Nach der Tool-Entscheidung: So gelingt der Rollout

Hoi und herzlich willkomma zu den Büro für KI Insights 👋🏽

Nach intensiven Tagen am WEF in Davos, wo ich mit neonblack, meiner zweiten Company neben dem Büro für KI, das USA-House als technischer Projektleiter umsetzen durfte, bin ich wieder voll zurück in der KI-Welt.

Bereits liegen wieder ein Impulsvortrag sowie zwei intensive Workshop-Tage hinter mir. Darunter einer für die GL eines KMU.

Dort haben wir unter anderem auch genau das durchgespielt, worum es heute geht: Was passiert eigentlich nach der Tool-Entscheidung?

Denn das Muster ist immer dasselbe: Tool gekauft. Lizenzen verteilt.

Und dann?

Die Geschäftsleitung ist frustriert, dass niemand das neue Tool nutzt. Teamleiter:innen wissen nicht, wie sie ihre Leute mitnehmen sollen. Mitarbeitende haben keine Zeit, sich reinzufuchsen.

Die Tool-Entscheidung war der einfache Teil. Jetzt beginnt die eigentliche Arbeit.

In den letzten zwei Wochen haben wir die Grundlagen gelegt:

Teil 1: Wo gehen meine Daten hin? (Datenschutz verstehen)
Teil 2: Welchen Weg soll ich gehen? (Tool-Evaluation mit dem 3D-Framework)

Heute geht's ans Eingemachte. In diesem Newsletter erfährst du:

Warum Lizenzen kaufen nicht reicht
Was es wirklich braucht, damit KI genutzt wird
Das Schweizer Sackmesser (KI-Tools wie ChatGPT und Co.) richtig einsetzen
Wann spezialisierte Tools ins Spiel kommen

Let's dive in 🤓🤿

Der grösste Fehler: Lizenzen kaufen und hoffen

Ich sehe es (leider) immer wieder:

Ein Unternehmen entscheidet sich für eine Business-Lizenz. ChatGPT Business, Claude Team, Langdock oder Gemini über Google Workspace. Die IT richtet alles ein. Alle bekommen Zugang. Fertig.

Drei Monate später: Vielleicht 20% nutzen es regelmässig. Der Rest hat es einmal ausprobiert und dann vergessen.

Das nennt man «Shelfware»: Software, die im Regal verstaubt. 😉

Warum passiert das?

Keine Zeit zum Ausprobieren
Keine Ahnung, wo anfangen
Kein klarer Nutzen erkennbar
«Ich mach das schon immer so»

Die unbequeme Wahrheit: Ein Tool allein verändert gar nichts.

Oder wie ich gerne sage: Tools liefern das Potenzial. Die Arbeitsweise nutzt das Potenzial.

Die 30/70-Realität

Was viele unterschätzen: KI-Transformation ist zu maximal 30% eine technologische Herausforderung. Die restlichen 70% sind menschlicher Natur.

Es geht um:

Gewohnheiten ändern
Ängste abbauen
Neue Skills aufbauen
Zeit zum Lernen geben

Oder zusammengefasst: Change-Management

Die häufigsten Widerstände

In fast jedem Projekt begegne ich denselben Bedenken:

«Ich hab keine Zeit dafür.» Der Klassiker. Und oft berechtigt. Wer im Tagesgeschäft ertrinkt, hat keine Kapazität für Neues. Deshalb ist es so wichtig, Zeit explizit einzuplanen und nicht «nebenbei» zu erwarten. Weil das floppt zu 100%.

«Das funktioniert für meine Arbeit nicht.» Häufig von Leuten, die es einmal probiert haben, enttäuscht waren und aufgegeben haben. Hier helfen konkrete Beispiele aus dem eigenen Berufsfeld und geduldiges Begleiten.

«Das ersetzt mich doch.» Die Angst vor dem Jobverlust. Hier braucht es klare Kommunikation: KI ersetzt keine Menschen, sondern verändert Aufgaben. Wer KI nutzt, wird wertvoller, nicht überflüssig.

«Ich bin zu alt dafür.» Unsinn. Ich habe 80-Jährige (würkli!) erlebt, die noch zu Power-Usern wurden. Es geht nicht um das Alter, sondern um Offenheit, Neugier und die richtige Begleitung.

«Das ist doch nur ein Hype.» War es bei Excel auch. Und beim Internet. Und beim Smartphone. Manche Hypes verändern die Welt. Und dieser Hype, wohl so, wie noch keiner davor.

Diese Widerstände sind normal. Sie verschwinden nicht durch Ignorieren, sondern durch Zuhören, Verstehen und geduldiges Begleiten.

