KI im Unternehmen einführen: Diese Fragen sollten vor dem Einsatz geklärt werden

Wer KI im Unternehmen einführen möchte, steht selten vor einem Mangel an Angeboten. Viele gängige Programme bringen KI-Funktionen mit, und die Erwartungen sind hoch: schnellere Abläufe, weniger Routinearbeit, bessere Auswertungen. Was oft fehlt, ist eine strukturierte Prüfung, ob ein konkreter Anwendungsfall dafür überhaupt geeignet ist.

Dieser Beitrag richtet sich an Geschäftsführungen, Fachbereichsleitungen und IT-Verantwortliche, die einen KI-Einsatz planen oder beurteilen sollen. Er bündelt die Fragen, die vor der Einführung geklärt sein sollten, in einem Katalog. Am Ende finden Sie eine kompakte Checkliste zum Abhaken.

Der Gedanke dahinter: Manche Aufgaben passen schlicht nicht zu KI, und bei anderen sollte sie nur zuarbeiten, nicht allein entscheiden. Eine kurze Aufgabenanalyse vorab trennt eine sinnvolle Verbesserung von einem teuren Experiment. Stand der rechtlichen Angaben in diesem Beitrag: 29. Oktober 2026.

Zielsetzung und Nutzen: Was soll KI leisten?

Welches Problem soll KI lösen?

Die erste Frage klingt banal und wird trotzdem oft übersprungen. „Wir wollen etwas mit KI machen“ ist kein Ziel. Ein Ziel beschreibt ein konkretes Problem: Anfragen bleiben zu lange liegen, Angebote dauern zu lange, Belege werden manuell abgetippt.

Hilfreiche Fragen:

• Welcher Ablauf soll sich verändern, und wer ist heute daran beteiligt?
• Was genau ist am heutigen Zustand unbefriedigend?
• Woran würden Sie in sechs Monaten erkennen, dass der Einsatz erfolgreich war?

Je klarer die Antwort, desto leichter fallen alle weiteren Schritte, von der Auswahl des Werkzeugs bis zur Risikobewertung.

Woran wird der Erfolg gemessen?

Nutzen sollte messbar sein, bevor das System eingeführt wird. Sonst lässt sich später nicht beurteilen, ob sich der Aufwand gelohnt hat. Geeignete Messgrößen sind etwa Bearbeitungszeit je Vorgang, Anteil der Vorgänge ohne Nacharbeit, Fehlerquote, Reaktionszeit gegenüber Kunden oder Zufriedenheit der Beschäftigten mit dem Ablauf.

Wichtig ist eine Ausgangsmessung: Wie lange dauert der Vorgang heute, wie viele Fehler treten heute auf? Ohne diesen Vergleichswert bleibt jede spätere Erfolgsmeldung eine Schätzung.

Kritikalität und Fehlerfolgen: Was passiert, wenn die KI irrt?

KI-Systeme machen Fehler, auch gute. Entscheidend ist, welche Folgen diese Fehler haben. Die Kritikalität einer Aufgabe bestimmt, wie viel Kontrolle nötig ist.

• Wer ist betroffen? Nur interne Beschäftigte, Kunden, Bewerbende, Geschäftspartner?
• Wie schwer wiegt ein Fehler? Ein schlecht formulierter interner Entwurf ist ärgerlich. Eine falsche Auskunft zu Vertragsbedingungen, ein unberechtigter Rabatt oder eine fehlerhafte Absage kann rechtliche und finanzielle Folgen haben.
• Wie schnell wird ein Fehler bemerkt? Fehler, die sofort auffallen, sind weniger gefährlich als solche, die sich über Wochen unbemerkt summieren.
• Ist der Fehler umkehrbar? Ein Vorschlag lässt sich verwerfen, eine versendete E-Mail oder eine gelöschte Datei nicht.

Je höher Kritikalität und Fehlerfolgen, desto wichtiger werden menschliche Prüfung, technische Grenzen und eine sorgfältige KI-Risikobewertung.

Daten: Was bekommt das System zu sehen?

