Eine KI-Einführung gelingt dann, wenn mit einem Problem gestartet wird und nicht mit dem Werkzeug. KI ist kein Ziel an sich, sondern das Mittel, um Ziele schneller und besser zu erreichen. Die Reihenfolge ist daher: Strategie klären, (rechtliche) Leitplanken setzen, klein anfangen, alle Mitarbeitenden schulen und dauerhaft den Erfolg messen. Die Checkliste zeigt in fünf Phasen, woran du dabei denken musst.
Ich bin HR-Beraterin für Prozesse und Strukturen und habe mich in das Thema KI eingearbeitet. Daraus ist diese Checkliste entstanden, nach der ich selbst vorgehen würde. Sie ist für alle in HR gedacht, die sich fragen: Wie fangen wir damit eigentlich an?
Was gehört zu einer KI-Einführung?
Bei einer KI-Einführung geht es um mehr als Technik: Prozesse, Rollen, Kultur und Technologie müssen so zusammenpassen, dass ein echter Nutzen entsteht. Im Vordergrund steht nicht eine bestimmte Technik, sondern die Frage, wie sich ein konkretes Problem sinnvoll lösen lässt.
Wie läuft eine KI-Einführung ab? Die Checkliste in fünf Phasen
Überblick: 1. Klären, wofür. 2. Grundlagen schaffen. 3. Ausprobieren. 4. Menschen mitnehmen. 5. Auf Kurs bleiben.
Phase 1: Wofür brauchen wir KI überhaupt?
1. Strategie zuerst. Am Anfang stehen drei Fragen: Welches Problem wollen wir lösen? Was ist das Ziel? Welchen Mehrwert wollen wir schaffen? Beantwortet werden sie am besten gemeinsam mit den betroffenen Mitarbeitenden, denn sie kennen die Probleme aus dem Alltag, und ihre Ideen und Erfahrungen fließen ein. Daraus entsteht ein Anwendungsfall (Use Case), der zur Unternehmensstrategie passt. So wird von Anfang an Akzeptanz für den Einsatz von KI geschaffen.
2. Ursachen und Prozesse prüfen. Entsteht das Problem, weil Informationen fehlen, Zuständigkeiten unklar sind oder Abläufe unnötig kompliziert sind? Ist ein Prozess unklar oder widersprüchlich, macht KI ihn nicht automatisch besser. Sie kann bestehende Schwächen sogar verstärken. Erst wenn das klar ist, lässt sich beurteilen, ob KI helfen kann oder eine organisatorische Lösung sinnvoller wäre.
Phase 2: Welche Grundlagen müssen stehen?
3.Datenlage prüfen. Fehlen Daten oder sind sie schlecht, muss ein Datenvorprojekt vorgeschaltet werden. Das heißt: Datenquellen finden, analysieren und aufbereiten oder neu sammeln und gegebenenfalls bereinigen. Ziel: alle benötigten Daten an einem Ort in der benötigten Qualität. Das Prinzip „schlechter Input ergibt schlechten Output“ gilt auch bei KI.
4. Datenschutz und AI Act klären. Datenschutzbeauftragte und IT-Sicherheitsverantwortliche sollten von Anfang an einbezogen werden. Zu klären ist zum Beispiel: Wo werden die Daten verarbeitet, und wofür nutzt der Anbieter sie? Beim AI Act geht es unter anderem um die Risikoklasse der Anwendung. Wird das zu spät geklärt, kann ein Projekt im schlechtesten Fall gestoppt werden.
5. Betriebsrat einbinden. Gibt es einen Betriebsrat, sollte er früh einbezogen werden. Je nach Anwendung kann er mitbestimmen, zum Beispiel wenn eine KI Verhalten oder Leistung von Beschäftigten erfassen könnte.
6. Leitplanken festlegen. Datenschutz, Ethik und (rechtlicher) Rahmen sollten zentral definiert werden; da reicht ein Onepager. Wenn klare Regeln fehlen, besteht zum Beispiel die Gefahr, dass private Tools mit Firmendaten genutzt werden.
Phase 3: Wie probieren wir es aus?
