KI-Assistenten erfolgreich integrieren

Hoi und herzlich willkomma zu den Büro für KI-Insights. 🤓

Letzte Woche ging's um die 5 Reifegrade auf dem Weg zur KI-First-Organisation, also das grosse Bild. Heute zoomen wir etwas weiter rein: Wie bringst du ganz konkret KI-Assistenten ins Unternehmen? Dafür habe ich ein eigenes kleines 5-Phasen-Playbook entwickelt.

Vielleicht erinnerst du dich: Vor ein paar Wochen hab ich dir ja gezeigt, wie du einen CustomGPT (oder eben KI-Assistenten) baust, einen persönlichen Schreibassistenten, der Texte in deinem Stil verfasst.

Heute gehen wir einen Schritt weiter. Es geht nicht mehr um einen Assistenten für dich persönlich. Es geht darum, wie du KI-Assistenten strategisch in dein Unternehmen bringst, so, dass sie auch wirklich genutzt werden.

Denn seien wir ehrlich: Einfach mal ein paar Lizenzen kaufen und hoffen, dass es schon irgendwie läuft? Das funktioniert nicht. Ich hab das leider schon oft genug gesehen. 🙈

In diesem Newsletter zeig ich dir:

Warum Assistenten (immer noch) der bessere Einstieg sind als Agenten
Mein 5-Phasen-Playbook für die Integration
Wie du den Erfolg misst
Die häufigsten Fehler, und wie du sie vermeidest
Einen pragmatischen Blick auf Datenschutz

Viel Spass bim läsa! 🤓

Andreas

Kurz zur Erinnerung: Was ist ein KI-Assistent?

Ein KI-Assistent ist in der Regel auf genau eine spezifische Aufgabe ausgerichtet. Nicht mehr, nicht weniger.

Ich definiere exakt, wie er arbeiten soll, welchen Kontext er kennt, welche Regeln er befolgt. Ich kann internes Wissen hinterlegen, Vorlagen mitgeben, den Ablauf festlegen. Er macht dann genau das was er soll – immer wieder, ohne müde zu werden. 😅

So kann ich mir ein ganzes Set an Assistenten zusammenstellen, das genau auf mein Business und mich ausgerichtet ist. Und das natürlich nicht, um Menschen zu ersetzen, sondern um repetitive, fehleranfällige und mühsame Arbeiten an die Maschine abzugeben. Damit wir uns um die wichtigeren Dinge kümmern können.

Agenten vs. Assistenten: Warum ich in Unternehmen (noch) auf Assistenten setze

Alle reden gerade von KI-Agenten. Manus, Agentenmodus in ChatGPT usw. Diese Tools sind beeindruckend. Und ja: Agenten gehört die Zukunft, da bin ich mir sicher. Ich nutze selbst intensiv agentische Workflows in n8n und bin, wie du als regelmässige:r Leser:in weisst, auch begeisterter Manus-User.

Aber hier ist die Realität:

Einem Agenten gebe ich ein Ziel, und er arbeitet sich autonom dorthin. Das klingt verlockend, so als müsste man dann gar nichts mehr machen. Die Realität ist eine andere.

Je autonomer ein System arbeitet, desto mehr Erfahrung und technisches Verständnis brauchst du.

Warum? Weil sich Fehler vervielfachen. Eine kleine Halluzination in Schritt 2 kann sich in den Folgeschritten potenzieren. Und plötzlich hast du ein Ergebnis, das komplett daneben liegt, ohne dass du es merkst. Ich spreche da aus Erfahrung. 🙈

Für gut funktionierende agentische Workflows brauchst du zudem Integrationen in bestehende Systeme, saubere Daten, klare Prozesse. Das ist in den meisten Unternehmen noch nicht gegeben. Die IT ist involviert, Governance muss geklärt werden, bestehende Prozesse müssen angepasst werden. Je grösser das Unternehmen, desto herausfordernder der Weg.

KI-Assistenten sind da um ein Vielfaches einfacher:

Ich habe einen repetitiven Prozess.
Ich schreibe auf, wie ich ihn erledige.
Ich weise einen Assistenten einmalig an, wie er diese Aufgabe angehen soll.

Das ist zwar initial Aufwand, aber er lohnt sich bei wiederkehrenden Arbeiten.

