Den ersten echten Use-Case wählen: vier Fragen, die die Kandidaten sortieren

Die Frage kommt meistens direkt nach der ersten Vorführung: Womit fangen wir an? Auf dem Tisch liegen dann drei Kandidaten. Einer stammt aus genau dieser Vorführung. Einer stammt aus einem Fachartikel, den jemand am Wochenende gelesen hat. Und einer kommt von der Person im Haus, die ohnehin am lautesten für KI ist.

Was auf dem Tisch fehlt, ist der Alltag. Kein einziger Kandidat kommt von den Leuten, die die Arbeit jeden Tag machen, und niemand in der Runde kann sagen, wie lange die betroffene Aufgabe heute dauert, wie oft sie anfällt und wer sie erledigt. Die Liste ist deshalb austauschbar. Sie ließe sich in jedem anderen mittelständischen Unternehmen genauso vorlesen.

Ausgewählt wird dann nach dem Kriterium, das in so einer Runde am schnellsten verfügbar ist: nach Eindruck. Der spektakulärste Fall gewinnt. Oft ist das ausgerechnet der, bei dem ein frei erfundener Fakt am teuersten würde, weil er Kunden, Angebote oder Zusagen berührt.

Der erste Anwendungsfall hat aber eine andere Aufgabe als der zwanzigste. Er muss nicht der größte sein und nicht der beeindruckendste. Er muss so ausgewählt sein, dass am Ende ein Ergebnis steht, das jemand im Haus vorzeigen kann.

Woran du merkst, dass die Kandidaten aus der falschen Quelle kommen

Es gibt vier Anzeichen dafür, dass eine Kandidatenliste am Alltag vorbei entstanden ist. Sie sind unangenehm konkret, und deshalb lässt sich die Liste in einer halben Stunde daran prüfen.

Das erste: Die Anwendungen entstehen, weil die KI etwas kann, nicht weil sie ein benanntes Problem lösen. Die Reihenfolge im Gespräch verrät es. Erst kommt die Funktion, dann sucht jemand die passende Aufgabe dazu.

Das zweite: Niemand am Tisch kennt die Ausgangswerte. Wie viele Stunden in der Woche kostet die Aufgabe heute? Wie oft geht dabei etwas schief, und was kostet ein einzelner Fehler? Wer diese Zahlen nicht hat, kann später nicht sagen, ob sich etwas geändert hat.

Das dritte: Die Auswahl wurde in der IT getroffen und dem Fachbereich mitgeteilt. Ein fertiger Anwendungsfall, den eine Abteilung über den Zaun wirft, kommt zurück. Nicht weil die Leute bockig sind, sondern weil niemand die Arbeit einer anderen Abteilung so genau kennt, dass er sie ohne sie umbauen könnte.

Das vierte: Kein Kandidat auf der Liste ist langweilig. Das ist das verlässlichste Warnzeichen von allen, denn die Aufgaben, bei denen KI im ersten Anlauf trägt, sind gleichförmig, wiederholt und ungeliebt. Wenn alle drei Kandidaten spannend klingen, hat die Runde nach Vorzeigbarkeit sortiert und nicht nach Machbarkeit.

Warum die Liste immer länger ist als eure Zeit

Rund 58 Prozent der heutigen Arbeitsstunden in Europa ließen sich technisch mit Robotern und mit KI-Agenten erledigen, also mit KI-Systemen, die selbst Schritte ausführen statt nur zu antworten. Diese Zahl beschreibt allerdings ein technisches Potenzial und keine Umsetzung. Technisch möglich und praktisch umgesetzt sind zwei verschiedene Dinge, und zwischen beiden liegen Datenlage, Prozesse, Freigaben und Menschen.

Für die Auswahl folgt daraus etwas Unbequemes. Kandidaten zu finden ist nicht die Arbeit. Jedes Sprachmodell liefert dir auf Zuruf zwanzig davon, und in jedem Haus fällt genug gleichförmige Textarbeit an, um die Liste ohne fremde Hilfe zu füllen. Die Arbeit ist das Aussortieren, und dafür braucht die Runde ein Kriterium, das schwerer wiegt als der erste Eindruck.

Dieses Kriterium heißt: Was kostet ein einzelner Fehler? Ein Sprachmodell, also ein Modell, das den statistisch wahrscheinlichsten nächsten Wortbaustein vorhersagt, liefert das Plausibelste und nicht zwingend das Korrekte. Jede Antwort klingt dabei gleich professionell, ob sie stimmt oder nicht. Ein frei erfundener Fakt fällt im ersten Anwendungsfall also nicht durch schlechte Sprache auf, sondern erst dann, wenn ihn jemand außerhalb des Hauses liest.

Und es gibt einen zweiten Grund, warum die Auswahl so oft schiefgeht: die Besetzung. Für den ersten Fall brauchst du drei Blickwinkel gleichzeitig. Der Fachbereich kennt das Problem, die IT kennt die Machbarkeit, die Führung kennt den strategischen Wert. Fehlt der Fachbereich, wählt ihr eine Aufgabe, die es so nicht gibt. Fehlt die IT, wählt ihr eine Aufgabe, deren Daten nirgends abrufbar sind. Fehlt die Führung, wählt ihr eine Aufgabe, die niemanden interessiert, sobald sie Zeit kostet.

Fünf Schritte von der langen Liste zum ersten Fall

Was der erste Fall wirklich entscheidet

Am Ende dieser Auswahl steht selten etwas Spektakuläres, und das ist kein Mangel. In einem Fall holte eine von KI geschriebene Betreffzeile 15 Prozent mehr Klickrate im Newsletter, bei rund einem Euro Zusatzkosten. Das ist kein Umbau des Unternehmens. Es ist ein Ergebnis, das jemand in der nächsten Runde zeigen kann, mit einer Zahl daneben, und genau davon lebt der zweite Fall.

Wichtiger als das Ergebnis selbst ist die Person dahinter. Wer den ersten Erfolg gebaut hat, wird zur Botschafterin für die anderen. Ein Erfolgserlebnis im eigenen Umfeld begeistert mehr Kolleginnen und Kollegen als jede Anweisung von oben, und es beantwortet die Frage, die im Haus ohnehin gestellt wird: Was hat das mit meiner Arbeit zu tun?

Die Runde aus Fachbereich, IT und Führung bleibt danach bestehen. Sie hat jetzt eine Liste, ein Verfahren und einen Fall, an dem sie gesehen hat, wo ihre Einschätzung daneben lag. Der zweite Kandidat kommt aus derselben Liste, und die Auswahl dauert beim zweiten Mal deutlich kürzer als beim ersten.

Wenn du wissen willst, ob bei euch die Auswahl der Engpass ist oder etwas anderes, mach den KIRA-Check. Er verortet dein Haus über sechs Stufen und fünf Achsen, von der heimlichen Einzelnutzung bis zur durchgängig KI-getragenen Firma. Du bekommst dein KIRA-Profil, also einen Standort je Achse statt einer Note, dazu die zwei Engpässe, die gerade wirklich bremsen, jeder mit genau einem ersten Schritt. Zehn Minuten, keine Note am Ende.