KI implementieren: Sechs Praxisbeispiele für IT, Prozesse und Projektmanagement

Wie lässt sich KI implementieren, wenn ein Unternehmen bereits mit voller Aufgabenliste, gewachsener Software und unterschiedlichen Datenquellen arbeitet? Ein beeindruckender Einzelprompt beantwortet diese Frage selten. Für den betrieblichen Einsatz muss aus einer Aufgabe ein Ablauf werden: Informationen kommen an, werden bearbeitet, geprüft und an der richtigen Stelle weiterverwendet.

OpenAI Signals liefert einen interessanten Blick auf die Aufgaben, für die Menschen ChatGPT beruflich nutzen. Dazu gehören Computerprobleme, Programmierung, technische Verfahren und organisatorische Prozesse. Ich habe die Deutschland-Daten ausgewertet und daraus sechs fiktive Praxisfälle entwickelt. Sie zeigen unterschiedliche Einstiegspunkte für IT, Projektmanagement und interne Abläufe. Sie sind keine durchgeführten Implementierungsprojekte.

Transparenz zur Texterstellung: Dieser Beitrag wurde mit Unterstützung generativer KI erstellt. Die Originaldaten wurden eigenständig ausgewertet; Quellen und abgeleitete Übungen sind ausgewiesen.

Was die Daten über IT und Prozesse zeigen

In Deutschland entfallen im dritten Quartal 2026 beispielsweise 3,680 Prozent der beruflich eingeordneten Nachrichten auf das Lösen von Computerproblemen. Programmierung erreicht 3,438 Prozent, das Einrichten von Computer- und Informationssystemen 0,865 Prozent. Die Entwicklung von IT-Systemen und Anwendungen liegt bei 0,828 Prozent.

Die kleinere Kategorie zum Entwickeln organisatorischer Prozesse kommt auf 0,143 Prozent. Daraus lässt sich keine wirtschaftliche Rangfolge für Unternehmen ableiten. Ein wiederkehrender Verwaltungsprozess kann für eine bestimmte Organisation der bessere Einstieg sein als Programmierung. Die Signals-Tabelle enthält individuelle ChatGPT-Nutzung; Codex und Unternehmensnachrichten sind ausdrücklich ausgeschlossen. Gerade für professionelle Softwarearbeit ist das eine wichtige Grenze.

Die Daten aus OpenAI Signals v3.0 helfen dabei, Kandidaten für einen Versuch zu finden. Sie belegen weder die Zuverlässigkeit eines Werkzeugs noch einen fertig funktionierenden Arbeitsablauf. Die Einordnung der gesamten Veröffentlichung steht im Leitartikel zu den 165 Arbeitskategorien.

Drei mögliche Ergebnisse eines KI-Versuchs

Für die Umsetzung würde ich zunächst festlegen, was am Ende tatsächlich vorliegen soll. Eine Beschäftigte kann sich eine Erklärung zu einem Problem geben lassen. Ein Team kann regelmäßig einen Entwurf erhalten, den jemand prüft. Oder ein technischer Ablauf kann nach festgelegten Regeln einen Eintrag in einem System erzeugen. Diese Ergebnisse benötigen unterschiedliche Vorbereitung.

Schon ein guter Entwurf kann einen Engpass verringern. Eine Anbindung ist vor allem dann interessant, wenn Übertragung und Wiederholung selbst viel Arbeit verursachen. Sie erhöht allerdings den Aufwand für Berechtigungen, Fehlerbehandlung und Pflege. Deshalb ist es sinnvoll, den Nutzen der eigentlichen Aufgabe zunächst mit überschaubaren Beispielen zu prüfen.

Im Projektmanagement hilft eine konkrete Ergebnisbeschreibung: „Aus jeder freigegebenen Anfrage entsteht ein korrekt zugeordnetes Ticket mit Quellverweis.“ Das lässt sich abnehmen. „Unsere Prozesse werden intelligenter“ lässt dagegen offen, welche Arbeit sich verändert und wer dafür verantwortlich ist.

Sechs Praxisbeispiele, um KI im Unternehmen zu implementieren

1. Eine technische Störung verständlich eingrenzen

Fiktives Beispiel: Ein Beschäftigter kann eine Anwendung nicht öffnen. Die KI erhält eine künstliche Fehlermeldung, die freigegebene Anleitung und Angaben zur Übungsumgebung. Sie soll die bekannten Fakten zusammenfassen, zwei passende Rückfragen stellen und den nächsten in der Anleitung vorgesehenen Schritt erklären.

Die Musterlösung unterscheidet zwischen einem bekannten Fehlerbild und einer nur vermuteten Ursache. Eine auffällige Meldung kann mehrere Ursachen haben. Die KI darf deshalb nicht behaupten, der Server sei ausgefallen, wenn dafür kein Nachweis vorliegt. Als schwieriger Fall enthält die Übung einen Vorschlag, eine Sicherheitsfunktion zu deaktivieren. Wenn die Arbeitsanweisung das nicht vorsieht, gehört der Fall zur zuständigen IT.

