Themen
Themen
KI im Unternehmen einführen: 5 Voraussetzungen, damit es nicht beim Piloten bleibt
Erschienen am
13. November 2026
Lesezeit
6 Minuten
Auf einen Blick
- Laut Lünendonk bringen nur 30 Prozent der Unternehmen mehr als ein Viertel ihrer KI-Prototypen in den Betrieb.
- Skalierung bedeutet, erfolgreiche KI-Anwendungsfälle auf weitere Prozesse und Bereiche zu übertragen, statt mehr KI-Tools einzuführen.
- Fünf Voraussetzungen entscheiden darüber, ob eine KI-Einführung tragfähig ist: Business Value, Datenbasis, Prozesse, Governance und organisatorische Verankerung.
- Wer diese Grundlagen einmal sauber aufbaut, muss sie nicht für jeden weiteren KI-Use-Case erneut schaffen.
- KI-Readiness ist keine Eigenschaft eines dedizierten Projekts, sondern eine Eigenschaft des Unternehmens.
Warum bleiben KI-Projekte im Piloten stecken?
KI-Projekte kommen nicht über die Pilotphase hinaus, wenn eine von fünf Voraussetzungen fehlt: ein am Business Value ausgerichteter Use Case, eine belastbare Datenbasis, dokumentierte Prozesse, definierte Governance oder eine organisatorische Verankerung im Unternehmen. Die technische Machbarkeit entpuppt sich nur selten als Problem.
Die Frage, ob Künstliche Intelligenz (KI) im Unternehmen eingeführt werden kann und funktioniert, ist in vielen Organisationen längst geklärt: ein Prototyp im Kundenservice, ein KI-Assistent für die Angebotserstellung, eine automatisierte Auswertung im Controlling.
Der technische Nachweis gelingt heute schnell. Der Schritt danach gelingt deutlich seltener. Die Lünendonk-Studie „AI Transformation – Von der Experimentierphase zur produktiven Skalierung“ erklärt, dass nur 30 Prozent der befragten Unternehmen mehr als 25 Prozent ihrer KI-Prototypen in den operativen Einsatz überführen. Die Studienautoren verorten die Ursachen dafür nicht in der Technologie, sondern im Change-Management und in der Datenqualität.
Der Agentic AI Readiness Index 2026 von Fivetran kommt zu einem ähnlichen Ergebnis: Nur 15 Prozent der befragten Unternehmen halten sich für vollständig vorbereitet, produktive KI-Agenten zu betreiben. Und trotzdem investieren knapp 60 Prozent bereits Millionenbeträge.
Der Grund für diese Diskrepanz ist selten im Pilotprojekt zu finden. Ein Pilot arbeitet mit ausgewählten Daten, einem überschaubaren Anwendungsfall und einem engagierten Projektteam. Einmal im Regelbetrieb, ändern sich diese Bedingungen.
Die KI muss mit realen Unternehmensdaten zurechtkommen. Sie muss sich in bestehende Prozesse einfügen, von Mitarbeitenden auch wirklich genutzt werden und selbst bei steigenden Fallzahlen verlässlich bleiben.
Unternehmen, die diese Anforderungen früh berücksichtigen, integrieren KI dauerhaft in ihre Wertschöpfung. Sie skalieren sie und testen sie nicht mehr nur punktuell.
Sind Sie bereit für das Agentic Enterprise?
Wie gut die Voraussetzungen in Ihrem Unternehmen bereits erfüllt sind, lässt sich mit einer strukturierten Bewertung feststellen. Der KI-Readiness-Check von Salesfive gibt Ihnen eine erste Orientierung.
Was bedeutet Skalierung bei der KI-Implementierung?
Skalierung bei der KI-Implementierung bedeutet, einen funktionierenden Anwendungsfall auf weitere Prozesse, Teams oder Geschäftsbereiche zu übertragen, während der Regelbetrieb verlässlich bleibt. Es bedeutet nicht, möglichst viele KI-Anwendungen gleichzeitig einzuführen.
