Enterprise-KI & Strategie · Prozessanalyse
Die Zukunft der Unternehmens-KI entsteht direkt in Ihren Prozessen
Ein Sprachmodell beantwortet Fragen. Ein Prozess verlangt mehr: Ausnahmen, interne Regeln, Daten aus mehreren Systemen und jemanden, der am Ende freigibt. KI bringt dort den größten Nutzen, wo sie für genau diesen Ablauf gebaut ist. Der Weg dahin beginnt mit der Analyse des Prozesses.
Julia Rose
Das Wichtigste in Kürze
- Laut IW-Befragung 2025 nutzen 37 % der Unternehmen in Deutschland KI, meist über kostenfreie Tools. Nur 3,6 % entwickeln KI selbst.
- Die Studie hält fest: Für das volle Potenzial von KI sind maßgeschneiderte und eigene Lösungen nötig.
- Laut McKinsey haben KI-Vorreiter fast dreimal so häufig einzelne Arbeitsabläufe grundlegend neu gestaltet.
- Eine Prozessanalyse klärt Entscheidungen, Daten, Ausnahmen und Systeme, bevor ein Modell ausgewählt wird.
Warum KI ohne Kontext an Grenzen stößt
Allgemeine KI-Werkzeuge schreiben, fassen zusammen und beantworten Fragen erstaunlich gut. Im Unternehmensalltag hängt ein Ergebnis aber an Dingen, die kein allgemeines Modell kennt: an Ausnahmen und Sonderfällen, an internen Begriffen, an Regeln, die nirgends aufgeschrieben sind, und an Daten, die in ERP, CRM oder Dokumentenablage liegen.
Die meisten Unternehmen stehen bei KI noch am Anfang. Das Institut der deutschen Wirtschaft hat 2025 über 1.000 Unternehmen befragt:
| Befund der IW-Befragung | Anteil |
|---|---|
| Unternehmen, die KI nutzen | 37,0 % |
| nutzen kostenfreie KI-Tools | 29,3 % |
| erwerben KI-Anwendungen von anderen Unternehmen | 13,0 % |
| entwickeln KI selbst | 3,6 % |
Quelle: IW-Report, Wettbewerbsfaktor Künstliche Intelligenz, Juli 2025
Kostenfreie Tools sind ein guter Einstieg, um erste Erfahrungen zu sammeln. Die Autoren der Studie ziehen trotzdem eine klare Linie: Maßgeschneiderte und eigene KI-Lösungen sind notwendig, um das volle Potenzial von KI auszuschöpfen.
Was KI-Vorreiter anders machen
McKinsey kommt im State of AI 2025 zu einem ähnlichen Bild. Die Unternehmen, die mit KI messbar Ergebnisse erzielen, setzen KI selten auf bestehende Abläufe obendrauf. Sie haben fast dreimal so häufig einzelne Arbeitsabläufe grundlegend neu gestaltet wie die übrigen Unternehmen.
Quelle: McKinsey, The State of AI in 2025
Das deckt sich mit unserer Erfahrung. Ein starkes Demo-Modell ist schnell gebaut. Ein System, das im Betrieb jeden Tag verlässlich entlastet, entsteht erst, wenn klar ist, wie Dokumente aufgebaut sind, wie Ausnahmen behandelt werden und welche Regeln gelten.
Was eine Prozessanalyse klärt
Die erfolgreichsten KI-Projekte beginnen mit dem Prozess. Diese Fragen gehören an den Anfang:
- Entscheidungen: Welche Entscheidungen fallen im Ablauf, und welche davon kann ein System vorbereiten oder übernehmen?
- Daten: Welche Informationen stehen zur Verfügung, in welchem Format und in welchen Systemen?
- Varianten und Ausnahmen: Welche Fälle sind typisch, welche selten, und was passiert, wenn etwas fehlt?
- Systeme: Wohin muss das Ergebnis zurückfließen, etwa in ERP, CRM oder Ticketsystem?
- Kontrolle: Wo prüft ein Mensch, und woran erkennt das System, dass es unsicher ist?
- Nutzen: Wie viel Zeit und Aufwand kostet der Prozess heute, und woran wird Erfolg gemessen?
Aus den Antworten ergibt sich, ob sich KI lohnt, welcher Anwendungsfall zuerst kommt und welche Architektur passt. Manchmal ist das Ergebnis auch, dass eine einfache Automatisierung reicht.
