die man ein bisschen stolz ist.

Setz deshalb mindestens drei Perspektiven an einen Tisch:

Operative Bearbeitung. Die Person, die den Vorgang täglich anfasst. Sie kennt jede Ausnahme und jeden Sonderfall, und sie weiß, welcher Lieferant sein Rechnungslayout ändert, ohne Bescheid zu sagen.
Prozessverantwortung. Die Person, die den Ablauf über Abteilungsgrenzen hinweg überblickt und beurteilen kann, was hinter dem Schritt passiert, den du gerade betrachtest.
System- und IT-Kenntnis. Die Person, die weiß, welche Daten wo liegen, welche Schnittstelle existiert und welche Software im Haus als unantastbar gilt.

Fehlt die erste Perspektive, findest du nur Kandidaten, die schon jemand vorformuliert hat. Fehlt die dritte, sammelst du Ideen ein, die an einer fehlenden Schnittstelle sterben.

Die richtigen Fragen zielen auf gestern, nicht auf die Zukunft

Die Frage “Wo könnten wir KI einsetzen?” produziert verlässlich unbrauchbare Antworten. Sie zwingt Menschen, über eine Technologie zu spekulieren, die sie nicht im Detail kennen, und was zurückkommt, ist die Zusammenfassung der letzten drei Artikel, die sie darüber gelesen haben.

Frag stattdessen nach konkreter, vergangener Arbeit:

Was hast du gestern gemacht, das du diese Woche schon dreimal gemacht hast?
Welchen Vorgang schiebst du auf den Freitagnachmittag, weil er stumpf ist?
Wo tippst du etwas ab, das an anderer Stelle bereits digital vorliegt?
Welche Datei liegt auf deinem Desktop, die es offiziell gar nicht geben dürfte?
Was fragt dich dein Team immer wieder, obwohl die Antwort irgendwo dokumentiert ist?
Wenn du morgen zwei Tage ausfällst: Was bleibt garantiert liegen, und warum kann es niemand anders übernehmen?

Diese Fragen haben eine gemeinsame Eigenschaft. Sie lassen sich ohne jedes KI-Wissen beantworten. Genau das ist der Punkt: Du sammelst Rohmaterial über Arbeit, nicht Meinungen über Technologie. Die Übersetzung in einen technischen Anwendungsfall ist unsere Aufgabe, nicht die der Sachbearbeitung.

Ein Nebeneffekt ist wichtiger, als er klingt. Wer gefragt wird, was ihn im Alltag nervt, erlebt das Projekt nicht als Bedrohung, sondern als Zuhören. Der spätere Widerstand gegen ein automatisiertes System entsteht fast immer dort, wo es über die Köpfe hinweg entworfen wurde.

Der Schmerz versteckt sich in den Umgehungen

Wiederkehrende Arbeit versteckt sich selten dort, wo sie im Organigramm steht. Sie versteckt sich in dem, was Menschen gebaut haben, um mit einem Ablauf klarzukommen. Drei Fundstellen liefern in unseren Workshops fast immer Treffer.

Die Zwischenliste. Jede Excel-Tabelle, jedes Notizbuch und jedes geteilte Dokument, das parallel zu einem Fachsystem geführt wird, markiert eine Lücke. Entweder gibt das System die Information nicht her, oder es nimmt sie nicht an. Beides sind gute Ausgangspunkte, weil die Struktur der Zwischenliste bereits verrät, welche Felder fachlich wirklich gebraucht werden.

Die zweite Erfassung. Überall dort, wo Daten aus einem Dokument in eine Maske getippt werden, obwohl sie schon strukturiert vorliegen, entsteht Arbeit ohne Wertschöpfung. Belegeingang, Auftragserfassung und Stammdatenpflege sind die Klassiker, und genau deshalb ist intelligente Dokumentenverarbeitung so häufig der erste Fall.

Der Satz “Das machen wir schon immer so”. Er ist das zuverlässigste Signal im ganzen Workshop. Er bedeutet nicht, dass der Ablauf schlecht ist, sondern dass ihn seit Jahren niemand mehr begründet hat. Manchmal steckt dahinter eine Prüfungsanforderung, an die sich nur noch eine Person erinnert. Manchmal ein Fehler von 2019, den ein manueller Kontrollschritt seitdem abfängt. In beiden Fällen lohnt es sich, den Schritt aufzuschreiben.