Der Mitarbeiter bleibt im Loop. Er tauscht sich mit dem Assistenten aus, kontrolliert die Ergebnisse, iteriert. Und dennoch steigert man seine Effizienz massiv.

Deshalb mein Rat: Starte mit Assistenten. Sammle Erfahrung. Verstehe, wie KI tickt, wo sie stark ist, wo sie Grenzen hat. Dann, als nächsten Schritt, kannst du diese Assistenten zusätzlich automatisieren oder in agentische Systeme überführen.

KI-Assistenten-Framework mit fünf Phasen zur strategischen Integration

Das Assistenten-Playbook: Mein Vorgehen in 5 Schritten

Ich hab in den letzten 12 Monaten einige Teams und Unternehmen bei der Einführung von KI-(Assistenten) begleitet. Dabei hat sich bei uns im Büro für KI ein klarer Ablauf herauskristallisiert.

Nehmen wir als Beispiel mal einen Dienstleistungsbetrieb mit über 100 Angestellten. Marketing, HR, Finanzen, Operations, vielleicht noch ein paar weitere Abteilungen. Wie bringt man da KI-Assistenten rein, ohne dass es im Chaos endet?

Schritt 1: VERSTEHEN

Alles beginnt mit den richtigen Leuten. Wir starten nicht mit der ganzen Firma auf einmal, sondern mit einer Gruppe von sogenannten «KI-Champions», jeweils eine verantwortliche Person pro Abteilung.

Ich habe immer gute Erfahrung gemacht mit einem Bewerbungssystem: Statt Champions von oben zu bestimmen, können sich interessierte Mitarbeitende bewerben. Warum wollen sie dabei sein? Wie wollen sie das Unternehmen mit KI voranbringen? Das filtert automatisch die richtig Motivierten heraus. Und soviel vorweg: Die gibt es in jedem Unternhemen. Man muss sie nur finden. 😉

Diese Champions kommen dann meist zusammen für einen Workshop-Tag. Grundlagen, Mindset, ein gemeinsames Verständnis schaffen. Was kann KI? Was kann sie nicht? Wo liegen Chancen, wo Risiken? Und vor allem: Wie verändert sich die Art, wie wir arbeiten? Und wo kann sie uns konkret helfen?

Das klingt vielleicht nach Theorie, aber ohne dieses Fundament wird der Rest wacklig. Ich habe schon vieles gesehen. Auch Unternehmen, die direkt losgelegt haben, und nach zwei Wochen bereits frustriert aufgegeben haben, weil die Erwartungen komplett falsch waren.

Der Vorteil der Champions-Gruppe: Du hast sofort Multiplikatoren in jeder Abteilung. Menschen, die das Thema verstehen und später in ihre Teams tragen können.

Schritt 2: ERKUNDEN

Sobald wir die Basis haben, geht's in die Praxis. Und zwar intensiv.

Jeder Champion bekommt Testlizenzen. Meist von verschiedenen Anbietern. ChatGPT, Claude, Gemini, vielleicht Langdock oder eine andere Unternehmens-KI-Plattform.

Der Trick: Die KI-Champions probieren über 2-4 Wochen verschiedene Tools in ihrem jeweiligen Bereich aus. HR testet anders als die Buchhaltung, Marketing anders als Operations. So entsteht ein breites Bild, was wo funktioniert. Wo nötig helfen wir mit zusätzlichen 1:1- oder Teamsessions.

Das klare Ziel in dieser Phase: Jeder Champion identifiziert repetitive Prozesse in seiner Abteilung. Was machen wir immer wieder? Was braucht am meisten Zeit? Wo stecken wir regelmässig fest?

Ganz wichtig: Die KI-Champions müssen exklusiv Zeit in KI investieren können. Einfach on top zum Tagesgeschäft funktioniert nicht, das floppt garantiert. Die Champions brauchen echte Kapazität, um zu experimentieren. Optimal ist ein Pensum von 20%. Ich weiss, das ist viel, aber dieser Einsatz wird sich mehrfach ausbezahlen.

Schritt 3: VERDICHTEN

Nach 2-4 Wochen bringen wir die Champions dann wieder zusammen.

