KI-Strategie für Unternehmen: Der 90-Tage-Fahrplan

Viele Unternehmen wissen, dass sie mit Künstlicher Intelligenz arbeiten sollten. Aber zwischen diesem Wissen und einem konkreten Plan liegen oft Monate des Abwartens. Dieser Artikel zeigt Ihnen, wie Sie in 90 Tagen eine solide KI-Strategie entwickeln und erste messbare Ergebnisse erzielen. Ohne unnötigen Aufwand, ohne teure Berater-Frameworks, die an der Realität Ihres Unternehmens vorbeigehen.

WARUM 90 TAGE DER RICHTIGE ZEITHORIZONT SIND

Ein Jahr ist zu lang. Wer eine KI-Strategie auf zwölf Monate anlegt, verliert Momentum, bevor die ersten Ergebnisse sichtbar werden. Drei Monate dagegen sind knapp genug, um Dringlichkeit zu erzeugen, und lang genug, um echte Veränderungen zu verankern. In der Beratungspraxis zeigt sich, dass Unternehmen, die KI-Initiativen in kurzen Zyklen angehen, deutlich höhere Erfolgsquoten erzielen als solche, die große Masterpläne entwerfen und dann auf Umsetzung warten.

Die 90-Tage-Struktur ist dabei kein willkürlich gewählter Zeitraum. Sie orientiert sich an dem Rhythmus, in dem Führungsteams tatsächlich Entscheidungen treffen und Budgets freigeben. Wer nach 90 Tagen erste Ergebnisse vorweisen kann, hat intern die Argumente, um weiterzumachen. Wer nach 90 Tagen nichts Messbares hat, verliert die Unterstützung der Geschäftsführung. Der McKinsey Global Institute Report 2023 schätzt, dass Unternehmen, die KI erfolgreich einsetzen, durchschnittlich 1,5-mal schneller skalieren als Wettbewerber ohne KI-Einsatz. Der entscheidende Unterschied liegt nicht in der Technologie, sondern in der Disziplin der Umsetzung.

DER AUSGANGSPUNKT: WAS SIE VOR TAG 1 KLÄREN MÜSSEN

Bevor Sie irgendetwas implementieren, brauchen Sie Klarheit über drei Fragen. Erstens: Welche Probleme soll KI lösen? Nicht welche Probleme KI theoretisch lösen könnte, sondern welche konkreten Engpässe in Ihrem Betrieb heute Zeit, Geld oder Qualität kosten. Zweitens: Welche Daten haben Sie? KI braucht Daten. Ohne strukturierte, zugängliche Daten sind viele KI-Anwendungen schlicht nicht möglich. Drittens: Wer trägt das intern? Jede KI-Initiative braucht eine Person, die Verantwortung übernimmt und als interner Ansprechpartner fungiert.

Ein typisches Muster bei KMUs ist, dass diese drei Fragen nicht vorab beantwortet werden. Stattdessen startet man mit einem Tool-Pilot, stellt nach vier Wochen fest, dass die Datenbasis fehlt, und verliert die ersten Wochen mit Aufräumarbeiten. Das kostet Zeit und Vertrauen. Nehmen Sie sich deshalb eine Woche vor dem offiziellen Startschuss, um diese Grundlagen zu klären. Sprechen Sie mit den Abteilungsleitern, die täglich mit den größten Ineffizienzen konfrontiert sind. Vertrieb, Einkauf, Kundenservice und Buchhaltung sind häufig die ergiebigsten Startpunkte. Das Ergebnis dieser Vorbereitung ist kein ausführliches Strategiepapier, sondern eine einfache Liste: drei bis fünf konkrete Anwendungsfälle mit einer groben Einschätzung des Potenzials.

flowchart LR
    A[Vorbereitung\nVor Tag 1] --> B[Phase 1\nTage 1-30\nAnalyse]
    B --> C[Phase 2\nTage 31-60\nPilot]
    C --> D[Phase 3\nTage 61-90\nSkalierung]
    D --> E[Review &\nNächster Zyklus]
A --> A1[Probleme\ndefinieren]     A --> A2[Datenbasis\nprüfen]     A --> A3[Verantwortlichen\nbenennen]
B --> B1[Use Cases\npriorisieren]     B --> B2[Tools\nauswählen]
C --> C1[Pilot\nstarten]     C --> C2[Ergebnisse\nmessen]
D --> D1[Rollout\nplanen]     D --> D2[Learnings\ndokumentieren] 

PHASE 1, TAGE 1 BIS 30: ANALYSE UND PRIORISIERUNG

Die erste Phase dient einem einzigen Zweck: Sie wählen den richtigen ersten Anwendungsfall. Nicht den interessantesten, nicht den technisch aufwendigsten, sondern den, bei dem das Verhältnis von Aufwand zu Wirkung am günstigsten ist. In der Fachsprache nennt man das einen Quick Win. Ein Quick Win in diesem Kontext ist ein KI-Einsatz, der innerhalb von vier bis sechs Wochen implementiert werden kann, messbare Verbesserungen bringt und keine komplexe IT-Infrastruktur voraussetzt.

