> ## Content Index
> Fetch the complete content index at: https://www.christos.studio/llms.txt
> Use this file to discover other available public pages before exploring further.

# KI-Strategie entwickeln ✺ Fünf Fragen vor dem ersten Tool
- URL: https://www.christos.studio/ki-strategie-entwickeln/
- Published: 2026-10-29T07:30:00.000Z
- Updated: 2026-11-18T06:11:28.000Z
- Description: Wie du eine KI-Strategie entwickelst, die über Lizenzen hinausgeht: Abläufe statt Werkzeuge, fünf Fragen pro Use Case, Prototyp vor Lastenheft und fünf kleine Wetten statt eines Leuchtturms.
- Author: Christos Stavrou
- Tags: Künstliche Intelligenz, #Thema Arbeiten mit KI

Eine KI-Strategie legt fest, welche Abläufe sich mit KI ändern sollen, wer sie verantwortet und woran ihr den Erfolg messt. Das Werkzeug kommt danach. Laut [McKinsey](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai?ref=christos.studio) (State of AI, August 2026) nutzen fast neun von zehn befragten Unternehmen KI regelmäßig, aber nur rund 6 Prozent führen mindestens 5 Prozent ihres operativen Ergebnisses auf KI zurück. Diese wenigen haben vor allem ihre Abläufe neu gestaltet, statt KI in die alten einzubauen. Eine gute KI-Strategie beginnt deshalb bei der Arbeit selbst, mit fünf Fragen pro Anwendungsfall.

## Was ist eine KI-Strategie?

Eine KI-Strategie ist die Entscheidung, wo KI in einem Unternehmen die Arbeit verändern soll und in welcher Reihenfolge. Sie beantwortet drei Fragen: Welche Abläufe bauen wir um? Wer ist für jeden davon zuständig? Woran merken wir, dass es wirkt?

Und jetzt eine Gegenfrage an dich: Wie viele KI-Lizenzen hat dein Unternehmen gekauft, und wie viele Abläufe sehen heute anders aus als vor einem Jahr? Die erste Zahl kennt vermutlich jemand in der IT, auswendig und mit Rechnungsnummer. Für die zweite müsste erst mal jemand nachzählen. Ich ahne, wie das ausgeht.

Mir hilft dabei ein Bild in drei Stufen. **Zugang:** Alle bekommen ein Werkzeug. Das geht schnell und ist vergleichsweise billig. **Befähigung:** Die Leute lernen, damit umzugehen. Das ist nötig, bewegt für sich allein aber wenig. **Umbau:** Abläufe, Rollen und Übergaben ändern sich. Erst hier entsteht der Ertrag. Viele Unternehmen stehen heute irgendwo zwischen der ersten und der zweiten Stufe. Eine Liste mit Werkzeugen ist auf dieser Höhe noch eine Einkaufsliste.

## Warum eine Lizenz für alle noch keine KI-Strategie ist

Eine Lizenz für alle ist ein guter erster Schritt. Das meine ich ernst, ohne sie geht nichts. Sie schafft aber Gleichstand, denn der Wettbewerber hat dieselbe Lizenz. Der Analyst Benedict Evans vergleicht das in seinem Essay [AI, tools and transformation](https://www.ben-evans.com/benedictevans/2026/9/3/ai-tools-and-transformation?ref=christos.studio) mit dem PC samt Tabellenkalkulation in den Achtzigern. Man musste ihn verteilen. Die Rechnungsprüfung hat er dadurch nicht umgebaut.

Die Zahlen von [McKinsey](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai?ref=christos.studio) zeigen dieselbe Lücke, und sie schließt sich nicht von allein. Fast alle nutzen KI. Nur gut ein Drittel der Befragten (37 Prozent) sieht überhaupt einen positiven Effekt auf das operative Ergebnis. Der Anteil der Unternehmen mit deutlichem Effekt liegt seit zwei Jahren bei rund 6 Prozent. Zwei Jahre, in denen gefühlt jede Woche ein neues Modell kam. Zugang ist also selten der Engpass.

Evans hat für den Schritt danach ein Bild, das ich seitdem nicht mehr loswerde. Wo viele Menschen regelmäßig quer über die Wiese gehen, entsteht ein Trampelpfad. Irgendwann muss jemand entscheiden, welcher Pfad gepflastert wird. Eine Excel-Liste mit Sonderkonditionen, die drei Leute im Vertrieb mit KI pflegen, ist so ein Pfad. Ich mag diese Listen, ehrlich gesagt. Fast jedes Haus hat eine, und alle tun ein bisschen so, als gäbe es sie nicht. Dabei beschreiben sie oft besser als jedes Prozesshandbuch, wie bei euch wirklich gearbeitet wird. Nur: Ab wann braucht so ein Pfad eine verantwortliche Person, eine Prüfung und eine Wartung? Bei der Schwelle helfen drei Fragen:

- **Wie oft** läuft dieser Ablauf?
- **Wie viele Menschen** hängen daran?
- **Was passiert bei einem Fehler**, für Kunden, Umsatz oder Recht?

