95 % der KI-Initiativen liefern keinen ROI. Dokumentenprozesse sind die Ausnahme.

95 % der Unternehmen sehen keinen messbaren Return auf ihre KI-Investitionen. Das ist keine Schlagzeile, sondern die Grundlinie aus dem MIT-Report State of AI in Business 2025.

Der häufigste Grund ist nicht das Modell. Es ist der Startpunkt. Viele Unternehmen beginnen KI dort, wo eine Demo schnell beeindruckend aussieht – Chatbot für den Kundenservice, Copilot ohne Datenbasis, ein „Assistent für alles". Das erzeugt interne Sichtbarkeit, selten einen Prozessgewinn.

Produktive KI startet meist an einer anderen Stelle. Weniger sichtbar, aber operativ sofort wirksam: bei dokumentenlastigen Prozessen.

Warum der falsche Startpunkt die meisten KI-Projekte kippt

„Was könnten wir eigentlich alles mit KI machen?" klingt offen und strategisch. Operativ ist es die Frage, die in 9 von 10 Fällen in einen unspezifischen Use Case mündet: zu breit, zu schwer messbar, intern zu schwer zu legitimieren.

In Umgebungen mit Datenschutz-, Qualitäts- oder Governance-Anforderungen verstärkt sich das. Ein zu breiter KI-Scope scheitert nicht am Modell, sondern an Fragen wie: Wer prüft die Outputs? Wie wird dokumentiert? Wie werden Sonderfälle behandelt? Wer haftet?

Produktive KI braucht deshalb nicht zuerst maximale Sichtbarkeit, sondern einen klaren Arbeitskontext. Am einfachsten finden Sie den dort, wo Ihr Unternehmen schon strukturiert arbeitet: in dokumentenlastigen Prozessen.

Was dokumentenlastige Prozesse für KI brauchbar macht

Ein dokumentenlastiger Prozess bringt fünf Dinge mit, die KI sonst mühsam konstruieren muss:

• Klare Inputs – PDFs, Formulare, Bescheide, E-Mails mit Anhängen. Immer wiederkehrende Formate.

• Wiederkehrende Muster – Dokumententypen, Pflichtfelder, Standardlayouts.

• Definierte Regeln – Fristen, Schwellenwerte, Zuständigkeiten, Pflichtangaben.

• Erkennbare Ausnahmen – unvollständige Unterlagen, Sonderfälle, Haftungsthemen.

• Saubere Übergabepunkte – von der Eingangsstelle zur Fachrolle, von der Fachrolle zur Freigabe.

Die entscheidende Frage verschiebt sich damit. Statt „Kann KI hier irgendwie helfen?" fragen Sie konkret: Welche Informationen müssen zuerst extrahiert werden? Welche Fälle sind Standard, welche nicht? Ab welcher Unsicherheitsschwelle übernimmt ein Mensch? Wo landet die Entscheidung – und wie wird sie dokumentiert?

Das ist in der Praxis der Unterschied zwischen einer Demo und einem Workflow, der am Montag um 8 Uhr läuft.

Ein konkretes Beispiel: Schadensmeldungen im Backoffice

Damit das Frame greifbar wird, hier ein realer Prozesstyp aus unserer Beratung.

Ein mittelständisches Versicherungsunternehmen bearbeitet pro Tag rund 400 eingehende Schadensmeldungen per E-Mail. Jede Meldung enthält eine unterschiedliche Kombination aus: Anschreiben, Schadensanzeige-PDF, Fotos, Kostenvoranschlag, manchmal Polizeibericht.

Bisher: Eine Sachbearbeiterin prüft pro Fall etwa 6 Minuten Vollständigkeit, klassifiziert die Schadensart, ordnet den richtigen Bearbeitungspfad zu und legt den Vorgang im System an. Fachliche Entscheidung passiert erst im nächsten Schritt. Bei 400 Fällen sind das rund 40 Stunden reine Vorprüfung pro Tag.

Mit KI im Vorlauf sieht der Prozess so aus:

1. Extraktion: KI erkennt Schadensnummer, Versicherungsnehmer, Schadensdatum, Art, Höhe und Anhänge.

2. Vollständigkeitsprüfung: System markiert fehlende Pflichtangaben und formuliert automatische Nachfragen als Entwurf.

3. Klassifizierung: Schadensart (z. B. Leitungswasser, Sturm, Haftpflicht) und Dringlichkeit werden gesetzt.

4. Triage per Confidence-Schwelle: Unter einem definierten Confidence-Wert oder bei erkannten Sonderfällen (Personenschaden, Großschaden, Regress) wird der Fall sofort an eine Fachrolle eskaliert.

5. Übergabe: Sachbearbeiterinnen sehen einen vorstrukturierten, priorisierten Posteingang – statt eines unsortierten E-Mail-Stapels.

Was das verschiebt: Die fachliche Entscheidung bleibt beim Menschen. Aber die 40 Stunden Vorprüfung pro Tag werden zu einem strukturierten Input. Die knappe Ressource – die Zeit der erfahrenen Sachbearbeiter – landet dort, wo ihr Urteil tatsächlich gebraucht wird.

Das ist kein Vollautomatisierungsprojekt. Es ist ein Vorprüfungs- und Triage-System mit klarer Eskalationsregel.

Vorprüfung und Triage schlagen Vollautomatisierung

Der häufigste Denkfehler in frühen KI-Projekten: Nutzen entstehe erst bei Vollautomatisierung. In den meisten Mittelstandsprozessen stimmt das nicht. Der Hebel liegt davor.