Konkrete Kandidaten für solche ersten Anwendungsfälle sind häufig: die automatisierte Zusammenfassung von E-Mails und Dokumenten, KI-gestützte Antwortvorschläge im Kundenservice, die automatische Kategorisierung von Eingangsrechnungen oder die KI-Unterstützung bei der Erstellung von Angeboten und Berichten. Diese Anwendungsfälle lassen sich mit bestehenden Tools wie Microsoft Copilot (ab 30 Euro pro Nutzer und Monat, Stand 2025), ChatGPT Team (25 US-Dollar pro Nutzer und Monat) oder Claude for Work (25 US-Dollar pro Nutzer und Monat) ohne große Programmierarbeit umsetzen. Einen detaillierten Vergleich dieser Modelle finden Sie im Artikel ChatGPT vs. Claude vs. Gemini: Welches Modell für welchen Zweck.

In dieser Phase führen Sie außerdem eine ehrliche Bestandsaufnahme Ihrer Datenlage durch. Sind Ihre Kundendaten strukturiert und aktuell? Liegen Ihre Prozessdaten in einem maschinenlesbaren Format vor? Gibt es rechtliche oder datenschutzrechtliche Hürden, die Sie vor dem KI-Einsatz klären müssen? Letzteres ist nicht zu unterschätzen. Der Einsatz von KI-Tools, die personenbezogene Daten verarbeiten, unterliegt der DSGVO. Was das konkret bedeutet und wie Sie datenschutzkonform automatisieren, erklärt der Artikel KI und DSGVO: Datenschutzkonform automatisieren. Klären Sie diese Fragen in Phase 1, nicht erst wenn der Pilot läuft.

Am Ende von Tag 30 sollten Sie folgendes haben: einen priorisierten Anwendungsfall, eine klare Aussage zu Ihrer Datenbasis, einen benannten internen Verantwortlichen, ein Budget für Phase 2 und ein einfaches Messkonzept. Das Messkonzept muss nicht wissenschaftlich sein. Es reicht, wenn Sie festlegen: Welchen Wert messen wir heute? Welchen Wert wollen wir in 60 Tagen erreicht haben?

PHASE 2, TAGE 31 BIS 60: DER PILOT

Phase 2 ist die schwierigste Phase. Hier trifft Theorie auf Realität. Der Pilot läuft, aber die Ergebnisse sind vielleicht nicht so eindeutig wie erhofft. Mitarbeiter nutzen das neue Tool nicht so, wie es geplant war. Oder die Daten sind doch nicht so sauber wie gedacht. Das ist normal. Ein Pilot, der reibungslos läuft, ist selten ein guter Lerneffekt.

Wichtig ist in dieser Phase vor allem eines: Scope Creep vermeiden. Das ist das Phänomen, bei dem aus einem klar definierten Pilot plötzlich drei parallele Initiativen werden, weil verschiedene Abteilungen ihre eigenen Ideen einbringen wollen. Legen Sie zu Beginn von Phase 2 schriftlich fest, was der Pilot testet und was nicht. Alles andere kommt auf eine Ideen-Liste für spätere Zyklen.

Der konkrete Ablauf eines Pilots folgt in der Regel diesem Muster: Sie wählen eine Gruppe von fünf bis fünfzehn Mitarbeitern aus, die den Use Case täglich betreffen. Sie schulen diese Gruppe im Umgang mit dem Tool, idealerweise in einer zweistündigen Live-Session plus einem schriftlichen Leitfaden. Sie begleiten die ersten zwei Wochen aktiv, sammeln Feedback und passen die Konfiguration an. In der zweiten Hälfte des Pilots läuft das Tool dann ohne intensive Betreuung. Am Ende von Tag 60 messen Sie die Ergebnisse anhand der in Phase 1 festgelegten Metriken.

