KI-Projekte 2026: Wo Unternehmen stehen und was das für KI-Schulungen 2027 heißt

Wo stehen KI-Projekte in Unternehmen wirklich? Dazu habe ich 215 Teilnehmende befragt und die Antworten mit meinen Projekten aus 2025 und 2026 abgeglichen. Dieser Beitrag zeigt, was dabei herauskam, und was es für die Auswahl von KI-Schulungen und KI-Projekten 2027 bedeutet. Er richtet sich an Personalentwicklung, Führungskräfte und alle, die im Unternehmen über KI entscheiden.
Ich sage in meinen Trainings gern: „We trust in God, everyone else should bring data.“ Deshalb habe ich dieses Jahr eine kurze Standortbestimmung gemacht. Fünf Fragen, 215 Teilnehmer, interessantes Bild.
Das Wichtigste in Kürze
- Fast die Hälfte steht am Anfang. 48,6 % der Vorhaben sind in der Idee- oder Planungsphase, gut ein Viertel (26,9 %) läuft schon im Alltag.
- Beim Nutzen fehlt fast immer der Nachweis. Nur 5,1 % haben Ausgangswerte, Ziele und Kosten geprüft. Von 47 Vorhaben, die schon im Alltag laufen, sind es 3.
- Prozesse sind meist nur grob bekannt. Bei 54,9 % ist der Prozess grob umrissen. Dokumentiert und mit den Betroffenen abgestimmt haben ihn 11,4 %.
- Die Daten sind selten geprüft. 14,3 % haben Zugriff und Qualität geklärt, 26,3 % haben die Daten noch nicht geprüft.
- Verantwortung hängt oft an Einzelnen. 48 % der Vorhaben laufen als Einzelinitiative oder ohne geklärte Zuständigkeit.
- Bei der KI-Readiness ist niemand überall startklar. Keine einzige Person hat in allen vier Bereichen die höchste Stufe erreicht.
| Offen | Begonnen | Weit | Belastbar | Weiß nicht | |
|---|---|---|---|---|---|
| Prozess | 16 % | 55 % | 15 % | 11 % | 3 % |
| Daten | 26 % | 18 % | 31 % | 14 % | 10 % |
| Nutzen | 33 % | 22 % | 30 % | 5 % | 9 % |
| Verantwortung | 13 % | 35 % | 35 % | 12 % | 5 % |
Woher die Zahlen kommen
Die Umfrage
Die erste Frage galt der Projektphase. Wer schon ein konkretes Vorhaben hatte, das waren 175 Personen, bekam vier weitere Fragen: Wie klar ist der Prozess? Wie steht es um die Daten? Wie belastbar ist der Nutzen? Wer ist verantwortlich? Die Antworten sind anonym. Branche, Unternehmensgröße und Rolle haben wir nicht abgefragt.
Der Datenpool aus meinen Projekten
Aus Kundenprojekten, Trainings und Coachings der Jahre 2025 und 2026 habe ich Anwendungsfälle und Hürden gesammelt: aus Transkripten, Miro-Boards und Präsentationen. Die Daten sind bereinigt, datenschutzkonform aufbereitet und mit KI-Unterstützung zu Gruppen zusammengefasst. Das ergibt 210 Anwendungsfälle und 430 genannte Hürden.
Wer bei einer Umfrage zu KI-Projekten mitmacht, beschäftigt sich vermutlich mehr mit dem Thema als der Durchschnitt. Repräsentativ sind die Zahlen deshalb nicht. Sie zeigen, wo Menschen stehen, die KI-Projekte ernsthaft vorantreiben, und sie passen sehr gut zu dem, was ich in meinen Projekten sehe.
Warum KI-Projekte anders laufen als IT-Projekte
Klassische IT- und Digitalisierungsprojekte folgen einer gewissen Linie: Problem finden, Lösung bauen, mit den Betroffenen prüfen, ob sie hilft, dann ausrollen. KI-Projekte brechen dieses Muster an drei Stellen.
- Das Problem entwickelt sich weiter. Sie starten mit bestimmten Annahmen, und kurze Zeit später stimmen sie nicht mehr. Wer am offenen Herzen einer Organisation operiert und KI in Prozesse einbaut, entdeckt dabei neue Probleme und neue Ideen.
- Die Technik verhält sich nicht vorhersehbar. Daten, Modelle und Prompts sind an manchen Stellen erstaunlich fähig und an anderen überraschend begrenzt. Wie Ihre Mitarbeitenden mit einer Lösung umgehen, können Sie vorher kaum sagen.