Was du dabei mitnimmst, sind nicht nur Kandidaten, sondern auch die Datenlage. Ein Vorgang, der heute über drei Zwischenlisten läuft, sagt dir mehr über die Qualität deiner Daten als jede Systemdokumentation.

Der lauteste Prozess gehört auf die Liste, nicht an den Anfang

In jedem Betrieb gibt es einen Vorgang, über den am meisten geklagt wird, und er kommt in jedem Workshop innerhalb der ersten zehn Minuten auf den Tisch. Nimm ihn auf, aber zieh ihn nicht vor: Lautstärke misst Frustration, nicht Automatisierbarkeit. Warum das so ist und welche Merkmale stattdessen zählen, steht in der Kandidatenauswahl, die Rechenlogik dahinter im Beitrag zum ROI von KI-Projekten.

Ein Workshop findet, was eine Umfrage nie sieht

Der naheliegende Weg wäre ein Fragebogen an alle Abteilungen. Er ist billig, er skaliert, und er liefert fast nichts.

Eine Umfrage kann nur abfragen, was jemand für berichtenswert hält. Der ganze interessante Teil, die eingespielten Umwege, fällt raus, weil er für die Betroffenen keine Auffälligkeit ist, sondern Alltag. Dazu kommt, dass schriftliche Antworten keine Rückfrage erlauben. “Rechnungsprüfung dauert zu lange” ist als Antwort wertlos, solange niemand fragt, an welcher der sieben Stationen die Zeit tatsächlich liegen bleibt.

Ein moderiertes Format leistet drei Dinge, die eine Umfrage nicht kann. Es erlaubt Nachfragen, bis ein Vorgang wirklich beschrieben ist. Es bringt angrenzende Abteilungen zusammen, die sich gegenseitig korrigieren, wenn ein Ablauf beschönigt dargestellt wird. Und es erzeugt eine gemeinsame Sprache, sodass am Ende alle dasselbe meinen, wenn sie von “Freigabe” reden. Unser KI-Workshop ist genau darauf gebaut: Prozess-Mapping mit Menschen aus dem Tagesgeschäft, ohne dass jemand technisches Vorwissen mitbringen muss.

Aus Kandidaten wird eine Reihenfolge

Am Ende eines Erhebungstages hast du typischerweise zwischen fünfzehn und dreißig Kandidaten. Das ist der Moment, in dem die meisten Initiativen kippen, weil die Liste als Ganzes unbezahlbar aussieht und jede Abteilung ihren eigenen Punkt für den dringendsten hält.

Wir bewerten diese Liste mit dem F³-Filter: Frequenz, wie oft der Vorgang läuft. Friktion, wie viel Reibung, Nacharbeit und Wartezeit er heute erzeugt. Finanzhebel, was daran wirtschaftlich hängt. Aus den drei Dimensionen entsteht der Score, der die Kandidaten in eine vergleichbare Reihenfolge bringt. Der Wert des Verfahrens liegt weniger in der Zahl selbst als darin, dass die Diskussion danach über Frequenz und Finanzhebel geführt wird und nicht über Zuständigkeiten.

Was daraus folgt, ist ein Fahrplan mit einem ersten Kernprozess, einer realistischen Einordnung von Aufwand und Investition und einer Datenschutz-Leitplanke pro Kandidat. Ob der erste Fall danach in Richtung Prozessautomatisierung oder Dokumentenstrecke läuft, ergibt sich aus der Liste, nicht aus einer Vorentscheidung über Technik.

Was jetzt zu tun ist

Fang nicht bei den Modellen an, sondern bei einem Kalendertermin. Setz dich zwei Stunden mit drei Personen aus der operativen Bearbeitung zusammen und stell ihnen die Fragen aus diesem Beitrag. Schreib mit, ohne zu bewerten. Danach hast du eine Rohliste, mit der sich arbeiten lässt.

Wenn du diesen Schritt nicht allein moderieren willst, ist das KI-Prozess-Audit der kürzeste Einstieg: 30 Minuten, in denen wir deine Ausgangslage durchgehen und einordnen, ob ein Kandidat schon sichtbar ist oder ob sich der Aufwand eines vollen Workshops lohnt. Wie es danach weitergeht, beschreibt der Leitfaden zum KI-Einstieg im Mittelstand.