Jeder bringt seine Erkenntnisse mit: Welche Prozesse habt ihr gefunden? Was hat funktioniert, was nicht? Welches Tool hat sich für euren Bereich bewährt?

Dann passieren drei Dinge:

Erstens: Prozesse aufschreiben. SOPs erstellen, Standard Operating Procedures. Also wie läuft ein Prozess heute ab, Schritt für Schritt?

Zweitens: Prozesse neu denken. Das ist entscheidend. Es macht keinen Sinn, KI einfach auf bestehende, vielleicht kaputte Prozesse draufzusetzen. Oft muss man einen Schritt zurück und fragen: Ist das überhaupt der richtige Ablauf?

Drittens, und das ist oft die Goldgrube: Was ging NICHT?

Genau dort, wo's im normalen Chat nicht funktioniert hat, oder mühsam war, lohnen sich Assistenten. Wo es zu generisch wurde. Wo Kontext fehlte. Wo immer wieder dieselben Anweisungen nötig waren. Das sind die perfekten Kandidaten.

Am Ende priorisieren wir in der Regel nach drei Kriterien: Aufwand, Nutzen, Risiko. Quick Wins zuerst, und zwar pro Abteilung.

Schritt 4: PILOTIEREN

Jetzt werden Assistenten gebaut und im kleinen Kreis getestet. Das ist entscheidend: Erst pilotieren, dann skalieren.

Hier entscheidet sich auch das Tool. Die Fragen:

Welche Funktionen brauchen wir für die Use Cases?
Wie haben sich die Champions mit den verschiedenen Tools gefühlt?
Können wir andere Systeme anzapfen? Gibt's Konnektoren?
Was sagt der Datenschutz? Was sagt die IT?

In jeder Abteilung entstehen dabei sehr spezifische Assistenten:

HR baut vielleicht einen Onboarding-Assistenten oder einen Recruiting-Helfer
Die Buchhaltung einen für die Rechnungsprüfung oder das Reporting
Marketing einen LinkedIn-Assistenten oder Content-Planer
Operations einen für Prozessdokumentation oder Qualitätschecks

Die Pilotphase umfasst erst einmal nur die KI-Champions. Die KI-Assistenten werden meist 2-4 Wochen im echten Arbeitsalltag getestet. Nicht in der Theorie, sondern an realen Aufgaben, mit echten Daten, unter Zeitdruck.

Dann kommt die Auswertung:

Was funktioniert gut? Was gar nicht?
Wo braucht's Anpassungen?
Wie fühlt sich die Nutzung an?
Ist der Assistent bereit fürs Team?

Das ist der Go/No-Go Moment. Manche Assistenten gehen direkt weiter in Schritt 5. Manche brauchen nochmal eine Schlaufe. Und manche werden verworfen, weil der Use Case doch nicht so stark war wie gedacht. Und auch das ist völlig okay. Das sind wertvolle Learnings.

Schritt 5: SKALIEREN

Wenn wir unsere skalierbaren Assistenten gekürt haben, kommt der entscheidende Schritt: Die KI-Champions bringen das Gelernte in ihre Teams.

Das kann unterschiedlich aussehen, je nach Abteilung und Komplexität:

Manchmal reicht ein interner Workshop, den der Champion selbst durchführt
Manchmal braucht's eine zusätzliche Schulung durch uns
Manchmal ist es ein Mix aus beidem

Der Punkt ist: Die Champions sind jetzt die Ansprechpersonen in ihren Bereichen. Sie kennen die Tools, sie haben die Assistenten gebaut und getestet, sie wissen, was funktioniert und was nicht.

Parallel dazu werden die Learnings firmenweit geteilt. «Schaut mal, das hat bei HR super funktioniert. Könnte das auch bei euch klappen?» Dieser Austausch zwischen den Abteilungen ist Gold wert. Oft entstehen daraus neue Ideen für andere Bereiche.

Regelmässige Check-ins, ein gemeinsamer Kanal für Austausch, vielleicht ein Hackathon alle paar Monate. So bleibt das Momentum.

Wichtig: Nach dem Skalieren ist nicht Schluss.