- Die Erwartungen steigen schneller als jedes Projekt. Privat fotografieren wir eine Speisekarte und lassen uns dazu Bilder erzeugen. Diese Erwartung an Magie bringen alle mit in die Firma, und dort ist man damit immer hinterher.
KI-Projekte brauchen deshalb ein Vorgehen aus Erkunden, Messen und Nachsteuern. Messen und nachsteuern kann aber nur, wer seinen Ausgangspunkt kennt. Und genau der fehlt den meisten Vorhaben in der Umfrage.
1. Projektphase: Fast die Hälfte steht am Anfang
Was die Umfrage zeigt
| Phase | Alle (n = 215) | Mit Vorhaben (n = 175) |
|---|---|---|
| Noch kein konkretes Vorhaben | 18,6 % | |
| Idee oder Planung | 39,5 % | 48,6 % |
| Pilot | 19,1 % | 23,4 % |
| Im Alltag genutzt | 21,9 % | 26,9 % |
| Kann ich nicht beurteilen | 0,9 % | 1,1 % |
Fast jede zweite Person mit Vorhaben steckt in der Idee oder Planung. Knapp jede fünfte befragte Person hat noch gar kein konkretes Vorhaben. Gleichzeitig nutzt gut ein Viertel KI schon im Alltag. In vielen Organisationen laufen beide Welten parallel: einzelne Teams, die längst mit KI arbeiten, und große Bereiche, die noch auf ihre Schulung warten.
Was wir in Projekten beobachten
Viele Unternehmen warten, bis „die Organisation so weit ist“. Erst soll alles digitalisiert sein, dann kommt die KI. So nacheinander funktioniert das selten. Die Vorhaben, die vorankommen, gehen tief in einen konkreten Anwendungsfall und bringen ihn von Anfang bis Ende zum Laufen.
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Warten Sie nicht auf die vollständige Digitalisierung. Machen Sie einen Anwendungsfall nach dem anderen KI-fähig, so wie ein 3D-Drucker ein Teil Schicht für Schicht aufbaut.
Projekt vor dem Einkauf: Wählen Sie ein oder zwei Anwendungsfälle aus einem Fachbereich, der Lust auf das Thema hat. Schneiden Sie sie so klein, dass nur wenige Systeme und Daten betroffen sind.
Passende Weiterbildung: Für die Breite eine praktische KI-Schulung für Mitarbeitende, in der alle an ihren eigenen Aufgaben arbeiten. Für die Projektverantwortlichen ein Workshop, in dem Sie Anwendungsfälle sammeln, zuschneiden und priorisieren.
2. Prozesse: meist nur grob umrissen
Was die Umfrage zeigt
| Wie klar ist der Prozess? | Anteil (n = 175) |
|---|---|
| Noch offen | 16,0 % |
| Grob umrissen | 54,9 % |
| Dokumentiert | 14,9 % |
| Dokumentiert und mit Betroffenen abgestimmt | 11,4 % |
| Kann ich nicht beurteilen | 2,9 % |
Mehr als die Hälfte will einen Prozess mit KI unterstützen, den sie nur grob kennt. Selbst bei den Vorhaben, die schon im Alltag laufen, ist der Prozess bei 53 % offen oder nur grob umrissen.
Was wir in Projekten beobachten
Für mich ist das die Kernhürde. KI braucht einen klaren Ablauf: Wer macht was, mit welchem System, mit welchen Daten, und wohin geht das Ergebnis? Ohne dieses Bild automatisieren Sie im Zweifel einen Umweg.
Dazu kommt der menschliche Faktor. In einem Projekt hat mir eine Kollegin ihren Prozess vorgestellt. Alle im Raum wussten, dass er an einigen Stellen umständlich war. Am Ende sagte sie: „Aber ich mag das Tool. Habe ich jetzt etwas Falsches gesagt? Wird man mir das Tool wegnehmen?“ Angst, ersetzt zu werden, erlebe ich selten. Viel häufiger hängen Menschen an Abläufen, die sie über Jahre eingeübt haben. Eine Prozessaufnahme muss deshalb unterstützend laufen, ohne Fingerpointing.
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Klären Sie den Prozess, bevor Sie über Werkzeuge sprechen. „Grob umrissen“ reicht für einen Pilot nicht.