Ihr Effekt zeigt sich an drei Stellen:
- Der Automatisierungsgrad steigt, weil ein Prozess durchgängig statt in Teilschritten unterstützt wird.
- Entscheidungen werden konsistenter, weil dieselbe Logik in allen Bereichen greift.
- Durchlaufzeiten werden kürzer, weil manuelle Übergaben entfallen.
Die Grundlagen, die für den initialen Anwendungsfall erst gelegt werden müssen, stehen anschließend allen weiteren zur Verfügung. Das führt dazu, dass eine bereinigte Datenbasis, dokumentierte Prozesse und definierte Zugriffsrechte keine Projektkosten sind. Sie sind eine Investition in die allgemeine KI-Fähigkeit des Unternehmens, die sogenannte KI-Readiness. Der zweite Anwendungsfall ist deshalb in der Regel deutlich schneller produktiv als der erste.
Welche 5 Voraussetzungen braucht es, um KI erfolgreich im Unternehmen einzuführen?
Die folgenden fünf Voraussetzungen sind in der Praxis ausschlaggebend, ob eine KI-Einführung über den Piloten hinauskommt. Jeder Abschnitt beschreibt die typische Herausforderung, die konkrete Handlungsempfehlung und den Nutzen für das Unternehmen.
Ein technisch interessanter Use Case hat nicht automatisch strategische Relevanz. Viele Pilotprojekte starten dort, wo Daten leicht verfügbar sind oder ein Fachbereich besonders aufgeschlossen ist. Ob der Anwendungsfall relevant für das Geschäftsmodell ist, wird oft erst später geklärt.
Unternehmen sollten daher Ziele und Kennzahlen festlegen, bevor die Umsetzung startet. Use Cases werden anschließend systematisch nach Business Value und Umsetzbarkeit bewertet und priorisiert. Wichtig ist eine ehrliche Analyse: Wie lange dauert der Prozess heute? Wie hoch ist die Fehlerquote? Und wie häufig fällt der Use Case überhaupt an?
Dieses Vorgehen stellt sicher, dass Ressourcen in Anwendungen mit tatsächlichem Mehrwert fließen. Und weil eine Vergleichsgröße existiert, lässt sich nach dem Pilotprojekt belegen, ob sich eine Skalierung wirtschaftlich rechnet.
Ein Pilot funktioniert mit ausgewählten oder manuell aufbereiteten Daten im Normalfall einwandfrei. Im Alltag muss die KI hingegen mit dem arbeiten, was in den Systemen liegt: mit Dubletten, unvollständigen Feldern, historischen Altbeständen und Informationen, die an mehreren Orten parallel gepflegt werden. Das alles sind Daten, die ein Mensch noch interpretieren kann. Bei einer KI-Anwendung führen sie zu falschen Ergebnissen oder zum Abbruch.
Für Unternehmen bedeutet das, relevante Datenquellen zu identifizieren, Qualität und Verfügbarkeit zu prüfen, Datensilos aufzulösen und die beteiligten Systeme zu integrieren. Im Salesforce Umfeld übernimmt Data 360 diese Rolle als Datenschicht. Es führt Informationen aus internen und externen Quellen zu einem konsistenten Profil zusammen und stellt sie den Anwendungen bereit.
KI-Tools greifen dadurch auf aktuelle und geprüfte Informationen zu und liefern verlässlichere Ergebnisse. Gleichzeitig entsteht eine Basis, die jeder weitere Anwendungsfall mitnutzen kann.
Ein unzureichend definierter Prozess wird durch KI nicht besser, sondern bleibt einfach nur schneller stecken. Bei der Skalierung stellen Unternehmen oft fest, dass ein Ablauf in jeder Niederlassung anders läuft oder dass für die Hälfte der Fälle Sonderregeln gelten, die nirgendwo dokumentiert sind.
Daher sollten sie Abläufe dokumentieren, Prozessvarianten und Ausnahmen sichtbar machen und festlegen, welche Schritte automatisiert werden können und welche besser bei einer Person bleiben. Häufig ist die Vereinheitlichung des Prozesses der größere Benefit als die KI-Funktion selbst.
