KI im Unternehmen einführen: Der pragmatische 30/60/90-Tage Plan

Die meisten KI-Projekte scheitern nicht an der Technologie. Sie scheitern an fehlendem Fokus, unklaren Zielen und dem Versuch, zu viel auf einmal zu wollen.

Ein strukturierter 30/60/90-Tage-Plan löst diese Probleme. Er zwingt zu Priorisierung und liefert schnell erste Ergebnisse – bevor das Budget aufgebraucht oder die Motivation verflogen ist.

Tag 1–30: Discovery & Quick Wins

Die ersten 30 Tage entscheiden über Erfolg oder Misserfolg. Hier geht es nicht darum, das perfekte KI-System zu bauen. Es geht darum, schnell zu lernen und erste Erfolge zu erzielen.

Woche 1–2: Bestandsaufnahme

Datenlandschaft verstehen

Wo liegen welche Daten? (CRM, ERP, Fileserver, E-Mails)
Wie ist die Qualität? (Vollständigkeit, Aktualität, Struktur)
Wer hat Zugriff? (Technisch und organisatorisch)

Stakeholder-Interviews

Welche Probleme brennen wirklich?
Wo wird Zeit verschwendet?
Was würde den Alltag spürbar verbessern?

Quick Win Screening Nicht jeder Use-Case eignet sich für den Start. Gute Quick Wins haben:

Klare Datenbasis (keine monatelange Datenbereinigung nötig)
Messbaren Impact (Zeitersparnis, Fehlerreduktion)
Überschaubare Komplexität (kein Moonshot-Projekt)

Woche 3–4: Erster Pilot

Tool-Auswahl Kein Overengineering. Für viele Use-Cases reicht:

Ein LLM-API-Call (OpenAI, Anthropic, Azure)
Ein einfaches Python-Script
Eine No-Code-Plattform (n8n, Make)

Prototyp bauen

Fokus auf Funktionalität, nicht Perfektion
80/20-Regel: 80% des Wertes mit 20% des Aufwands
Echte Daten verwenden, keine Dummy-Daten

Feedback sammeln

Echte Nutzer einbinden, nicht nur IT
Konkrete Fragen: "Spart das Zeit?" nicht "Finden Sie das gut?"

Tag 31–60: Validierung & Skalierung

Der Pilot funktioniert? Gut. Jetzt wird es ernst.

Metriken definieren

Ohne Metriken kein Beweis für ROI. Typische KPIs:

Zeitersparnis: Stunden pro Woche/Monat
Fehlerrate: Vorher vs. Nachher
Durchsatz: Bearbeitete Vorgänge pro Zeiteinheit
Kosten: Token-Kosten, Infrastruktur, Wartung

Edge Cases identifizieren

Jedes KI-System hat Grenzen. Finde sie jetzt, nicht in der Produktion:

Welche Eingaben führen zu Fehlern?
Wo halluziniert das Modell?
Welche Fälle brauchen menschliche Review?

Prozess-Integration

KI im Vakuum ist wertlos. Die Fragen:

Wie passt die KI in bestehende Workflows?
Wer ist verantwortlich für Qualitätskontrolle?
Was passiert, wenn die KI ausfällt?

Tag 61–90: Produktivbetrieb & Learnings

Monitoring aufsetzen

Produktion ohne Monitoring ist Blindflug:

Kosten: Token-Verbrauch, API-Calls
Performance: Latenz, Durchsatz
Qualität: Stichproben-Reviews, Nutzerfeedback

Dokumentation

Was in 90 Tagen gelernt wurde, muss festgehalten werden:

Was funktioniert gut?
Was funktioniert nicht?
Welche Annahmen waren falsch?

Roadmap für Phase 2

Nach dem ersten Erfolg: Welche Use-Cases kommen als nächstes?

Priorisierung nach Impact/Aufwand
Ressourcenplanung
Abhängigkeiten zu anderen Projekten

Typische Fehler vermeiden

Zu viel auf einmal Ein Use-Case richtig umsetzen ist besser als fünf halbherzig.

Perfektionismus Die erste Version muss nicht perfekt sein. Sie muss funktionieren und Mehrwert liefern.

IT-Silos KI-Projekte brauchen Fachbereich UND IT. Nur zusammen funktioniert es.

Fehlende Executive Sponsorship Ohne Rückendeckung von oben sterben Projekte an politischen Widerständen.

Fazit

Ein 90-Tage-Plan ist kein starres Korsett. Er ist ein Rahmen für fokussiertes Arbeiten mit klaren Meilensteinen.

Das Ziel nach 90 Tagen: Ein produktives KI-System UND Klarheit darüber, wo die Reise hingeht.

Sie wollen Ihren eigenen 30/60/90-Tage-Plan erstellen? In der KI-Erstberatung entwickeln wir gemeinsam eine Roadmap für Ihr Unternehmen.