KI-Potenzialanalyse: Prozesse systematisch bewerten

Das Wichtigste in Kürze:

• Eine KI-Potenzialanalyse bewertet Prozesse nach festen Kriterien statt nach Bauchgefühl.
• 5 Kriterien tragen die Bewertung: Nutzen, Machbarkeit, Datenlage, Risiko, Messbarkeit.
• Eine Nutzen-Aufwand-Matrix macht die Priorisierung nachvollziehbar und diskutierbar.
• Ergebnis ist eine begründete Pilot-Empfehlung, keine fertige Lösung und kein Return-Versprechen.

Wer sich in einem KMU ernsthaft mit KI beschäftigt, hat selten zu wenige Ideen, meistens zu viele. Der Vertrieb will einen Chatbot, die Buchhaltung möchte Belege automatisch erfassen, die Geschäftsleitung hat auf einer Konferenz von einem beeindruckenden Anwendungsfall gehört. Jede Idee klingt für sich plausibel. Das eigentliche Problem: Es fehlt eine nachvollziehbare Methode, um die Ideen zu vergleichen. Womit fängt man an?

Genau das leistet eine KI-Potenzialanalyse. Dieser Artikel erklärt, was sie ist, welche Prozesse bewertet werden und nach welchen Kriterien. Er zeigt auch, wie sich Aufwand seriös schätzen lässt und was am Ende herauskommt. Er richtet sich an Geschäftsführung, Operations, IT und Fachbereiche in KMU, die eine Auswahl treffen müssen, ohne eigenes Data-Science-Team und meist mit knappem Budget für Vorarbeit.

Die Ausgangslage ist besser, als es sich oft anfühlt. Laut ifo-Konjunkturumfrage vom Mai 2026 nutzen inzwischen 54,5 % der deutschen Unternehmen KI in ihren Geschäftsprozessen, nach 40,9 % im Jahr zuvor. Bei kleinen Unternehmen sind es 51,2 %, bei mittleren 47,2 %. KI im Unternehmen ist also längst Normalität, nicht Pionierarbeit.

Die eigentliche Hürde liegt woanders. Laut Bitkom sehen zwar 88 % der Unternehmen im eigenen Betrieb ungenutztes KI-Potenzial, aber 79 % warten erst einmal ab, welche Erfahrungen andere machen. Nur rund jedes fünfte Unternehmen (22 %) traut sich selbst die nötigen KI-Kompetenzen zu. Eine Analyse ist der Weg aus dem Abwarten. Sie schützt davor, kopflos ins erstbeste Projekt zu springen.

Begriffe kurz geklärt

Diese 4 Begriffe werden häufig verwechselt. Für diesen Artikel gilt folgende Abgrenzung:

• KI-Potenzialanalyse bewertet mehrere Prozess-Kandidaten systematisch und liefert eine priorisierte Liste. Sie beantwortet die Frage: Wo lohnt sich KI bei uns am meisten, und wo eher nicht?

• Prozessaudit ist der Schritt davor: die Bestandsaufnahme, welche Prozesse es gibt, wie sie ablaufen und wo sie Zeit oder Qualität kosten. Die Analyse baut darauf auf, ist aber die Bewertung, nicht die Aufnahme selbst.

• Readiness-Check prüft, ob das Unternehmen als Ganzes bereit ist, also Daten, Systeme, Kompetenzen und rechtliche Leitplanken. Er ist eine Ebene abstrakter und blickt auf die ganze Firma, nicht auf einzelne Prozesse.

• Use-Case-Liste ist oft nur eine unbewertete Ideensammlung. Ohne Kriterien und Priorisierung ist sie das Rohmaterial für eine Analyse, nicht deren Ergebnis.

Diese Abgrenzung ist mehr als Begriffshygiene. Wer eine “Potenzialanalyse” bestellt und ein unbewertetes Brainstorming-Protokoll bekommt, hat nichts gewonnen. Das ist keine Entscheidungshilfe, nur eine längere Ideenliste.