Die Tätigkeit entspricht dem Lösen von Computerproblemen. Der konkrete Nutzen könnte in vollständigeren Supportanfragen liegen: Fehlermeldung, betroffene Anwendung und bereits erlaubte Schritte sind dokumentiert. Ob sich dadurch die Bearbeitung beschleunigt, wird im eigenen Versuch mit denselben Falltypen geprüft.

2. Einen gewachsenen Ablauf so beschreiben, dass er überprüfbar wird

Ein fiktiver Verband bearbeitet Veranstaltungsanfragen per E-Mail und Tabelle. Verschiedene Personen beschreiben den Ablauf unterschiedlich. Die KI bekommt künstliche Interviewnotizen und soll eine Prozessübersicht mit Eingang, Bearbeitung, Entscheidung, Übergabe und Ergebnis vorbereiten. Widersprüche bleiben ausdrücklich sichtbar.

Eine Person meint, jede Anfrage brauche eine Freigabe. Eine andere nennt nur Ausnahmen. Eine brauchbare Übersicht markiert diese Abweichung und formuliert die zu klärende Frage. Sie wählt nicht einfach die bequemere Variante. Erst die verantwortlichen Personen legen fest, welcher Ablauf gelten soll.

Dieser Fall passt zur Entwicklung organisatorischer Prozesse. Er zeigt einen häufig unterschätzten Nutzen: KI kann helfen, Unklarheiten aus vorhandenen Beschreibungen herauszuarbeiten. Die Organisation entscheidet anschließend, welche Regel gilt. Eine automatisierte Umsetzung vor dieser Klärung würde die widersprüchliche Praxis lediglich schneller reproduzieren.

3. Aus einer Anfrage einen strukturierten Ticketentwurf vorbereiten

Ein fiktives Serviceteam erhält unstrukturierte Anfragen. Die Übung verwendet fünf künstliche Nachrichten und eine feste Feldbeschreibung. ChatGPT erstellt pro Nachricht einen Entwurf mit Betreff, Anliegen, betroffener Leistung, fehlenden Angaben und Quellkennung. Die Dringlichkeit wird nur anhand der ausdrücklich vorgegebenen Regeln vorgeschlagen.

Eine Anfrage enthält mehrere Anliegen. Eine andere nennt keinen betroffenen Dienst. Eine dritte kommt doppelt vor. Die Musterlösung zeigt, wann mehrere Tickets sinnvoll sein könnten und wann eine Rückfrage nötig ist. Die Dublette wird sichtbar markiert. Eine definitive Zusammenführung findet erst nach Prüfung statt.

Der IWA-Bezug liegt beim Verarbeiten digitaler Daten und beim Bearbeiten von Verwaltungsaufgaben. Ein erster Versuch endet mit einer Tabelle. Wenn die Entwürfe brauchbar sind, kann später eine Schnittstelle geprüft werden. Dann muss zusätzlich feststehen, wann ein Ticket gespeichert werden darf und woran eine erfolgreiche Speicherung erkennbar ist.

4. Anforderungen in konkrete Abnahmekriterien übersetzen

Ein fiktives Projekt soll eine Anmeldeseite verbessern. Die Ausgangsanforderung lautet: „Die Anmeldung soll einfacher werden.“ ChatGPT bekommt zusätzlich künstliche Rückmeldungen und die geltenden Pflichtangaben. Daraus soll es Vorschläge für überprüfbare Anforderungen und offene Entscheidungen entwickeln. Fachliche Entscheidungen, die noch fehlen, müssen als solche erscheinen.

Ein mögliches Kriterium lautet: Wenn eine Pflichtangabe fehlt, wird das betreffende Feld mit einem verständlichen Hinweis markiert. Ein weiteres betrifft die Bestätigung: Nach erfolgreicher Übermittlung ist erkennbar, welche Anmeldung erfasst wurde. Eine unklare Forderung wie „funktioniert immer“ wird nicht als ausreichendes Abnahmekriterium übernommen.

Für Projektleitung und Fachbereich entsteht eine gemeinsame Grundlage zur Diskussion. Die Tätigkeit orientiert sich an technischen Spezifikationen und der Planung von Arbeit. Das Team prüft, ob die Kriterien fachlich vollständig und technisch testbar sind. Eine KI kann eine fehlende Produktentscheidung benennen, sie aber nicht ohne Auftrag verbindlich treffen.

