Künstliche Intelligenz bringt mittelständischen Unternehmen den größten Nutzen, wenn sie direkt in Auftragsabwicklung, Service, Produktion oder Verwaltung eingebunden wird. Voraussetzung sind belastbare Daten, definierte Zuständigkeiten und nachvollziehbare Prozessschritte. So entsteht keine weitere Insellösung, sondern eine Arbeitshilfe, die Durchlaufzeiten verkürzt, Fehler reduziert und Mitarbeiter bei wiederkehrenden Aufgaben entlastet.
Warum entscheidet der Prozess über den Nutzen von KI?
Viele Unternehmen beginnen mit einem Schreibassistenten, einem Chatbot oder einer zusätzlichen Funktion im bestehenden Softwarepaket. Das kann nützlich sein, verändert den Betriebsalltag aber nur begrenzt. Ein Mitarbeiter erstellt schneller einen Text, doch der Auftrag liegt weiterhin im E-Mail-Postfach, Stammdaten werden manuell in das ERP übertragen, Rückfragen laufen über mehrere Kanäle und die Disposition arbeitet mit unvollständigen Angaben. Die einzelne Tätigkeit wird schneller, der Gesamtprozess bleibt unverändert.
KI im Mittelstand sinnvoll einsetzen heißt deshalb, nicht vom verfügbaren Tool, sondern vom tatsächlichen Arbeitsablauf auszugehen. Entscheidend ist die Stelle, an der Zeit verloren geht, Nacharbeit entsteht oder Wissen nur bei einzelnen Mitarbeitern vorhanden ist. In einem technischen Servicebetrieb kann das die Prüfung eingehender Kundenanfragen sein. In der Fertigung sind es möglicherweise Qualitätsmeldungen, Schichtübergaben oder die Auswertung von Maschinendaten. Im Großhandel kann KI Bestellungen strukturieren, Artikel zuordnen und Abweichungen für die Sachbearbeitung markieren.
Die Verbreitung nimmt bereits deutlich zu. Nach Angaben des Statistischen Bundesamts nutzten im Jahr 2025 insgesamt 26 Prozent der betrachteten Unternehmen in Deutschland KI. Bei kleineren Unternehmen lag der Anteil bei 23 Prozent, bei mittleren Unternehmen bei 36 Prozent. KfW Research berichtet zugleich, dass 35 Prozent der Mittelständler mit einer Digitalisierungsstrategie KI einsetzen. Die Werte sprechen dafür, dass Technologie allein nicht genügt: Organisatorische Vorbereitung und systematische Digitalisierung erhöhen die Wahrscheinlichkeit einer betrieblichen Nutzung.
Welche Aufgaben eignen sich als erster Anwendungsfall?
Ein guter Einstieg liegt meist dort, wo Informationen in ähnlicher Form wiederkehren, Mitarbeiter nach festen Regeln prüfen und das Ergebnis in einem bestehenden System weiterverarbeitet wird. Solche Abläufe gibt es in nahezu jedem mittelständischen Unternehmen, unabhängig davon, ob es Maschinen baut, Gebäudetechnik installiert, Handelsware vertreibt oder technische Dienstleistungen erbringt.
In der Auftragsannahme kann KI E-Mails, PDF-Dateien, Formulare und Gesprächsnotizen auswerten, Kundendaten erkennen, Leistungspositionen zuordnen und fehlende Angaben für eine Rückfrage zusammenstellen. Im Vertriebsinnendienst kann sie Anfragen nach Region, Produktgruppe, Auftragswert oder technischer Machbarkeit vorsortieren. Der Vertrieb entscheidet weiterhin über Priorität und Angebot, erhält aber eine wesentlich besser vorbereitete Arbeitsgrundlage.
In der Arbeitsvorbereitung lassen sich Stücklisten, Zeichnungsstände, Leistungsbeschreibungen und frühere Aufträge miteinander abgleichen. Im Service kann ein Assistent Störungsmeldungen strukturieren, Gerätedaten aus der Kundenakte heranziehen und passende Prüfschritte vorschlagen. Im Qualitätsmanagement unterstützt KI bei der Klassifizierung von Abweichungen, der Suche nach ähnlichen Fällen und der Vorbereitung einer Ursachenanalyse. Auch Einkauf, Buchhaltung und Personalverwaltung bieten geeignete Aufgaben, sofern Regeln, Datenzugriffe und Freigaben vorab festgelegt werden.