Was ist eine KI-Potenzialanalyse?

Eine KI-Potenzialanalyse ist ein strukturiertes Verfahren, mit dem du Geschäftsprozesse auf ihre Eignung für KI prüfst. Der Ablauf folgt immer demselben Muster: Kandidaten sammeln, nach festen Kriterien bewerten, priorisieren, dokumentieren. Mehr steckt nicht dahinter. Von einer reinen Ideensammlung unterscheidet sie eines. Jeder Kandidat wird am selben Maßstab gemessen. Es zählt nicht, wer im Meeting am lautesten für seine Idee wirbt.

Wichtig ist, was eine Potenzialanalyse nicht ist. Sie ist keine technische Machbarkeitsstudie im Detail (die kommt später im Piloten), kein fertiges Lastenheft und erst recht kein Versprechen auf einen bestimmten Return. Sie ist eine Entscheidungsgrundlage, die die Geschäftsführung mittragen kann, ohne dass vorher monatelang entwickelt wurde. Der Wert liegt weniger im exakten Punktwert. Er liegt in der Disziplin, alle Kandidaten gleich zu messen und die Auswahl später begründen zu können.

In der Praxis sehe ich 2 typische Fehlformen. Die eine ist die Beratungsstudie ohne Praxisbezug: 100 Seiten Trendanalyse, am Ende keine Empfehlung, mit der ein Fachbereich morgen etwas anfangen kann. Die andere ist das Bauchgefühl-Ranking ohne dokumentierte Kriterien. Es fällt bei der ersten kritischen Nachfrage zusammen, weil niemand mehr erklären kann, warum Prozess A vor Prozess B steht. Beides ist vermeidbar.

Welche Prozesse werden bewertet?

Kandidaten sind in aller Regel wiederkehrende, dokumentierbare Prozesse, keine einmaligen Sonderfälle. Nach Bitkom-Zahlen aus der Bürobefragung entlastet KI aus Unternehmenssicht vor allem bei Routineaufgaben (67 % Zustimmung). Konkret genannt werden die automatische Bearbeitung von Standardformularen, Meeting-Mitschriften und personalisierte Kundenkommunikation.

In der Industrie zeigt eine Bitkom-Erhebung unter 552 Unternehmen ein feineres Bild der Chancen nach Anwendungsbereich. Vorn liegen Energiemanagement (85 %), Robotik (74 %), Analytik (73 %), Lagermanagement (72 %) und Maschinenkonfiguration (70 %). Danach folgen Qualitätsmanagement (58 %), Programmierung/Konstruktion (52 %) und Projektplanung (51 %). Auffällig: Selbst in dieser stark technisierten Branche schöpfen laut Erhebung erst 24 % der Unternehmen ihre KI-Potenziale gut aus, 72 % sehen ungenutzten Raum.

Für ein KMU außerhalb der Industrie sind vor allem 5 Prozessarten typische Kandidaten:

• Textbasierte Prozesse: Schriftverkehr, Angebotserstellung, Zusammenfassungen, Antwortentwürfe.
• Klassifikation und Sortierung: eingehende Anfragen, Belege oder Support-Tickets nach Kategorie oder Dringlichkeit einordnen.
• Recherche und Aufbereitung: Informationen aus mehreren Quellen zusammentragen, die heute von Hand gesucht werden.
• Planung und Terminierung: wiederkehrende Planungsaufgaben mit klaren Regeln, aber viel Koordination von Hand.
• Qualitätsprüfung: Dokumente oder Datensätze auf Vollständigkeit und Plausibilität prüfen, bevor ein Mensch final entscheidet.

Bewusst fehlen Prozesse ohne klare Struktur oder mit stark wechselnden Einzelfällen ohne Muster; die eignen sich selten für den Einstieg, mehr dazu bei Risiken und Grenzen. Eine vollständige, kommentierte Übersicht typischer Anwendungsfälle je Unternehmensfunktion liefert der eigene Cluster-Artikel zu KI-Use-Cases; hier geht es um die Bewertungsmethode, nicht um die vollständige Liste.