Ein realistisches Beispiel: Ein Vertriebsteam nutzt KI-gestützte Angebotserstellung. Vor dem Pilot brauchte ein Mitarbeiter durchschnittlich 45 Minuten für ein Standardangebot. Mit KI-Unterstützung sind es nach vier Wochen 20 Minuten. Bei zehn Angeboten pro Woche und zehn Mitarbeitern ergibt das eine Zeitersparnis von über 40 Stunden pro Woche. Das ist kein erfundener Wert, sondern eine Größenordnung, die in der Praxis bei gut konfigurierten KI-Anwendungen realistisch ist. Welche Workflows dabei sofort Zeit sparen, lesen Sie in unserem Überblick zu Geschäftsprozessen und Automatisierung.

flowchart TD
    A[Use Case\nauswählen] --> B[Pilotgruppe\nbenennen]
    B --> C[Tool\nkonfigurieren]
    C --> D[Schulung\ndurchführen]
    D --> E[Pilotbetrieb\nWoche 1-2]
    E --> F{Feedback\neingeholt?}
    F -- Nein --> G[Feedback-Session\norganisieren]
    G --> F
    F -- Ja --> H[Anpassungen\nvornehmen]
    H --> I[Pilotbetrieb\nWoche 3-4]
    I --> J[Ergebnisse\nmessen]
    J --> K{Ziel\nerreicht?}
    K -- Ja --> L[Phase 3\nvorbereiten]
    K -- Nein --> M[Ursachen\nanalysieren]
    M --> N[Entscheidung:\nWeiter oder\nUse Case wechseln]

Was Einen Guten KI-Piloten Ausmacht

Ein guter Pilot misst mehr als Zeitersparnis. Er liefert Erkenntnisse darüber, wie Ihre Mitarbeiter mit KI-Tools arbeiten, wo Widerstände entstehen und welche Qualitätsstandards die KI-Ausgaben erfüllen müssen, damit sie nutzbar sind. Diese qualitativen Erkenntnisse sind oft wertvoller als die quantitativen Metriken. Sie zeigen Ihnen, wo Sie in Phase 3 nacharbeiten müssen.

Ein typisches Problem in Pilotphasen: Die Mitarbeiter nutzen das Tool, aber sie trauen den Ergebnissen nicht. Sie überprüfen jeden KI-Output so aufwendig, dass der Zeitgewinn wieder verloren geht. Das ist kein Technologieproblem, sondern ein Vertrauensproblem. Es löst sich durch Transparenz. Zeigen Sie Ihrem Team konkret, auf welchen Daten die KI basiert, wo sie Fehler machen kann und welche Outputs kritisch zu prüfen sind versus welche routinemäßig übernommen werden können. Klare Qualitätsgrenzen reduzieren die kognitive Last der Mitarbeiter deutlich.

Ein weiteres häufiges Problem ist unzureichende Tool-Konfiguration. Viele KI-Tools liefern im Standardmodus mittelmäßige Ergebnisse, weil sie nicht auf den spezifischen Kontext Ihres Unternehmens eingestellt sind. ChatGPT, Claude oder Microsoft Copilot lassen sich durch gute Prompts, eigene Datenquellen und Systemanweisungen erheblich verbessern. Ein Vertriebsmitarbeiter, der ein generisches KI-Tool nutzt, erzielt andere Ergebnisse als einer, der mit einem Tool arbeitet, das auf die Produkte, Preisstrukturen und Kundensprache seines Unternehmens trainiert wurde. Dieser Konfigurationsaufwand lohnt sich und ist in Phase 2 einzuplanen.

PHASE 3, TAGE 61 BIS 90: SKALIERUNG UND VERANKERUNG

Phase 3 entscheidet darüber, ob KI in Ihrem Unternehmen dauerhaft Wirkung entfaltet oder ein einmaliges Experiment bleibt. Die Skalierung des Pilots auf breitere Nutzergruppen ist dabei nur ein Teil der Aufgabe. Der wichtigere Teil ist die organisatorische Verankerung.

Verankerung bedeutet konkret: Der KI-Einsatz wird Teil der Standardprozesse, nicht eine optionale Zusatzoption. Das geschieht durch vier Maßnahmen. Die KI-Nutzung wird in Onboarding-Prozesse für neue Mitarbeiter integriert. Es gibt eine klare Zuständigkeit für die Pflege und Weiterentwicklung der KI-Konfigurationen. Ergebnisse werden regelmäßig gemessen und an relevante Stakeholder kommuniziert. Und es gibt einen definierten Prozess, über den Mitarbeiter Feedback zur KI-Nutzung geben können.