5. Eine kleine Datenumwandlung für einen Test vorbereiten

Ein fiktives Team muss regelmäßig eine künstliche CSV-Datei in ein einheitliches Format bringen. Die KI darf einen Vorschlag für ein Skript erstellen. Die Aufgabe ist eng beschrieben: Datumsformat vereinheitlichen, Spalten umbenennen und auffällige Zeilen in einer separaten Übersicht ausgeben. Die Originaldatei bleibt als Vergleich erhalten.

Die Übungsdatei enthält ein ungültiges Datum, ein Feld mit führender Null und einen fehlenden Wert. Eine bekannte Musterdatei zeigt das erwartete Ergebnis. Getestet wird in einer geeigneten Testumgebung mit künstlichen Daten. Ein Skript, das ungültige Zeilen kommentarlos entfernt, besteht die Abnahme nicht.

Dieser Fall passt zur Programmierung und zur Verarbeitung digitaler Daten. Er macht den Unterschied zwischen erzeugtem Code und funktionierender Lösung deutlich. Zum späteren Einsatz gehören verständliche Ausführung, Fehlermeldungen und eine zuständige Person. Auch die vorhandenen Tabellen- oder Fachsoftwarefunktionen sollten als mögliche einfachere Lösung mitbetrachtet werden.

6. Einen Entwurfsprozess schrittweise mit Systemen verbinden

Ein fiktives Unternehmen hat die Ticketentwürfe aus Beispiel drei erfolgreich mit künstlichen Fällen geprüft. Jetzt soll eine Testanbindung untersucht werden: Eine freigegebene Eingabe wird eingelesen, ein Entwurf erstellt, eine Person bestätigt ihn und erst danach wird er in einem Testsystem gespeichert. Das ist ein vorgeschlagener Ablauf, kein bereits umgesetzter Connector.

Die Abnahme prüft zusätzliche Fälle. Was passiert, wenn dieselbe Eingabe zweimal verarbeitet wird? Wie wird erkannt, dass Speichern erfolgreich war? Was geschieht, wenn die Rückmeldung nach dem Speichern ausbleibt? Ein erneuter Versuch darf nicht ungeprüft einen zweiten Vorgang anlegen. Der Zielbestand muss überprüfbar sein oder der Fall bleibt zur Klärung stehen.

Hier wird aus einer Sprachaufgabe eine technische Implementierung. Benötigt werden ein eindeutiger Vorgangsbezug, passende Rechte und nachvollziehbare Status. Die KI-Erklärung „erledigt“ ist kein Beleg für einen gespeicherten Eintrag. Erst die bestätigte Wirkung im Zielsystem schließt diesen Schritt ab.

Ein Prompt zur Vorbereitung eines Prozesspiloten

Hilf bei der Beschreibung eines fiktiven Arbeitsablaufs.
Nutze ausschließlich die unten stehenden Notizen.
Erstelle eine Tabelle: Schritt | Eingabe | Ergebnis | zuständige Rolle | offene Frage.
Trenne aktuelle Praxis von vorgeschlagenen Verbesserungen.
Markiere Widersprüche zwischen den Notizen.
Schlage für jeden Schritt ein überprüfbares Abnahmekriterium vor.
Kennzeichne, ob feste Regeln ausreichen oder variable Textinhalte bearbeitet werden.
Erfinde keine Schnittstellen, Berechtigungen oder bereits erfolgten Änderungen.
Notizen: [künstliche Prozessbeschreibung einsetzen]

Die Ausgabe wird anschließend mit den beteiligten Personen durchgegangen. Eine wichtige Frage lautet: Erkennt sich der Fachbereich im beschriebenen Ablauf wieder? Ein formal vollständiges Prozessbild hilft wenig, wenn die tatsächlichen Ausnahmen oder Übergaben fehlen. Erst danach lohnt sich die Auswahl technischer Bausteine.

Ein konkreter Pilotplan für vier Wochen

Die folgende Planung ist eine Empfehlung für einen begrenzten Versuch. In Woche eins werden Aufgabe, Ausgangsmaterial und Erfolgskriterien festgelegt. Das Team dokumentiert den bisherigen Arbeitsweg und erstellt eine kleine Sammlung eindeutiger und schwieriger Testfälle. Eine verantwortliche Person entscheidet, welche Daten und Werkzeuge zulässig sind.

In Woche zwei entstehen Vorlage und Musterergebnisse. Die Beschäftigten bearbeiten dieselben künstlichen Fälle mit und ohne Unterstützung. Zeit, Fehlerarten und Nacharbeit werden erfasst. Erst wenn die Ergebnisse fachlich brauchbar sind, wird entschieden, ob eine Testanbindung einen zusätzlichen Nutzen verspricht.

In Woche drei wird gegebenenfalls ein klar begrenzter technischer Ablauf eingerichtet. Die Tests umfassen fehlende Eingaben, widersprüchliche Angaben, doppelte Verarbeitung und unklare Speicherausgänge. Menschliche Freigaben und technische Rechte müssen zum vereinbarten Umfang passen. Ein Vorgang erhält nur die Befugnisse, die er für dieses Ergebnis benötigt.