Vom Prozess zum KI-System
Produktive Unternehmens-KI besteht selten aus einem einzelnen Modell. Sie verbindet mehrere Bausteine, die jeweils eine Aufgabe im Prozess übernehmen:
| Baustein | Aufgabe im Prozess |
|---|---|
| Modelle | lesen, klassifizieren, extrahieren und formulieren |
| Wissensmodule | liefern Antworten aus eigenen Dokumenten mit Quelle, etwa über RAG |
| Agenten | planen Schritte und rufen Werkzeuge auf |
| Integration | holen Daten aus bestehenden Systemen und schreiben Ergebnisse zurück |
| Kontrolle | prüfen Ergebnisse, leiten unsichere Fälle an Menschen weiter und protokollieren |
Wie mehrere Agenten zusammenarbeiten und in bestehende Systeme eingebunden werden, beschreibt unser Beitrag zu Multi-Agent-Systemen.
Aus der Praxis
Aus der Praxis: Fr. Meyer’s Sohn
Das Logistikunternehmen verarbeitet täglich Tausende E-Mails mit Sendungs-, Routing- und Planungsdaten, auf Deutsch und Englisch und ohne festes Format. Regelbasierte Extraktion scheiterte an der Vielfalt. Eine GPT-gestützte Pipeline auf den eigenen Servern des Kunden senkt den manuellen Extraktionsaufwand um 80 %.
Aus der Praxis: Radaway
Der Hersteller von Badausstattung hatte bereits ein erstes LLM-System für Bestellungen aus Kunden-E-Mails. In drei Wochen haben wir es zu einer Lösung für den Produktivbetrieb weiterentwickelt: 90 % weniger manuelle Eingriffe und über 95 % Genauigkeit bei der Produktzuordnung.
In beiden Projekten lag der Schlüssel in der Prozesslogik: wie die E-Mails tatsächlich aussehen, welche Angaben fehlen können und wie das Ergebnis in die bestehenden Systeme kommt.
Was produktionsreife KI-Systeme gemeinsam haben
- Sie sind eng an die Realität gebunden: Sie arbeiten mit den echten Daten, Ausnahmen und Regeln des Unternehmens.
- Sie sind nachvollziehbar: Ergebnisse lassen sich prüfen, unsichere Fälle landen bei Menschen.
- Sie können wachsen: Weitere Schritte und Anwendungsfälle bauen auf derselben Architektur auf.
Unser Beitrag Wie Unternehmen KI erfolgreich einsetzen zeigt, wie aus der Analyse ein strukturierter Einführungsprozess wird.
Quellen
- McKinsey & Company: The State of AI in 2025: Agents, innovation, and transformation
- Engels B, Scheufen M, Schmitz E: Wettbewerbsfaktor Künstliche Intelligenz. Empirische Befunde und Handlungsempfehlungen zum Einsatz von KI in deutschen Unternehmen. IW-Report, Köln, 04.07.2025. PDF
Welcher Prozess kostet Sie am meisten?
In der Prozessanalyse nehmen wir Ihre Abläufe auf, bewerten die Anwendungsfälle nach Nutzen und schlagen eine Architektur vor, die zu Ihren Systemen passt.
Prozessanalyse anfragenHäufige Fragen
Weil Prozesse von Ausnahmen, internen Regeln und Daten aus mehreren Systemen abhängen. Ein allgemeines Modell kennt diesen Kontext nicht und kann Ergebnisse nicht in bestehende Systeme zurückschreiben.
Welche Entscheidungen im Ablauf fallen, welche Daten vorliegen, welche Varianten und Ausnahmen es gibt, wohin Ergebnisse fließen, wo Menschen prüfen und woran Erfolg gemessen wird.
Laut einer Befragung des Instituts der deutschen Wirtschaft von 2025 nutzen 37,0 % der Unternehmen KI, aber nur 3,6 % entwickeln sie selbst. Die meisten setzen auf kostenfreie Tools.
Bei theBlue.ai gibt es die Analyse zum Festpreis ab 3.000 €. Eine Umsetzung liegt typischerweise zwischen 25.000 und 100.000 €, die genaue Schätzung folgt am Ende der Analyse.
Julia ist seit 2019 Teil von theBlue.ai und begleitet die Entwicklung von KI-Anwendungen im Unternehmensumfeld seit den frühen Tagen des Unternehmens. In ihrer Rolle als Marketing Lead arbeitet sie eng mit den Engineering- und Consulting-Teams zusammen und macht komplexe technische Themen für Entscheider verständlich und zugänglich.
In ihren Artikeln schreibt sie über praktische Erfahrungen aus Enterprise-KI-Projekten sowie über die Herausforderungen und Chancen beim Einsatz von KI in Unternehmen.