Welcher Prozess sich für KI eignet
Eine konkrete Aufgabe auswählen, den gesamten Aufwand vergleichen und einen begrenzten Pilot vorbereiten.
Artikel lesen →
MLR · Wissen für Ihren Arbeitsalltag
MLR News.
KI-Neuigkeiten und Praxiswissen für Unternehmen.
Beiträge entdecken.
MLR · Praxiswissen
Welcher Prozess sich für KI eignet
Von Moritz Röder · Faktenstand 28.10.2026
Wenn ich über KI in einem kleinen Unternehmen nachdenke, beginne ich bei einer konkreten Aufgabe. Welche Arbeit wiederholt sich? Wo entstehen Rückfragen? Und woran würde das Team erkennen, dass ein neuer Ablauf tatsächlich hilft? Diese Fragen schaffen eine Grundlage für die Entscheidung, ob und wie KI unterstützen sollte.
Für mich gehört dazu auch, einen Vorschlag wieder zu verwerfen. Eine einfache Vorlage, eine klare Zuständigkeit oder ein zusätzliches Formularfeld kann bereits ausreichen. Das Ziel ist ein besserer Arbeitstag. Die eingesetzte Technik muss sich daran messen lassen.
Ich würde deshalb zuerst einen begrenzten Prozess untersuchen und erst danach ein Werkzeug auswählen. Die folgende Auswahlhilfe ist eine redaktionelle MLR-Empfehlung. Sie ist kein wissenschaftlich validiertes Bewertungsmodell und verspricht keine feste Zeitersparnis. Ihr Zweck ist, einen nachvollziehbaren ersten Test zu ermöglichen.
Einen konkreten Arbeitsschritt beschreiben
„Wir möchten KI im Büro einsetzen“ lässt viele Fragen offen. Hilfreicher wäre: „Wir möchten aus freigegebenen Besprechungsnotizen einen ersten Aufgabenentwurf erstellen.“ Damit werden Eingang, gewünschtes Ergebnis und betroffene Rolle sichtbar. Der Umfang lässt sich begrenzen, und ein Mensch kann die Qualität beurteilen.
Ich würde den Ablauf in einem Satz festhalten: Wenn ein bestimmter Eingang vorliegt, soll eine benannte Person ein klar beschriebenes Ergebnis erhalten. Anschließend notiere ich die Schritte dazwischen. Wo wird gesucht, abgeschrieben, sortiert oder korrigiert? Welche Angaben fehlen regelmäßig? Schon diese Bestandsaufnahme kann Ansatzpunkte liefern.
Dieser Blick auf Zweck und Anwendungskontext passt zum freiwilligen NIST AI Risk Management Framework. Es berücksichtigt auch tragfähige Alternativen ohne KI. [1] Daraus folgt für meine Arbeitsweise: Ein plausibler KI-Anwendungsfall muss sich gegenüber dem heutigen Ablauf und einer einfachen Verbesserung bewähren. Ein überzeugendes Demo-Ergebnis allein beantwortet diese Frage noch nicht.
Wiederholung und Prüfbarkeit gemeinsam betrachten
Ein häufiger Arbeitsschritt ist zunächst interessant, weil sich sein Aufwand wiederholt. Häufigkeit allein macht ihn jedoch noch nicht geeignet. Zusätzlich braucht es verfügbare Eingaben, ein verständliches Ziel und ein Ergebnis, das sich mit vertretbarem Aufwand kontrollieren lässt.
Ich würde zum Beispiel fragen, ob eine fachkundige Person einen Entwurf anhand der Ausgangsunterlagen prüfen kann. Bei einer Besprechungsnotiz lässt sich kontrollieren, ob eine Aufgabe wirklich genannt wurde. Eine frei erfundene Lieferzusage wäre dagegen bereits dann problematisch, wenn sie sprachlich überzeugend klingt.
Auch die Fehlertoleranz gehört auf den Tisch. Ein interner Strukturvorschlag lässt sich anders behandeln als eine Aussage mit unmittelbaren Folgen für Kunden, Beschäftigte oder Verträge. Für einen ersten Pilot würde ich einen überschaubaren vorbereitenden Schritt wählen. Die Verantwortung für das Ergebnis bleibt klar zugeordnet. Schwierige Fälle werden zunächst bewusst ausgeklammert und dokumentiert.
Die vollständige Bearbeitungszeit vergleichen
Ein schneller erster Entwurf kann nützlich sein. Für die Entscheidung zählt jedoch die vollständige Bearbeitung. Dazu gehören das Bereitstellen der Eingaben, das Prüfen des Ergebnisses, notwendige Korrekturen und die Übernahme in den weiteren Ablauf. Auch Einrichtung und Betreuung beanspruchen Zeit.
Ich würde deshalb mehrere vergleichbare Vorgänge beobachten und die Zeiten entlang derselben Arbeitsschritte erfassen. Wartezeiten und aktive Arbeitszeit werden getrennt notiert. Wenn eine Aufgabe früher fertig wirkt, die Nacharbeit aber steigt, muss das im Ergebnis sichtbar bleiben. Ein einzelner besonders gelungener Versuch sollte die Bewertung nicht bestimmen.
Die OECD beschreibt in einem Bericht von 2025 Nutzungserfahrungen aus einer Unternehmensbefragung von 2024. Solche Selbstauskünfte belegen keinen Effekt im eigenen Betrieb. [2] Ob ein konkreter Ablauf entlastet, muss der eigene Pilot zeigen.
Datenzugang und fachliche Prüfung vorab klären
Bevor reale Unterlagen in ein KI-System gelangen, würde ich festhalten, welche Informationen für die Aufgabe notwendig sind und welche davon verwendet werden dürfen. Für die Vorbereitung können synthetische Beispiele helfen. Ein bloß entferntes Namensfeld macht einen Datensatz nicht automatisch anonym.