Weniger geeignet sind Prozesse, die täglich anders ablaufen, kaum dokumentiert sind oder bei denen schon Mitarbeiter nicht einheitlich entscheiden. KI verstärkt vorhandene Strukturen. Sie löst keine organisatorischen Widersprüche, sondern verarbeitet sie schneller und verteilt sie im ungünstigen Fall über mehrere Systeme.
Wie unterscheiden sich Einzeltools, Prozess-KI und KI-Agenten?
| Ansatz | Typischer Einsatz | Voraussetzungen | Betrieblicher Nutzen | Häufigstes Risiko |
|---|---|---|---|---|
| Isoliertes KI-Tool | Texte, Zusammenfassungen, Recherche, einzelne Analysen | Benutzerkonto und Nutzungsregeln | Persönliche Zeitersparnis | Ergebnisse bleiben außerhalb des Kernprozesses |
| Prozessintegrierte KI | Auftragsprüfung, Dokumentenverarbeitung, Service-Triage, Qualitätsmeldungen | Systemzugriffe, Datenmodell, Freigaben, Prozessverantwortung | Weniger Medienbrüche und Nacharbeit | Fehlerhafte Übergaben zwischen Anwendungen |
| KI-Agent mit Werkzeugzugriff | Mehrstufige Vorgänge über ERP, CRM, DMS oder Ticketsystem | Berechtigungen, Protokollierung, Abbruchregeln, Kostenkontrolle | Teilautomatisierte Bearbeitung kompletter Vorgänge | Zu große Handlungsspielräume ohne wirksame Kontrolle |
Die Tabelle zeigt den entscheidenden Unterschied: Ein Einzeltool unterstützt eine Person bei einer Aufgabe. Prozessintegrierte KI unterstützt einen definierten Abschnitt der Wertschöpfung. Ein KI-Agent kann darüber hinaus Werkzeuge aufrufen, Informationen aus mehreren Systemen zusammenführen und einen Vorgang bis zu einem festgelegten Übergabepunkt bearbeiten. Mit jedem Schritt steigen Nutzenpotenzial, Integrationsaufwand und Anforderungen an Governance.
Welche Voraussetzungen braucht ein tragfähiger KI-Einsatz?
Die wichtigste Voraussetzung ist kein bestimmtes Sprachmodell, sondern ein ausreichend geordneter Betriebsablauf. Der Prozess muss einen Anfang, ein erwartetes Ergebnis, verantwortliche Rollen und Regeln für Sonderfälle besitzen. Erst dann lässt sich bestimmen, welche Arbeit die KI übernehmen darf und an welcher Stelle ein Mitarbeiter entscheidet.
Ebenso wichtig ist die Datenbasis. Kundenstammdaten, Artikelnummern, Dokumenttypen, Statuswerte und Berechtigungen müssen konsistent verwendet werden. Ein System kann fehlende Informationen erkennen, aber es kann nicht zuverlässig erraten, welche von mehreren widersprüchlichen Versionen verbindlich ist. In vielen Projekten liegt der größte Aufwand deshalb nicht im Modell, sondern in Datenzuordnung, Schnittstellen, Rollenmodellen und der Bereinigung historisch gewachsener Ablagen.
Hinzu kommt die technische Einbindung. Eine KI, die lediglich Text ausgibt, spart oft weniger Zeit als erwartet, wenn Mitarbeiter das Ergebnis anschließend kopieren, prüfen und in andere Anwendungen übertragen müssen. Wert entsteht, wenn ERP, CRM, Dokumentenmanagement, Ticketsystem, Telefonie oder Produktionsdaten kontrolliert angebunden werden. Dabei sollte jeder Zugriff einem Zweck folgen und auf die benötigten Daten beschränkt bleiben.
Schließlich braucht der Anwendungsfall einen fachlichen Eigentümer. Die IT kann Schnittstellen und Sicherheit verantworten, aber sie entscheidet nicht allein, wann ein Auftrag vollständig, eine Qualitätsabweichung kritisch oder eine Kundenanfrage eskalationspflichtig ist. Diese Regeln stammen aus Vertrieb, Disposition, Produktion, Service, Einkauf oder Verwaltung.
