Die Fragen, die vor einem KI-Projekt wirklich zählen.The questions that actually matter before a project.
Dieser Bereich soll Klarheit schaffen — über das, was sich lohnt, was nicht, und warum viele Projekte scheitern, bevor sie angefangen haben.
This section is here to create clarity — about what's worth doing, what isn't, and why many projects fail before they've even started.
Welche Prozesse lohnen sich wirklich für Automatisierung? Which processes actually benefit from automation?
Drei Merkmale zeigen, wann sich Automatisierung rechnet: hohes Volumen, klare Regeln, geringe Ausnahmen. Klassische Kandidaten im Mittelstand:
Three traits signal when automation pays off: high volume, clear rules, few exceptions. Classic candidates in mid-sized companies:
- Eingangsrechnungen prüfen & verbuchen — manuell kostet ein Beleg 15–40 €, automatisiert deutlich weniger (Billentis)
- Monatsreporting zusammenführen — 30–50 % Zeitersparnis sind realistisch (PwC DACH)
- Standardanfragen im Support — bis +14 % mehr bearbeitete Fälle pro Stunde (Brynjolfsson et al., NBER 2023)
- Checking & posting incoming invoices — manual costs €15–40 per document, automated much less (Billentis)
- Consolidating monthly reports — 30–50 % time savings are realistic (PwC DACH)
- Handling standard support requests — up to +14 % more cases per hour (Brynjolfsson et al., NBER 2023)
Der Irrtum: mit dem größten Prozess anfangen. Oft bringen drei kleine Automatisierungen mehr — schneller und mit weniger Risiko.
The mistake: starting with the biggest process. Often three small automations deliver more — faster and with less risk.
Warum scheitern so viele KI-Piloten? Why do so many AI pilots fail?
Über 60 % der KI-Pilotprojekte kommen nie über die Testphase hinaus. Die drei häufigsten Gründe:
Over 60 % of AI pilots never make it past the test phase. The three most common reasons:
- Tool vor Problem. Die KI wurde gewählt, bevor klar war, welches Problem sie lösen soll.
- Keine Datengrundlage. Wissen steckt in Köpfen, PDFs und Excel — nicht in strukturierten Feldern.
- Team nicht einbezogen. Mitarbeiter, die täglich mit dem Prozess arbeiten, wussten nichts vom Projekt.
- Tool before problem. The AI was chosen before it was clear what problem it should solve.
- No data foundation. Knowledge lives in heads, PDFs and Excel — not structured fields.
- Team not involved. The people working with the process daily didn't know about the project.
Die Technologie scheitert selten. Der Kontext drumherum stimmt nicht.
The technology rarely fails. The context around it just doesn't fit.
Brauchen wir nicht erst bessere Daten? Don't we need better data first?
Oft ja — und das ist eine der zentralen Fragen. Bevor irgendeine Automatisierung greift, muss klar sein: Welche Daten sind verfügbar? Wo fehlen sie? Wie gut ist die Qualität — und was braucht es, damit das skaliert?
Often yes — and that's one of the central questions. Before any automation can work, it has to be clear: which data is available? Where are the gaps? How good is the quality — and what does it take for that to scale?
Eine belastbare Datengrundlage ist kein Vorprojekt, das man irgendwann macht — sie ist Teil der Lösung. Wir schauen uns an, was da ist, und bauen gezielt, was fehlt. Ohne den Scope aus dem Blick zu verlieren.
A solid data foundation isn't a pre-project you do someday — it's part of the solution. We look at what exists and build what's missing deliberately. Without losing sight of the scope.
Wie schnell sehen wir messbare Ergebnisse? How quickly will we see measurable results?
Für Routineprozesse — Rechnungsprüfung, Bestellabwicklung, Reporting — sind erste Wirkungen typischerweise nach 2–4 Wochen messbar. Für komplexere Automatisierungen dauert es länger.
For routine processes — invoice checking, order processing, reporting — first effects are typically measurable within 2–4 weeks. More complex automations take longer.
Was wenn unsere Mitarbeiter das nicht annehmen? What if our team doesn't accept it?
Das ist die häufigste Ursache, warum fertige Automatisierungen nicht genutzt werden — kein technisches Problem. Change Management fängt vor dem ersten Tool an:
This is the most common reason why finished automations aren't actually used — not a technical problem. Change management starts before the first tool:
- Wer wird befragt, bevor Entscheidungen fallen?
- Wessen Prozesse werden berührt?
- Wer hat Bedenken — und bekommt die Möglichkeit, sie einzubringen?
- Who gets asked before decisions are made?
- Whose processes are affected?
- Who has concerns — and gets the chance to raise them?
Automatisierung ohne das Team wird nicht genutzt. Auch wenn sie technisch einwandfrei ist.
Automation built without the team won't be used. Even if it works perfectly.
Wann macht Automatisierung keinen Sinn? When does automation not make sense?
Wenn der Prozess selbst kaputt ist. KI beschleunigt — aber auch Fehler. Ein schlecht dokumentierter Ablauf, der manuell noch irgendwie funktioniert, wird durch Automatisierung fragiler, nicht stabiler.
When the process itself is broken. AI accelerates — including mistakes. A poorly documented workflow that barely works manually becomes more fragile through automation, not more stable.
Außerdem: wenn das Volumen zu gering ist. Eine Aufgabe, die einmal im Monat 30 Minuten dauert, rechtfertigt keinen zweiwöchigen Entwicklungsaufwand.
Also: when the volume is too low. A task that takes 30 minutes once a month doesn't justify two weeks of development effort.
Erst Prozess verstehen. Dann entscheiden, ob Automatisierung das Richtige ist.
Understand the process first. Then decide if automation is the right answer.
Was unterscheidet das von einem klassischen IT-Dienstleister? How is this different from a typical IT provider?
Die meisten IT-Dienstleister implementieren, was beauftragt wird — ohne zu hinterfragen, ob das die richtige Frage ist. Das ist kein Vorwurf; es ist ihr Geschäftsmodell.
Most IT providers implement what they're asked to build — without questioning whether that's the right question. That's not a criticism; it's their business model.
Der Unterschied: ich fange nicht mit dem Tool an. Ich lerne zuerst, wie dein Betrieb wirklich läuft. Dann entscheide ich, was — wenn überhaupt — gebaut wird. Alles, was entsteht, läuft danach eigenständig weiter, ohne Abhängigkeit von mir.
The difference: I don't start with a tool. I learn how your business actually works first. Then I decide what — if anything — gets built. Everything built runs independently after, without dependency on me.
Mit welchen Werkzeugen wird gearbeitet? Which tools are used?
Das hängt davon ab, was du schon hast. Zuerst schauen wir uns deine bestehenden Systeme an — dann entscheiden wir gemeinsam, welches Werkzeug passt. Keine Empfehlung auf Vorrat.
That depends on what you already have. First we look at your existing systems — then we decide together which tool fits. No off-the-shelf recommendations.
Custom-Code nur dort, wo fertige Lösungen nicht reichen. Kein Vendor Lock-in.
Custom code only where off-the-shelf solutions fall short. No vendor lock-in.