Wer nur Tools einführt, ohne die Menschen mitzunehmen, scheitert. Wer nur Mitarbeitende schult, ohne die Prozesse zu ändern, scheitert. Wer nur die Strategie anpasst, ohne die Kultur zu verändern, scheitert.

Es braucht alle der folgenden drei Ebenen gleichzeitig: Mensch, Teams, Organisation. Wie Zahnräder, die sich gegenseitig antreiben.

Dreistufige Pyramide mit Ebenen für Organisation, Team und Mensch

Was es wirklich braucht

In unseren Projekten arbeiten wir gerne mit einem klaren Framework. Hier die wichtigsten Elemente:

1. Spielregeln definieren

Bevor ihr loslegt, braucht ihr Leitplanken. Nicht 20 Seiten Policy, die niemand liest. Sondern ein einfaches Dokument, das jeder versteht.

Der Kanton Bern hat das vorbildlich gemacht: Ein Merkblatt mit den wichtigsten Punkten. Das könnt ihr als Inspiration nehmen und für euer KMU anpassen.

Quelle: Kanton Bern

Die 6 Kernpunkte:

Vorsicht bei der Dateneingabe → Keine Kundennamen, keine vertraulichen Zahlen, keine Personendaten in öffentliche KI-Tools
Zulässige Anwendungsfälle → Wofür dürft ihr KI nutzen? (Texte zusammenfassen, Formulierungshilfe, Inspiration holen...)
Nicht zulässige Anwendungsfälle → Was ist tabu? (Rechtsverbindliche Entscheide, sensible Übersetzungen, ungeprüfte Weitergabe...)
Nutzungskonto richtig einrichten → Geschäftliche Mail, Training deaktivieren, Datenkontrollen prüfen
Ergebnisse immer prüfen → KI halluziniert. Sorgfaltspflicht bleibt bei euch. Vieraugenprinzip bei Unsicherheit.
Kompetenzaufbau → Wo lernen eure Leute den Umgang?

Mein Tipp: Macht daraus einen One-Pager. Hängt ihn auf, legt ihn in die Onboarding-Mappe, macht ihn zum Standard. Oder druckt die Punkte auf Kaffeetassen. 😅

👉 Das ganze Merkblatt vom Kanton Bern findet ihr, wenn ihr oben auf den Quellen-Link klickt.

2. Klare Verantwortlichkeiten

Ohne jemanden, der das Thema treibt, passiert nichts. Wir unterscheiden zwei Rollen:

KI-Lead aus der Geschäftsleitung

Jemand, der strategisch verantwortet, Entscheidungen trifft und als Vorbild vorangeht. Idealerweise die Person, die am nächsten an der Technologie dran ist und sie auch selbst intensiv nutzt.

Der KI-Lead muss nicht alles wissen. Aber er oder sie muss das Thema auf der Agenda halten, Ressourcen freigeben und regelmässig nachfragen: «Wie läuft's? Was braucht ihr?»

KI-Champions in den Teams

Das sind die eigentlichen Schlüsselpersonen. Power-User, die Lust haben, voranzugehen. Die Kolleg:innen helfen, Fragen beantworten und Erfolgsgeschichten teilen. Ohne diese Menschen bleibt KI ein Führungsthema statt ein Team-Thema.

Wie findet man die richtigen Champions?

Bei grösseren KMU arbeiten wir sehr gerne mit einem Bewerbungsverfahren. Das klingt formell, hat aber grosse Vorteile:

Freiwilligkeit: Wer sich bewirbt, hat echtes Interesse. Das ist Gold wert.
Sichtbarkeit: Die Rolle wird ernst genommen, nicht «nebenbei» erledigt.
Verbindlichkeit: Mit einer Bewerbung geht ein Commitment einher.

Die Ausschreibung kann einfach sein: «Wir suchen 3 bis 5 Personen, die Lust haben, als KI-Champions voranzugehen. Zeitaufwand: ca. 4-8 Stunden pro Woche (also bis zu einem Tag weniger Facharbeit zugunsten von KI; das ist viel, ich weiss, aber das braucht es, um wirklichen Impact zu generieren). Ihr bekommt exklusiven Zugang zu Trainings, direkten Draht zur GL und gestaltet die KI-Zukunft unserer Firma mit.»

Ihr werdet überrascht sein, wer sich meldet. Oft sind es nicht die üblichen Verdächtigen aus der IT, sondern neugierige Menschen aus allen Bereichen.

Was macht einen guten Champion aus?