KI strukturiert in den Arbeitsalltag bringen
Die KI-Einführung von KrambergAI unterstützt Unternehmen dabei, passende Anwendungsfälle auszuwählen, Prozesse vorzubereiten und KI-Lösungen kontrolliert in den Betrieb zu integrieren.
Strukturiert eingeführt · Praxisnah begleitet · Made in Germany
Wie sieht ein sinnvoller Pilot in der Praxis aus?
Ein typischer Pilot kann in einem technischen Dienstleistungsunternehmen bei der Auftragserfassung beginnen. Kunden senden Anfragen per E-Mail, hängen Fotos oder Leistungsverzeichnisse an und nennen Termine häufig nur im Fließtext. Heute prüft ein Sachbearbeiter die Unterlagen, sucht den Kunden im ERP, fragt fehlende Angaben nach und legt anschließend den Vorgang an.
Eine prozessnahe KI liest die eingehenden Informationen, erkennt Kunde, Einsatzort, gewünschte Leistung und Terminbezug, gleicht vorhandene Stammdaten ab und erstellt einen strukturierten Entwurf. Fehlen entscheidende Angaben, bereitet sie eine Rückfrage vor. Sind alle Pflichtfelder vorhanden, wird der Vorgang zur Freigabe an den Sachbearbeiter übergeben. Erst nach dieser Freigabe erfolgt die Anlage im ERP oder CRM.
Dieser Pilot ist sinnvoll, weil er einen häufigen Vorgang abbildet, das Ergebnis prüfbar bleibt und Fehler früh sichtbar werden. Gleichzeitig entsteht eine belastbare Grundlage für spätere Erweiterungen: Angebotsvorbereitung, Disposition, Terminbestätigung, Dokumentenablage oder Nachkalkulation können an denselben Datenfluss anschließen. Aus einem begrenzten Anwendungsfall wächst so schrittweise eine zusammenhängende Prozessunterstützung.
Was läuft bei KI-Projekten im Mittelstand üblicherweise falsch?
Der häufigste Fehler ist ein Start mit der Produktentscheidung. Ein Anbieter zeigt eine überzeugende Oberfläche, ein Fachbereich bestellt Lizenzen und erst danach sucht das Unternehmen nach einer Aufgabe. Das führt zu parallelen Werkzeugen, uneinheitlichen Arbeitsweisen und Kosten, die sich keiner Prozessverbesserung zuordnen lassen.
Ein zweites Problem entsteht, wenn der Pilot nur mit ausgesuchten Beispielen getestet wird. Im Echtbetrieb kommen unvollständige Anhänge, alte Kundennummern, abweichende Schreibweisen, widersprüchliche Termine und Sonderfälle hinzu. Wer diese Varianten nicht in den Testkatalog aufnimmt, bewertet eine Vorführung statt eines belastbaren Betriebsprozesses.
Häufig fehlt außerdem ein Rückfallweg. Die KI liefert dann entweder ein Ergebnis oder der Vorgang bleibt liegen. In der Praxis braucht es Zustände wie „manuelle Prüfung erforderlich“, „Quelle nicht verfügbar“ oder „Berechtigung fehlt“. Auch Kosten werden oft erst spät betrachtet. Lange Dokumente, viele Modellaufrufe und unnötige Wiederholungen können einen wirtschaftlich sinnvollen Ablauf verteuern, obwohl die technische Funktion zunächst überzeugt.
Schließlich scheitern Projekte an fehlender Verantwortung. Ohne Prozessverantwortlichen werden Fehler als IT-Problem behandelt, obwohl die eigentliche Ursache in uneinheitlichen Fachregeln oder veralteten Stammdaten liegt. Ein tragfähiger Betrieb verlangt deshalb gemeinsames Arbeiten von Fachbereich, IT, Datenschutz, Informationssicherheit und Geschäftsleitung.
Wie bleiben Menschen bei wichtigen Entscheidungen verantwortlich?
Menschliche Verantwortung lässt sich nicht durch einen allgemeinen Hinweis am Bildschirm organisieren. Sie muss in den Ablauf eingebaut werden. Dazu gehören Freigabepunkte, Wertgrenzen, Rollenrechte, Protokolle und Regeln für Fälle, in denen Daten fehlen oder Ergebnisse nicht ausreichend abgesichert sind.