Projekt vor dem Einkauf: eine Prozessinventur. Nehmen Sie eine Excel-Tabelle und schreiben Sie in jede Zeile einen Schritt: was passiert, mit welchem System, mit welchen Daten, welche Abteilung bekommt das Ergebnis. Das klingt banal und ist die Grundlage für alles, was danach kommt.
Passende Weiterbildung: Methoden zur Prozessaufnahme für die Fachbereiche, am besten direkt am eigenen Prozess geübt.
3. Daten: zugänglich, aber selten geprüft
Was die Umfrage zeigt
| Wie steht es um die Daten? | Anteil (n = 175) |
|---|---|
| Noch ungeprüft | 26,3 % |
| Daten benannt, Zugriff offen | 18,3 % |
| Zugänglich, Qualität offen | 30,9 % |
| Zugriff und Qualität geprüft | 14,3 % |
| Kann ich nicht beurteilen | 10,3 % |
Nur jedes siebte Vorhaben hat Zugriff und Qualität der Daten geprüft. In der Idee- und Planungsphase hat fast die Hälfte (44 %) die Daten noch nicht geprüft. Und jede zehnte Person kann zu den Daten gar nichts sagen. Das ist der höchste Wert für „Kann ich nicht beurteilen“ in der ganzen Umfrage.
Was wir in Projekten beobachten
In meinem Datenpool ist eine fehlende Datenbasis die häufigste Hürde, bevor überhaupt ein Pilot startet. Auf welchen Daten soll Ihr interner Chatbot arbeiten? Im öffentlichen Dienst kommen oft noch viel Papier und viele Systembrüche dazu.
Und dann ist da der Datenschutz. Datenschutz, Sicherheit und Vorgaben sind in meinem Pool die am häufigsten genannte Hürde. Die Fragen sind berechtigt, und ich will sie nicht kleinreden. Meine Haltung ist trotzdem klar: Das Thema ist gelöst, wir müssen nur unsere Hausaufgaben machen. Ein früherer Chef hat es so gesagt: „Macht, aber macht nicht so viel kaputt.“ Lassen Sie sich von dem Thema nicht einfrieren.
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Die meisten Fragen lassen sich mit wenigen Quellen beantworten. In unseren Projekten decken drei bis fünf Quellen die meisten Fälle ab, etwa eine Richtlinie, eine zentrale Excel-Liste oder eine Stammdatenbank. Grob gesagt beantworten 20 % der Dokumente 80 % der Anfragen.
Projekt vor dem Einkauf: eine Dateninventur für Ihren ersten Anwendungsfall. Welche Quellen gibt es, wer hat Zugriff, wie gut sind sie? Halten Sie das Projekt so klein, dass Sie wenige Systeme anzapfen. Das verringert auch die Zahl der Datenschutzfragen.
Passende Weiterbildung: Grundlagen zu Datenschutz und KI für Projektverantwortliche. Mein Tipp für den Einstieg: Lassen Sie sich die DSGVO von einer KI Punkt für Punkt erklären und sagen Sie dabei, dass Sie das Projekt umsetzen wollen. So bekommen Sie Hinweise, wie es datenschutzkonform geht.
4. Nutzen: die größte Lücke bei der KI-Readiness
Was die Umfrage zeigt
| Wie belastbar ist der Nutzen? | Anteil (n = 175) |
|---|---|
| Noch ungeprüft | 33,1 % |
| Nutzen beschrieben | 22,3 % |
| Nutzen und Kosten geschätzt | 30,3 % |
| Ausgangswerte, Ziele und Kosten geprüft | 5,1 % |
| Kann ich nicht beurteilen | 9,1 % |
Nur 9 von 175 Vorhaben haben ihren Nutzen mit Ausgangswerten, Zielen und Kosten belegt. In keinem anderen Bereich ist die oberste Stufe so selten. Ein Drittel hat den Nutzen gar nicht geprüft.
