KI-Strategie entwickeln: Vom leeren Blatt zur 90-Tage-Roadmap

Bevor ihr irgendetwas baut, müsst ihr wissen wo ihr steht. Das klingt offensichtlich, wird aber regelmäßig übersprungen.

Daten-Audit durchführen. Geht jedes System durch das in eurem Unternehmen Daten speichert: CRM, ERP, Buchhaltung, E-Mail, Fileserver, Cloud-Storage, Projektmanagement. Stellt drei Fragen: Wo liegen die Daten? Wie fließen sie zwischen Systemen? Was fehlt?

Schatten-KI identifizieren. Fragt eure Teams: Wer nutzt bereits KI-Tools – und welche? In den meisten Unternehmen nutzen über 60% der Mitarbeiter KI ohne offizielle Freigabe. Das ist euer größtes Datenschutz-Risiko und gleichzeitig der beste Indikator dafür wo der Bedarf am größten ist.

Prozesse bewerten. Nicht jeder Prozess eignet sich für KI. Die besten Kandidaten haben drei Eigenschaften: Sie kosten viel Zeit, sie folgen einem wiederholbaren Muster und sie basieren auf Daten die vorhanden sind (oder mit vertretbarem Aufwand bereinigt werden können).

Kostenintensivste Abteilung identifizieren. Wo verbrennt ihr am meisten Zeit mit Routinearbeit? Wo sitzen Mitarbeiter die eigentlich strategisch arbeiten sollten, aber den ganzen Tag Daten kopieren, Reports erstellen oder E-Mails sortieren?

Output dieser Phase: Eine Datenfluss-Karte, eine Prioritäten-Liste und eine 90-Tage-Roadmap die exakt festlegt was zuerst passiert.

Jetzt wird gebaut – aber in der richtigen Reihenfolge.

Erst die Daten. Quellsysteme verbinden, Daten konsolidieren, bereinigen und anreichern. "Firma GmbH" und "Firma GmbH & Co. KG" müssen zur selben Entity werden. Kundendokumente (PDFs, Handbücher, FAQs) werden geparst und als Embeddings gespeichert, damit Agenten darauf zugreifen können.

Das ist die Phase die am meisten unterschätzt wird – und die wertvollste. Saubere Daten sind das Fundament auf dem alles andere steht. Ohne diesen Schritt baut ihr auf Sand.

Dann die Agenten. Jetzt erst kommen die KI-Systeme. Sie arbeiten auf sauberen, strukturierten, vernetzten Daten. Der Support-Agent sucht in der echten Produktdatenbank. Der Finance-Agent kennt die echten Rechnungsdaten. Jeder Agent wird einzeln gebaut, getestet und stabilisiert bevor der nächste kommt.

DSGVO und EU AI Act von Anfang an. Compliance ist keine Phase am Ende, sondern ein Prinzip von Tag 1. Lokale LLMs als Default, Audit-Trails für jeden LLM-Call, Dokumentation der Verarbeitungstätigkeiten, Datenschutz-Folgenabschätzung wo nötig. Ausführlich behandeln wir das in unserem DSGVO-Leitfaden.

Output dieser Phase: Laufende Agenten auf eigener Infrastruktur, saubere Dateninfrastruktur, Compliance-Dokumentation.

Die beste KI-Infrastruktur bringt nichts wenn das Team sie nicht versteht, nicht nutzt oder nicht weiterentwickeln kann.

Grundkurs für alle Mitarbeiter. Was ist KI, was kann sie, was nicht? Was darf ich in welches Tool eingeben? Wo liegen die Datenschutz-Grenzen? Das Ziel ist nicht dass jeder Prompt Engineering beherrscht, sondern dass niemand aus Unwissenheit Kundendaten in ChatGPT eingibt.

Deep Dive für Key-Mitarbeiter. Die Leute die täglich mit den Agenten arbeiten, müssen verstehen wie sie funktionieren, wie sie die Outputs bewerten und wann sie eingreifen müssen. Human in the Loop funktioniert nur wenn der Mensch im Loop weiß was er tut.

Hands-On Building für die Geschäftsführung. Die Entscheider müssen verstehen was möglich ist und was nicht, damit sie realistische Erwartungen setzen und die richtigen Investitionsentscheidungen treffen. Kein Slide-Deck – sondern gemeinsam etwas bauen.

Output dieser Phase: Ein eigenständiges Team, vollständige Dokumentation, Übergabe-Protokoll. Das Ziel ist klar: Ihr könnt ohne uns weiterarbeiten.