Vorprüfung bringt einen eingehenden Fall in eine verwertbare Form. Extraktion, Vollständigkeit, Struktur.

Triage trennt Standardfälle von Sonderfällen, vollständige von unvollständigen, kritische von unkritischen. Nicht nach Bauchgefühl, sondern nach definierten Regeln und Schwellenwerten.

Eskalation stellt sicher, dass fachliche, haftungsrelevante oder unsichere Entscheidungen dort landen, wo sie hingehören – beim Menschen, mit dem vollen Kontext und dem vorbereiteten Vorgang.

Das ist in regulierten Umgebungen kein Kompromiss, sondern das eigentliche Produkt. Das System verdrängt keine Facharbeit. Es entlastet sie von Vorgängen, die heute nur deshalb Aufmerksamkeit binden, weil sie bisher von Hand vorbereitet werden mussten.

Human-in-the-loop ist kein Zwischenschritt – es ist das Design

Human-in-the-loop wird oft als Platzhalter beschrieben: „Solange KI noch nicht gut genug ist." In regulierten Prozessen ist das umgekehrt.

Wenn ein Prozess mit Fristen, Nachvollziehbarkeit oder sensiblen Daten arbeitet, ist maximale Autonomie gar nicht das Ziel. Das Ziel ist ein System, das Routine verlässlich strukturiert abarbeitet, Unsicherheit erkennt und Entscheidungen nachvollziehbar vorbereitet.

Gerade im Mittelstand entscheidet das über die Akzeptanz. Wenn die Fachabteilung nachvollziehen kann, warum ein Fall priorisiert oder eskaliert wurde, steigt die Nutzung. Wenn nicht, bleibt das System ein Pilot – wie die 95 % in der MIT-Statistik.

Welcher Prozess in Ihrem Unternehmen bindet heute die meiste Zeit in Vorprüfung und Triage? In einem 30-minütigen Erstgespräch prüfen wir gemeinsam, ob er sich für einen KI-Pilot eignet. Kostenlos, unverbindlich. Jetzt prüfen.

Wo der Hebel im Mittelstand am größten ist

Nicht jede Branche ist gleich gut geeignet, aber die Prozessstruktur entscheidet mehr als die Branche. Besonders geeignet sind Abläufe mit:

• Vielen wiederkehrenden Unterlagen (Formulare, Bescheide, Anträge, Meldungen).

• Einer manuellen Erstprüfung, die heute Fachzeit bindet.

• Regelbasierten Entscheidungen mit erkennbaren Ausnahmen.

• Mehreren Bearbeitungspfaden, die nach Fallmerkmalen aufgeteilt werden.

• Hoher Belastung erfahrener Fachrollen durch Routinearbeit.

Typische Kandidaten, die wir in Diagnostic Sprints immer wieder sehen: interne Freigabe- und Prüfprozesse, Service- und Backoffice-Workflows, Compliance-nahe Abläufe, Angebots- und Ausschreibungsauswertung, Intake-Prozesse mit Nachforderung und Weitergabe.

Eine Checkliste: Woran Sie einen guten ersten Use Case erkennen

Fragen Sie sich zu einem konkreten Prozess:

1. Kommen Eingaben wiederkehrend und in vergleichbaren Formaten an?

2. Gibt es definierte Kriterien, nach denen Fälle bewertet werden?

3. Lassen sich Standard- und Sonderfälle trennen?

4. Bindet der Prozess heute messbar Zeit erfahrener Fachrollen in der Erstprüfung?

5. Gibt es Reibung bei Vollständigkeit, Priorisierung oder Übergaben?

6. Müssen Entscheidungen dokumentiert oder besser vorbereitet werden?

Kreuzen Sie vier oder mehr Antworten mit Ja an: Sie haben einen Kandidaten für einen sauberen, engen Pilot. Kein Transformationsprogramm.

Warum ein enger Diagnostic Sprint mehr liefert als ein KI-Programm

Viele Unternehmen starten KI über Visionspapiere, Zielbilder und Programme. Das ist nicht falsch, aber zu abstrakt für die entscheidende operative Frage: Ist dieser spezifische Prozess KI-tauglich, und wenn ja, wie sähe ein Pilot aus, der in vier bis sechs Wochen ein belastbares Ergebnis liefert?

Ein Diagnostic Sprint beantwortet genau das. Wir analysieren einen konkreten Prozess entlang der sechs Checklistenfragen, prüfen Datenflüsse, Regeln und Eskalationslogik, und liefern einen Pilot-Zuschnitt samt Aufwandsschätzung und Messgrößen. Am Ende wissen Sie nicht, ob KI „irgendwie nützlich" wäre – sondern ob dieser Prozess für einen Pilot geeignet ist und was er realistisch bringt.

Start klein. Aber start richtig.

Sie müssen nicht mit dem spektakulärsten KI-Use-Case starten. Sie sollten mit dem konkretesten starten.

Dokumentenlastige Prozesse bringen genau das mit, was produktive KI braucht: klare Inputs, definierte Regeln, erkennbare Sonderfälle, saubere Eskalationen. Wer dort ansetzt, baut keinen Pilot, der nach drei Monaten eingestellt wird. Er baut einen Workflow, der am Montagmorgen läuft.

Und genau dort – nicht in der nächsten KI-Vision – entscheidet sich, ob Ihr Unternehmen bei den 5 % oder den 95 % landet.

Quelle: MIT Project NANDA, The GenAI Divide: State of AI in Business 2025, July 2025. PDF ansehen.