Das Assistenten-Playbook ist ein Zyklus, kein Wasserfall. Wenn die ersten Assistenten laufen, geht's weiter: Neue Use Cases identifizieren, weitere Teams onboarden, Learnings aus dem Betrieb ziehen, Assistenten weiterentwickeln. Vielleicht kommen irgendwann Agenten dazu. Die KI-Landschaft verändert sich ständig, und dein Unternehmen sollte dranbleiben und, wo möglich, mitziehen.

🫶🏾 Bonus: Der KI-Hackathon als Beschleuniger

Ein Format, das ich immer wieder einsetze und das enorm wirkungsvoll ist: der KI-Hackathon. In 1-2 Tagen entstehen konkrete Lösungen, die direkt in den Arbeitsalltag übergehen können. Gleichzeitig passiert etwas anderes: Die Leute erleben, was möglich ist. Das ändert Mindsets schneller als jede Schulung.

Mein Hackathon-Framework dafür hat drei Phasen:

VORBEREITEN: Ziel setzen, Ideen sammeln, Teams bilden
DURCHFÜHREN: Keynote, Bauen, Pitchen
WEITERTRAGEN: Bewerten, Pilotieren, Skalieren

KI-Hackathon Framework mit den Phasen Vorbereiten, Durchführen und Weitertragen

Wie misst du Erfolg?

Ein Playbook ist nur so gut wie die Ergebnisse, die es bringt. Aber wie weisst du, ob es funktioniert? Hier sind einige Kennzahlen, die wir mit unseren Kunden tracken:

Adoption Rate (Assistenten-Nutzung)

Wie viele Leute nutzen die Assistenten tatsächlich und regelmässig? Nicht «haben Zugang», sondern «nutzen sie aktiv». In der Pilotphase mit wenigen Personen sollte die Nutzung hoch sein, sonst stimmt etwas nicht. Beim breiteren Rollout sind die Zahlen anfangs naturgemäss tiefer und steigen mit der Zeit.

Nutzungsfrequenz

Einmal pro Woche reinschauen bringt wenig. Ziel ist, dass die KI-Assistenten Teil des täglichen Arbeitens werden, zumindest bei den relevanten Aufgaben. Schau dir an: Wie oft werden die Assistenten aufgerufen? Wie viele Interaktionen pro Woche?

Zeitersparnis

Das ist oft der überzeugendste Wert für die Geschäftsleitung. Mach einen Vorher-Nachher-Vergleich bei konkreten Use Cases. «Angebote schreiben dauerte vorher 2 Stunden, jetzt 30 Minuten.» Das sind Zahlen, die zählen.

Qualitätsverbesserung

Nicht alles lässt sich in Zeit messen. Manchmal sind die Outputs einfach besser. Weniger Fehler, konsistentere Texte, vollständigere Analysen, mehr Value für die Kunden. Das kannst du qualitativ erfassen, zum Beispiel über Stichproben oder Feedback.

Nutzerzufriedenheit

Eine kurze Umfrage nach 4-6 Wochen: Wie hilfreich findest du die Assistenten? Was funktioniert gut, was nicht? Würdest du sie weiterempfehlen? Der Net Promoter Score (NPS) ist ein einfaches Mass dafür.

Mein Tipp: Definier diese Kennzahlen vor dem Start, nicht erst wenn jemand fragt «und, hat's was gebracht?». So hast du eine Baseline und kannst den Fortschritt zeigen.

Die häufigsten Fehler

Fehler 1: Tool vor Problem

Der grösste Fehler überhaupt. «Wir brauchen jetzt auch KI!» Ja, aber wofür? Welches Problem willst du lösen? Ohne klare Antwort wird's ein teures Experiment ohne Ergebnis.

Fehler 2: Keine Zeit eingeplant

KI-Nutzung als +1 zum Tagesgeschäft? Vergiss es. Die Leute brauchen dedizierte Zeit zum Experimentieren, sonst musst du gar nicht erst beginnen.

Fehler 3: KI auf kaputte Prozesse setzen

Wenn der Prozess heute schon nicht funktioniert, macht KI ihn nicht besser. Erst den Prozess reparieren oder neu denken, dann KI drauf.

Fehler 4: Einmal schulen und fertig

KI-Kompetenz braucht kontinuierliche Entwicklung. Regelmässige Check-ins, Austauschformate, Hackathons, bleib dran. Und hol dir Hilfe. Wir unterstützen dich gerne.

