KI-Erstanalyse: Warum Daten und Prozesse zuerst kommen

1. Warum KI-Projekte an der Basis scheitern

Viele Unternehmen starten mit der falschen Frage. Sie fragen zuerst nach Modellnamen, Preisen oder dem „besten Tool“. Die bessere Frage lautet: Welche Aufgabe kostet uns heute Zeit, erzeugt Fehler oder blockiert Wissen?

Wenn Prozesse ungeklärt sind, Daten verstreut liegen oder niemand sauber sagen kann, was ein gutes Ergebnis ist, wird KI schnell zum Frustprojekt. Dann entstehen Prototypen, die nett aussehen, aber keinen stabilen Nutzen liefern.

Genau deshalb ist eine kurze KI-Erstanalyse so wertvoll: Sie prüft nicht nur die Idee, sondern auch die Umgebung, in der die Idee später leben muss.

2. Woran Sie Reifegrad-Probleme erkennen

Es gibt ein paar typische Warnsignale, die man sehr früh erkennt, wenn man ehrlich hinschaut:

• Wissen steckt in Köpfen statt in auffindbaren Dokumenten.
• Prozesse werden unterschiedlich gelebt, obwohl sie offiziell gleich aussehen.
• Datenfelder sind unvollständig, doppelt oder historisch gewachsen.
• Niemand kann den gewünschten Zielzustand in einem Satz beschreiben.
• Die Fachabteilung will etwas anderes als die IT oder das Management.

Wenn mehrere dieser Punkte zutreffen, ist die Aufgabe nicht „zu schwierig für KI“, sondern noch nicht präzise genug vorbereitet. Genau an dieser Stelle holt eine saubere Voranalyse den größten Wert heraus.

3. Was eine gute Vorab-Analyse prüft

Eine gute Analyse ist kein PowerPoint-Ritual. Sie schaut auf vier Dinge: Problem, Prozess, Daten und Zielbild.

Beim Problem geht es darum, den echten Engpass zu benennen. Beim Prozess wird geprüft, wie der Ablauf heute wirklich aussieht. Bei den Daten stellt sich die Frage, ob sie verfügbar, aktuell und in ausreichender Qualität vorhanden sind. Und im Zielbild wird festgelegt, woran man Erfolg nach vier bis acht Wochen überhaupt messen will.

4. Praxisbeispiel aus dem Mittelstand

Ein mittelständischer Maschinenbauer wollte seine Produktanfragen mit KI unterstützen. Der erste Impuls war ein Chatbot. Im Vorab-Check stellte sich aber heraus: Die eigentliche Schwachstelle lag nicht im Bot, sondern in verstreuten Produktdaten, uneinheitlichen Angebotsvorlagen und fehlenden Zuständigkeiten für technische Rückfragen.

Erst nachdem die Inhalte strukturiert und einige Standardantworten vereinheitlicht waren, ließ sich ein sinnvoller KI-Assistent aufsetzen. Das Ergebnis war nicht nur bessere Antwortqualität, sondern auch deutlich weniger Nacharbeit im Vertrieb.

5. Die kompakte 7-Punkte-Checkliste

• Ist der Use Case in einem Satz beschreibbar?
• Gibt es eine klare fachliche Ownerin oder einen Owner?
• Sind die benötigten Daten auffindbar und zugreifbar?
• Ist bekannt, welche Daten sensibel sind und welche nicht?
• Gibt es ein einfaches Erfolgskriterium?
• Kann der Pilot im Alltag getestet werden?
• Ist klar, was nach dem Pilot passiert, wenn er funktioniert?

Wenn hier drei oder mehr Punkte offen sind, sollte man erst die Basis klären und dann bauen. Das spart in der Regel Geld, Zeit und politische Reibung.

6. Die ersten 3 Schritte

So würde ich den Einstieg pragmatisch aufbauen:

1. Problem scharf ziehen: Welcher Vorgang erzeugt heute die meiste Zeitverschwendung oder Fehler?
2. Datenlage prüfen: Welche Dokumente, Felder und Systeme braucht der Use Case wirklich?
3. Pilot abgrenzen: Was ist der kleinste Test, der im Alltag schon echten Nutzen zeigt?

Das ist der Punkt, an dem aus einer vagen Idee ein tragfähiges Vorhaben wird.

7. FAQ

Was erwarten Besucher von so einem Artikel?

Sie erwarten eine ehrliche Einordnung, keine Technikshow. Vor allem wollen sie wissen, ob ihr Thema überhaupt reif genug ist und wie sie vernünftig starten.

Muss man dafür erst alle Daten aufräumen?

Nein. Aber die relevanten Daten und Abläufe sollten für den ersten Pilot klar genug sein, damit das Projekt nicht an Chaos scheitert.

Was ist der schnellste Nutzen?

Meist ein sauber fokussierter Pilot mit klarer Zuständigkeit und guter Datenbasis. Genau dort entstehen die schnellsten Lerneffekte.

Über den Autor

Ivo ist Experte für KI-Strategie und Automatisierung im Mittelstand. Er hilft Unternehmen dabei, Corporate LLMs und KI-Agenten sicher und profitabel in bestehende Geschäftsprozesse zu integrieren.

Zur kostenlosen KI-Erstanalyse →