Welche Kriterien bestimmen Nutzen und Risiko?

Nutzen und Risiko lassen sich nicht in einer Zahl bündeln, ohne die Bewertung angreifbar zu machen. Ich arbeite deshalb mit 5 getrennten Kriterien, die zusammen ein Bild ergeben:

• Nutzen. Leitfrage: Wie viel Zeit, Kosten oder Qualität steckt realistisch drin? Signal für “hoch”: viel wiederkehrender manueller Aufwand pro Vorgang.

• Machbarkeit. Leitfrage: Wie gut lösen heutige Sprachmodelle diese Aufgabenklasse? Signal für “hoch”: Textverstehen, Zusammenfassen, Kategorisieren, Entwerfen.

• Datenlage. Leitfrage: Liegen die nötigen Informationen digital, aktuell und zugänglich vor? Signal für “hoch”: strukturierte oder gut lesbare Dokumente, klare Systemzugriffe.

• Risiko. Leitfrage: Was passiert bei fehlerhaften Ausgaben, und sind sensible oder personenbezogene Daten betroffen? Signal für geringes Risiko: Ein Mensch prüft, Fehler sind korrigierbar.

• Messbarkeit. Leitfrage: Lässt sich der Erfolg vorher und nachher objektiv messen? Signal für “hoch”: Eine klare Kennzahl existiert schon, etwa Zeit pro Vorgang oder Fehlerquote.

Eigenes Kriterienraster Philogic Labs, entwickelt aus Beratungs- und Umsetzungsprojekten.

Für die Priorisierung nutze ich zusätzlich eine Zwei-Achsen-Matrix aus Nutzen und Aufwand. Sie ist bewusst einfacher als eine gewichtete Punktsumme. So bleibt sie im Workshop auch ohne Vorbereitung für alle klar. Die 4 Felder:

• Nutzen hoch, Aufwand niedrig: Quick Win, als Pilot priorisieren.
• Nutzen hoch, Aufwand hoch: strategisches Projekt, einplanen, aber nicht zuerst.
• Nutzen niedrig, Aufwand niedrig: Testballon, nur bei freier Kapazität.
• Nutzen niedrig, Aufwand hoch: vermeiden, Ressourcen woanders einsetzen.

Eigene Nutzen-Aufwand-Matrix Philogic Labs.

Ein Rechenbeispiel zur Einordnung. Der Prozess “Eingehende Anfragen kategorisieren und Antwortentwürfe erstellen” landet meist im Feld Quick Win: viel wiederkehrender Aufwand, gute Machbarkeit, Daten liegen als Text vor, ein Mensch prüft jeden Entwurf. Der Prozess “KI-gestützte Anbindung an ein gewachsenes ERP-System für automatische Bestandsplanung” landet dagegen oft beim strategischen Projekt. Hoher Nutzen ist möglich, aber Integrationstiefe und Datenaufbereitung schieben den Aufwand deutlich nach oben. Beide Einordnungen sind bewusst grob; die Matrix soll die Diskussion strukturieren, nicht ersetzen. Wo genau die Grenze zwischen “niedrig” und “hoch” verläuft, bleibt eine Einschätzung je Unternehmen.

Wie wird Aufwand geschätzt?

Aufwand ist die Achse, die in Workshops am häufigsten unterschätzt wird. Meist denkt das Team nur an die KI-Komponente, nicht an das Drumherum. Realistisch besteht der Aufwand aus 3 Dimensionen:

• Integrationstiefe. Ein Prozess, der komplett in einem bestehenden Tool mit KI-Funktion abläuft, ist deutlich günstiger als einer, der Daten aus mehreren Bestandssystemen zusammenführen muss. Zwischen einem konfigurierten Standard-Workflow und der Anbindung an ein gewachsenes ERP-System liegt in der Praxis leicht ein Faktor 10 und mehr.