Fehler 5: Direkt in die Breite gehen

Bei über 100 Leuten wird es schnell chaotisch. Besser: Mit KI-Champions starten, im Kleinen pilotieren, dann schrittweise ausrollen. Qualität vor Quantität.

Fehler 6: Nicht messen

Wenn du nicht weisst, ob's funktioniert, weisst du auch nicht, ob sich's lohnt. Definier Kennzahlen von Anfang an.

Tools & Datenschutz: Ein pragmatischer Blick

Ich höre oft: «Wir wollen nichts aus den USA.»

Versteh ich. Aber hier ist die Realität: Die besten Modelle, OpenAI, Anthropic, Google, laufen auf US-Infrastruktur oder gehören US-Unternehmen. Auch wenn die Server in der EU stehen: Cloud Act und so weiter.

Was heisst das praktisch?

Meist sind Business- oder Enterprise-Lizenzen der Top-Anbieter wie ChatGPT, Gemini, Copilot, Claude usw. für viele KMU in der Schweiz datenschutzkonform relativ problemlos nutzbar. Bitte nutzt KEINE normalen Plus-Lizenzen. Die sind nicht für den Einsatz in der Firma gedacht.

Allen, die ihre Chats und Daten gerne in der EU gespeichert wissen, empfehle ich gerne Plattformen wie Langdock (nutzen wir selbst), meinGPT oder Zive. Alle aus Deutschland, EU-Hosting, verschiedene Modelle integriert, zusätzliche Features wie Datenanbindungen und Workflow Builder. Alles DSG-konform.

Was ich würkli nicht empfehle: Selbstgebaute «CompanyGPT»-Eigen-Lösungen, die zwar Chats lokal bzw. in CH-Clouds speichern, aber funktional den Top-Produkten dermassen hinterherhinken, dass sie niemand nutzt. Das Resultat? Schatten-KI. Die Leute nutzen heimlich wieder ChatGPT.

Dein erster Schritt

Wenn du diesen Newsletter liest und denkst «Okay, ich will das angehen», hier ist mein Rat:

Workshop buchen. Grundlagen lernen. Lizenzen kaufen. Täglich nutzen.

In dieser Reihenfolge. Und dann dranbleiben.

Es braucht intensive Nutzung. KI ist keine App, die man einmal einrichtet und dann läuft. Es ist eine neue Art zu arbeiten. Das braucht Zeit, Übung, und ja: auch etwas Frustrationstoleranz am Anfang (und später auch noch...). 😅

Aber wenn's mal klickt, willst du nie mehr zurück.

Key Takeaways

KI-Assistenten sind der richtige Einstieg. Agenten klingen verlockend, brauchen aber mehr Erfahrung und Infrastruktur.
Das Assistenten-Playbook: VERSTEHEN → ERKUNDEN → VERDICHTEN → PILOTIEREN → SKALIEREN
Starte mit KI-Champions aus jeder Abteilung. Ein Bewerbungssystem filtert die Motivierten heraus.
Erst im Kleinen pilotieren, dann in die Breite skalieren.
«Was ging NICHT?» ist die Goldgrube für Assistenten-Use-Cases.
Miss den Erfolg: Adoption Rate der Assistenten, Nutzungsfrequenz, Zeitersparnis, Qualität, Zufriedenheit.
Zeit muss eingeplant werden, on top zum Tagesgeschäft floppt.
Prozesse neu denken, nicht KI auf Kaputtes draufsetzen.
Datenschutz pragmatisch angehen, schlechte Eigenlösungen führen zu Schatten-KI.

Fazit

KI-Assistenten sind kein Hexenwerk. Aber sie brauchen einen strukturierten Ansatz, echte Zeit, und die Bereitschaft, Prozesse zu hinterfragen.

Das Framework ist nicht das Komplizierte. Das Komplizierte ist: dranzubleiben, wenn's am Anfang holprig ist. Die Ängste im Team ernst nehmen. Die Gewohnheiten langsam anpassen.

Und irgendwann kommt der Punkt, wo niemand mehr ohne diese Unterstützung arbeiten will.

Das ist der erste Schritt hin zu einem KI-First-Mindset.

Bis nächsten Sonntag 👋🏽