Wie ein KI-Projekt mit Hoch-AI abläuft

Am Anfang steht ein unverbindliches Kennenlernen. Dabei geht es darum, das Unternehmen, die aktuelle Situation und die wichtigsten Herausforderungen zu verstehen.

Typische Themen sind die Ausgangssituation – wo entstehen heute wiederkehrende manuelle Aufwände? –, das Zielbild, die betroffenen Nutzergruppen, der technische Rahmen mit bestehenden Systemen und Microsoft-365-Strukturen sowie die Frage nach der Wirtschaftlichkeit des angedachten Use Cases.

Ziel dieses Gesprächs ist noch nicht, direkt eine fertige Lösung zu verkaufen. Viel wichtiger ist die ehrliche Einschätzung, ob ein KI-Projekt an dieser Stelle sinnvoll ist und welcher erste MVP Sinn ergibt.

Wenn die Richtung passt, wird der konkrete Anwendungsfall gemeinsam geschärft. Dafür reichen in der Regel zwei bis drei Besprechungen aus.

In diesen Terminen werden die wichtigsten Grundlagen geklärt: konkrete Ziele, betroffene Prozesse und Nutzer, relevante Datenquellen wie Dokumente, E-Mails oder SharePoint-Inhalte, messbare Erfolgskriterien – und bewusste Abgrenzungen, also was noch nicht Teil des ersten Schritts sein soll.

Gerade der letzte Punkt ist wichtig. Gute KI-Projekte scheitern selten daran, dass es zu wenige Ideen gibt. Häufiger wird der erste Schritt zu groß. Deshalb wird der Use Case so geschnitten, dass ein realistischer MVP entsteht, der schnell Nutzen zeigt und trotzdem erweiterbar bleibt.

Auf Basis der ausgearbeiteten Anforderungen entsteht ein Angebot. Darin werden die Ziele, der MVP-Umfang – also welche Funktionen, Nutzergruppen und Datenquellen in der ersten Version enthalten sind –, das Vorgehen, das erwartete Ergebnis und die geplante Investition beschrieben.

Das Angebot schafft einen klaren Rahmen, ohne die Umsetzung starr abzuarbeiten. KI-Projekte leben davon, dass man während der Umsetzung lernt. Manche Annahmen bestätigen sich, andere müssen angepasst werden. Deshalb wird agil gearbeitet und regelmäßig geprüft, welche Prioritäten gerade den größten Nutzen bringen.

In der Implementierungsphase wird die erste nutzbare Version schrittweise aufgebaut, getestet und verbessert. Je nach Projekt kann das zum Beispiel ein Teams-Wissensbot, ein Outlook-Assistent oder eine Prozessautomatisierung sein.

Wichtig ist: Der MVP soll möglichst früh praktisch nutzbar sein. So wird nicht nur theoretisch über KI gesprochen, sondern direkt sichtbar, ob die Lösung im Alltag hilft, welche Fragen auftauchen und wo nachgeschärft werden muss.

Während der Umsetzung gibt es einen wöchentlichen Sync. Dieser Termin bespricht den aktuellen Fortschritt, sammelt Feedback zu dem, was bereits funktioniert, klärt offene Fragen und benötigte Zugänge, setzt die nächsten Prioritäten und beleuchtet technische oder organisatorische Risiken. So entsteht keine Blackbox – der Kunde sieht früh, wie sich die Lösung entwickelt, und Feedback kann direkt einfließen.

Am Ende des MVP- oder Pilotprojekts werden die Ergebnisse gemeinsam bewertet. Dabei geht es nicht nur um die Frage, ob die Lösung technisch funktioniert. Entscheidend ist, ob sie im Alltag sinnvoll nutzbar ist und ob sich eine Weiterentwicklung lohnt.

Typische Fragen sind: Wurden die definierten Ziele erreicht? Hat der MVP echten Nutzen erzeugt? Wo entsteht der größte Mehrwert? Was sollte verbessert werden? Welche Nutzergruppen könnten als nächstes folgen? Welche Betreuung ist im laufenden Betrieb sinnvoll?

Auf dieser Basis kann ein Follow-up-Angebot entstehen – zum Beispiel eine Weiterentwicklung mit klar definiertem Festpreis für zusätzliche Funktionen oder neue Nutzergruppen, oder ein Servicevertrag für technische Betreuung, Qualitätssicherung und regelmäßige Optimierung.

Der Ansatz verbindet Struktur mit Flexibilität. Es gibt ein klares Ziel, einen definierten Rahmen und transparente Kosten. Gleichzeitig bleibt genug Raum, um im Projektverlauf auf neue Erkenntnisse zu reagieren.

Das ist besonders bei KI-Projekten wichtig. Denn oft zeigt sich erst beim Testen mit echten Daten und echten Nutzern, welche Funktionen wirklich wertvoll sind.

Deshalb steht am Anfang kein großes, abstraktes Transformationsprogramm, sondern ein pragmatischer MVP: klein genug, um schnell umgesetzt zu werden, aber relevant genug, um echten Nutzen zu zeigen. So kann sich die Lösung in der Praxis beweisen, bevor weiter investiert wird.