• Datenaufbereitung. Liegen die Informationen schon strukturiert und zugänglich vor, oder müssen sie erst aus E-Mail-Postfächern, PDF-Ablagen oder Papierformularen nutzbar gemacht werden? Dieser Schritt wird in Zeitplänen regelmäßig vergessen und ist danach der häufigste Grund für Verzug.

• Change-Bedarf. Wie viele Personen müssen ihre Arbeitsweise anpassen, wie viel Schulung ist nötig, wie groß ist absehbarer Widerstand? Ein technisch einfacher Prozess mit großem Change-Bedarf kann insgesamt aufwändiger sein als ein technisch komplexerer mit nur einem betroffenen Team.

Seriöse Euro- oder Wochenangaben gibt es erst nach der Analyse, wenn Prozess und Vorgehen feststehen. Vorher sind nur grobe Bandbreiten mit genannten Annahmen seriös. Zur Einordnung aus meiner Erfahrung: Für einen Prozess mit geringer Integrationstiefe, ohne Systemanbindung und mit einem betroffenen Team liegt die Analysephase im Bereich weniger Personentage. Bei mehreren Prozessen mit Interviews in verschiedenen Fachbereichen und einem Bewertungsworkshop sind es eher 1 bis 2 Wochen Kalenderzeit. Das ist eine Bandbreite aus eigenen Projekten, keine belegte Studienzahl. Die tatsächliche Dauer hängt davon ab, wie viele Prozesse verglichen werden und wie gut sie dokumentiert sind.

Was ist das Ergebnis?

Am Ende steht kein fertiges KI-System, sondern ein Entscheidungsdokument mit meist 4 Teilen:

1. Eine priorisierte Liste bewerteter Prozesse. Geordnet nach der Nutzen-Aufwand-Einordnung, mit den Einzelbewertungen je Kriterium, nicht nur einem Gesamtrang.

2. Eine begründete Empfehlung für den ersten Piloten. Inklusive der Frage, warum gerade dieser Prozess gewählt wurde und nicht der mit dem theoretisch größten Nutzen.

3. Eine Übersicht offener Voraussetzungen je Kandidat. Fehlende Daten, ungeklärte Systemzugriffe, offene Datenschutzfragen. Diese Liste ist oft so wertvoll wie die Priorisierung selbst, weil sie zeigt, was vor dem Start zu tun ist.

4. Eine Dokumentation der Kriterien und Annahmen. Damit bleibt die Auswahl nachvollziehbar und wirkt nicht wie eine Bauchentscheidung, wenn sie in einem halben Jahr hinterfragt wird.

Ausdrücklich nicht Teil des Ergebnisses: ein technisches Konzept, ein Festpreisangebot oder eine Erfolgsgarantie. Diese Dinge gehören in die nächste Phase, den Piloten. Die Analyse liefert die Grundlage für die Entscheidung, womit dieser Pilot startet.

Umsetzung: So läuft die Analyse

In meiner Arbeit läuft eine Potenzialanalyse in 4 Schritten. Meist passen sie in 1 bis 2 Wochen Kalenderzeit:

• Schritt 1: Kandidaten sammeln. Kurze, strukturierte Gespräche mit den Menschen, die die Arbeit wirklich machen, nicht nur mit den Vorgesetzten. Ziel sind 10 bis 20 grob umrissene Prozess-Kandidaten, keine Feinanalyse. Die Frage ist immer dieselbe: Wo verbringst du wiederkehrend Zeit mit Aufgaben, die einem erkennbaren Muster folgen?

• Schritt 2: Vorauswahl. Offensichtlich ungeeignete Kandidaten fliegen raus, etwa Prozesse ohne wiederkehrendes Muster oder mit nicht akzeptablem Risiko bei Fehlern. Übrig bleiben meist 5 bis 8 Kandidaten für die Detailbewertung.

• Schritt 3: Bewertungsworkshop. Die verbliebenen Kandidaten werden mit den Fachbereichen anhand des Kriterienrasters bewertet und in die Matrix eingeordnet. Wichtig: Alle bewerten nach denselben Kriterien und diskutieren offen, statt nur die eigene Idee zu verteidigen.