Über die Phasen hinweg zeigt sich ein Muster. Bei Prozess, Daten und Verantwortung sind Piloten und laufende Anwendungen deutlich weiter als Vorhaben in der Planung. Der Nutzennachweis bleibt in allen Phasen bei 4 bis 7 % hängen. Von den 47 Vorhaben im Alltag haben 3 ihren Nutzen belegt, und 45 % haben ihn bestenfalls beschrieben.
| Idee / Planung n = 85 | Pilot n = 41 | Im Alltag n = 47 | |
|---|---|---|---|
| Prozess | 4 % | 15 % | 23 % |
| Daten | 4 % | 24 % | 26 % |
| Nutzen | 4 % | 7 % | 6 % |
| Verantwortung | 6 % | 17 % | 19 % |
Was wir in Projekten beobachten
Der Grund ist fast immer derselbe: Niemand weiß, was der Prozess heute kostet. Ohne Ausgangswert gibt es keinen Return on Investment. Jemand aus einer Klinik hat es mir so beschrieben: „Wir hören nur das Ächzen und Stöhnen aus den Abteilungen, aber wir können es nicht beziffern.“ Dieses Ächzen und Stöhnen lässt sich beziffern. Dafür gibt es Kennzahlen, und die Prozessinventur aus Abschnitt 2 liefert die Grundlage.
Prozess, Daten und Nutzen greifen ineinander. Wer seine Prozesse und Daten kennt, kennt seinen Ausgangspunkt. Erst dann können Sie den Nutzen rechnen und Projekte begründet priorisieren oder stoppen.
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Messen Sie den Ausgangswert, bevor Sie etwas einführen. Die einfachste Frage stelle ich in jedem Termin: „Wie lange hast du vorher für diese Aufgabe gebraucht, und wie lange brauchst du jetzt?“
Projekt vor dem Einkauf: Rechnen Sie für Ihren ersten Anwendungsfall den Ist-Zustand durch: Zeit pro Vorgang, Zahl der Vorgänge, beteiligte Personen. Daraus ergibt sich, was eine Lösung kosten darf.
Passende Weiterbildung: ein Workshop für Führungskräfte und Projektverantwortliche, in dem Sie Anwendungsfälle bewerten, einen einfachen Business Case aufstellen und eine Roadmap ableiten.
5. Verantwortung: oft eine Einzelinitiative
Was die Umfrage zeigt
| Wer ist verantwortlich? | Anteil (n = 175) |
|---|---|
| Zuständigkeit offen | 13,1 % |
| Einzelinitiative | 34,9 % |
| Verantwortliche benannt | 34,9 % |
| Verantwortliche und Zeitbudget vereinbart | 12,0 % |
| Kann ich nicht beurteilen | 5,1 % |
Gut ein Drittel der Vorhaben hängt an einer einzelnen engagierten Person. Verantwortliche mit vereinbartem Zeitbudget hat nur etwa jedes achte. Auch bei den Vorhaben im Alltag laufen 38 % als Einzelinitiative oder ohne geklärte Zuständigkeit.
Was wir in Projekten beobachten
In meinen Projekten ist Ownership der wichtigste Erfolgsfaktor. Es braucht eine benannte Person mit Mandat, Zeit und Rückendeckung, die alle Beteiligten an einen Tisch holt. Ich sage dazu immer: KI-Transformation ist kein gemütlicher Job. Wer das macht, ist Unternehmerin oder Unternehmer im Unternehmen. Ein KI-Beauftragter sagte mir einmal: „Ich habe bestimmt 500 Mal die gleiche Frage beantwortet.“ Das gehört dazu.
Genauso wichtig sind Sponsoren. Am besten wirkt es, wenn sich die Geschäftsführung sichtbar für das Thema einsetzt. KI ist zuerst eine organisatorische und soziale Aufgabe und erst danach eine technische. Ein Projektleiter hat es so beschrieben: „Die Technik wäre nicht mein Problem. Ich brauche einfach mehr Zeit, die Komplexität zu übersetzen.“
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Eine Einzelinitiative ist ein guter Anfang und ein schlechter Dauerzustand. Klären Sie, wer verantwortlich ist, wie viel Zeit diese Person dafür hat und wer sie in der Leitung unterstützt.
Projekt vor dem Einkauf: Benennen Sie eine verantwortliche Person mit schriftlichem Mandat und Zeitbudget. Suchen Sie sich dazu Multiplikatoren in den Fachbereichen: Menschen, die Ineffizienzen riechen und Kolleginnen und Kollegen gern helfen.
Passende Weiterbildung: eine Qualifizierung für KI-Verantwortliche oder KI-Beauftragte, die Projektsteuerung, Governance und Change abdeckt, dazu ein Training für die Multiplikatoren. Viele Teams brauchen vor allem praktisches KI-Projektmanagement und iteratives Arbeiten. Von großen Zertifizierungsprogrammen rate ich dafür meist ab. Nehmen Sie Methoden, die Ihr Team am nächsten Tag anwenden kann.
