seit nunmehr 2 Jahren habe ich für Unternehmen verschiedenster Größe Workshops, Schulungen und Strategieberatung rund um die Einführung von AI durchgeführt.
Auch wenn ich mich darüber freue, dass mein Angebot gut angenommen wird, ist es doch an vielen Stellen auch etwas frustrierend zu sehen, dass aus dem ursprünglichen Hype, den ich bei Keynotes oder Schulungen aufbauen kann, am Ende des Tages in vielen Fällen stockende oder gar eingefrorene KI-Projekte resultieren.
„Wow, das braucht unser Vertrieb!“ – bei der Live-Schulung
„Wir haben gerade wichtigere Projekte – das hat jetzt keine Priorität …“ – drei Wochen später
Diese Szene habe ich in den letzten 18 Monaten regelmäßig erlebt – vom Kunststoffspritzer-Unternehmen, über Marketing-Agenturen, bis zum 1200-Mann-Energie-Player. Die Technologie begeistert, doch am Umsetzen hapert es.
Warum?
Zweifel, Überlastung und eine ordentliche Portion psychologischer Trägheit.
Genau darüber sprechen wir heute.
Los geht’s! 🚀
Wir wissen, dass wir nichts tun
Fast 40 % der heute gefragten Skills sind laut World Economic Forum bis 2030 obsolet, aber nur gut 20 % der Firmen planen, Generative AI in den nächsten zwei Jahren in Kernworkflows einzubauen – und Planen ist nicht gleich Machen.
Der tatsächliche Umsetzungsanteil dürfte in der Realität noch deutlich geringer ausfallen. Nach Workshops klingt das dann so:
„Unsere Leute können das nicht nebenher lernen.“
„Wir steigen erst ein, wenn der Markt es verlangt.“
Das eigentliche Problem ist nicht die Technologie – sondern der Wandel im Denken. Während viele Unternehmen zögern, entstehen anderswo AI‑First‑Player, die konsequent testen, iterieren und lernen – und dabei klassische Anbieter langsam, aber sicher überholen.
Begeisterung vs. Umsetzung – warum die PS in den meisten KMU nicht auf die Straße kommen
Woher kommt es, dass es problemlos möglich ist, in Keynotes, Schulungen und Workshops zum Thema KI schnell Begeisterung aufzubauen – aber dann trotz aller Begeisterung nicht ins Doing zu kommen?
Die 4 häufigsten Gründe, die ich beobachten konnte:
Fisch‑Kopf‑Effekt – wenn die Geschäftsführung KI als Randthema behandelt, spürt das ganze Haus: „Das kann warten.“
Projekt‑Reflex statt Spieltrieb – Mittelständler lieben Pflichtenhefte. KI verlangt erst einmal einen Spielplatz.
Perfektionsfalle – lieber kein MVP als ein mögliches Scheitern oder ein System, das (noch) nicht stabil funktioniert. Aber genau diese Erfahrungen braucht es, um schnell voranzukommen und die wichtigen Lerneffekte aufzubauen.
Unsichtbare Komplexität – Daten und Prozesse wirken wie ein Mammutprojekt. Wer nie mit mehreren Prototypen parallel gespielt hat, unterschätzt, wie schnell kleine Experimente Klarheit bringen und es erst ermöglichen, die Machbarkeit von Ideen zu verifizieren.
Kurz: Begeisterung ist (kurzfristig) da, Handlungskompetenz fehlt – meist top‑down.
Aber – wie geht es besser? Wie kommen Unternehmen in die Umsetzung?
Regelmäßig stoßen in Unternehmen nicht existente KI-Kompetenzen auf hochkomplexe AI-Projekt-Ideen. Jede Projekt-Idee muss bis ins kleinste Detail geplant, eingeordnet und durch alle möglichen Datenschutz- und Compliance-Ausschüsse gehievt werden.
Ohne ein solides Fundament an eigenen Erfahrungen im Umgang mit KI führt dies häufig zu Frustration und langwierigen Prozessen, die nicht selten im Stopp des Projekts enden, bevor es eigentlich richtig losging.