Parallel zur Verankerung beginnen Sie in Phase 3 damit, den nächsten Anwendungsfall vorzubereiten. Das ist keine Erweiterung des laufenden Projekts, sondern der Start eines neuen 90-Tage-Zyklus. KI-Strategie ist kein einmaliges Projekt, sondern ein kontinuierlicher Prozess. Wer nach dem ersten Zyklus aufhört, hat die Grundlage gelegt, aber noch keine strategische KI-Kompetenz aufgebaut. Das Ziel ist, dass Ihr Unternehmen nach drei bis vier Zyklen, also nach neun bis zwölf Monaten, eine eigene KI-Roadmap hat, die nicht von externer Beratung abhängig ist.

Häufige Fehler Und Wie Sie Sie Vermeiden

Der erste häufige Fehler ist, mit dem komplexesten Use Case zu beginnen. Viele Unternehmen wollen sofort KI in ihre Kernprozesse integrieren, also in ERP-Systeme, in die Produktionssteuerung oder in komplexe Entscheidungsprozesse. Das ist technisch aufwendig, rechtlich oft sensibel und intern schwer zu kommunizieren. Beginnen Sie stattdessen mit einem Use Case, der sichtbar ist, schnell umsetzbar und leicht messbar.

Der zweite häufige Fehler ist, KI als IT-Projekt zu behandeln. KI-Strategie ist keine Technologiefrage, sie ist eine Organisations- und Prozessfrage. Die IT ist ein wichtiger Partner, aber die Initiative muss aus den Fachbereichen kommen. Wenn der Antrieb für KI-Projekte ausschließlich von der IT-Abteilung kommt, scheitern sie regelmäßig daran, dass die Fachbereiche die Lösung nicht nutzen.

Der dritte Fehler ist fehlende Kommunikation gegenüber den Mitarbeitern. KI-Einführungen stoßen intern auf Widerstand, wenn Mitarbeiter befürchten, dass ihre Stellen ersetzt werden. Diese Befürchtung ist verständlich und sollte nicht ignoriert werden. In der Praxis zeigt sich, dass Unternehmen, die offen kommunizieren, was KI leisten soll und was nicht, deutlich geringere Widerstände erleben. Kommunizieren Sie klar: KI soll Routineaufgaben übernehmen, damit Ihr Team mehr Zeit für anspruchsvollere Tätigkeiten hat. Und meinen Sie das auch so.

Der vierte Fehler ist die Unterschätzung von Datenschutzfragen. Gerade bei KI-Tools, die mit Kundendaten oder personenbezogenen Mitarbeiterdaten arbeiten, gibt es erhebliche rechtliche Anforderungen. Der EU AI Act, der seit August 2024 in Kraft ist und stufenweise angewendet wird, fügt weitere Compliance-Anforderungen hinzu. Was das für Ihr Unternehmen bedeutet, lesen Sie im Artikel EU AI Act 2026: Was Unternehmen jetzt umsetzen müssen.

BUDGETPLANUNG FÜR DEN 90-TAGE-FAHRPLAN

Eine realistische Budgetplanung hilft Ihnen, intern für das Vorhaben zu werben und Überraschungen zu vermeiden. Für einen KMU-typischen ersten 90-Tage-Zyklus können Sie mit folgenden Größenordnungen rechnen: Tool-Lizenzen für eine Pilotgruppe von zehn Personen kosten bei den gängigen Tools zwischen 250 und 300 Euro pro Monat. Für drei Monate also etwa 750 bis 900 Euro. Dazu kommen interne Personalkosten für die Vorbereitung und Begleitung des Pilots. Wenn Sie eine halbe Stelle für drei Monate ansetzten, sind das je nach Gehaltsstruktur zwischen 5.000 und 10.000 Euro. Externe Beratung für die Strategiephase und den Setup des Pilots kann je nach Anbieter zwischen 3.000 und 15.000 Euro kosten.

Diese Zahlen klingen zunächst nach Aufwand. Aber setzt man sie gegen den realisierten Nutzen, ergibt sich ein anderes Bild. Wenn 40 Stunden Zeitersparnis pro Woche realisiert werden und ein durchschnittlicher Stundensatz von 50 Euro angesetzt wird, ergibt sich ein wöchentlicher Wert von 2.000 Euro. In einem Quartal sind das 26.000 Euro. Die Investition amortisiert sich in diesem Szenario innerhalb des ersten Zyklus. Das ist kein garantiertes Ergebnis, sondern eine Illustration der Größenordnungen, mit denen gut geführte KI-Piloten operieren.

