Zurück zum BlogKI-Strategie

Was wir aus einem Jahr KI-Gesprächen gelernt haben

Gespräche mit Versicherern, Banken, Anwaltskanzleien, Behörden und vielen anderen haben unseren Blick darauf verändert, wie KI-Projekte ins Rollen kommen.

Darius Doongaji
Darius Doongaji
Innovation & Intelligence
2. Oktober 2026·4 Min. Lesezeit
Hinweis

Diese deutsche Fassung wurde maschinell mit KI aus dem Englischen übersetzt. Zum englischen Original.

Im vergangenen Jahr haben wir mit Unternehmen gesprochen, die beim Einsatz von KI sehr unterschiedlich weit waren. Bei einigen liefen bereits Systeme im Tagesgeschäft. Andere überlegten noch, wo sie ansetzen sollten. Drei Beobachtungen aus diesen Gesprächen sind uns in Erinnerung geblieben, auch weil sie unsere eigene Arbeitsweise verändert haben.

1. Gleiches Geschäft, ganz unterschiedliche Ausgangslagen

„Wir hinken den anderen wohl hinterher.“ Diesen Satz hörten wir in der einen oder anderen Form von Firmen an beiden Enden des Spektrums. Selbst Unternehmen, die KI bereits täglich nutzten, waren sich unsicher, wo sie standen. Von innen ist das oft schwer einzuschätzen.

Besonders deutlich zeigte sich der Unterschied bei zwei Rechtsschutzversicherern. Beide verkauften im Wesentlichen dasselbe Produkt, bearbeiteten ähnliche Schadenfälle und unterlagen denselben regulatorischen Vorgaben. Der eine hatte ein KI-System für die Fallaufnahme in Betrieb und arbeitete an Voicebots, die ganze Kundengespräche übernehmen sollten. Der andere klärte noch ab, ob man eine Kunden-E-Mail überhaupt einem Sprachmodell übergeben kann.

Ähnliche Unterschiede sahen wir auch anderswo. Mit Branche, Grösse und Budget liessen sie sich offenbar nicht durchgängig erklären. Wir hatten eher den Eindruck, dass frühere Entscheidungen viel ausmachten, darunter auch jene zum Umgang mit dem Datenschutz. In manchen Fällen ging die Diskussion bereits ins Konkrete: Wo könnte ein Modell laufen, wer hätte Zugriff auf die Daten und wie würden die Ergebnisse geprüft? In anderen war noch die Grundsatzfrage offen, ob man KI überhaupt einsetzen will.

Das sind gewichtige Fragen, gerade wenn es um Kundendaten geht. Wer sie für ein erstes Projekt geklärt hat, kann beim nächsten darauf aufbauen. Was nach technologischem Rückstand aussieht, ist zum Teil womöglich die Erfahrung, die das eine Unternehmen bereits gesammelt hat.

2. An Ideen fehlte es selten

Wir hatten erwartet, länger erklären zu müssen, wo KI nützlich sein könnte. Stattdessen brachten unsere Gesprächspartnerinnen und Gesprächspartner oft eine Liste von Prozessen mit, die sie verbessern wollten. Sie kannten die Volumen und die repetitiven Arbeitsschritte und wussten genau, wo sich die Pendenzen stapelten.

Schwierig war es, aus dieser Liste ein Projekt zu machen, für das jemand geradesteht. Zu Beginn brauchten die Beteiligten ein klareres Bild davon, was sie mittragen sollten: was die Mitarbeitenden wirklich nutzen würden, welcher Teil ihrer Arbeit sich ändern würde und wie aufwendig ein erster Versuch wäre. Ohne dieses Bild kam selbst eine vielversprechende Idee kaum voran.

Später stellte sich ein anderes Problem. Eine Demo lief vielleicht gut, doch um sie in den Alltag zu bringen, musste man sie an bestehende Software anbinden, an echten Fällen testen und nach dem Start am Laufen halten. Das braucht Zeit und Fachwissen. In beiden Phasen ging es auch ums Budget: Ein vager Vorschlag lässt sich schwer finanzieren, und ein Projekt, das zwischen Demo und produktivem Betrieb stecken bleibt, macht es schwerer, das nächste zu begründen.

3. Eine frühe Version verändert das Gespräch

Am Anfang unserer Projekte haben wir manchmal zu lange abstrakt über ein System diskutiert. Alle im Raum konnten der Beschreibung zustimmen, und doch hatte jede und jeder ein etwas anderes Bild im Kopf. Weitere Erklärungen halfen nicht immer.

Sobald wir eine frühe Version mit den eigenen Fällen des Unternehmens vorführten, änderte sich das Gespräch. Die Beteiligten konnten auf ein Ergebnis zeigen, erklären, was daran nicht stimmte, und uns sagen, was sie stattdessen brauchten. Damit hatten wir etwas Greifbares, an dem wir gemeinsam arbeiten konnten, und die nächste Version konnte diese Rückmeldungen aufnehmen.

Wichtig war, dass es ihre eigenen Fälle waren. Die Mitarbeitenden, die diese Arbeit machen, konnten das Ergebnis an Fällen beurteilen, mit denen sie sich auskannten, samt den kniffligen Details, die in einer allgemeinen Diskussion leicht untergehen. Ein Ergebnis kann für Aussenstehende plausibel wirken und trotzdem etwas übersehen, das auf der Hand liegt, wenn man diese Fälle jeden Tag bearbeitet.

Heute versuchen wir, früher an diesen Punkt zu kommen. Die erste Version muss auch dann noch sorgfältig getestet und weiterentwickelt werden, bevor sich jemand darauf verlassen kann. Sie hilft uns aber zu erkennen, wo unser Verständnis noch Lücken hat, und gibt allen eine konkretere Grundlage für den Entscheid, ob es sich lohnt, die Idee weiterzuverfolgen.

Darius Doongaji
Geschrieben von

Darius Doongaji

Innovation & Intelligence

Mitgründer von Voviva mit Fokus auf Innovation & Intelligence. Er prüft, wo neue Modellfähigkeiten echten Mehrwert schaffen, und macht daraus Systeme, auf die sich Unternehmen verlassen können, auch wenn sich die Technologie laufend weiterentwickelt.

Bereit, KI konkret umzusetzen?

Buchen Sie ein 30-minütiges Gespräch. Gemeinsam klären wir, wo KI in Ihrem Unternehmen sinnvoll eingesetzt werden kann.