Das führt dazu, dass KI dort eingesetzt wird, wo sie tatsächlich entlastet. Außerdem sinkt das Risiko, bestehende Ineffizienzen lediglich zu automatisieren und damit zu verfestigen.
Je stärker KI in operative Prozesse eingreift, desto wichtiger werden klare Verantwortlichkeiten und Kontrollmechanismen. Solange eine Anwendung nur Vorschläge macht, ist das überschaubar. Sobald sie als Agentic AI eigenständig Datensätze ändert, Angebote erstellt oder Fälle abschließt, braucht es klare Grenzen.
Unternehmen nimmt das in die Pflicht, Rollen und Zugriffsrechte zu definieren. Sie müssen Entscheidungs- und Eskalationsgrenzen festlegen und ein Monitoring etablieren, das jederzeit nachvollziehen lässt, was eine KI-Anwendung auf welcher Grundlage getan hat.
Letztlich sollten Unternehmen KI mit definierten Leitplanken einsetzen und Verantwortlichkeiten bei Bedarf schrittweise erweitern, statt sie pauschal zu begrenzen oder abzugeben.
Governance ist auch eine zentrale Voraussetzung für das Agentic Enterprise, in dem Menschen und KI gemeinsam auf einer Plattform arbeiten und KI-Agenten Prozessschritte eigenständig ausführen. Die autonomen Agenten setzen die Governance voraus, die viele Unternehmen bei ihren ersten KI-Anwendungen noch übersprungen haben.
Ein Pilot kann von einem kleinen Projektteam getragen werden. Die Skalierung betrifft hingegen deutlich mehr Menschen und Bereiche und damit auch Kolleg:innen, die den Anwendungsfall nicht selbst vorgeschlagen haben.
Die nutzen die KI-Anwendung aber nur, wenn sie ihnen erkennbar Arbeit abnimmt. Deshalb sollten Unternehmen Verantwortlichkeiten schaffen, Fachbereiche früh einbeziehen, Kompetenzen aufbauen und Mitarbeitende auf die veränderten Arbeitsweisen vorbereiten. So bleibt KI kein alleinstehendes IT-Projekt, sondern wird produktiv in die tägliche Arbeit integriert. Ihr Nutzen entsteht dort, wo er gemessen werden soll.
Die 5 Voraussetzungen für erfolgreiche KI-Implementierung im Überblick
Voraussetzung | Herausforderung | Maßnahme | Nutzen |
|---|---|---|---|
Business Value | Technisch interessante Use Cases ohne strategische Relevanz | Ziele, Kennzahlen und Baseline festlegen, Use Cases priorisieren | Ressourcen fließen in wirksame Anwendungen, Skalierung wird bewertbar |
Datenbasis | Pilotdaten sind aufbereitet, echte Daten sind es nicht | Datenquellen prüfen, Silos auflösen, Systeme integrieren | Verlässlichere Ergebnisse und eine Grundlage für weitere Use Cases |
Prozesse | Undokumentierte Abläufe und unklare Ausnahmen | Prozesse dokumentieren, Varianten sichtbar machen, Automatisierungsgrad festlegen | KI kann entlasten, statt Ineffizienzen zu verfestigen |
Governance | Wachsende Autonomie ohne definierte Grenzen | Rollen, Zugriffsrechte, Eskalationsregeln und Monitoring definieren | Klare Leitplanken und schrittweise erweiterbare Verantwortung |
Organisation | Skalierung betrifft mehr Menschen als der Pilot | Zuständigkeiten schaffen, Fachbereiche einbeziehen, Kompetenzen aufbauen | KI wird tatsächlich genutzt und wirkt im Arbeitsalltag |
KI skalieren statt nur testen
Eine erfolgreiche KI-Einführung ist in erster Linie keine Frage der Infrastruktur, sondern der Organisationsstruktur. In unserem Whitepaper gehen wir detailliert auf die fünf Punkte ein, die Sie auf dem Weg zum Agentic Enterprise unterstützen.
