Warum der Start über alles entscheidet
Die meisten KMU-Projekte mit KI sterben nicht an der Technologie. Sie sterben vorher. Entweder im ersten Meeting, weil niemand eine konkrete Frage stellen kann. Oder sechs Wochen später, weil die Daten nicht so aussehen wie erwartet. Der eigentliche Pilotbetrieb wird gar nicht erst erreicht.
Das ist kein Versagen der Betriebe. Es ist ein Strukturproblem: Es gibt keinen etablierten Pfad vom Interesse zum laufenden System. Ich zeige Ihnen, wie dieser Pfad in drei Schritten aussieht — und welcher Schritt am häufigsten zum Abbruch führt.
Schritt 1: Den richtigen Anwendungsfall finden
Das erste Gespräch dreht sich fast immer um die falsche Frage. Typisches Muster: Ein Geschäftsführer fragt, was KI in seinem Betrieb leisten könnte. Gute Frage — aber zu groß für den Einstieg.
Die richtige Frage lautet: Welche Aufgabe kostet uns jeden Monat verlässlich Zeit, ist repetitiv, und hat ein klares Ergebnis?
Diese drei Kriterien sind entscheidend:
Verlässlich wiederkehrend. Ein Prozess, der nur einmal pro Quartal auftaucht, ist kein guter Kandidat. Er bietet zu wenig Volumen, um einen Piloten aussagekräftig zu machen.
Repetitiv, nicht kreativ. KI macht keine Ausnahmen gut. Sie macht Regeln gut. Rechnungsprüfung, Datenkategorisierung, Standardkorrespondenz — das sind sinnvolle Startpunkte. Strategieentscheidungen sind es nicht.
Klares Ergebnis. Am Ende des Prozesses muss etwas Messbares stehen. Eine Klassifizierung ist richtig oder falsch. Eine Antwort wird weitergeleitet oder nicht. Ohne dieses Kriterium können Sie den Pilot nicht bewerten.
Typisches Beispiel: Ein Handelsunternehmen mit 40 Mitarbeitern prüft eingehende Lieferantenrechnungen manuell auf formale Richtigkeit. Drei Personen verbringen je etwa vier Stunden pro Woche damit. Ergebnis pro Rechnung ist binär: freigeben oder zurückschicken. Das ist ein funktionsfähiger Ausgangspunkt.
Was kein guter Ausgangspunkt ist: „Wir wollen unsere Kundenkommunikation verbessern.” Das ist ein Ziel, kein Prozess.
Schritt 2: Datenlage prüfen — ehrlich
Hier scheitern die meisten Projekte. Nicht im Pilotbetrieb, sondern in der Vorbereitung. Und das ist der Punkt, den ich in jedem zweiten Gespräch erlebe.
Die Einschätzung zu Beginn klingt oft so: „Ja, die Daten haben wir.” Nach näherer Betrachtung stellt sich heraus: Die Daten existieren, aber verteilt auf drei Systeme, zwei Excel-Dateien von 2019 und ein Archivlaufwerk, auf das seit acht Monaten niemand mehr zugegriffen hat.
Das ist keine Ausnahme. Das ist der Normalfall in österreichischen KMU.
Was Sie vor dem Start klären müssen:
Wo liegen die Daten tatsächlich? Nicht wo sie laut Organigramm liegen sollten. Sondern wo sie wirklich sind — inklusive der Schatten-Excels in den Abteilungen.
Wie viele Beispiele haben Sie? Für einfache Klassifizierungsaufgaben brauchen Sie mindestens 200–500 beschriftete Beispiele, oft mehr. Bei komplexeren Aufgaben steigt diese Zahl schnell auf mehrere Tausend. Wer 30 Datensätze hat, kann keinen sinnvollen Pilot aufsetzen.
Wer hat die Daten beschriftet? Haeufiges Muster: Historische Daten wurden von verschiedenen Mitarbeitern unterschiedlich kategorisiert. Was für Person A eine Reklamation ist, ist für Person B eine allgemeine Anfrage. Wenn die Trainingsdaten inkonsistent sind, ist das Modell es auch.
Dürfen die Daten überhaupt verwendet werden? DSGVO-Konformität ist kein Nice-to-have. Kundendaten, Mitarbeiterdaten, sensible Lieferanteninformationen — all das braucht eine saubere Grundlage, bevor irgendein System damit trainiert wird.
