All Posts

In der useai.community treibt uns seit Monaten eine sehr einfache Grundfrage: Wie kann KI bei möglichst vielen Aufgaben unterstützen und Arbeit abnehmen? Wir versuchen „AI-first“ nicht als Etikett, sondern als Arbeitsweise zu verstehen. Diese Frage führt automatisch zu einer zweiten: Was kann KI zu 100 % übernehmen – und an welchen Stellen muss ein Mensch als Human-in-the-Loop bleiben? Was kann KI zu 100 % übernehmen – und an welchen Stellen muss ein Mensch als Human-in-the-

Der typische Fehlstart ist unspektakulär. Er beginnt mit einem Satz im Meeting, der wie Entschlossenheit klingt und doch vor allem Unsicherheit verrät: Ein Chatbot für den Support, das machen jetzt alle. Der Mitbewerber berichtet von 80 Prozent weniger Aufwand. Dann geht es schnell. Das Vorhaben wandert in die IT, der After-Sales-Bereich bekommt es „hingestellt“, und irgendjemand soll es in den Alltag drücken. Von außen wirkt das wie Handlungsfähigkeit. Innen entsteht etwas a

In vielen mittelständischen Unternehmen beginnt die Debatte über KI mit einem Satz, der in Meetings zuverlässig fällt, er klingt in etwa wie folgt: "Ein Chatbot für die Projektleitung wäre doch cool. Der Mitbewerber hat so etwas auch schon." Dahinter steckt selten böser Wille. Es ist eher eine Mischung aus Enthusiasmus, Erwartungsdruck, Neugier und dem Wunsch, etwas Sichtbares vorzeigen zu können. Genau an dieser Stelle kippt das Thema oft in „Happy Engineering“: Technik wird

In vielen KMU beginnt das Thema KI mit einer Ansage aus der Geschäftsführung: Es soll sichtbar werden, dass etwas passiert. In der Bereichsleitung kommt dieser Impuls als Arbeitsauftrag an – und verwandelt sich schnell in Unruhe. Fachabteilungen starten parallel, Vorschläge stapeln sich, jeder will „auch etwas machen“. Was fehlt, ist nicht Energie, sondern ein gemeinsamer Bezugsrahmen: Woran wird gearbeitet, welche Annahme soll beantwortet werden, und welche Ergebnisse müssen

In wachsenden KMU entstehen die teuersten Verluste selten durch große Fehlentscheidungen. Sie entstehen durch alltägliche Verwaltungsarbeit, die unbemerkt zäh wird: Rückfragen, Korrekturen, fehlende Übergaben, doppelte Pflege. Viele Teams gewöhnen sich daran. Reibung wird zum Grundrauschen. Erst wenn etwas sichtbar kippt – eine Reklamation, ein verpasster Kunde, eine ausbleibende Rechnung – wird klar, dass hier kein Einzelfall vorliegt, sondern ein Muster. Das Muster ist schl

In vielen kleinen und mittleren Unternehmen ist KI weniger ein Technologiethema als ein Einordnungsthema. Nicht, weil es an Interesse fehlt, sondern weil im Alltag selten Raum entsteht, um Begriffe, Wirkungen und Konsequenzen in Ruhe zu klären. Zwischen Aufträgen, Reklamationen, Personalfragen und Lieferterminen bleibt KI ein Wort, das überall auftaucht und dennoch nicht greifbar wird. Daraus entsteht Orientierungslosigkeit: Wo anfangen, wenn nicht einmal klar ist, was KI im

Von der Idee zum Test: So nutzen Unternehmen KI praktisch

KI im Alltag: Diese Routinen lohnen sich

KI spart nur dann Geld, wenn ein Anfang entschieden ist. In vielen KMU beginnt das Thema jedoch nicht mit einer Entscheidung, sondern mit einer Verlegenheit: Im Alltagsgeschäft bleibt kaum Raum für Entwicklungsarbeit. Also wandert KI dorthin, wo Kapazität und Zuständigkeit vermeintlich sitzen – in die IT. Dort wird nach Stabilität, Sicherheit und Verfügbarkeit bewertet. Genau das ist legitim. Nur trifft es nicht den Kern der Frage, wenn KI Prozesse und Produkte verändern soll