Neugier und Experimentierfreude
Geduld mit Kolleg:innen, die langsamer sind
Gute Kommunikationsfähigkeiten
Vernetzung im Team
Keine Angst vor Fehlern

Technisches Vorwissen ist weniger wichtig als die richtige Haltung. 💪🏽

3. Quick Wins statt Grossprojekte

Nicht mit dem komplexesten Projekt starten. Wir nutzen dafür eine einfache Impact-Aufwand-Matrix:

Eine 2x2-Matrix zeigt vier Quadranten für KI-Projektpriorisierung basierend auf Aufwand und Potenzial

Startet oben links bei den Quick Wins: Hohes Potenzial, niedriger Aufwand. Das schafft Momentum und überzeugt die Skeptiker.

4. Das 70-20-10 Lernmodell

Ein halbtägiger oder ganztägiger Workshop ist ein Anfang. Nicht mehr und nicht weniger. So lernen Menschen wirklich:

70% durch Anwendung im Alltag (Learning by Doing)
20% durch Austausch mit anderen (Peer-Learning, Show & Tell)
10% durch formales Training (Workshops, Kurse)

Das bedeutet: Der Workshop ist nur 10% der Lernreise. Die restlichen 90% passieren danach.

Die 70%: Learning by Doing

Hier passiert das eigentliche Lernen. Aber es braucht Rahmenbedingungen:

Feste Zeitfenster: Nicht «wenn gerade nichts los ist», sondern blockierte Zeit im Kalender. Zum Beispiel: Jeden Dienstag und Donnerstag 30 Minuten «KI-Zeit». Hier ist die Führung gefordert. Von der GL (Commitment) bis zur Teamleitung in den Fachbereichen. Ohne diesen Invest geht es nicht.
Konkrete Aufgaben: Nicht «probier mal was aus», sondern «nimm diese drei E-Mails und lass sie von der KI überarbeiten».
Fehlertoleranz: Die ersten Versuche werden holprig. Das ist normal. Wer Perfektion erwartet, wird enttäuscht.

Die 20%: Peer-Learning

Der unterschätzte Hebel. Menschen lernen am besten von Menschen, die ähnliche Herausforderungen haben.

Show & Tell Sessions: Alle zwei Wochen 60 Minuten. 2 bis 3 Personen zeigen, was sie entdeckt haben. Kein Hochglanz, sondern echte Beispiele aus dem Alltag. «Ich hab letzte Woche diesen Prompt ausprobiert und das kam raus.» Das inspiriert mehr als jedes Tutorial.

Prompt-Bibliothek: Ein gemeinsamer Ort (Notion, SharePoint, Google Doc), wo gute Prompts gesammelt werden. Sortiert nach Anwendungsfall. Jeder kann beitragen. So müssen nicht alle das Rad neu erfinden.

Chat-Kanal: Ein niederschwelliger Ort für Fragen. «Wie mache ich X?» «Hat jemand einen Prompt für Y?» Die Champions können hier schnell helfen.

Die 10%: Formales Training

Workshops, Kurse, Tutorials. Wichtig für den Einstieg und für neue Features. Aber nicht überschätzen. Ein Workshop ohne Follow-up verpufft.

Geduld haben: KI nutzen ist ein Skill. Wie jeder Skill braucht er Übung. Rechnet mit mindestens 4 bis 6 Wochen täglicher Nutzung, bis es sich einigermassen natürlich anfühlt.

5. Führung als Vorbild

Das klingt banal, ist aber entscheidend: Wenn die Geschäftsleitung KI nicht nutzt, warum sollten es die Mitarbeitenden tun?

In erfolgreichen Projekten sehe ich immer dasselbe Muster: Die GL geht voran, teilt eigene Erfahrungen, fragt nach. Das signalisiert: «Das ist wichtig. Das ist die Zukunft.»

Das Schweizer Sackmesser richtig einsetzen

ChatGPT, Claude, Gemini, Langdock und Co. sind Generalisten. Ich nenne sie auch gerne das Schweizer Sackmesser der KI-Welt.

Sie können extrem viel:

Texte schreiben und überarbeiten
E-Mails formulieren
Recherchieren und zusammenfassen
Brainstorming und Ideenfindung
Daten analysieren
Code schreiben
Und vieles mehr

Für 80% der täglichen Wissensarbeit sind sie perfekt geeignet. Das kann ich dir aus meiner eigenen Erfahrung bestätigen. 80–90% meiner Zeit nutze ich genau solche generischen Tools.

Aber: Ein Sackmesser ist kein Skalpell. Und kein Hammer. Und keine Säge.

Es ist vielseitig, aber nicht für alles perfekt geeignet.