Bei einer Angebotsvorbereitung kann die KI Positionen und Textbausteine zusammenstellen, während Preis, Rabatt und Vertragskonditionen freigegeben werden. In der Instandhaltung kann sie mögliche Ursachen priorisieren, aber keine sicherheitsrelevante Anlage ohne autorisierte Entscheidung wieder in Betrieb setzen. Im Personalbereich kann sie Unterlagen ordnen oder Termine vorbereiten, sollte jedoch keine abschließende Auswahlentscheidung treffen.
Wichtig ist außerdem, dass Mitarbeiter erkennen können, welche Quellen verwendet wurden, welche Annahmen eingeflossen sind und welche Schritte das System ausgeführt hat. Bei Agenten reicht ein Chatverlauf nicht aus. Benötigt werden Vorgangsprotokolle, technische Logs, Versionsstände und eine Zuordnung zu Benutzer, Rolle und Freigabe.
Wie werden Nutzen und Kosten belastbar bewertet?
Vor dem Pilot sollte der heutige Ablauf dokumentiert werden. Relevante Größen sind Bearbeitungszeit, Wartezeit, Rückfragen, Fehler, Nacharbeit, Durchsatz und die Zahl manueller Systemwechsel. Erst diese Ausgangsbasis zeigt später, ob die KI tatsächlich verbessert oder Arbeit nur an eine andere Stelle verschiebt.
Zur Kostenrechnung gehören nicht nur Lizenzpreise. Berücksichtigt werden müssen Integration, Datenaufbereitung, Betrieb, Überwachung, Modellnutzung, Support, Anpassungen und die Zeit der Fachbereiche. Gerade bei generativer KI verändern sich laufende Kosten mit Dokumentlänge, Anfragevolumen, Modellwahl und Anzahl der Verarbeitungsschritte.
Ein wirtschaftlicher Anwendungsfall muss deshalb nicht vollständig automatisieren. Oft ist es rentabler, die aufwendige Vorbereitung zu übernehmen und die Entscheidung beim Mitarbeiter zu belassen. Der Nutzen entsteht dann durch weniger Sucharbeit, vollständigere Vorgänge und kürzere Liegezeiten. Diese Effekte lassen sich im Tagesgeschäft meist verlässlicher messen als pauschale Produktivitätsversprechen.
Welche Rolle spielt Unternehmenswissen für die Qualität?
Ein Sprachmodell kennt weder die aktuelle Preislogik eines Betriebs noch dessen Eskalationswege, Kundenvereinbarungen, Maschinenpark oder Freigabegrenzen. Dieses Wissen muss aus freigegebenen Quellen bereitgestellt werden. Dazu gehören Verfahrensanweisungen, Produktdaten, Serviceberichte, Vertragsbausteine, Prozessmodelle und dokumentierte Erfahrungswerte.
Entscheidend ist eine Rangfolge der Quellen. Eine gültige Arbeitsanweisung muss gegenüber einer alten Präsentation Vorrang haben. Ein aktueller ERP-Datensatz darf nicht durch eine veraltete PDF-Datei überschrieben werden. Ohne solche Regeln findet ein System möglicherweise eine sprachlich passende, betrieblich aber falsche Antwort.
Ein Company Brain oder eine vergleichbare Wissensarchitektur verbindet deshalb Inhalte mit Metadaten, Gültigkeit, Rollenrechten und Quellenverweisen. Erst dadurch kann KI Unternehmenswissen nicht nur finden, sondern im jeweiligen Vorgang angemessen verwenden. Für den Mittelstand ist das besonders relevant, weil viel Know-how in Projektordnern, E-Mail-Verläufen und den Köpfen erfahrener Mitarbeiter steckt.
Wie lässt sich KI schrittweise ausbauen?
Der sinnvollste Ausbau beginnt meist mit Assistenz. Die KI liest, strukturiert, sucht und bereitet vor. Danach kann sie definierte Aktionen auslösen, beispielsweise einen Entwurf im CRM anlegen, ein Ticket kategorisieren oder eine Rückfrage erstellen. Erst wenn Datenqualität, Fachregeln und Kontrollen im Alltag funktionieren, sollte ein System mehrere Schritte selbstständig verbinden.
Dieses Vorgehen reduziert das Projektrisiko und liefert früh verwertbare Erfahrungen. Mitarbeiter sehen, wo die Unterstützung tatsächlich entlastet, welche Sonderfälle auftreten und welche Informationen fehlen. Die technische Architektur kann anschließend entlang realer Anforderungen wachsen, statt vorsorglich eine große Plattform aufzubauen, deren Nutzen noch nicht belegt ist.