Lautet die Antwort dreimal „selten, zwei Leute, halb so wild“, dann lass den Pfad ein Pfad sein. Nicht jede Abkürzung braucht Pflastersteine.

## KI liefert zuerst eine Diagnose

Wer KI in einen Ablauf bringt, bekommt zuerst eine Diagnose dieses Ablaufs. Ein Team will den Monatsbericht mit KI erstellen. Beim ersten Versuch zeigt sich: Jede Abteilung liefert ihre Zahlen anders, und niemand verantwortet die Vorlage. Das Problem gab es vorher schon. Die KI macht es nur sichtbar, ungefähr so charmant wie ein Röntgenbild.

Dazu kommt ein zweiter Effekt, den ich fast wichtiger finde: Der Engpass wandert. Der Entwurf für ein Angebot steht mit KI in zehn Minuten. Ins Firmenlayout bringen, Zahlen vom Controlling holen, Freigabe einholen und verschicken dauert so lange wie immer. Was früher ein kleiner Teil der Arbeit war, ist jetzt der größte. Wer nur das Schreiben beschleunigt, spart in der Gesamtzeit wenig. Die nächste Verbesserung steckt in Freigaben, Vorlagen und Ablage, also im unglamourösen Teil, über den auf Konferenzen selten jemand spricht. Genau dort setzt eine KI-Strategie an.

## Fünf Fragen sind erst der Anfang

Wie Strategien im Alltag landen, schreibe ich laufend auf. Mit den Anwendungsfällen, die tragen, und denen, die nach der Demo verschwinden.

Dranbleiben 

Fast geschafft. Schau in dein Postfach und bestätige den Link. 

## Fünf Fragen vor dem ersten Tool

Bevor ein Anwendungsfall Budget bekommt, schicke ich ihn durch fünf Fragen. Wer eine davon nicht beantworten kann, hat bisher eine Idee. Ideen sind willkommen. Kaufen würde ich erst, wenn alle fünf Antworten da sind.

1. **Ist das überhaupt ein KI-Problem?** Oder ist der Ablauf kaputt, und KI würde nur das Chaos beschleunigen?
2. **Wie oft passiert der Fall, und was kostet er heute?** Ohne Zahl lässt sich später nicht sagen, ob sich etwas verbessert hat.
3. **Gibt es die Daten schon?** Und darf die KI sie sehen, nach Datenschutz und Richtlinie?
4. **Was passiert, wenn das Modell falsch liegt?** Ein falscher Textvorschlag ist ärgerlich, eine falsche Zahlung ist teuer. Davon hängt ab, wo ein Mensch freigibt.
5. **Wer betreibt die Lösung danach und will das auch?** Ohne Namen im Fachbereich stirbt jeder Pilot nach der Präsentation.

Die fünf Fragen habe ich mir nicht am Schreibtisch ausgedacht. Eher teuer erarbeitet, mit Zeit statt mit Geld. Bei meinem eigenen [KI-Chatbot für wenighair](https://www.christos.studio/ki-chatbot-community-feedback-system/) habe ich zuerst monatelang an der Technik gefeilt. Er gab saubere Antworten auf Fragen, die kaum jemand gestellt hat. Ein bisschen wie ein Kellner, der perfekt Wein empfiehlt, an einem Tisch, an dem alle Wasser trinken. Nützlich wurde er erst, als ich die echten Anfragen durchging. Die zeigten sogar eine zweite Zielgruppe, und der nächste Online-Kurs entstand in der halben Zeit. Wie das lief, steht im [Showcase zu Product Discovery mit echten Nutzerfragen](https://www.christos.studio/showcase-produktentwicklung/). Im Unternehmen heißt dieselbe Lehre: erst die Fragen und Fälle sammeln, dann bauen.

Was die fünf Fragen nicht leisten: Sie sortieren Ideen, sie erzeugen keine. Und ob ein Team überhaupt Lust hat, seinen Ablauf umzubauen, steht in keiner der fünf Antworten. Das merkst du erst im Gespräch. Manchmal erst im dritten.