Trotzdem: Für den Einstieg ist das Sackmesser genau richtig. Denn bevor ihr über Spezialwerkzeuge nachdenkt, müssen eure Leute zuerst lernen, überhaupt mit KI zu arbeiten. Und das heisst: KI als Co-Intelligenz begreifen. Als Sparringpartner, der mitdenkt. Der erste Entwürfe liefert. Der Feedback gibt. Der kritische Fragen stellt. Der repetitive Arbeit abnimmt.

Das braucht Übung. Und realistische Erwartungen.

Wenn das Sackmesser nicht reicht: Vertikale Tools

Für bestimmte Anwendungsfälle gibt es spezialisierte Tools, die besser funktionieren als die Generalisten. Wir nennen das den Productivity Layer im Tool-Stack.

Beispiele:

Meeting-Transkription: Tools wie Fireflies, Jamie (DE) oder Optiverse (CH) transkribieren Meetings automatisch, erstellen Zusammenfassungen und Action Items.
Kundenservice: Spezielle Tools wie Parloa, die Teile des Kundenservice erledigen können
HR & Recruiting: Spezialisierte Tools für Bewerbermanagement und Screening
Buchhaltung: KI-gestützte Rechnungserkennung und Kontierung
Legal: Vertragsanalyse und Due Diligence
Marketing: Content-Planung und Social Media Automation

Diese vertikalen Tools sind auf einen spezifischen Anwendungsfall optimiert. Sie kennen die Branche, die Prozesse, die Anforderungen.

Wichtig: Das ist ein eigenständiges Thema mit eigener Evaluation. Das 3D-Framework aus Teil 2 gilt auch hier. Aber die Kriterien sind andere.

Mein Rat: Zuerst das Sackmesser meistern. Wenn ihr merkt, dass es für bestimmte Prozesse nicht reicht, dann gezielt nach vertikalen Lösungen suchen.

Die 5 häufigsten Fehler beim Rollout

Aus dutzenden Projekten habe ich gelernt, was schiefgehen kann. Hier die grössten Stolpersteine:

1. Zu viel auf einmal

«Wir führen KI für alle ein, in allen Bereichen, ab sofort.» Klingt ambitioniert, und endet im Chaos. Besser: Klein starten, lernen, dann skalieren.

2. Keine Zeit eingeplant

«Die Leute sollen das nebenbei lernen.» Funktioniert nicht. Lernen braucht Zeit. Wer keine Zeit gibt, signalisiert: «Es ist nicht wichtig.»

3. Nur auf die Begeisterten setzen

Die Early Adopter sind schnell an Bord. Aber was ist mit den anderen 80%? Die brauchen mehr Begleitung, nicht weniger Aufmerksamkeit.

4. Erfolge nicht feiern

Jemand hat mit KI 2 Stunden gespart? Grossartig! Teilt das. Feiert das. Erfolgsgeschichten sind der beste Treibstoff für Adoption.

5. Nach dem Workshop aufhören

Der Workshop war super, alle waren begeistert. Und dann? Nichts. Kein Follow-up, keine Begleitung, kein Austausch. Nach 4 Wochen nutzt niemand mehr das Tool.

Die 90-Tage-Roadmap

Ein erfolgreicher Start braucht Zeit. Nicht Jahre, aber auch nicht Tage. Wir arbeiten oft mit einem 90-Tage-Modell:

Phase 1: Setup (Tag 1 bis 30)

Ziel: Grundlagen schaffen

Tool einrichten und Zugänge verteilen
KI-Lead und Champions definieren
Kick-off Workshop durchführen
Erste Use Cases identifizieren (Quick Wins!)
Kommunikation: Warum machen wir das? Was erwarten wir?

Phase 2: Anwendung (Tag 31 bis 60)

Ziel: Echte Nutzung im Alltag

Feste KI-Zeiten im Kalender
Erste Show & Tell Sessions
Prompt-Bibliothek aufbauen
Champions begleiten Kolleg:innen
Regelmässige Check-ins: Was funktioniert? Was nicht?

Phase 3: Verankerung (Tag 61 bis 90)

Ziel: Nachhaltigkeit sichern

Erfolge messen und kommunizieren
Best Practices dokumentieren
Entscheiden: Wie geht es weiter?
Nächste Use Cases priorisieren
Learnings festhalten

Nach 90 Tagen wisst ihr, ob es funktioniert. Ihr habt Daten, Erfahrungen und eine realistische Einschätzung, was KI für euch bringen kann. Der Anfang ist dann gemacht. Jetzt heisst es draabliiba. KI ist kein Projekt, sondern ein Prozess, der nie aufhört.