Meine Empfehlung: Planen Sie für diese Bestandsaufnahme mindestens zwei Wochen ein. Wer das überspringt, verliert diese Zeit später doppelt.
Schritt 3: Den Pilot klein halten und schnell starten
Wenn Anwendungsfall und Datenlage geklärt sind, beginnt der eigentliche Pilotbetrieb. Und hier ist die häufigste Fehlannahme: Ein Pilot ist kein Projekt.
Ein Projekt hat einen Zeitplan, ein Budget, ein Abnahmedokument. Ein Pilot hat eine Frage und einen Zeithorizont. Die Frage könnte lauten: Kann dieses System 80 % der Eingangsrechnungen korrekt klassifizieren, ohne dass ein Mitarbeiter nachkorrigiert?
Der Zeithorizont sollte acht bis zwölf Wochen nicht überschreiten. Wer nach zwölf Wochen keine Antwort auf diese Frage hat, hat den Pilot zu groß gemacht.
Konkrete Empfehlungen für den Pilotaufbau:
Definieren Sie Ihren Schwellenwert im Voraus. Was gilt als Erfolg? 75 % Genauigkeit? 90 %? Das muss vor dem Start festgelegt werden — nicht danach, wenn die ersten Ergebnisse auf dem Tisch liegen.
Parallelbetrieb statt Ablösung. Der Pilot läuft vier bis sechs Wochen parallel zum bestehenden Prozess. Ein Mitarbeiter macht seine Arbeit wie bisher. Das System macht sie auch. Danach vergleichen Sie. Dieser Schritt kostet Zeit, aber er schützt Sie vor bösen Überraschungen im Produktivbetrieb.
Einen Ansprechpartner benennen. Nicht ein Komitee. Eine Person, die Entscheidungen treffen kann, Zugriff auf die Daten hat, und die den Prozess kennt. Ohne das driftet jeder Pilot ins Leere.
Misserfolg als valides Ergebnis behandeln. Ein Pilot, der zeigt, dass die Aufgabe für KI ungeeignet ist, ist kein gescheitertes Projekt. Er ist eine nützliche Information. Wer das nicht so sieht, wird den nächsten Pilot genauso schlecht aufsetzen.
Der Punkt, der am häufigsten kippt
Ich beobachte das regelmäßig: Schritt 1 und Schritt 3 werden halbwegs solide abgearbeitet. Schritt 2 wird unterschätzt oder mit einem freundlichen „das kriegen wir hin” abgehakt.
Dann beginnt der Pilot, und die Datenqualität ist nicht das, was erwartet wurde. Fehlende Werte, uneinheitliche Kategorien, zu wenig Volumen. Der Pilot wird verlangsamt, verlängert, und schließlich still begraben.
Das liegt nicht an mangelndem Willen. Es liegt daran, dass Datenarbeit unsichtbar ist. Sie ist unattraktiv, zeitaufwändig, und zeigt keine schönen Fortschrittsbalken. Aber sie ist die eigentliche Grundlage jedes sinnvollen KI-Einsatzes.
Wenn ich einen einzigen Rat geben müsste: Investieren Sie die erste Hälfte Ihrer Projektzeit in die Datenfrage. Nicht in Tools, nicht in Anbieterauswahl, nicht in Präsentationen für die Geschäftsführung. In die Daten.
Was nach dem Pilot kommt
Ein erfolgreicher Pilot beantwortet eine Frage. Er ist kein Endprodukt. Was danach folgt, ist eine Entscheidung: Weiterentwicklung zum produktiven System, Ausweitung auf weitere Prozesse, oder bewusstes Stoppen.
Alle drei Optionen sind legitim. Die einzige schlechte Option ist das Nichtstun: Der Pilot liefert ein gutes Ergebnis, und dann passiert sechs Monate lang nichts, weil niemand die nächste Entscheidung trifft.
Planen Sie daher bereits vor dem Pilot-Start, wer nach Abschluss entscheidet und in welchem Zeitrahmen. Das klingt bürokratisch. Es verhindert, dass gute Arbeit in einem Ordner verschwindet.
Der Cold-Start ist lösbar. Er braucht keine großen Budgets und keine externe Beraterarmee. Er braucht eine klare Frage, ehrliche Datenbewertung, und einen kurzen, fokussierten Pilot. Das ist alles.