KI in bestehende Arbeitsabläufe integrieren: vom Piloten in die Produktion

Stellen Sie sich einen Teilezulieferer in einem Industriegebiet bei Istanbul vor — dieselbe Szene spielt sich genauso bei Hamburg oder Katowice ab. Die Aufträge stehen in SAP, der Produktionsplan lebt in Excel, Versandinfos laufen durch drei verschiedene WhatsApp-Gruppen, und jede Exportmappe für den deutschen Kunden — Zertifikate, Packlisten, Prüfberichte — wird von Hand zusammengestellt. Zum Monatsabschluss bleibt die Buchhaltung zwei Abende länger, um Rechnungen abzustimmen. Dann sieht der Geschäftsführer eines Abends eine beeindruckende KI-Demo, und am Montagmorgen steht der Satz im Raum: „Wir steigen jetzt auf KI um.“

Aus der Projektpraxis können wir sagen: Einen „Umstieg auf KI“ gibt es nicht. KI ist kein neues System, das Ihr ERP ersetzt, sondern eine Schicht über den Prozessen, die Sie ohnehin betreiben — Auftrag, Support, Mahnwesen, Reporting. Ob diese Schicht trägt, entscheidet nicht die Intelligenz des Modells, sondern der Zustand des Prozesses und der Daten darunter.

Die Zahlen bestätigen das. Laut McKinseys State-of-AI-Umfrage von 2025 setzen 88 Prozent der Unternehmen KI in mindestens einer Funktion ein — doch fast zwei Drittel haben noch nicht begonnen, sie unternehmensweit zu skalieren. Der MIT-Report „GenAI Divide“ von 2025 ist noch deutlicher: 95 Prozent der generativen KI-Piloten in Unternehmen erzeugen keinen messbaren Effekt in der Gewinn-und-Verlust-Rechnung. Das Problem ist nicht die Technologie. Es ist die Integration.

Wo KI im Tagesgeschäft wirklich Fuß fasst

Unserer Erfahrung nach kommen die schnellsten Erfolge aus Arbeit mit hohem Volumen und halbwegs klaren Regeln. Nehmen Sie das Support-Postfach eines Distributors: Ein Assistent, der Hunderte eingehende E-Mails klassifiziert, den Auftragsstatus aus dem ERP zieht, Antwortentwürfe erstellt und nur die Ausnahmen an einen Menschen übergibt, verändert den Tag des ganzen Teams. Im Vertrieb werden Gesprächsnotizen zu CRM-Einträgen, und Angebots-Follow-ups gehen nicht mehr verloren. Im Finanzbereich sind Rechnungsabgleich, Bankabstimmung und die repetitiven Schritte des Monatsabschlusses das dankbarste Terrain — in Märkten wie der Türkei, wo die E-Rechnung flächendeckend Pflicht ist, liegt damit ein kaum genutzter Schatz an strukturierten Daten bereit. Und Dokumentenarbeit — Exportpapiere, Qualitätszertifikate, das Extrahieren von Feldern aus Verträgen — ist inzwischen ein ausgereifter Anwendungsfall.

Die ERP-Hersteller bauen diese Schicht direkt ins Produkt ein: SAP rollt seine Joule-Agenten in Module von Finance bis Supply Chain aus, und regionale ERP-Ökosysteme — in der türkischen Industrie sind Logo und Netsis allgegenwärtig — bekommen Assistenten, die ERP-Daten in natürlicher Sprache beantworten und Erfassungsarbeit automatisieren. Die Frage lautet also nicht mehr „Sollen wir KI kaufen?“, sondern „An welchen unserer Prozesse schließen wir diese ohnehin kommenden Fähigkeiten an — und in welcher Reihenfolge?“

Ein Blick in die Türkei zeigt, wo der Mittelstand steht. Laut der Erhebung des Statistikamts TÜİK von 2025 nutzen erst 7,5 Prozent der Unternehmen überhaupt eine KI-Technologie; bei Firmen ab 250 Beschäftigten sind es 24,1 Prozent, bei Betrieben mit 10 bis 49 Beschäftigten nur 6,6 Prozent. Diese Schere ist eine echte Chance für jeden Mittelständler, der früh anfängt — und das Muster ist keineswegs auf die Türkei beschränkt.

Beim Prozess anfangen, nicht beim Werkzeug

Die meisten gescheiterten Projekte beginnen mit demselben Satz: „Wir haben ein KI-Tool gekauft — wo setzen wir es ein?“ Die richtige Reihenfolge ist die umgekehrte. Wählen Sie zuerst einen messbaren Prozess, der wirklich wehtut: die Durchlaufzeit von Angeboten, die Erstantwortzeit im Support, die Zahl der Tage bis zum Monatsabschluss. Halten Sie den Ist-Zustand in Zahlen fest, benennen Sie einen Prozessverantwortlichen — und suchen Sie erst dann das Werkzeug.