Warum macht KI-Readiness Skalierung wiederholbar?
KI-Readiness ist der Reifegrad eines Unternehmens hinsichtlich Daten, Prozesse, Governance und Organisation. Er entscheidet darüber, ob KI-Anwendungen produktiv betrieben und erweitert werden können. KI-Readiness ist damit keine Eigenschaft eines dezidierten Projekts, sondern eine Eigenschaft des Unternehmens.
Die fünf Voraussetzungen können dabei nur zusammenwirken. Eine saubere Datenbasis bringt wenig, wenn unklar bleibt, wie der Prozess eigentlich läuft. Ein klar priorisierter Use Case bleibt liegen, wenn niemand dafür verantwortlich ist. Und eine technisch überzeugende Lösung schafft keinen Mehrwert, wenn die Fachbereiche sie nicht annehmen.
Mit guter KI-Readiness wird diese Grundlage nicht für jedes Pilotprojekt neu geschaffen, sondern als gemeinsame Basis für alle KI-Anwendungen aufgebaut und fortlaufend gepflegt. Ein Unternehmen, das seine Kundendaten konsolidiert, seine Serviceprozesse dokumentiert und Zugriffsrechte für KI-Anwendungen geregelt hat, startet beim nächsten Use Case nicht wieder von vorne.
Mit Blick auf die Wirtschaftlichkeit ist das der große Vorteil: Der erste Use Case rechtfertigt die Investition. Jeder weitere profitiert davon, ohne sie erneut zu tragen. Diese Wiederholbarkeit unterscheidet einzelne erfolgreiche KI-Projekte vom skalierbaren KI-Einsatz in Unternehmen.
Nächste Schritte, um KI im Unternehmen einzuführen
Ob eine KI-Einführung nach der Pilotphase weitergeht, hängt von fünf Punkten ab. Erstens braucht es einen Use Case mit messbarem Geschäftsbezug. Zweitens müssen die Daten auch im Regelbetrieb zuverlässig funktionieren. Drittens müssen die Prozesse dokumentiert sein. Viertens muss die Governance mit der Autonomie der Anwendung mitwachsen. Fünftens braucht es klare Zuständigkeiten in den Fachbereichen. Keine dieser Voraussetzungen ist eine technische und keine lässt sich nachträglich mit mehr Rechenleistung ausgleichen.
Aufwände fallen überwiegend einmalig an. Wer Kundendaten konsolidiert, Serviceprozesse beschreibt und Zugriffsrechte für KI-Anwendungen geregelt hat, kann diese Grundlage für jeden weiteren Use Case nutzen. Es stellt sich dann nicht mehr die Frage, ob eine KI-Anwendung produktiv gehen kann. Stattdessen geht es darum, welche als Nächstes den größten Mehrwert für das Unternehmen bringt.
Für Unternehmen ergeben sich daraus drei wichtige Schritte:
- Use Cases bewerten: Welche Anwendungsfälle adressieren einen relevanten Geschäftshebel und sind mit den heute verfügbaren Daten umsetzbar?
- Defizite benennen: Wo fehlen Datenqualität, Prozessklarheit, Zuständigkeiten oder Kompetenzen für den Regelbetrieb?
- Grundlagen priorisiert erschließen: Nicht alles gleichzeitig, sondern zuerst das, was der erste skalierbare Use Case tatsächlich braucht.
Sobald Daten, Prozesse und Governance stehen, sind auch die Voraussetzungen für agentenbasierte Szenarien erfüllt, in denen die KI Prozessschritte eigenständig ausführt.
Unternehmen, die jetzt in KI-Readiness investieren, beeinflussen auch, wie schnell sie das Agentic Enterprise umsetzen können.
Sie möchten Ihren nächsten KI-Use-Case planen?
Unsere Expert:innen unterstützen Sie bei Datenanalyse, Prozessdesign, Governance und Umsetzung auf der Salesforce Plattform.