Daten sind bei KI zugleich Rohstoff und Risiko. Vor der Einführung sollte klar sein:

• Welche Daten werden verarbeitet? Eingaben, angebundene Dokumente, Ergebnisse, Protokolle.
• Sind personenbezogene Daten beteiligt? Dann gelten die Anforderungen der DSGVO, etwa Rechtsgrundlage, Information der Betroffenen, Auftragsverarbeitung und gegebenenfalls eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO.
• Sind vertrauliche Daten beteiligt? Geschäftsgeheimnisse, Vertragsdaten, Kundenlisten oder interne Kalkulationen sollten nur in Systeme gelangen, deren Verarbeitung Sie kennen und vertraglich geregelt haben.
• Wo werden die Daten verarbeitet? In der EU oder in einem Drittland, beim Anbieter oder bei weiteren Unterauftragnehmern?
• Werden Eingaben zum Training verwendet? Viele Dienste bieten dazu unterschiedliche Einstellungen je nach Vertragsart.
• Ist die Datenqualität ausreichend? Ein System, das auf veraltete oder lückenhafte Unterlagen zugreift, liefert entsprechende Ergebnisse.

Alternativen: Braucht es dafür wirklich KI?

Diese Frage wird selten gestellt, ist aber eine der wertvollsten. Viele Aufgaben lassen sich mit klassischer Automatisierung zuverlässiger lösen: feste Regeln, Formulare mit Pflichtfeldern, Vorlagen, Workflows im vorhandenen System. Diese Lösungen arbeiten vorhersehbar, sind leichter zu testen und brauchen weniger Aufsicht.

KI spielt ihre Stärken dort aus, wo Eingaben unstrukturiert und vielfältig sind, etwa bei frei formulierten Anfragen, Texten in wechselnden Formaten oder Zusammenfassungen. Wo Eingaben klar strukturiert sind und Regeln eindeutig, ist klassische Automatisierung oft die robustere Wahl. Manchmal ist auch die beste Entscheidung, einen Ablauf zuerst zu vereinfachen, bevor er automatisiert wird. Für die Frage nach dem passenden Kanal im Kundenkontakt bietet der Beitrag Chatbot oder Telefonbot ein Entscheidungsraster.

Zuständigkeiten und Wirtschaftlichkeit

Wer ist verantwortlich?

Für jeden KI-Einsatz sollte vor dem Start feststehen, wer fachlich verantwortlich ist, wer das System technisch betreut, wer Ergebnisse prüft und wer das System bei Problemen anhalten darf. Ebenso wichtig: Wer entscheidet über Änderungen, etwa wenn der Anbieter ein neues Modell einführt? Ohne diese Klarheit bleiben Probleme liegen, weil sich niemand zuständig fühlt.

Rechnet sich der Einsatz?

Zur Wirtschaftlichkeit gehören nicht nur Lizenzkosten. Hinzu kommen Einführung, Anpassung, Schulung, laufende Prüfung der Ergebnisse, Pflege der angebundenen Daten, Dokumentation und gegebenenfalls nutzungsabhängige Kosten, die mit dem Volumen steigen. Diesen Kosten steht der messbare Nutzen gegenüber, den Sie oben definiert haben. Eine kleine Pilotphase mit klaren Messgrößen liefert hier belastbarere Zahlen als jede Herstellerangabe.

Regulatorische Einordnung und Freigabe

Welche Regeln gelten?

Der AI Act (Verordnung (EU) 2024/1689) knüpft Pflichten an Rolle und Einsatzbereich. Vor der Einführung sollten Sie zumindest prüfen:

• Verbotene Praktiken nach Art. 5 AI Act, die seit dem 2. Februar 2025 gelten. Für typische Büroanwendungen ist das selten relevant, sollte aber ausgeschlossen werden.
• Hochrisiko-Einstufung nach Art. 6 mit Anhang III, etwa bei KI in Personalauswahl oder Kreditwürdigkeitsprüfung. Die Betreiberpflichten gelten hier ab dem 2. Dezember 2027.
• Transparenzpflichten nach Art. 50 AI Act, die seit dem 2. August 2026 gelten. Systeme, die direkt mit Menschen interagieren, muss der Anbieter so gestalten, dass Nutzer die KI erkennen. Betreiber müssen unter anderem Deepfakes offenlegen. Wer einen Chatbot selbst entwickelt oder unter eigenem Namen anbietet, kann dabei selbst Anbieter sein.
• KI-Kompetenz nach Art. 4 AI Act: Seit dem 2. Februar 2025 müssen Anbieter und Betreiber Maßnahmen für die KI-Kompetenz ihres Personals und weiterer Personen ergreifen, die in ihrem Auftrag mit dem System arbeiten.
• Automatisierte Einzelentscheidungen nach Art. 22 DSGVO: Betroffene haben das Recht, keiner ausschließlich automatisierten Entscheidung unterworfen zu werden, die ihnen gegenüber rechtliche Wirkung entfaltet oder sie in ähnlicher Weise erheblich beeinträchtigt. Prüfen Sie das, sobald ein System solche Entscheidungen trifft oder faktisch vorgibt.