KI-Tools Für Den Einstieg: Was Wirklich Funktioniert

Die Tool-Landschaft für den KI-Einstieg ist groß, und die Auswahl fällt vielen Unternehmen schwer. Ein pragmatischer Ansatz: Beginnen Sie mit Tools, die Ihre Mitarbeiter bereits kennen oder die nahe an bestehenden Workflows liegen. Wenn Ihr Unternehmen auf Microsoft 365 setzt, ist Microsoft Copilot der naheliegendste Einstieg, weil er direkt in Word, Excel, Outlook und Teams integriert ist. Wenn Ihr Team täglich mit Google Workspace arbeitet, ist Gemini for Google Workspace (ab 22 Euro pro Nutzer und Monat) die sinnvollere Wahl.

Für Unternehmen, die gezielt Automatisierungen aufbauen wollen, sind Tools wie n8n, Make oder Zapier relevant. Sie ermöglichen es, KI-Funktionen in bestehende Workflows zu integrieren, ohne dass Programmierkenntnisse notwendig sind. Ein ausführlicher Vergleich dieser Tools findet sich im Artikel n8n vs. Zapier vs. Make: Automatisierungstools im Vergleich 2026. n8n ist dabei besonders interessant für Unternehmen, die Datenschutzanforderungen ernst nehmen, weil es als selbst gehostete Lösung betrieben werden kann und damit Daten das eigene Rechenzentrum nicht verlassen müssen.

Für spezifische Anwendungsfälle wie Telefonkommunikation und Kundenkontakt sind Voice-AI-Lösungen relevant. Diese Technologie hat sich in den letzten zwei Jahren erheblich weiterentwickelt und ist für viele KMUs inzwischen erschwinglich. Eine Übersicht dazu bietet der Artikel KI-Telefonassistenten: Wie Unternehmen Anrufe automatisieren.

WAS NACH DEN 90 TAGEN KOMMT

Der 90-Tage-Fahrplan ist ein Startpunkt, kein Endpunkt. Wer nach dem ersten Zyklus aufhört, hat einen nützlichen Pilot realisiert, aber keine KI-Strategie entwickelt. Eine echte KI-Strategie entsteht, wenn mehrere Zyklen aufeinander aufbauen und das Unternehmen systematisch lernt, welche KI-Anwendungen Wirkung entfalten und welche nicht.

Nach dem ersten Zyklus sollten Sie eine einfache KI-Roadmap erstellt haben: eine Priorisierungsliste der nächsten fünf bis zehn Anwendungsfälle, eine Einschätzung der technischen Voraussetzungen, die noch fehlen, und ein Governance-Konzept, das regelt, wer im Unternehmen über KI-Einsatz entscheidet. Diese Roadmap ist kein statisches Dokument. Sie wird nach jedem Zyklus aktualisiert, weil sich die Tool-Landschaft, die Datenbasis und die Anforderungen Ihres Unternehmens verändern.

In der Beratungspraxis zeigt sich, dass Unternehmen nach drei bis vier Zyklen eine eigene interne KI-Kompetenz entwickeln, die sie unabhängiger von externer Beratung macht. Das ist das eigentliche Ziel. Nicht Abhängigkeit von Beratern oder Tools, sondern eine Organisation, die selbstständig entscheidet, wann, wo und wie sie KI einsetzt.

Fazit

Ein strukturierter 90-Tage-Fahrplan ist der pragmatischste Weg, um KI-Strategie vom Konzept in die Praxis zu überführen. Die drei Phasen, Analyse, Pilot und Skalierung, geben Ihnen einen Rahmen, der flexibel genug ist für die Realität Ihres Unternehmens und verbindlich genug, um echte Ergebnisse zu erzeugen. Starten Sie mit einem einzigen, klar definierten Anwendungsfall, messen Sie konsequent und bauen Sie auf dem, was funktioniert. Wenn Sie Unterstützung bei der Entwicklung Ihrer KI-Strategie suchen, vereinbaren Sie ein kostenloses Erstgespräch mit uns.

Sven Kasek ist KI-Berater für KMUs und Mittelständler mit Sitz in Berlin. Er begleitet Unternehmen dabei, KI-Strategien zu entwickeln und in den Betrieb zu integrieren, die auf echten Geschäftsprozessen basieren.