Wer es andersherum macht, landet im Tool-Wildwuchs: Das Marketing testet seinen eigenen Chatbot, der Vertrieb seinen Notiz-Assistenten, die IT ihre Automatisierungsplattform — und drei Monate später halten Sie fünf unverbundene Abos und einen verwaisten Budgetposten in der Hand. Gartners Prognose vom Juni 2025 passt exakt auf dieses Bild: Über 40 Prozent der Agentic-AI-Projekte werden bis Ende 2027 eingestellt, wegen steigender Kosten und unklaren Geschäftswerts.

Datenhygiene ist langweilig — und entscheidend

Ein KI-Assistent kann nie besser sein als die Daten, auf die er zugreift. Wenn Kundenstammdaten doppelt angelegt sind, Artikelnummern in zwei Systemen voneinander abweichen und kritisches Wissen in WhatsApp-Verläufen vergraben liegt, reproduziert der Assistent genau dieses Chaos — nur schneller und mit mehr Selbstbewusstsein. Deshalb ist die unsichtbare Arbeit der ersten Wochen Datenhygiene: Stammdaten bereinigen, verstreute Dokumente in eine gemeinsame Ablage mit klaren Zugriffsregeln überführen, festlegen, wer was sehen darf. Das ist nicht glamourös. Aber genau hier entscheidet sich meist der Unterschied zwischen Pilot und Produktion.

Die schmale Brücke vom Piloten in die Produktion

Es gibt einen Ort namens Pilot-Fegefeuer: Die Demo hat alle beeindruckt, drei Leute haben das Tool zwei Wochen benutzt, dann erlahmte das Interesse, und das Projekt lebt seither in einer Präsentation weiter. Die Auswege sind bekannt. Fahren Sie den Piloten mit echten Daten und mit den Menschen, die den Prozess tatsächlich betreiben — nicht mit gestellten Szenarien. Legen Sie vorab eine Schwelle fest: Welche Kennzahl muss sich um wie viel verbessern, bevor Sie ausrollen — und wenn nicht, wird abgeschaltet. Und machen Sie den Prozessverantwortlichen zum Partner des Piloten; ein Projekt, das nur der IT gehört, wird vom Fachbereich nie angenommen.

Ein Befund aus demselben MIT-Report vereinfacht auch die Frage „selbst bauen oder kaufen“: Unternehmen, die spezialisierte Lösungen eingekauft und mit einem Partner integriert haben, waren deutlich häufiger erfolgreich als jene, die alles intern von Grund auf entwickelten. Den Unterschied macht nicht, das Modell zu schreiben — sondern es mit Ihrem ERP, Ihrem Freigabeprozess und Ihrem Berechtigungskonzept zu verdrahten.

Sicherheit, Datenschutz und der Brüsseler Kalender

Auch ohne offizielles Projekt hat Ihr Team vermutlich längst angefangen: Die MIT-Forscher fanden in 90 Prozent der untersuchten Unternehmen Beschäftigte, die private KI-Tools bei der Arbeit nutzen. Ein Verbot macht diese Schatten-Nutzung nur unsichtbar; die tragfähige Antwort ist eine freigegebene, auditierbare Alternative.

Auch die Regulierung ist nicht mehr abstrakt. Die türkische Datenschutzbehörde KVKK hat im November 2025 einen Leitfaden zu generativer KI und personenbezogenen Daten veröffentlicht; empfohlen werden Datenschutz-Folgenabschätzungen, technische Kontrollen gegen Schwachstellen wie Prompt Injection und Zurückhaltung beim Einspeisen personenbezogener Daten. Für alle, die in die EU verkaufen, greift zudem der AI Act in Stufen: Die Regeln für Allzweck-Modelle gelten seit August 2025, während der Zeitplan für Hochrisiko-Systeme im Zuge des Brüsseler Vereinfachungspakets Richtung Ende 2027 verschoben wird. Der praktischste Schritt heute ist ein simples Inventar: Welches Tool läuft in welchem Prozess mit welchen Daten.

Ein vernünftiger 90-Tage-Pfad

Der Fahrplan, den wir aus realen Projekten destilliert haben, sieht so aus. Woche eins und zwei: einen einzigen Prozess wählen, die aktuellen Kennzahlen festhalten, Datenquellen und Zugriffsregeln klären. Woche drei bis sechs: einen Piloten mit echten Daten und den drei bis fünf Menschen fahren, die die Arbeit tatsächlich machen — jede Ausgabe läuft über menschliche Freigabe. Woche sieben bis zehn: das Werkzeug an ERP, CRM oder Ticketsystem anschließen und definieren, wie Ausnahmen an einen Menschen zurückgehen. Am Ende zählen die Zahlen: Hält die Schwelle, wird ausgerollt; wenn nicht, wird abgeschaltet, und die Erkenntnisse wandern in den zweiten Prozess. Die Regel bleibt immer dieselbe — ein Prozess zur Zeit, Messung bei jedem Schritt.

KI in ein Unternehmen zu integrieren ist kein Technologiesprung, sondern geduldige Ingenieursarbeit: Systeme verbinden, Daten in Ordnung bringen, Menschen im Prozess halten. Wer den ersten Prozess sauber aufsetzt, wird beim zweiten und dritten sichtbar schneller. Wenn Sie klären möchten, wo in Ihrem Betrieb der erste Schritt liegt, schreiben Sie uns — wir schauen gemeinsam auf Ihre Prozesse.