Wer heute über KI spricht, spricht oft über Tools. Über Modelle, Plattformen und Funktionen. Doch diese Gespräche beantworten selten die entscheidende Frage: Wofür brauchen wir KI eigentlich und wofür nicht? KI beginnt nicht mit Technologie. KI beginnt mit besseren Fragen. Wer KI verstehen will, muss sie nicht programmieren können. Er muss sie einordnen können. KI‑Kompetenz bedeutet nicht, technische Details zu kennen, sondern beurteilen zu können, wo KI sinnvoll unterstützt,

Viele Unternehmen beginnen ihren KI‑Weg mit Tools und Plattformen. Sie vergleichen Funktionen, testen Möglichkeiten und starten Pilotprojekte. Was dabei oft fehlt, ist eine einfache, aber entscheidende Frage: Wo genau soll KI im Alltag tatsächlich entlasten? Wer mit Tools beginnt statt mit Problemen, produziert selten Einsparungen. Er produziert vor allem Komplexität. Die Folge sind Pilotprojekte ohne Wirkung, Experimente ohne Priorität und Investitionen ohne klare wirtschaft

KI wird in vielen KMU noch immer wie ein klassisches IT‑Projekt behandelt. Man spricht von Einführung, Rollout, Schulung und Strategie. Doch genau hier beginnt das eigentliche Problem. KI lässt sich nicht einfach einführen. KI muss erlebt werden. Erst die Erfahrungen mit KI ermöglichen die nächsten Schritte. Die Auswahl an KI‑Tools ist heute unüberschaubar. Für nahezu jede Aufgabe gibt es dutzende Lösungen. Gleichzeitig fehlt vielen Menschen eine klare Vorstellung davon, was

Viele Unternehmen wissen, dass KI ihr Geschäftsmodell verändern wird, doch oft fehlt ein konkreter Einstiegspunkt. Begriffe wie künstliche Intelligenz , KI-Prototyping  oder generative KI  sind präsent, aber schwer greifbar. Genau hier setzt unser kleines Experiment PersonaGen  an: ein leichtgewichtiger KI-Prototyp, der zeigt, wie niedrig die Hürden geworden sind, KI im Unternehmen auszuprobieren. Warum PersonaGen entstanden ist Im Alltag auf LinkedIn zeigt sich schnell, wie

Wir reden viel über Künstliche Intelligenz. Über Chancen, Risiken, Effizienz und Kontrolle. Aber selten darüber, was Menschen eigentlich können müssen, um mit ihr sinnvoll umzugehen. KI-Kompetenz das klingt nach Technik, nach Daten, Algorithmen, nach Wissen. In Wahrheit beginnt sie ganz woanders: bei uns selbst. KI-Kompetenz heißt, sich einzulassen auf ein Lernen, das uns verändert. Auf ein Denken, das nicht nur Wissen anhäuft, sondern versteht, wie dieses Wissen entsteht und

Alle reden über Künstliche Intelligenz . Milliarden werden investiert, Pilotprojekte gestartet, Strategiepapiere verfasst – und doch scheitern bis zu 80 Prozent aller KI Anwendungen . Nicht, weil die Technologie fehlt. Sondern weil es an Klarheit mangelt, weil KI-Kompetenz unzureichend ist und weil Fachbereiche und IT nicht die gleiche Sprache sprechen. Warum KI Projekte scheitern Genau darüber haben Thomas Stangl von TechTalk und ich bei unserer keynote "Agility meets AI" au

"Don’t plan, prototype."  Dieser Leitsatz bringt auf den Punkt, worum es bei " Use vor Case"  geht: Viele Unternehmen verharren in der Analysephase, versuchen Business Cases zu rechtfertigen, bevor sie KI überhaupt ausprobiert haben. Doch genau das ist der Fehler. Das Problem mit dem „Case first“-Ansatz Klassisch denken Unternehmen so: „Wir brauchen einen klaren Business Case, bevor wir KI einsetzen.“ Das klingt vernünftig – ist in der Realität aber oft ein Innovationskiller.