Die Datenschutzkonferenz empfiehlt, Einsatzfelder und Zwecke vorab zu bestimmen und personenbezogene Ergebnisse kritisch zu prüfen. [3] Ein kleiner Pilot ersetzt diese Klärung nicht. Welche zusätzlichen Anforderungen gelten, hängt unter anderem von Daten, Anwendung und betroffenen Personen ab und braucht bei Bedarf fachkundige menschliche Prüfung.
Fachliche Kontrolle bleibt auch bei unauffälligen Texten nötig. Das BSI beschreibt fehlende Ausgabequalität als Risiko generativer Modelle. [4] Das NIST-Profil für generative KI behandelt ebenfalls überzeugend vorgetragene falsche Inhalte. [5] Deshalb würde ich für jede Ausgabe festlegen, woran eine prüfende Person Fehler erkennen kann. Fehlt eine verlässliche Prüfgrundlage, ist das ein Grund, den Anwendungsfall zurückzustellen.
Einen überschaubaren Fall durchspielen
Ein hypothetisches Beispiel: Ein kleines Serviceteam erstellt nach internen Besprechungen Aufgabenlisten. Bisher liest eine Person die freigegebenen Notizen, überträgt offene Punkte und fragt nach, wenn Zuständigkeiten fehlen. Für den Pilot soll die KI lediglich einen strukturierten Entwurf erzeugen.
Der gewünschte Entwurf enthält Aufgabe, genannte Zuständigkeit und ausdrücklich genannten Termin. Fehlt eine Information, soll das Feld als offen erscheinen. Die KI soll keine Verantwortlichen oder Fristen ergänzen. Eine fachkundige Person gleicht jeden Punkt mit den Notizen ab und übernimmt die freigegebene Liste anschließend selbst.
Als Vergleich dient derselbe Ablauf mit einer einfachen Aufgaben-Vorlage ohne KI. Vielleicht spart bereits die Vorlage Rückfragen. Vielleicht erleichtert die KI zusätzlich das Sortieren längerer Notizen. Beides ist vor dem Test offen. Es handelt sich hier um ein konstruiertes Beispiel, nicht um einen MLR-Kundenfall oder ein gemessenes Ergebnis.
Für die Bewertung würde ich die vollständige Bearbeitungszeit, fehlende Aufgaben und notwendige Korrekturen festhalten. Zusätzlich gehört die Rückmeldung der ausführenden Person dazu: Wird die Arbeit klarer, oder entsteht ein weiterer Prüfschritt ohne ausreichenden Nutzen?
Aus der Idee einen begrenzten Pilot machen
Mein Vorschlag ist ein kurzer Prozesssteckbrief. Darin stehen der heutige Ablauf, die konkrete Reibung, die vorgesehenen Eingaben, das gewünschte Ergebnis und die zuständige Person. Hinzu kommen Vergleichsmaßstab, Prüfkriterien und eine Entscheidung darüber, welche Fälle zunächst ausgeschlossen bleiben.
Vor dem ersten Versuch wird außerdem vereinbart, wann der Test abgebrochen oder angepasst wird. Wiederholt erfundene Inhalte, unzulässige Datenverarbeitung oder unverhältnismäßiger Prüfaufwand sind Gründe, die Freigabe zu stoppen. Ein vereinbarter Auswertungstermin verhindert, dass ein Provisorium still zum Dauerbetrieb wird. Für einen ersten Test würde ich auch die laufende Betreuung ausdrücklich zuordnen.
Nach der Auswertung gibt es mehrere sinnvolle Ergebnisse: den Ablauf weiterentwickeln, zunächst die Datengrundlage verbessern, eine einfache Lösung ohne KI nutzen oder den Ansatz vorerst beenden. Keine dieser Entscheidungen ist ein Scheitern der Bestandsaufnahme. Sie macht sichtbar, welche Unterstützung zum Unternehmen passt.
Für MLR steht genau diese Entscheidungsfähigkeit im Mittelpunkt. Ich möchte KI so einordnen, dass Unternehmer und Teams Möglichkeiten verstehen, Grenzen erkennen und die Kontrolle über ihre Abläufe behalten. Ein klar beschriebener Prozess ist dafür ein guter Anfang.
Welcher Prozess kostet in deinem Unternehmen heute noch unnötig viel Zeit?
Quellen
[1] NIST AI Risk Management Framework 1.0 und AI RMF Core. Januar 2023; laufende Webseite. https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
[2] OECD Generative AI and the SME Workforce. 05.11.2025; Befragung Ende 2024. https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en/full-report/component-2.html
[3] DSK Künstliche Intelligenz und Datenschutz. 06.05.2024; Version 1.0. https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf
[4] BSI Generative KI Modelle Chancen und Risiken. 17.01.2025; Version 2.0. https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/KI/Generative_KI-Modelle.pdf?__blob=publicationFile&v=5
[5] NIST AI 600 1 Generative Artificial Intelligence Profile. 26.07.2024. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
Faktenstand 28.10.2026. Rechtliche Prüfung durch KI ersetzt keine erforderliche menschliche Einzelfallprüfung.
01 / QUELLEN
Original statt Hörensagen.
Meldungen sollen auf nachvollziehbaren Originalquellen beruhen. Ankündigung und tatsächliche Verfügbarkeit werden getrennt.
02 / EINORDNUNG
Relevanz statt Hype.
Eigene Einschätzungen werden als solche kenntlich gemacht. Entscheidend ist, was eine Neuerung für konkrete Aufgaben bedeutet.
03 / PRAXIS
Ein klarer nächster Schritt.
Beispiele zeigen mögliche Arbeitsweisen. Grenzen und notwendige menschliche Prüfungen gehören dazu.