KI-Use-Cases identifizieren: In vier Schritten von der Ideensammlung zur belastbaren Liste

Eine Stunde Ideensammlung bringt dreißig Zettel an die Wand. Das ist nie das Problem. Das Problem beginnt danach: Welcher dieser dreißig Vorschläge trägt eine Rechnung, welcher ist eine Demo, und welcher scheitert an Daten, die es im Haus gar nicht gibt? Genau an dieser Stelle bleiben die meisten Vorhaben stehen — nicht am Modell und nicht am Geld.

Die KfW benennt in ihrer Mittelstandsanalyse ausdrücklich „die Identifikation erster, praxistauglicher KI-Anwendungen“ als zentrale Hürde. Von zwölf abgefragten externen Wissensquellen korrelieren niedrigschwellige Informations- und Beratungsangebote am stärksten mit tatsächlicher KI-Nutzung — stärker als der Austausch mit Kunden und Zulieferern, mit der Wissenschaft oder mit spezialisierten Dienstleistern. Die Auswahl ist der Engpass, nicht die Umsetzung.

Warum die Ideensammlung nicht das Problem ist — und die Auswahl schon

Die Befragung der Bundesnetzagentur zeigt dasselbe Bild aus der anderen Richtung: 66 % der Unternehmen, die KI nutzen, planen oder darüber nachdenken, nennen mangelnde Zeit als einschränkenden Faktor, nur 23 % fehlendes Budget. Wer aus diesen Zahlen ein Investitionsproblem liest, liest an ihnen vorbei: Es ist ein Reihenfolgeproblem. Knappe Zeit muss auf die richtigen Fälle gelenkt werden — was das für die Verteilung von Aufgaben bedeutet, führt der Beitrag zur Workshop-Nachbereitung aus.

Dass es dabei bleibt, zeigt derselbe Bericht: 60 % der KI-nutzenden Unternehmen in Deutschland sind noch in der Erprobung, nur 6 % haben KI zum zentralen Bestandteil des Geschäftsmodells gemacht. Der Faktencheck zu den Scheiter-Zahlen ordnet diese Erhebung ein. Das Institut der deutschen Wirtschaft kommt in seiner Unternehmensbefragung zum selben Befund und nennt ihn beim Namen: Der Einsatz erfolge „meist nur punktuell in einzelnen Unternehmensbereichen und selten unternehmensweit“, die KI-Nutzung sei „insgesamt bislang eher oberflächlich“. Was fehlt, ist nicht die nächste Idee. Was fehlt, ist eine Liste, die man vergleichen kann.

Wie ungleich der Zugang verteilt ist, zeigt die amtliche Statistik. Nach der IKT-Erhebung des Statistischen Bundesamts nutzten im Berichtsjahr 2025 26 % der Unternehmen in Deutschland ab 10 Beschäftigten KI-Technologien: 23 % in der Größenklasse 10 bis 49 Beschäftigte, 36 % bei 50 bis 249, 57 % ab 250. Die Spanne zwischen der kleinsten und der größten Klasse ist größer als der Abstand zu jedem einzelnen Hemmnis. Große Häuser haben Stäbe, die Kandidaten vorsortieren. Kleinere haben eine Person, die das nebenbei macht — und für die deshalb entscheidend ist, dass das Verfahren in wenigen Stunden durchführbar bleibt.

KI-Use-Case (KI-Anwendungsfall)

Ein KI-Anwendungsfall ist kein Werkzeug und keine Technologie, sondern ein benannter Arbeitsschritt in einem bestehenden Prozess — mit bekannter Fallzahl, verantwortlicher Rolle, messbarer Bearbeitungszeit und definiertem Ergebnis. Fehlt eine dieser vier Angaben, liegt eine Idee vor, kein Anwendungsfall. Der Unterschied ist nicht akademisch: Nur der Anwendungsfall lässt sich rechnen, vergleichen und später gegen eine Kennzahl nachweisen.

Schritt 1: Bestandsaufnahme — was läuft bereits, in welchen Prozessen, mit welchen Daten

Vor der ersten neuen Idee steht die Frage, was schon läuft. In fast jedem Unternehmen wird KI längst genutzt, nur unregistriert und ohne Freigabe. Die KfW misst für den Mittelstand eine flache, generische Nutzung: 20 % setzen mindestens eine KI-Technologie ein, davon Erzeugung natürlicher Sprache 14 %, Texterkennung 10 %, Automatisierung von Entscheidungsprozessen 5 %, Data Analytics 3 %. Selbst Kleinstunternehmen unter fünf Beschäftigten nutzen zu 13 % Sprachgenerierung.