6. Anwendungsfälle: KI-Wissensmanagement liegt vorn
Aus meinem Datenpool lässt sich auch ablesen, wofür Unternehmen KI einsetzen wollen. Auf jeden Anwendungsfall kommen dort zwei Hürden: 210 Anwendungsfälle stehen 430 genannten Hürden gegenüber.
Die häufigsten Anwendungsfälle
- Platz 1: Wissen erschließen und recherchieren
- Platz 2: Projekt- und Adminarbeit
- Platz 4: Kundenservice und Auskünfte
- Plätze 5 bis 7: Dokumente auswerten und verdichten | Planung und Konzepte unterstützen | Software und Werkzeuge entwickeln
Sehr häufig geht es außerdem um Vertrieb, Angebote und Ausschreibungen. Vor allem das Ausschreibungsmanagement taucht immer wieder auf.
Platz 1 und Platz 4 sind bei genauerem Hinsehen dasselbe Thema. Einmal geht es um internes Wissen, das Mitarbeitende abfragen wollen, einmal um freigegebenes Wissen für Kunden und Partner. Zusammen sind das 122 von 210 Anwendungsfällen. Mehr als die Hälfte aller Ideen dreht sich also darum, Wissen auffindbar und abfragbar zu machen. In großen Konzernen heißt es dazu oft: „Wenn wir nur wüssten, was wir alles wissen.“
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Starten Sie ein Wissensprojekt in einem Fachbereich, nie mit dem gesamten Unternehmenswissen. Bewährt hat sich bei uns ein Vorgehen in vier Schritten:
- Absicht: Was wollen die Fragenden wirklich wissen? Wenige Anliegen machen den Großteil der Anfragen aus, beim HR-Chatbot zum Beispiel die Regeln fürs Sabbatical.
- Quelle: Wo steht die Antwort? Meist in einer Handvoll Dokumente.
- Format: In welcher Form wollen die Nutzer die Antwort? Oft reicht ein kurzer Text mit Quellenangabe.
- Feedback: Die Nutzer melden zurück, ob die Antwort stimmt und passt. Damit endet das Projekt nie ganz, und das ist gewollt. Die eigentliche Arbeit liegt in diesem vierten Schritt.
Projekt vor dem Einkauf: Sammeln Sie die 20 häufigsten Fragen eines Bereichs und die Dokumente, in denen die Antworten stehen.
Passende Weiterbildung: ein Workshop, in dem Sie Anwendungsfälle identifizieren und priorisieren, danach ein praktisches Training zum Aufbau eines Wissensassistenten.
7. Nach dem Start: Nutzung entsteht nicht von allein
Viele Organisationen kennen das: Die KI-Richtlinie ist veröffentlicht, das Tool freigeschaltet, und nach ein paar Wochen pendeln die Leute zurück in ihre alten Routinen. Die Umfrage hat diese Phase nicht abgefragt. In meinen Projekten ist sie ein Dauerthema.
Was wir in Projekten beobachten
Was hilft, ist Befähigung in der Breite und in der Tiefe. Wir starten mit größeren Workshops und Schulungen und gehen dann in die Fachbereiche. In einer KI-Sprechstunde arbeiten wir an konkreten Aufgaben einzelner Mitarbeitender, etwa am Controlling-Bericht von Thomas. In jede Sprechstunde nehme ich eine Person aus dem Kreis der Multiplikatoren mit, die zuschaut, wie ich an die Aufgabe herangehe. So kann sie die Sprechstunde bald selbst übernehmen.
Ansatzpunkte aus unseren Projekten
Worauf Sie achten sollten: Messen Sie die Nutzung von Anfang an. Vier Kennzahlen haben sich bewährt:
- Korrekturquote: Wie oft müssen Nutzer ein Ergebnis nachbessern?
- Rückfallquote: Arbeiten die Leute mit dem neuen System, oder kehren sie zu Outlook, Excel und den alten Wegen zurück?
- Regeltreue: Hält sich die KI an die Vorgaben, und zitiert sie die richtigen Quellen?
- Zeitersparnis: Wie viel schneller ist ein Vorgang jetzt, gemessen am Ausgangswert?
Wenn die Korrekturen sinken und die Ergebnisse stimmen, wächst das Vertrauen und mit ihm die Nutzung.
Projekt vor dem Einkauf: Legen Sie fest, wie Sie diese vier Werte erheben, bevor das Tool live geht.
Passende Weiterbildung: ein Train-the-Trainer-Format für Multiplikatoren und regelmäßige Sprechstunden in den Fachbereichen. Einmalige Schulungen ohne Begleitung verpuffen nach meiner Erfahrung schnell.