In Woche vier werden Gesamtaufwand und akzeptierte Ergebnisse ausgewertet. Die Entscheidung kann lauten, den Einsatz auszubauen, den Ablauf nachzubessern oder beim bisherigen Weg zu bleiben. Zum Abschluss gehören eine kurze Betriebsanweisung, ein dokumentierter Fehlerweg und eine benannte Person für die Pflege. Ohne diese Übergabe bleibt der Pilot von seinem Ersteller abhängig.

Was bei der Wirtschaftlichkeit oft übersehen wird

Ein künstliches Rechenbeispiel: Der bisherige Vorgang benötigt 15 Minuten. Mit KI fallen fünf Minuten Vorbereitung, vier Minuten Prüfung und zwei Minuten Nacharbeit an. Der verfügbare Zeitgewinn beträgt vier Minuten pro Fall. Bei 120 Vorgängen sind das acht Stunden im Monat. Benötigen Pflege und Fehlerklärung drei Stunden, verbleiben fünf Stunden vor Berücksichtigung weiterer Kosten.

Das sind Annahmen für eine Rechnung, keine gemessene Ersparnis. Ob sie realistisch sind, wird im Versuch geprüft. Hinzu kommen einmalige Einrichtung, Werkzeuge und die Frage, ob die freie Zeit am tatsächlichen Engpass entsteht. Ein schnellerer Entwurf hilft nur begrenzt, wenn die abschließende Entscheidung weiterhin mehrere Tage wartet.

Für die Auswahl lohnt außerdem ein Vergleich mit festen Regeln. Wenn alle Eingaben eindeutig strukturiert sind, kann eine gewöhnliche Automatisierung genügen. Bei wechselnden Formulierungen kann KI einen zusätzlichen Nutzen haben. Der vorhandene Beitrag zu geeigneten Prozessen für KI-Automatisierung vertieft diese Entscheidung.

Wie Schulung, Projektmanagement und Umsetzung zusammenpassen

Eine Schulung befähigt Beschäftigte, eine Aufgabe mit KI vorzubereiten und zu prüfen. Ein Implementierungsprojekt verbindet diese Arbeit mit einem konkreten Betriebsablauf. Beide sollten dieselben Beispiele und Qualitätskriterien verwenden. So entsteht kein Bruch zwischen einer gelungenen Demonstration und den Anforderungen des späteren Einsatzes.

Für einen Einstieg können ein Fachbereich, eine IT-Ansprechperson und eine verantwortliche Entscheidungsperson genügen. Die Rollen müssen nicht zu einem großen Projektapparat werden. Sie müssen beantworten können, was fachlich richtig ist, was technisch erlaubt ist und wann der Versuch als erfolgreich gilt. Bei größeren oder sensibleren Einsätzen kommen die jeweils zuständigen Funktionen hinzu.

Die KI-Beratung im Projektmanagement kann diese Aufgaben strukturieren. Bei der KI-Automatisierung für Unternehmen steht der konkrete Ablauf im Mittelpunkt. Wer zuerst im Team Erfahrungen mit den Aufgaben sammeln möchte, findet die passenden Übungen im Beitrag zu KI-Schulungen und Wissenstransfer.

Mein Vorschlag ist, die Signals-Daten als Ausgangspunkt für solche überschaubaren Vorhaben zu nutzen. Eine beobachtete Tätigkeit liefert die Idee. Eine gute Übung macht die Anforderungen sichtbar. Der Pilot zeigt anschließend, ob daraus ein verlässlich betreibbarer Arbeitsablauf werden kann.

Häufige Fragen zur KI-Implementierung

Müssen wir für den ersten Versuch bereits alle Systeme anbinden?

Nein. Ein begrenzter Versuch kann mit künstlichen Eingaben und separat ausgegebenen Entwürfen beginnen. Eine Anbindung wird interessant, wenn der fachliche Nutzen belegt ist und die Übertragung selbst genügend Aufwand verursacht.

Welche Aufgaben eignen sich für einen kleinen Pilot?

Wiederkehrende Aufgaben mit klaren Eingaben, überprüfbarem Ergebnis und überschaubaren Fehlerfolgen. Gute Kandidaten sind beispielsweise ein Ticketentwurf, eine strukturierte Übergabe oder eine kleine Datenumwandlung in einer Testumgebung.

Beweist ein erfolgreicher Test schon, dass der Betrieb funktioniert?

Er belegt zunächst das Ergebnis unter den getesteten Bedingungen. Für den Betrieb sind zusätzlich Zuständigkeit, Überwachung, Fehlerbehandlung und Pflege nötig. Ändern sich Eingaben oder Anwendungen, müssen die betroffenen Schritte erneut bewertet werden.