Wenn ein Kunde mich anruft mit “wir haben KI versucht, hat nicht funktioniert”, fängt das Gespräch fast immer mit der Tool-Frage an: “Hätten wir Claude statt ChatGPT nehmen sollen?”, “Reicht Microsoft Copilot, oder brauchen wir doch eine eigene Lösung?”
Die Antwort ist langweilig: Das Tool war fast nie das Problem. Es waren immer dieselben vier Prozess-Fallen. In der Reihenfolge, in der sie zuschnappen.
Falle 1: Niemand hat den IST-Zustand aufgeschrieben
Der Geschäftsführer kennt seinen Betrieb. Die Buchhalterin kennt ihren Workflow. Die Werkstatt kennt ihre Routine. Aber das Wissen liegt im Kopf — und jeder denkt, der andere mache es “ungefähr so wie ich”.
Ein KI-Workflow kann erst dann produktiv werden, wenn der bestehende Prozess sauber dokumentiert ist. Nicht in PowerPoint, nicht in einem Confluence-Wiki. Sondern: Was passiert wann, wer macht es, wo liegen die Daten, wo ist die Übergabe?
In meinen Workshops kostet uns dieser Schritt drei bis vier Stunden. Wenn er fehlt, automatisiert die KI hinterher den falschen Prozess.
Falle 2: “Wir machen das mal nebenher”
Das Tool ist installiert, die ersten Prompts funktionieren — und dann übernimmt der Alltag. Niemand hat den Auftrag, die Workflows wirklich zu integrieren. Die KI bleibt eine Spielwiese im Browser des Inhabers, nicht das System der Firma.
Lösung: Eine Person bekommt eine Stunde pro Woche reserviert. Nicht für KI-Lernen, sondern für Workflow-Pflege. Diese Stunde steht im Kalender, mit Tür-zu, ohne Termine.
Wenn niemand diese Stunde bekommt, scheitert das Projekt — egal wie gut das Tool ist.
Falle 3: Datenschutz wird zu spät geklärt
Klassiker: Ein KMU lässt sechs Wochen lang Mitarbeiter mit ChatGPT arbeiten. Dann fragt der Steuerberater, ob das DSGVO-konform sei. Dann passiert sechs Wochen lang nichts mehr.
Was hilft: Vor dem ersten Workflow entscheiden, welche Daten in welche Tools dürfen. Drei Kategorien reichen:
- Grün — öffentliche Texte, Marketing-Material, allgemeine Recherche → jedes Tool ist okay.
- Gelb — interne Informationen ohne Personenbezug (Preislisten, Strategie, Code) → nur EU-Hosting, AVV-Vertrag.
- Rot — personenbezogene Daten (Kunden, Mitarbeiter, Patienten) → entweder self-hosted (Claude via Azure, Ollama lokal) oder gar nicht.
Diese Tabelle schreibt man einmal auf. Danach ist die Datenschutzfrage geklärt — für jedes neue Tool.
Falle 4: Erfolg wird nicht gemessen
Wenn niemand misst, ob die KI tatsächlich Zeit spart, gewinnt am Ende der Bauch — und der Bauch ist konservativ. “Hat sich nicht so richtig gelohnt” ist der häufigste Satz nach drei Monaten.
Was wir in jedem Projekt machen: Vor dem KI-Einsatz eine simple Schätzung — “Wie lange dauert dieser Vorgang heute? Wie oft pro Woche?”. Nach acht Wochen dieselbe Schätzung. Differenz mal Stundensatz = der Effekt. Steht in Excel, ist langweilig, funktioniert.
Die Reihenfolge
Die vier Fallen lösen sich nicht parallel. Die Reihenfolge ist:
- IST-Prozess dokumentieren (eine Woche)
- Datenschutz-Tabelle aufstellen (zwei Stunden)
- Workflow-Pflege-Stunde im Kalender blocken (sofort, dauerhaft)
- Vorher-Nachher-Messung einrichten (eine Stunde)
Erst dann kommt das Tool. Wenn die vier Punkte stehen, ist die Tool-Wahl in zwanzig Minuten erledigt.
Was im Buch dazu steht
Im KI-Handbuch für kleine Unternehmen widmet sich Kapitel 2 genau dieser Frage — mit Vorlagen für die IST-Dokumentation, der vollständigen Datenschutz-Tabelle und einem Excel-Sheet für die Vorher-Nachher-Messung. Wenn das hier den Nerv getroffen hat, ist das Buch der nächste Schritt.