Die Bestandsaufnahme ist deshalb kein Formalismus, sondern liefert die Kandidaten für Schritt 2 gleich mit: Wo Mitarbeitende sich heute schon behelfen, liegt ein Prozess mit Leidensdruck. Halten Sie je Prozess fest, was Sie in einer halben Stunde erfragen können:

• Welche KI-Werkzeuge werden tatsächlich benutzt — auch die, die niemand beschafft hat?
• In welchem Arbeitsschritt, von wem, wie oft in der Woche?
• Welche Daten fließen hinein: personenbezogen, Kundendaten, Betriebsgeheimnisse?
• Wird das Ergebnis geprüft, bevor es weiterläuft — und von wem?
• Welche Kennzahl beschreibt diesen Arbeitsschritt heute, und wird sie schon erhoben?

Schritt 2: Kandidaten entlang von Prozessen sammeln, nicht entlang von Werkzeugen

Zwei der fünf Grundursachen, die RAND aus Interviews mit 65 Data Scientists und Ingenieuren für gescheiterte KI-Vorhaben ableitet, betreffen genau diesen Schritt: Das zu lösende Problem wird missverstanden oder falsch kommuniziert, und das Vorgehen ist technologie- statt problemgetrieben. Die übrigen drei und die Einordnung der kursierenden Scheiter-Quoten stehen im Faktencheck zu diesen Zahlen.

Beide sind dieselbe Suchreihenfolge in zwei Richtungen. Wer vom Werkzeug ausgeht, sucht nach einem Problem, das zum Werkzeug passt. Wer vom Prozess ausgeht, findet Arbeitsschritte, deren Menge und Zeit im Haus bereits gemessen werden. Das deckt sich mit dem, was Unternehmen ohnehin erreichen wollen: In der IW-Befragung (n = 660) nennen 84,5 % die Befreiung von Routinearbeiten als Ziel, 70,1 % die Unterstützung bei komplexen Aufgaben, 64,6 % Qualitätsverbesserung. Die Einsparung von Personal nennen 29,6 %. Die Ziele sind Zeitziele — also gehört die Suche dorthin, wo Zeit in Wiederholung verbraucht wird.

1. Gehen Sie die Prozesslandkarte ab, nicht die Abteilungen: Auftragseingang, Angebot, Beschaffung, Reklamation, Rechnungslauf, Personalgewinnung, Berichtswesen.
2. Suchen Sie in jedem Prozess den Arbeitsschritt mit der höchsten Wiederholung, nicht den mit der größten Aufregung.
3. Notieren Sie den Schritt in der Sprache der Fachabteilung, nicht in Produktnamen: „Eingangsrechnung prüfen und kontieren“, nicht „Dokumenten-KI“.
4. Fragen Sie nach der Fallzahl der letzten vier Wochen. Kann sie niemand nennen, ist das die erste zu erledigende Aufgabe.
5. Trennen Sie Fälle, die Zeit sparen, von Fällen, die Umsatz erzeugen — sie werden unterschiedlich gerechnet.

Schritt 3: Jeden Kandidaten auf fünf Pflichtangaben bringen

Erst jetzt wird gerechnet, und zwar für jeden Kandidaten gleich. Vergleichbarkeit entsteht nicht durch eine bessere Formel, sondern dadurch, dass für alle Fälle dieselben Felder ausgefüllt sind. Ein Fall mit drei geschätzten und zwei leeren Angaben ist gegen einen vollständig erhobenen Fall nicht vergleichbar — auch wenn beide am Ende eine Zahl tragen.

Aus den ersten drei Angaben ergeben sich die manuellen Kosten je Jahr: Frequenz je Woche mal 52, mal Zeit je Fall in Stunden, mal Stundensatz. Davon die laufenden Jahreskosten abziehen, den erwarteten Mehrumsatz addieren — das ist der monetäre Jahresnutzen. Mehr Formel braucht es an dieser Stelle nicht; eine Tabellenkalkulation genügt, und der vollständige Rechenweg samt Gewichten, Grenzwerten und durchgerechnetem Beispiel steht im Referenzbeitrag dazu. Was es hier braucht, ist die Disziplin, kein Feld leer zu lassen und keines zu schätzen, das man messen kann.

Für diesen Schritt genügt daraus eine einzige Regel: Rechnen Sie die Kostenseite jedes Kandidaten ein zweites Mal mit einem Aufschlag und halten Sie beide Werte fest. Wie der Aufschlag angesetzt wird und was er mit der Amortisation macht, steht im Rechenweg-Beitrag; woran man erkennt, dass ein Fall nur im Mittelwert trägt, im Beitrag zum Abbruch.

Nicht jeder Nutzen ist ein Euro-Betrag, und das ist kein Mangel der Methode. Das Fachkonzept WiBe 5.0 — die verbindliche Methodik des Bundes für die Wirtschaftlichkeit von IT-Maßnahmen, gestützt auf § 7 der Bundeshaushaltsordnung — trennt aus demselben Grund die monetäre Wirtschaftlichkeit von einer nicht-monetären Nutzwertbetrachtung. Halten Sie beides getrennt fest: Ein strategisch wichtiger Fall darf im Ranking nicht dadurch verschwinden, dass er sich schlecht in Euro fassen lässt — und ein Euro-Betrag darf nicht dadurch entstehen, dass man strategische Argumente hineinrechnet. Wie sich die zweite Spalte ohne Euro-Umrechnung prüfbar führen lässt, beschreibt der Beitrag zum Nutzennachweis.

