Warum jetzt die Stunde derer schlägt, die auf eigene Daten und eigene Lösungen gesetzt haben, und wie man KI-Projekte so aufsetzt, dass sie sich in Monaten rechnen statt in Jahren.
Er galt jahrelang als altmodisch. Ein Produktionsbetrieb aus dem Mittelstand, der nie die neueste Software gekauft hat. Der stattdessen auf Eigenlösungen setzte, seine Produktionsdaten über Jahre im eigenen Haus speicherte; teils noch in „wilden“ Excel-Tabellen, aber mit sauberer Datenstruktur und voller Kontrolle.
Noch vor wenigen Jahren hätte man ihm dringend zur Modernisierung geraten: ab in die Cloud, weg mit dem Eigenbau, her mit dem großen Standardtool. Heute ist genau dieser Betrieb der Gewinner. Denn er besitzt etwas, das kein Standardtool liefern kann: Jahrzehnte an eigenen Produktionsdaten voller Kontextwissen. Die perfekte Grundlage, um darauf datenschutzkonforme, individuelle KI-Lösungen zu bauen.
Der Paradigmenwechsel
Jahrzehntelang galt: Individuelle Software ist Luxus. Wer es sich nicht leisten konnte, kaufte Standardtools. Durch KI dreht sich diese Logik gerade um. Individuelle KI-Lösungen werden günstiger, nicht teurer. Trotzdem hält sich im Mittelstand der Reflex: „Ich kaufe mir lieber ein Tool, das löst das dann schon.“ Das Ergebnis kennen viele: Man zahlt Monat für Monat Abo-Gebühren für Software, deren Funktionen man zu großen Teilen gar nicht braucht.
Die Alternative: individuelle Lösungen mit genau den Funktionen, die genutzt werden. Gebaut auf den eigenen Daten, die über Jahre gesammelt wurden. Software, die dem Unternehmen wirklich gehört. Ohne Abo-Kosten, ohne monatliche Gebühren, digital souverän.
In Monaten rechnen, nicht in Jahren
Kein KI-Anwendungsfall darf so ausgelegt sein, dass er sich erst in zwei Jahren zurückzahlt. Dafür verändert sich die Technologie zu schnell. Der Return on Investment muss spätestens nach sechs Monaten sichtbar sein.
Ob ein Anwendungsfall dieses Kriterium erfüllt, lässt sich vor dem Start durchrechnen. Vier Fragen entscheiden:
- Nachhaltigkeit: Wird die Lösung dauerhaft genutzt und lässt sie sich auf andere Abteilungen übertragen; oder ist sie in vier Monaten obsolet?
- Effizienz: Spart sie wirklich Zeit, und arbeiten wir mit dem richtigen Werkzeug?
- Effektivität: Tun wir überhaupt das Richtige oder automatisieren wir etwas, das niemand braucht?
- Geld: Wie viel Zeit sparen wir konkret, was kostet die Umsetzung, und ist sie technisch machbar?
Nur wenn alle vier Fragen positiv beantwortet sind, wird umgesetzt. Und dann gilt: klein anfangen, Schritt für Schritt aufbauen und Stunde um Stunde sparen.
KI scheitert nicht an der Technologie
Der übliche Weg sieht so aus: Ein Tool wird gekauft. Dann werden die Prozesse angepasst. Und am Ende sagt man den Menschen, wie sie damit umzugehen haben. Das Ergebnis: Keiner nutzt es. Und dann heißt es, KI sei gescheitert.
Wir drehen die Reihenfolge um: zuerst der Mensch. Dann die Organisation. Dann die Prozesse. Und ganz am Ende das Tool. Deshalb beginnt bei uns jedes Projekt mit einem KI-Check-up, der sich nicht mit Technologie beschäftigt, sondern mit der Organisation: Wie geht es dem Unternehmen? Wie geht es den Menschen? Welche Ängste gibt es: vor Fehlern, um den Arbeitsplatz? Und wie führen wir KI so ein, dass alle mitkommen?
Wenn Mitarbeitende von Anfang an wissen, was gemeinsam gebaut wird, warum es gebaut wird und wo das Unternehmen hinwill, dann nutzen sie die KI, die sie mitentwickelt haben. Erst dann werden Effizienzen tatsächlich gehoben.
Und wenn ein Team skeptisch bleibt und ein Anwendungsfall zu kippen droht? Erfahrungsgemäß kippt er selten wirklich. Meistens stellt sich im Projekt heraus, dass der ursprüngliche Ansatz nicht der richtige war, dass man größer denken kann oder die Lösung in eine andere Abteilung gehört. Der Anwendungsfall wird nicht abgesagt. Er verändert sich. Man hat ein Zielbild und geht in diese Richtung, aber der Weg dorthin ist selten geradeaus. Wie so vieles im Leben.
Gastautor: Roman Eckschlager, Msc, CEO mAInufaktur, www.mainufaktur.ai