Dieses Fundament bekommt man mit der richtigen Schulung und der „Erlaubnis zu spielen und Fehler zu machen“, die einen weiterbringen.
Vom Prototyp zum AI‑First‑Mindset – Dein Fahrplan
0–6 Monate – Spielen & Lernen
Starte mit kleinen, spielerischen Prototypen und MVPs. Ziel: Hands‑on‑Erfahrung sammeln, Skepsis abbauen und erste „Aha!“-Momente erzeugen – ganz ohne großes Budget oder komplizierte Lastenhefte.6–12 Monate – Lösungen in den Alltag bringen
Wandle die erfolgreichsten Experimente in simple, sofort nutzbare AI‑Bausteine pro Abteilung um – z. B. automatisierte FAQ‑Antworten im Service, Draft‑E‑Mails im Vertrieb oder Content‑Ideengenerator im Marketing.12–36 Monate – AI‑First denken & skalieren
Mit wachsender Routine fließt KI in strategische Entscheidungen ein. Roadmaps, Budget‑Planung und neue Produkte werden von Anfang an unter einem AI‑First‑Blick entwickelt. Ergebnis: dauerhafte Wettbewerbsvorteile, ohne dass Du monatelang auf das „große“ Transformationsprojekt warten musst.(Diese Zeitangaben sind Leitplanken – wer schneller experimentiert, beschleunigt jede Phase.)
AI lernt man durch Ausprobieren. Es ist wichtig, zum Start der AI-Aktivitäten im Unternehmen einen spielerischen Ansatz zu wählen und die Fehlertoleranz in der Startphase hochzuschrauben.
Ganz nebenbei: Durch diese Vorgehensweise wird die Wahrscheinlichkeit, dass dir irgendwelche AI-Scharlatane ein völlig überteuertes Projekt verkaufen, das am Ende nicht den Mehrwert bringt, deutlich reduziert.
3‑Fragen‑Reality‑Check: Bist Du schon im AI‑Doing?
Läuft in Deinem Unternehmen aktuell mindestens ein KI‑Pilot, der echten und relevanten Mehrwert erzeugt?
Hat jede Kernabteilung eine klar benannte Low‑Hanging‑Fruit, die sie innerhalb der nächsten Wochen mit KI angehen will?
Gibt es ein festes Budget und einen verantwortlichen Owner für Experimente mit Generative AI und AI-Automation?
Wenn Du zwei oder alle drei Fragen mit „Nein“ beantwortest, ist es höchste Zeit, ins AI‑Doing zu kommen. Keine Ausreden – fang klein an, aber fang an.
Brauchst du Unterstützung?
AI‑Einführung as a Service – Dein Shortcut ins Doing 🚀
Genau an dieser Umsetzungslücke setzt mein neues Angebot „AI‑Einführung as a Service“ an. Wir starten mit Basis-Schulungen (Prompten lernen, ChatGPT richtig nutzen, Verständnis für Technologie aufbauen) und Abteilungs-Interviews, identifizieren die Low‑Hanging‑Fruits jeder Fachabteilung, bauen eine interne AG auf und begleiten Unternehmen die ersten drei bis zwölf Monate eng bei den ersten Schritten in Sachen AI.
Sich in kleinen und realistischen Schritten an den Einsatz von AI im Unternehmen heranzutasten, ist keine Schande. Es ist für viele Unternehmen sogar der absolut richtige Weg.
Das dauerhafte Ignorieren oder Herunterstufen von KI-Projekten ist riskant – schon in zwei bis drei Jahren könnten AI-First-Unternehmen mit reichlich Risikokapital Deine Branche umkrempeln und Dein Geschäftsmodell verdrängen oder zumindest sehr erschweren.
Der beste Tag, um AI zu testen, war vor mehr als einem Jahr. Der zweitbeste Tag ist heute.
In diesem Sinne - bis zur nächsten Ausgabe.
✌🏼Kai Michael Schäfer
0 comments