KI im Unternehmen einführen: die Reihenfolge für 2027
Die Umfrage zeigt ein Muster: Viele Organisationen kaufen Tools und Trainings, bevor sie ihren Ausgangspunkt kennen. Mein Rat für 2027 ist deshalb eine Reihenfolge. Erst die Grundlagen klären, dann gezielt weiterbilden, dann Werkzeuge einkaufen.
Welche KI-Schulung zu welcher Ausgangslage passt
| Ihre Ausgangslage | Was Sie zuerst klären | Welche Weiterbildung passt |
|---|---|---|
| Noch kein konkretes Vorhaben | ein oder zwei Anwendungsfälle in einem Fachbereich mit Interesse | praktische KI-Schulung für Mitarbeitende in der Breite |
| Idee oder Planung | Prozess- und Dateninventur, Ausgangswert messen | Workshop zu Anwendungsfällen, Priorisierung und Business Case |
| Pilot | verantwortliche Person mit Mandat und Zeitbudget, Kennzahlen festlegen | Qualifizierung für KI-Verantwortliche, praktisches KI-Projektmanagement |
| Im Alltag genutzt | Nutzen belegen, Nutzung messen, auf weitere Bereiche übertragen | Train-the-Trainer für Multiplikatoren, KI-Sprechstunden |
Fünf Fragen vor jedem Einkauf
- Welcher Prozess soll besser werden, und ist er dokumentiert?
- Welche Daten braucht die Lösung, und haben wir Zugriff und Qualität geprüft?
- Was kostet der Prozess heute, und woran messen wir den Erfolg?
- Wer ist verantwortlich, mit welchem Mandat und welchem Zeitbudget?
- Wer aus der Leitung steht sichtbar hinter dem Vorhaben?
Wenn Sie eine dieser Fragen nicht beantworten können, haben Sie Ihr erstes Projekt gefunden.
Grenzen der Auswertung
- Teilgenommen haben Menschen, die sich bereits mit KI-Projekten beschäftigen. Die Ergebnisse sind nicht repräsentativ für alle Unternehmen.
- Alle Angaben sind Selbsteinschätzungen der Teilnehmenden.
- Branche, Unternehmensgröße und Rolle wurden nicht abgefragt.
- Mehrfachteilnahmen lassen sich nicht ausschließen.
- In der Auswertung nach Phase stehen hinter einzelnen Prozentwerten teils nur wenige Personen. Diese Werte zeigen eine Richtung.
Häufige Fragen
Wo stehen Unternehmen 2026 mit ihren KI-Projekten?
In unserer Umfrage mit 215 Teilnehmenden ist fast die Hälfte der Vorhaben (48,6 %) in der Idee- oder Planungsphase, 23,4 % sind im Pilot und 26,9 % im Alltag. 18,6 % der Teilnehmenden haben noch kein konkretes Vorhaben.
Woran scheitern KI-Projekte am häufigsten?
In der Umfrage ist der fehlende Nutzennachweis die größte Lücke: Nur 5,1 % haben Ausgangswerte, Ziele und Kosten geprüft. In meinen Projekten nennen die Beteiligten Datenschutz, Sicherheit und Vorgaben am häufigsten als Hürde. Dahinter stehen meist eine fehlende Datenbasis und unbekannte Prozesskosten.
Welche KI-Schulung ist die richtige für mein Unternehmen?
Das hängt von Ihrer Ausgangslage ab. Ohne konkretes Vorhaben hilft eine praktische KI-Schulung für Mitarbeitende in der Breite. In der Planungsphase bringt ein Workshop zu Anwendungsfällen und Business Case am meisten. Für Piloten und laufende Anwendungen brauchen Sie Verantwortliche mit Mandat und Multiplikatoren in den Fachbereichen.
Was sollte ich vor dem Kauf eines KI-Tools klären?
Den Prozess, die Daten, den Ausgangswert für die Nutzenrechnung, die Verantwortung und die Unterstützung durch die Leitung. Eine einfache Prozessinventur in Excel ist dafür ein guter Start.
Darav Taha begleitet Unternehmen, Kliniken, Verbände und Verwaltungen bei der Einführung von KI, als Trainer und Berater. Zu den Themen dieses Beitrags gibt es Workshops zur KI-Strategie, für KI-Manager und KI-Beauftragte und zu KI-Tools im Arbeitsalltag.