KI einführen: vom Anwendungsfall in den Betrieb

Mit einem Arbeitsablauf beginnen

Ein geeigneter Einstieg ist eine wiederkehrende Aufgabe mit einem klaren Ergebnis: Informationen in freigegebenen Dokumenten finden, einen Antwortentwurf vorbereiten oder Eingänge vorsortieren. Beschreiben Sie zuerst den heutigen Ablauf, die beteiligten Menschen und den Aufwand. Dann wird sichtbar, wo KI helfen könnte und wo eine einfache Automatisierung genügt.

Priorisieren Sie nach erwartetem Nutzen, technischer Machbarkeit und Fehlerrisiko. Häufigkeit allein reicht nicht: Eine seltene, aber folgenreiche Fehlentscheidung kann einen vermeintlichen Zeitgewinn aufheben. Ein klar begrenzter Anwendungsfall mit verfügbarem Fachwissen lässt sich besser bewerten als ein Assistent, der sofort jede Unternehmensfrage beantworten soll [1].

Daten und Zugriffsrechte klären

Legen Sie fest, welche Daten verarbeitet werden dürfen, welchem Zweck das dient und wer das Ergebnis sehen darf. Dazu gehören personenbezogene Daten, Geschäftsgeheimnisse und Aufbewahrungsfristen. Datenschutzverantwortliche und gegebenenfalls die Beschäftigtenvertretung sollten früh eingebunden werden [2].

Bei einer Dokumentensuche müssen die Rechte der jeweiligen Person auch beim Abruf für die KI gelten. Ein gemeinsamer Suchindex darf keine Abkürzung an bestehenden Berechtigungen vorbei schaffen. Prüfen Sie die gesamte Verarbeitungskette einschließlich Dokumentaufbereitung, Modellaufruf, Protokollierung und externer Dienste.

Werkzeug, Modell und Betriebsform auswählen

Vergleichen Sie bestehende Unternehmenssoftware, Modell-APIs und eine eigene Integration anhand derselben Aufgaben. Wichtiger als ein einzelner Benchmark sind Ergebnisqualität, Anschlüsse an vorhandene Systeme, Rechteverwaltung, Kosten und ein möglicher Anbieterwechsel.

Gehostet, europäischer Anbieter und lokaler Betrieb sind unterschiedliche Optionen. Der Unternehmenssitz garantiert keinen Verarbeitungsort; auch regionale Cloud-Angebote hängen von konkreten Einstellungen ab [3]. Unser Vergleich zu internen KI-Assistenten vertieft diese Entscheidung. Agenten mit Werkzeugzugriff werden erst dann relevant, wenn der Ablauf selbstständige Aktionen benötigt.

Den Pilot anhand vorher festgelegter Kriterien bewerten

Erfassen Sie vor dem Start eine Vergleichsbasis: Bearbeitungszeit, Fehlerquote und Nacharbeit im heutigen Prozess. Testen Sie anschließend mit freigegebenen, repräsentativen Aufgaben, einschließlich schwieriger Fälle und fehlender Informationen. Messen Sie die gesamte Bearbeitungszeit einschließlich Kontrolle und Korrektur, nicht nur die Geschwindigkeit der KI-Ausgabe.

Definieren Sie Mindestqualität, Kostenrahmen und Abbruchkriterien. Für kritische Ergebnisse bleibt eine menschliche Freigabe vorgesehen. Bei Werkzeugzugriff kommen eng begrenzte Berechtigungen und technische Prüfungen hinzu; ein guter Systemprompt ersetzt sie nicht [4]. MCP absichern erläutert die Schnittstellenseite.

Mitarbeitende an der Einführung beteiligen

Workshops sollten an echten Aufgaben ansetzen: geeignete Eingaben formulieren, Ergebnisse prüfen, Grenzen erkennen und Fehler melden. Halten Sie fest, welche Werkzeuge für welche Daten freigegeben sind und wo Unterstützung erreichbar ist. Rückmeldungen aus dem Pilot zeigen, welche Anleitungen, Prozessänderungen oder zusätzlichen Schulungen vor dem breiteren Einsatz fehlen.

Verantwortung und Betrieb dauerhaft organisieren

Benennen Sie Verantwortliche für den fachlichen Nutzen, die Daten und den technischen Betrieb. Dokumentieren Sie freigegebene Anwendungsfälle, Berechtigungen und Modellversionen. Prüfen Sie Änderungen an Modellen, Datenquellen und Anbindungen erneut mit dem Testbestand des Piloten [1].

Zum laufenden Betrieb gehören Qualitätskontrollen, Kostenüberwachung, ein Meldeweg für Vorfälle und ein funktionierender Ersatzprozess. Protokolle sollen Fehler nachvollziehbar machen, ohne unnötig sensible Eingaben zu speichern. Legen Sie auch fest, wann ein Anwendungsfall angepasst, pausiert oder abgeschaltet wird.

Quellen

1. AI Risk Management Framework 1.0 NIST, 2023
2. Orientierungshilfe Künstliche Intelligenz und Datenschutz Datenschutzkonferenz, 2024
3. Data, privacy, and security for Foundry Models sold by Azure Microsoft Learn
4. LLM06:2025 Excessive Agency OWASP GenAI Security Project