Schritt 4: Knock-outs zuerst, dann erst vergleichen

Ein sauber gerechneter Score über einen Fall, der aus rechtlichen oder organisatorischen Gründen gar nicht startbar ist, ist verlorene Arbeit — und im Kundengespräch schlimmer als keine Bewertung, weil er Beweglichkeit vortäuscht. Prüfen Sie deshalb vor der Bewertung fünf Ausschlussfragen. Sie kosten je Kandidat wenige Minuten und sortieren erfahrungsgemäß einen erheblichen Teil der Wandzettel aus.

Die beiden rechtlichen Gates entscheiden nichts, sie sorgen nur dafür, dass die Frage vor der Bewertung gestellt wird. Die Verbote des Art. 5 KI-VO gelten seit dem 2. Februar 2025; für betriebliche Fälle ist besonders die Ableitung von Emotionen am Arbeitsplatz einschlägig. Anhang III Nr. 4 erfasst Beschäftigung und Personalmanagement, darunter die Analyse und Filterung von Bewerbungen sowie Entscheidungen über Beförderung, Beendigung und Aufgabenzuweisung. Ob ein konkretes System tatsächlich als Hochrisiko-System einzustufen ist oder die Ausnahme des Art. 6 Abs. 3 greift, ist eine Einzelfallbewertung.

Woran Sie erkennen, dass ein Kandidat noch keiner ist

Die Ausschlussfragen fangen die Fälle, die gar nicht startbar sind. Daneben gibt es die Fälle, die startbar wirken, aber noch nicht beschrieben sind — sie fallen im Workshop nicht auf, weil sie überzeugend vorgetragen werden, und rächen sich später, wenn niemand sagen kann, ob sich etwas verbessert hat. Sechs Merkmale genügen zur Erkennung; jedes einzelne reicht, um den Kandidaten zurückzustellen, bis die fehlende Angabe erhoben ist.

• Der Fall wird über das Werkzeug benannt („wir machen was mit Chatbots“), nicht über den Arbeitsschritt.
• Niemand kann die Fallzahl der letzten vier Wochen nennen.
• Die Zeitersparnis wird in Prozent geschätzt, nicht in Minuten gemessen.
• Die Kennzahl, an der der Erfolg gemessen werden soll, existiert noch nicht.
• Der Fall hat keinen Prozesseigentümer, sondern nur einen Fürsprecher.
• Die laufenden Kosten sind unbekannt, weil noch kein Angebot vorliegt.

Was passiert, wenn diese Punkte offenbleiben, zeigt dieselbe Befragung der Bundesnetzagentur bei den Unternehmen, die den KI-Einsatz wieder eingestellt haben: Das Nichterreichen der Ziele steht dort mit 58 % an zweiter Stelle, die technische Ausstattung mit 5 % an letzter. „Nichterreichen der Ziele“ setzt voraus, dass es ein Ziel gab — und genau daran hängt Schritt 3: Der Zielwert muss bei der Bewertung festgehalten werden, nicht nachträglich, wenn das Ergebnis schon vorliegt.

Was als Nächstes kommt: aus der Liste eine Reihenfolge machen

Am Ende von Schritt 4 steht keine Entscheidung, sondern eine Liste vergleichbarer Kandidaten: je Fall der Arbeitsschritt, die fünf Pflichtangaben, der monetäre Jahresnutzen und die qualitativ-strategische Einordnung getrennt davon. Als Größenordnung nennen Anbieter von KI-Potenzialworkshops übereinstimmend fünf bis zehn bewertete Anwendungsfälle je Workshop — Selbstauskünfte, keine Erhebung, aber ein brauchbarer Erwartungsanker. Wie viele davon anschließend gleichzeitig starten sollten und woran sich diese Zahl bemisst, ist eine eigene Frage; sie wird im Beitrag zum Abbruch beantwortet. Wer aus dreißig Zetteln sieben belastbare Kandidaten macht, hat jedenfalls den Schritt geschafft, an dem die meisten hängen bleiben.

Bild seitlich schiebbar.

Der nächste Schritt ist die Reihenfolge: Nutzen und Aufwand je Fall zu einem Score verdichten, die Fälle gegeneinander stellen und begründen, warum Fall drei vor Fall eins kommt. Das ist eine eigene Rechnung mit eigenen Fallstricken — vor allem der Frage, wie ein Aufwand aus Datenlage, Technik, Change und Regulatorik in eine einzige Zahl kommt, ohne dass die Zahl mehr verspricht, als sie weiß.