Vor einem Jahr war eine der wichtigsten Fragen vieler Unternehmen:
Wo lohnt sich AI wirklich?
Die Vorgehensweise war klar: Anwendungsfälle sammeln, Business Value bewerten, Machbarkeit prüfen und anschliessend einzelne Pilotprojekte starten.
Dieser Ansatz bleibt weiterhin relevant. Ein strukturiertes Vorgehen hilft Unternehmen dabei, AI gezielt einzusetzen und Investitionen sinnvoll zu priorisieren.
Doch AI-Funktionen, Modelle, Tools und Integrations-Möglichkeiten haben sich weiterentwickelt und damit verändert sich auch die Art, wie Unternehmen darüber nachdenken sollten.
Heute stellt sich deswegen zunehmend eine andere Frage:
Wie schaffen wir die Voraussetzungen, damit AI kontinuierlich Mehrwert liefert?
Vom AI Use Case zur skalierbaren AI-Initiative
Die ersten Erfahrungen mit AI waren geprägt von einzelnen Experimenten und Proof of Concepts.
Ein Team testet einen adaptierten Chatbot.
Eine Fachabteilung probiert einen für sie automatisierten Prozess mit RAG aus.
Ein Entwicklerteam untersucht die Möglichkeiten von AI im Software Engineering.
Diese Experimente bleiben wichtig. Doch inzwischen entstehen neue Möglichkeiten, die nicht mehr zwingend auf einen einzelnen Business Case warten.
Beispiele dafür sind AI-Initiativen wie der Einsatz von flexiblen AI-Assistenzlösungen für Mitarbeitende oder Entwicklungsumgebungen mit AI-Unterstützung.
Der Nutzen entsteht dabei nicht aus einem einzelnen vorher definierten Use Case, sondern aus der breiten Befähigung der Organisation:
- Mitarbeitende lernen neue Arbeitsweisen kennen
- Routineaufgaben werden effizienter erledigt
- neue Anwendungsfälle entstehen aus der Praxis
- die Organisation baut AI-Kompetenz auf
Das bedeutet nicht, dass Unternehmen unkontrolliert AI-Tools einführen sollten.
Im Gegenteil: Gerade bei einer schnellen Einführung braucht es klare Leitplanken.
Die Herausforderung besteht heute weniger darin, ob ein Business Case notwendig ist, sondern wann. Während für gezielte AI-Lösungen mit klar definiertem Problem ein fundierter Business Case weiterhin sinnvoll ist, schaffen organisationsweite AI-Initiativen oft Mehrwert über viele Anwendungsfälle hinweg, ohne dass jeder einzelne Use Case im Voraus detailliert bewertet werden muss.
Unser AI-Excellence Framework bleibt – aber die
Anwendung verändert sich
Bei diselva haben wir mit dem AI Excellence Framework einen strukturierten Ansatz entwickelt, um Unternehmen bei der Einführung von AI zu begleiten.
Die Elemente Discover, Validate, Prototype, Scale und Sustain bleiben weiterhin zentrale Bestandteile einer erfolgreichen AI-Transformation.
Gleichzeitig entwickeln wir unseren Ansatz kontinuierlich weiter.
Denn auch Beratung kann nicht stehen bleiben. Die Geschwindigkeit der AI-Entwicklung erfordert, dass Unternehmen und ihre Partner:innen neue Erkenntnisse laufend integrieren und Vorgehensweisen anpassen.
Heute sehen wir deshalb zwei unterschiedliche Ansätze, AI erfolgreich einzusetzen:
1) Das Framework für strategische AI-Initiativen
Wenn Unternehmen AI ganzheitlich entwickeln möchten, ist ein strukturiertes Vorgehen entscheidend.
Gemeinsam analysieren wir beispielsweise:
Discover
- Welche strategischen Ziele verfolgt die Organisation?
- Wo entstehen durch AI neue Möglichkeiten?
- Welche Daten, Systeme und Wissensquellen sollen AI zugänglich gemacht werden, damit Mitarbeitende im Arbeitsalltag optimal unterstützt werden?
Validate
- Welche Use Cases bieten echten Mehrwert?
- Wie sieht die technische und organisatorische Machbarkeit aus?
- Welche Risiken müssen berücksichtigt werden?
Prototype
- Wie kann eine Lösung schnell getestet werden?
- Welche Erkenntnisse entstehen aus der praktischen Anwendung?
Scale
- Wie wird aus einem erfolgreichen Ansatz eine nachhaltige Lösung?