## Wie du KI-Use-Cases findest, die sich lohnen

Viele KI-Strategien starten mit einer Matrix: Welche Rollen oder Abteilungen sind am stärksten von KI betroffen? Evans hält solche Vorhersagen für fast unmöglich ([Predicting AI job exposure](https://www.ben-evans.com/benedictevans/2026/5/24/ai-job-exposure?ref=christos.studio)), weil Jobbeschreibungen die eigentliche Arbeit nicht erfassen. Laut Matrix ist die Rechnungsprüfung hoch betroffen. Im Alltag besteht ein großer Teil davon aus Rückfragen zu Sonderfällen, die in keiner Beschreibung stehen. Ich vermute, an dieser Lücke scheitern mehr Piloten als an jedem Modell.

Hier wird es für mich ein bisschen unbequem. Ich habe nämlich selbst ein Werkzeug gebaut, das pro Beruf zeigt, was sich mit KI verändert: [Protago AI](https://www.christos.studio/showcase-ki-enablement/). Gerade deshalb weiß ich, wo so eine Übersicht endet. Sie liefert den Anlass für das Gespräch im Fachbereich, mehr nicht. Welcher Ablauf sich lohnt, zeigt erst eine Stunde neben der Person, die ihn jeden Tag macht. Drei Fragen bringen dich dort schnell zum Kern:

- Was machst du jede Woche, das nervt und ewig dauert?
- Welche Excel-Liste läuft bei euch neben dem offiziellen System, und wer pflegt sie?
- Wo wartest du auf jemand anderen, bevor du weitermachen kannst?

Die zweite Frage ist meine liebste, weil sie nach der Liste fragt, die es offiziell nicht gibt. Sagt ein Bereich dagegen „Wir brauchen einen Chatbot“, ist das schon die Lösung. Frag nach dem Problem dahinter: welche Anfrage, wie oft, was passiert heute damit. Die Antworten landen auf einer Liste aller Ideen, sortiert nach Nutzen. Das schützt davor, dass die lauteste Idee gewinnt. Und die lauteste Idee hat erstaunlich oft einen Chatbot im Namen.

Bevor jemand für diese Liste ein eigenes Werkzeug ausschreibt: Für ein Team mit zehn Leuten reichen eine geteilte Tabelle und ein fester Termin alle zwei Wochen. Ein eigenes System lohnt sich vermutlich erst, wenn mehrere Abteilungen auf dieselbe Liste schreiben.

## Erst ein Prototyp, dann das Lastenheft

Viele Unternehmen schreiben Monate an Konzepten, bevor jemand sieht, ob ein Use Case trägt. Schneller geht es andersherum: In drei Tagen baut ihr mit zwei Leuten aus dem Fachbereich einen kleinen Prototyp mit anonymisierten echten Fällen und testet ihn eine Woche. Danach ist klar, wie gut die Ergebnisse sind, wo Daten fehlen und wer freigeben müsste.

Lastenheft, Datenschutz-Folgenabschätzung und die Unterlagen für den Betriebsrat spart das nicht. Sie entstehen danach, kürzer und genauer, auf der Grundlage von etwas, das man zeigen kann. Und manchmal zeigt der Prototyp, dass sich ein Use Case nicht lohnt. Das kostet dann drei Tage statt einer Konzeptphase, und niemand muss so tun, als hätte er es von Anfang an gewusst.

In meiner eigenen Arbeit hat sich das mit KI stark verschoben. Wenn ich etwas an meiner Website ändern will, beschreibe ich es kaum noch in einem langen Dokument. Ich lasse mir drei oder vier Varianten bauen, schaue sie auf dem Handy an und entscheide dann. Beim Knopf im Startbild waren es vier Varianten als Bilder, genommen habe ich A. Bei den Kundenstimmen habe ich eine Animation gestrichen, die ich vorher selbst bis ins Detail beschrieben hatte. Ein Blick aufs Handy hat gereicht. Mein eigenes Lastenheft, von mir selbst abgelehnt. Auf dem Papier hätte ich das nie gemerkt. Im Fachbereich ist es dasselbe: Menschen entscheiden besser über etwas, das sie anfassen können.

Und baut nicht nur einen Prototyp. Wer einen einzigen Leuchtturm-Pilot ankündigt, muss ihn retten, auch wenn er nicht trägt. Das ist menschlich. Niemand sagt gern im Lenkungskreis, dass der Leuchtturm eher eine Taschenlampe ist. Besser startet ihr mit drei bis fünf kleinen Kandidaten und sagt vorher offen, dass nicht alle bleiben. Für jeden legt ihr fest, woran ihr nach sechs Wochen einen Treffer erkennt. Wer so plant, kann ehrlich stoppen.