Welche dieser Regeln für einen geplanten Einsatz greifen, lässt sich nur im Einzelfall beantworten. Bei Unsicherheit lohnt eine rechtliche Prüfung vor dem Start.

Wer gibt frei?

Am Ende der Prüfung steht eine bewusste Entscheidung. Bewährt hat sich ein einfacher Freigabeprozess: Die Antworten auf die Fragen dieses Katalogs werden kurz dokumentiert, eine benannte Stelle bewertet sie und gibt den Einsatz frei, mit Auflagen frei oder lehnt ihn ab. Die Freigabe wird im KI-Register festgehalten, zusammen mit einem Termin für die erste Überprüfung. Welche Grundsätze dabei gelten, sollte eine KI-Richtlinie regeln.

Was Sie jetzt tun können

1. Einen Anwendungsfall auswählen: Starten Sie mit einem überschaubaren Ablauf mit geringen Fehlerfolgen.
2. Fragenkatalog durchgehen: Beantworten Sie die Fragen unten schriftlich, gemeinsam mit Fachbereich, IT und Datenschutz.
3. Ausgangswerte messen: Halten Sie fest, wie der Ablauf heute funktioniert.
4. Pilot mit Grenzen: Testen Sie mit wenigen Nutzern, klaren Messgrößen und menschlicher Prüfung der Ergebnisse.
5. Entscheiden und dokumentieren: Fortsetzen, anpassen oder beenden, auf Basis der Messwerte.

Wenn Sie einen geplanten Einsatz strukturiert prüfen möchten, unterstützt KI Security Audit bei der Bewertung von KI-Anwendungsfällen und dem Aufbau einer KI-Governance.

Checkliste: KI im Unternehmen einführen

• [ ] Das Ziel ist als konkretes Problem beschrieben.
• [ ] Messgrößen für den Nutzen und Ausgangswerte liegen vor.
• [ ] Die Kritikalität der Aufgabe und die Folgen von Fehlern sind bewertet.
• [ ] Es ist geklärt, welche Daten verarbeitet werden, ob personenbezogene oder vertrauliche Daten betroffen sind und wo sie verarbeitet werden.
• [ ] Die Nutzung von Eingaben zum Training ist geklärt und vertraglich geregelt.
• [ ] Wesentliche Risiken und Maßnahmen sind dokumentiert.
• [ ] Alternativen ohne KI wurden geprüft.
• [ ] Fachliche und technische Verantwortliche sowie Prüf- und Eingriffsrechte sind benannt.
• [ ] Gesamtkosten und erwarteter Nutzen sind gegenübergestellt.
• [ ] Die regulatorische Einordnung nach AI Act und DSGVO ist vorgenommen.
• [ ] Die Beschäftigten, die das System nutzen, sind geschult.
• [ ] Die Freigabe ist dokumentiert, mit Termin für die erste Überprüfung.

Fazit

Die technische Einrichtung eines KI-Werkzeugs ist oft schnell erledigt. Ob sich der Einsatz lohnt und beherrschbar bleibt, zeigt erst eine kurze, ehrliche Prüfung vorab: Welches Problem lösen wir, wie messen wir den Erfolg, was passiert bei Fehlern, welche Daten sind betroffen, gibt es einfachere Wege, und wer trägt die Verantwortung? Wer diese Fragen beantwortet, entscheidet auf belastbarer Grundlage und vermeidet Fehlinvestitionen ebenso wie unnötige Risiken.

Quellen

• Verordnung (EU) 2024/1689 (KI-Verordnung), Amtsblatt der Europäischen Union
• AI Act – Regulatory framework for AI, Europäische Kommission
• AI Act, Anhang III: Hochrisiko-KI-Systeme gemäß Artikel 6 Absatz 2, AI Act Service Desk, Europäische Kommission
• AI Act, Artikel 50: Transparenzpflichten, AI Act Service Desk, Europäische Kommission
• AI Act, Artikel 4: KI-Kompetenz, AI Act Service Desk, Europäische Kommission
• Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), Amtsblatt der Europäischen Union