Es ist inzwischen fast schon ein Standardszenario.Jemand organisiert einen Workshop. Das Whiteboard füllt sich mit Sticky Notes. Am Ende des Nachmittags steht da eine Liste mit „KI-Use-Cases“: 10, 30, manchmal 50 und mehr. Alle gehen mit guter Energie raus. Danach werden die Notizen in eine Tabelle übertragen. Ein paar Themen bekommen das Label „High Priority“.
Und dann passiert… erstaunlich wenig.
Nicht, weil die Ideen schlecht wären. Sondern weil der Weg von „wir haben eine Liste“ zu „wir haben etwas live im Betrieb“ deutlich länger ist, als viele Organisationen erwarten.
Die Falle: KI entsteht in Abteilungen
In vielen Unternehmen startet KI dort, wo es sich am einfachsten anfühlt: innerhalb einzelner Teams. Marketing sammelt fünf Use Cases. Customer Service erstellt eine eigene Liste. Operations macht eine separate Ideationsrunde. IT wird irgendwann dazugeholt, oft in dem Moment, in dem jemand fragt: „Können wir das ans CRM anbinden?“
Alle handeln in guter Absicht. Das Problem ist die Struktur. Ohne eine zentrale Sicht entstehen fast automatisch die gleichen Effekte:
- Doppelarbeit, mehrere Teams lösen das gleiche Problem mit unterschiedlichen Tools
- Konkurrenz um Priorität, „das ist dringend“ wird zum Standardargument
- Optimierung im Kleinen statt Nutzen im Ganzen
- Ermüdung, die Tabelle wächst weiter, Ergebnisse bleiben überschaubar
Was fehlt, ist nicht Kreativität. Was fehlt, ist Orchestrierung: eine zentrale Funktion oder zumindest ein disziplinierter Prozess, der abteilungsübergreifend priorisiert und die Umsetzung konsequent vorantreibt
Ein „Use Case“ ist noch kein Bauplan
Selbst Teams, die schon weiter sind mit Shortlist, Verantwortlichkeiten, und groben Timings bleiben oft am gleichen Punkt hängen. Sie behandeln den Use Case, als wäre er bereits eine Spezifikation.
Aber „Rechnungsverarbeitung automatisieren“ oder „Sales Assistant bauen“ ist erst einmal ein Etikett, kein Umsetzungsplan.
Wenn ein KI Agent oder ein agentischer Workflow zuverlässig funktionieren soll, müssen früh die unbequemen, aber entscheidenden Fragen beantwortet werden:
- Was löst den Prozess aus
- Welche Systeme und Datenquellen werden benötigt
- Wo liegen die Entscheidungspunkte und was gilt als „gute“ Entscheidung
- Wie genau sieht der Output aus und wer gibt ihn frei
- An welchen Stellen braucht es Human in the Loop, weil das Risiko real ist
Genau hier stocken viele Initiativen. Die Idee ist gut, die Bereitschaft ist da, aber das „Wie“ bleibt zu vage.
Wie Umsetzung in der Praxis wirklich aussieht
Der Sprung von der Liste zur Live Lösung braucht meist mehrere klar getrennte Schritte. Kein riesiges Transformationsprogramm, aber eine saubere Abfolge.
- Zentrales Inventar und Governance Use Cases in einer gemeinsamen Sicht zusammenführen. Ownership klar machen. Festlegen, was „Priorität“ bedeutet, etwa Wertbeitrag, Machbarkeit, Risiko, Datenreife, nicht nur Begeisterung.
- Use Case schärfen Aus einem Label eine präzise Definition machen: Trigger, Inputs, Outputs, Rahmenbedingungen, KPIs und eine klare Definition von „fertig“.
- Prozess zerlegen Den zugrunde liegenden Prozess in Schritte aufteilen. Markieren, was automatisiert werden kann, was besser unterstützt wird und wo Menschen die Kontrolle behalten müssen.
- Agenten und Workflow designen Komponenten definieren: welcher Agent macht was, wie funktionieren Übergaben, worauf darf zugegriffen werden und wie werden Ausnahmen behandelt.
- Bauen, testen, iterieren Schnell prototypen, mit echten Nutzerinnen und Nutzern und echten Edge Cases validieren und dann so robust machen, dass es im Alltag hält.
Hier zahlt sich zentrale Orchestrierung aus: Sie verhindert, dass am Ende fünf isolierte Demos respektive Piloten entstehen und keine skalierbare Fähigkeit.
Warum externe Unterstützung oft Tempo bringt
Wer das zum ersten Mal macht, lernt unterwegs. Das ist normal.
Die Herausforderung ist, dass agentische KI mehrere Disziplinen gleichzeitig zusammenbringt: Prozessdesign, Datenzugriff, Governance, UX, Security, Change Management, plus die Realität, dass sich die Technologie schnell weiterentwickelt.
Externe Partner beschleunigen typischerweise auf zwei Arten:
- Mustererkennung: was in der Praxis funktioniert, was regelmäßig bricht und welche Designentscheidungen in drei Monaten Schmerzen verursachen
- Delivery Struktur: eine Methodik, die „wir sollten“ in „wir haben geliefert“ übersetzt, mit klaren Schritten, Entscheidungen und Verantwortlichkeiten
Anders gesagt: weniger Brainstorming, mehr Umsetzung.