Die gestrichenen Kandidaten sind dabei kein Verlust. Ein Use Case, der nicht trägt, verrät fast immer etwas über den Ablauf: Daten fehlen, die Zuständigkeit ist unklar, der Fall ist seltener als gedacht. Zwei schwache Kandidaten ergeben manchmal zusammen einen starken. Ob sechs Wochen für jeden Fall die richtige Frist sind, weiß ich nicht. Für manche Abläufe sind sie zu kurz. Ohne Frist wird aus jeder Wette aber ein Dauerpilot. Für die Bewertung reicht ein Steckbrief pro Kandidat, hier mit einem ausgedachten Beispiel:

| Feld                            | Beispiel: Angebotsvergleich im Einkauf                                                 |
| ------------------------------- | -------------------------------------------------------------------------------------- |
| Ablauf                          | Drei bis fünf Lieferantenangebote vergleichen und eine Empfehlung schreiben            |
| Wie oft und was es heute kostet | Rund 40 Mal im Monat, je etwa 90 Minuten                                               |
| Daten                           | Angebote als PDF im Postfach, Rahmenverträge im Einkaufssystem                         |
| Was bei einem Fehler passiert   | Falscher Lieferant, deshalb entscheidet weiter die Fachperson, die KI bereitet nur vor |
| Wer betreibt es danach          | Teamleitung Einkauf, mit einer Person, die die Anleitung pflegt                        |
| Treffer nach sechs Wochen, wenn | Vergleich in unter 30 Minuten, gleich viele Rückfragen wie vorher                      |

Eine KI-Strategie ist am Ende eine kurze Liste: welche Abläufe ihr zuerst umbaut, wer sie verantwortet und woran ihr den Erfolg erkennt. Die Werkzeuge stehen darauf ganz unten. In einem Jahr heißen sie anders, kosten anders und können mehr.

Die Excel-Liste mit den Sonderkonditionen gibt es dann vermutlich immer noch. Sie hat schon ganz andere Strategien überlebt.

  
Studio ✺ Christos

## Welche Wette setzt ihr zuerst?

Neue Modelle kommen jedes Quartal, die Fragen nach dem richtigen Use Case bleiben. Ich schreibe auf, was in der Praxis trägt, damit deine Strategie nicht an der Demo hängen bleibt.

Abonnieren 

Fast geschafft. Schau in dein Postfach und bestätige den Link. 

## Häufige Fragen

#### Was gehört in eine KI-Strategie?

Eine KI-Strategie nennt die Abläufe, die sich mit KI ändern sollen, die verantwortliche Person für jeden davon, die Messgröße für den Erfolg und die Reihenfolge. Dazu kommen Regeln für Daten und Freigaben. Welche Werkzeuge ihr nutzt, ist der letzte und am leichtesten änderbare Teil.

#### Wie entwickelt man eine KI-Strategie?

Erst Abläufe im Fachbereich aufnehmen und Ideen sammeln, dann jede Idee durch fünf Fragen schicken (KI-Problem, Häufigkeit und Kosten, Daten, Folgen eines Fehlers, wer betreibt es). Danach drei bis fünf Kandidaten als kleine Prototypen testen und nach sechs Wochen ehrlich entscheiden, welche in den Betrieb gehen.

#### Wie findet man gute KI-Use-Cases?

Am zuverlässigsten neben den Menschen, die die Arbeit machen. Gute Einstiegsfragen sind: Was nervt dich jede Woche und dauert ewig? Welche Excel-Liste läuft neben dem offiziellen System? Wo wartest du auf andere? Matrizen nach Rollen liefern höchstens den Anlass für dieses Gespräch.

#### Was bringt KI in einem Unternehmen?

Schnellere Einzelaufgaben bringt KI fast überall. Messbaren Ertrag sehen laut McKinsey (2026) aber nur rund 6 Prozent der befragten Unternehmen deutlich, vor allem jene, die ihre Abläufe neu gestaltet haben. Der Nutzen hängt also weniger am Werkzeug als am Umbau der Arbeit.

#### Warum bleiben so viele KI-Piloten stecken?

Meist fehlt eine verantwortliche Person im Fachbereich, die Daten oder der Ablauf sind ungeklärt, oder der Pilot beschleunigt nur einen kleinen Teil der Arbeit, während Freigaben und Übergaben gleich bleiben. Wer das vor dem Start mit fünf Fragen prüft, erkennt solche Kandidaten früh.