- Welche Architektur und Plattform sind notwendig?
Sustain
- Wie wird AI langfristig betrieben, verbessert und sicher genutzt?
Dieser Ansatz eignet sich besonders für Unternehmen, die eine AI-Strategie entwickeln oder mehrere AI-Anwendungsfälle systematisch bewerten möchten.
2) Der direkte Einstieg über einen konkreten Use Case
Nicht jedes Unternehmen muss zuerst das gesamte Framework durchlaufen.
Manchmal ist ein konkreter Anwendungsfall der schnellste Weg für sichtbaren Mehrwert.
Beispielsweise:
- Anbindung eines internen Systems an eine AI-Anwendung
- Automatisierung eines wiederkehrenden Prozesses
- Unterstützung von Mitarbeitenden bei spezifischen Aufgaben
In solchen Fällen kann es sinnvoll sein, direkt mit einem klar abgegrenzten Vorhaben zu starten.
Wichtig bleibt jedoch:
Auch bei einzelnen Lösungen müssen Architektur, Sicherheit, Datenschutz und Skalierbarkeit berücksichtigt werden.
Gibt es bereits bewährte Ansätze für den AI-Einsatz?
Eine häufige Frage aus der Geschäftsleitung lautet: „Gibt es bereits Empfehlungen, an denen wir uns orientieren können?“
Unsere Antwort lautet mittlerweile:
Ja, einige Erfolgsfaktoren zeichnen sich zunehmend ab:
1. Jetzt handeln: AI-Tools einsetzen
AI entwickelt sich schnell. Wer nur analysiert, verliert wertvolle Lernzeit. Leistungsfähige AI-Tools sind heute bereit für den Unternehmenseinsatz. Jetzt gilt es, diese gezielt und verantwortungsvoll in die Organisation zu integrieren, um Erfahrungen zu sammeln, Mitarbeitende zu befähigen und nachhaltigen Mehrwert zu schaffen.
2. Experimentieren ermöglichen
Organisationen müssen Erfahrungen sammeln und Mitarbeitende befähigen.
3. Bestehende Software-Landschaft nutzen
Viele AI-Funktionen sind bereits in vorhandenen Lösungen verfügbar.
4. Sicherheit und Governance berücksichtigen
Datenschutz und Sicherheit dürfen niemals kompromittiert werden. Gleichzeitig müssen Unternehmen deutlich schneller darin werden, diese Aspekte zu bewerten und fundierte Entscheidungen zu treffen, damit Governance nicht zum Hindernis für Innovation wird.
5. AI als kontinuierliche Entwicklung verstehen
Die erfolgreichsten Unternehmen behandeln AI nicht als einmaliges Projekt, sondern als langfristige Fähigkeit. Gleichzeitig müssen sie in der aktuellen Dynamik schnell entscheiden, neue Möglichkeiten zügig einführen und ihren AI-Einsatz kontinuierlich weiterentwickeln. Agilität und kontinuierliches Lernen werden dabei zum entscheidenden Erfolgsfaktor.
6. Investitionen ermöglichen, Kosten im Blick behalten
Der erfolgreiche AI-Einsatz erfordert die richtige Balance zwischen Investitionsbereitschaft und Kostenkontrolle. Unternehmen sollten vielversprechende AI-Tools nicht aufgrund einzelner Lizenzkosten vorschnell ausschliessen. In bestimmten Situationen können sogar parallele Lösungen sinnvoll sein, um Erfahrungen zu sammeln oder unterschiedliche Anwendungsfälle abzudecken. Gleichzeitig sollten insbesondere nutzungsbasierte Modelle (Pay-as-you-go) von Beginn an aktiv gesteuert werden, beispielsweise durch Budgets, Nutzungslimiten sowie ein transparentes Kostenmonitoring.
Fazit: Strategisch denken, pragmatisch handeln
AI hat sich verändert und Unternehmen müssen ihren Umgang damit weiterentwickeln.
Ein strukturierter Ansatz bleibt wichtig. Gleichzeitig darf er nicht dazu führen, dass Organisationen zu lange auf den perfekten Business Case warten.
Die Zukunft liegt in der Kombination:
Strategische Orientierung + schnelles Experimentieren + kontinuierliche Weiterentwicklung.
Genau dabei unterstützen wir Unternehmen: mit einem strukturierten Vorgehen, aber immer angepasst an die individuelle Situation und die aktuellen Möglichkeiten.