7. Passende Technologie finden. Es gibt grundsätzlich drei Varianten: 1) intern entwickeln (Build), 2) kaufen (Buy) oder 3) extern entwickeln lassen (Partner). Die Entscheidung fällt je nach internen Ressourcen und Anforderungen, mit allen Vor- und Nachteilen. Bei komplexen Themen sollten externe Expertinnen und Experten mit einbezogen werden, das sichert die Qualität.
8. Kosten und Nutzen prüfen. Was kostet die Lösung, und was bringt sie? Zu den Kosten gehören nicht nur Lizenzen oder Entwicklung, sondern auch Einführung, Schulungen, der laufende Betrieb und die Arbeitszeit der Beteiligten. Dem steht der Nutzen gegenüber, zum Beispiel eingesparte Zeit oder bessere Qualität. Eine grobe Rechnung vor dem Pilot reicht, die genaue Bewertung folgt mit den Zahlen aus dem Pilot.
9. Proof of Concept. Ein Machbarkeits-Check zeigt, ob die KI mit den vorhandenen Daten das leisten kann, was wir uns vorstellen. Noch ohne Nutzer und noch nicht im Alltag.
10. Pilotprojekt im minimalen Ansatz. Erst einmal im kleinen Rahmen ausprobieren, ob sich das ursprüngliche Problem tatsächlich besser lösen lässt. Die Skalierbarkeit im Unternehmen aber von Anfang an mitdenken.
Phase 4: Wie nehmen wir die Menschen mit?
Diese Phase läuft parallel zu allen anderen.
11. Ownership. Die Leitplanken kommen von der Organisation, aber die Verantwortung für die Umsetzung liegt dezentral in den Teams. Daher unbedingt Ownership stärken und Vorbilder schaffen, denn Menschen folgen Menschen.
12. Upskilling. Dieser Punkt ist besonders wichtig: alle Mitarbeitenden in KI-Grundlagen schulen und nicht nur einzelne Expertinnen und Experten. KI gehört zu den sogenannten „Future Skills“ und betrifft alle. Bleibt das Wissen bei einzelnen Expertinnen und Experten hängen und die gehen, steht die Organisation wieder am Anfang.
13. Transparent kommunizieren. Eine frühzeitige, regelmäßige und transparente Kommunikation räumt Unsicherheiten und Ängste aus. Stichworte: Orientierung und psychologische Sicherheit. Wer nicht offen kommuniziert, bekommt keine Unterstützer, sondern Bremser.
14. Fehlerkultur schaffen: Lernen vor Perfektion. Fehler gehören zum Fortschritt, Ziel ist die laufende Verbesserung, auch wenn es mal nicht gut gelaufen ist.
Phase 5: Wie bleiben wir auf Kurs?
15. Roadmap festlegen. Wo stehen wir und wo wollen wir hin? Welche Lücken haben wir? Die Roadmap ist ein Instrument, das lebt und nicht starr ist, denn eine KI-Einführung ist nie abgeschlossen. Sie läuft kontinuierlich, ist messbar und wird Schritt für Schritt angepasst.
16. KPIs definieren. Performance, Nutzung, Qualität und Compliance regelmäßig anhand von Kennzahlen prüfen. Die KPIs müssen zum ursprünglichen Ziel passen, denn nur so werden Fortschritte messbar. Dafür vorher den Ausgangswert erfassen, sonst lässt sich später keine Veränderung belegen.
17. KI-Funktionalität ständig prüfen. Regelmäßig gemeinsam zurückblicken und Rückmeldungen der Nutzenden einholen: Haben wir uns weiterentwickelt? Ist die KI noch auf Kurs? Auch hier: Fortschritte transparent berichten, das motiviert. Und grundsätzlich: in kleinen Schritten vorgehen und laufend nachsteuern.
Mein Fazit
Nicht jede Herausforderung braucht KI. Manchmal reichen klarere Zuständigkeiten, bessere Informationen oder einfachere Prozesse.
Das ist meine Checkliste, nach meinem aktuellen Lernstand. Mein Feld sind HR-Prozesse und Strukturen. Technik, Tool-Auswahl und die rechtliche Bewertung überlasse ich bewusst Spezialisten.
- Bevor ein KI-Tool ins Spiel kommt, müssen Prozesse und Zuständigkeiten stimmen. Dabei unterstütze ich gerne.