Auch die Modellwahl darf sich verändern. Für vertrauliche Dokumente kann eine lokale oder europäisch betriebene Lösung sinnvoll sein, während andere Aufgaben über einen Cloud-Dienst wirtschaftlicher laufen. Maßgeblich sind Schutzbedarf, Leistungsanforderung, Integrationsfähigkeit, Latenz und Betriebskosten, nicht die Bindung an ein einziges Modell.
Wann ist der richtige Zeitpunkt für den Einstieg?
Der richtige Zeitpunkt ist erreicht, wenn ein wiederkehrender Prozess erkennbar belastet, ausreichend Fallmaterial vorhanden ist und ein Fachbereich Verantwortung für den Pilot übernimmt. Das Unternehmen muss nicht vollständig digitalisiert sein. Es sollte jedoch bereit sein, den ausgewählten Ablauf zu dokumentieren, Datenzugriffe zu ordnen und Ergebnisse im Betrieb zu messen.
Ein guter Startpunkt ist häufig kein strategisch spektakulärer Vorgang, sondern ein alltäglicher Engpass: eingehende Anfragen, Dokumentenprüfung, Service-Triage, Angebotsvorbereitung oder Wissenssuche. Dort wird schnell sichtbar, ob die Lösung im Arbeitsalltag trägt. Aus einem belastbaren Pilot kann anschließend eine KI-Roadmap entstehen, die weitere Prozesse nach Nutzen, Risiko und Umsetzbarkeit priorisiert.
KrambergAI (https://krambergai.com/) unterstützt mittelständische Unternehmen dabei, geeignete Anwendungsfälle auszuwählen, Prozesse und Datenquellen zu bewerten und KI kontrolliert in bestehende Systeme einzubinden. Im Mittelpunkt steht nicht die Anzahl eingesetzter Werkzeuge, sondern eine messbare Verbesserung der betrieblichen Abläufe.
Quellen der Kennzahlen
- Statistisches Bundesamt: „Nutzung von IKT in Unternehmen“
https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/IKT-in-Unternehmen-IKT-Branche/IKT-U-Erhebung/info.html - KfW Research: „Digitalisierung im Mittelstand“
https://www.kfw.de/%C3%9Cber-die-KfW/KfW-Research/Digitalisierung.html
Interessante Links
- OECD: „Mittelständische Unternehmen im Zeitalter der KI stärken – OECD D4SME Survey 2026“
https://www.oecd.org/en/publications/empowering-smes-in-the-age-of-ai_bf5a9816-en.html - Bundesamt für Sicherheit in der Informationstechnik: „Generative KI-Modelle: Chancen und Risiken für Industrie und Behörden“
https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/KI/Generative_KI-Modelle.html - Mittelstand-Digital: „Schritte zur Integration von KI in KMU“
https://www.mittelstand-digital.de/MD/Redaktion/DE/Themenhub/2024-01/Artikel/hub-2024-01-04-schritte-zur-integration.html
FAQ
Welche KI-Anwendungen bringen mittelständischen Unternehmen zuerst einen Nutzen?
Geeignet sind wiederkehrende Aufgaben mit ähnlichen Eingangsdaten, festen Prüfschritten und einem eindeutig erwarteten Ergebnis. Typische Beispiele sind die Strukturierung von Anfragen, Dokumentenprüfung, Service-Triage, Angebotsvorbereitung und interne Wissenssuche. Der Einstieg sollte dort erfolgen, wo heute viel Sucharbeit, Übertragung zwischen Systemen oder vermeidbare Nacharbeit entsteht.
Muss ein Unternehmen seine Prozesse vor dem KI-Einsatz vollständig digitalisieren?
Nein. Für einen Pilot genügt ein abgegrenzter Ablauf, dessen Eingang, Ergebnis, Rollen und Ausnahmen beschrieben werden können. Fehlen jedoch verlässliche Stammdaten oder verbindliche Zuständigkeiten, muss dieser Teil zuerst verbessert werden. KI kann mit Lücken umgehen, sollte aber nicht dauerhaft organisatorische Widersprüche verdecken oder Entscheidungen ohne belastbare Grundlage treffen.
Welche Daten braucht KI im Mittelstand?