Die Serie im Überblick: Dein Fahrplan

Wir haben in den letzten drei Wochen in drei Teilen einen pragmatischen Weg durch den KI-Dschungel geschlagen. Hier nochmals der rote Faden und was du mitnehmen solltest:

Teil 1: Wo gehen meine Daten hin?

Die Datenschutz-Frage ist oft der erste Blocker. Aber sie ist relativ einfach lösbar.

Die wichtigste Erkenntnis: Mit Business-Lizenzen und den richtigen Einstellungen sind ChatGPT, Claude, Gemini & Co. auch für sensible Unternehmensdaten nutzbar. Der Unterschied zwischen Consumer- und Business-Lizenzen ist entscheidend. Und: Immer prüfen, ob «Training mit meinen Daten» deaktiviert ist.

Dein Action-Item: Mach den Datenschutz-Check für eure aktuellen Tools. Nutzt ihr noch private Accounts? Sind die Einstellungen korrekt?

Teil 2: Welchen Weg soll ich gehen?

Die Tool-Landschaft ist unübersichtlich. Aber mit dem richtigen Framework wird die Entscheidung einfacher.

Die wichtigste Erkenntnis: Nutze das 3D-Framework (Define → Demo → Decide) und bewerte Tools entlang der 6 Dimensionen. Und: Selbst bauen lohnt sich für KMU fast nie. Die grossen Anbieter investieren Milliarden in ihre Produkte.

Dein Action-Item: Falls ihr noch kein Tool habt: Definiert eure Anforderungen und testet 2 bis 3 Optionen mit einer kleinen Pilotgruppe.

👉🏼 Hier geht's zu unserem KI-Tool-Evaluations-Assistenten

Teil 3: Und jetzt?

Die Tool-Entscheidung ist erst der Anfang. Die eigentliche Arbeit beginnt danach.

Die wichtigste Erkenntnis: 30% Technologie, 70% Mensch. Ohne klare Spielregeln, Verantwortlichkeiten, Fokus auf Quick Wins, Zeit zum Lernen und Führung als Vorbild bleibt jedes Tool Shelfware. Nutzt das 70-20-10-Modell für nachhaltiges Lernen.

Dein Action-Item: Mach den Rollout-Readiness-Check (siehe unten). Wo steht ihr? Wo sind die Lücken?

Dein nächster Schritt: Die Rollout-Readiness-Checkliste

Bist du bereit für den Rollout? Ich habe eine Checkliste mit 28 Punkten erstellt, die dir zeigt, wo ihr steht und wo noch Handlungsbedarf besteht.

6 Bereiche. Konkrete Tipps bei jedem Punkt. Klare Auswertung am Ende.

👉 Zur Rollout-Readiness-Checkliste

Key Takeaways

Lizenzen kaufen ist nicht gleich KI einführen. Ohne die Menschen mitzunehmen, bleibt es Shelfware.
30% Technologie, 70% Mensch. Die grösste Herausforderung ist nicht das Tool, sondern Gewohnheiten, Ängste und fehlende Zeit.
70-20-10: Der Grossteil des Lernens passiert durch Anwendung (70%) und Austausch (20%), nicht im Workshop (10%). Plant entsprechend.
Zwei Rollen sind entscheidend: Ein KI-Lead aus der GL, der strategisch verantwortet. Und KI-Champions in den Teams, die operativ vorangehen.
Zuerst das Sackmesser meistern. ChatGPT & Co. decken 80% der Anwendungsfälle ab. Vertikale Tools kommen später, für spezifische Prozesse.

Mein Fazit

Die Tool-Entscheidung ist wichtig. Aber sie ist erst der Anfang.

Der eigentliche Wert entsteht, wenn Menschen lernen, KI als Sparringpartner und Co-Intelligenz zu nutzen. Wenn es Teil des Arbeitsalltags wird. Wenn die Frage nicht mehr ist «Soll ich KI nutzen?» sondern «Wie kann mir KI hier helfen?»

Das passiert nicht von alleine. Es braucht Investitionen. Vor allem in Form von Zeit (was natürlich auch Geld bedeutet), Aufmerksamkeit und Begleitung. Ohne das wird es nicht funktionieren.

Ein Bild, das hilft: KI-Einführung ist wie Fitness. Du kannst die beste Ausrüstung kaufen, das teuerste Abo lösen, die schönsten Laufschuhe haben. Aber wenn du nicht regelmässig trainierst, bringt es nichts.

Die Ausrüstung ist das Tool. Das Training ist die tägliche Anwendung. Und wie beim Sport: Die ersten Wochen sind hart. Danach wird es zur Gewohnheit. 😉

Bis nächsten Sonntag 👋🏽

Andreas