Das hängt vom Anwendungsfall ab. Für die Auftragsbearbeitung werden beispielsweise Kundenstammdaten, Leistungspositionen, Dokumente und Statusinformationen benötigt. Für den Service sind Gerätehistorie, Fehlerbilder und Arbeitsanweisungen relevant. Wichtiger als möglichst viele Daten sind Aktualität, zulässiger Zugriff, konsistente Bezeichnungen und eine nachvollziehbare Zuordnung zur jeweiligen Quelle.
Wie lässt sich Datenschutz bei betrieblichen KI-Anwendungen berücksichtigen?
Unternehmen sollten vorab festlegen, welche Daten verarbeitet werden dürfen, wo die Verarbeitung stattfindet und wie lange Inhalte gespeichert werden. Zugriffe müssen rollenbezogen sein, sensible Informationen sollten minimiert und Anbieter vertraglich geprüft werden. Je nach Schutzbedarf kommen Cloud-, europäische Hosting-, Hybrid- oder lokale Modelle für unterschiedliche Aufgaben infrage.
Wann lohnt sich ein KI-Agent statt eines einfachen Assistenten?
Ein Agent lohnt sich, wenn ein Vorgang mehrere definierte Schritte über verschiedene Systeme umfasst und häufig genug wiederkehrt. Vorher sollten Assistenzfunktionen, Datenzugriffe und Freigaben im Alltag funktionieren. Der Agent benötigt begrenzte Rechte, Abbruchregeln, Protokollierung und einen Übergabepunkt an Mitarbeiter, sobald ein Sonderfall oder erhöhtes Risiko auftritt.
Wie wird der wirtschaftliche Nutzen eines KI-Projekts gemessen?
Die Bewertung beginnt mit dem heutigen Prozess. Erfasst werden Bearbeitungsaufwand, Liegezeiten, Rückfragen, Fehler, Nacharbeit und Systemwechsel. Nach Einführung werden dieselben Größen erneut betrachtet. Zusätzlich gehören Lizenz-, Integrations-, Betriebs- und Modellkosten in die Rechnung. Entscheidend ist der Nettoeffekt im Gesamtprozess, nicht nur die Geschwindigkeit einer einzelnen KI-Funktion.
Warum scheitern KI-Piloten trotz guter technischer Ergebnisse?
Oft wurde ein Vorführfall optimiert, während echte Datenvarianten, Sonderfälle und Systemgrenzen fehlen. Weitere Ursachen sind ungeordnete Stammdaten, fehlende Fachverantwortung, kein Rückfallweg und eine zu späte Kostenbetrachtung. Ein technisch überzeugendes Ergebnis wird erst dann betriebsfähig, wenn es mit Rollen, Freigaben, Fehlerbehandlung und laufender Überwachung verbunden ist.
Welche Rolle haben Mitarbeiter bei der Einführung von KI?
Mitarbeiter liefern Prozesswissen, erkennen Sonderfälle und bewerten, ob Vorschläge im Betrieb funktionieren. Sie sollten deshalb früh an Auswahl, Test und Verbesserung beteiligt werden. Gleichzeitig benötigen sie Nutzungsregeln und aufgabenbezogene Schulung. Ziel ist nicht, Verantwortung an ein Modell abzugeben, sondern Routinearbeit zu reduzieren und Entscheidungen besser vorzubereiten.
Braucht jedes mittelständische Unternehmen ein eigenes KI-Modell?
In den meisten Fällen nicht. Häufig ist die Verbindung eines geeigneten Modells mit eigenen Daten, Regeln und Systemen wichtiger als ein selbst entwickeltes Modell. Je nach Schutzbedarf können kommerzielle Cloud-Modelle, europäische Angebote oder lokale Modelle kombiniert werden. Die Architektur sollte einen späteren Modellwechsel ermöglichen und Abhängigkeiten begrenzen.
Wie beginnt ein Unternehmen mit KI, ohne ein Großprojekt auszulösen?
Der Einstieg erfolgt über einen begrenzten, häufigen und messbaren Vorgang mit einem verantwortlichen Fachbereich. Zunächst wird der heutige Ablauf dokumentiert, anschließend ein unterstützender Pilot mit Freigabepunkt umgesetzt. Nach dem Praxistest entscheidet das Unternehmen anhand von Nutzen, Fehlern, Akzeptanz und Betriebskosten über Ausbau, Anpassung oder Abbruch.