• Schritt 4: Dokumentation und Empfehlung. Ergebnis, Kriterien und offene Punkte werden schriftlich festgehalten, inklusive einer klaren Empfehlung für den ersten Piloten. Die Empfehlung geht an die Geschäftsführung; die Analyse bereitet die Entscheidung vor, sie ersetzt sie nicht.

Ob du diese 4 Schritte intern moderierst oder extern moderieren lässt, hängt vor allem davon ab, wie neutral interne Moderation im eigenen Haus wahrgenommen wird. Bei stark konkurrierenden Interessen hilft eine externe, unabhängige Moderation oft mehr als zusätzliche fachliche Expertise. Unser Beratungsangebot mit Prozess-Audit und Potenzialanalyse findest du auf der Startseite. Wer die Methode erst intern im Team etablieren will, findet in unseren Schulungen einen praxisnahen Einstieg in Methodik und Kriterienarbeit.

Risiken und Grenzen

Eine Potenzialanalyse ist ein nützliches, aber begrenztes Werkzeug. Diese 4 Grenzen gehören zur ehrlichen Einordnung:

• Analyse-Paralyse. Wenn aus der Bewertung von 10 Kandidaten immer neue Bewertungsrunden entstehen, wird aus dem Entscheidungsinstrument eine Verzögerungstaktik. Eine Potenzialanalyse soll in Tagen bis wenigen Wochen fertig sein, nicht in Monaten.

• Subjektivität trotz Kriterien. Auch ein Kriterienraster macht die Bewertung nicht objektiv im strengen Sinn; es macht sie nachvollziehbar und diskutierbar. Wer erwartet, dass eine Matrix jeden Streit auflöst, wird enttäuscht.

• Die Datenlage kann schlechter sein als angenommen. Erst im Piloten zeigt sich oft, dass Daten lückenhafter oder inkonsistenter sind als gedacht. Die Analyse reduziert dieses Risiko, sie beseitigt es nicht.

• KI-Fähigkeiten verändern sich. Was heute als schwer machbar gilt, kann in einem Jahr Standard sein, und nicht alle Versprechen neuer Modelle sind sofort praxistauglich. Eine Potenzialanalyse hat ein Haltbarkeitsdatum; bei größeren Technologiesprüngen lohnt eine Wiederholung.

Eine Grenze ist für den Einstieg oft wichtiger als alle anderen. Prozesse ohne erkennbares Muster, mit stark wechselnden Einzelfallentscheidungen oder mit nicht tolerierbaren Fehlerfolgen eignen sich selten für den Einstieg, egal wie gut sie in der Matrix abschneiden. Dazu zählen etwa sicherheitskritische Steuerungen oder Entscheidungen, die Menschen unmittelbar rechtlich betreffen. Bei Prozessen mit Bezug zu Personalentscheidungen oder anderen sensiblen Bereichen kommen regulatorische Fragen dazu, insbesondere aus dem EU AI Act. Das würde diesen Artikel sprengen und gehört im Zweifel zu Datenschutz- oder Rechtsberatung, nicht zur Potenzialanalyse selbst.

Wichtig ist auch: Eine Analyse ersetzt keinen Readiness-Check auf Ebene der ganzen Firma. Selbst der beste Prozess-Kandidat scheitert, wenn Grundlagen wie Datenzugriff oder eine verantwortliche Person fehlen. Das prüft der Readiness-Check, nicht die Potenzialanalyse.

Checkliste: KI-Potenzialanalyse durchführen

1. Wir haben 10 bis 20 Prozess-Kandidaten durch Gespräche mit den ausführenden Personen gesammelt, nicht nur durch Ideen aus der Führungsebene.

2. Offensichtlich ungeeignete Kandidaten (kein wiederkehrendes Muster, nicht akzeptables Risiko) sind vorab aussortiert.

3. Alle verbliebenen Kandidaten sind nach denselben 5 Kriterien bewertet: Nutzen, Machbarkeit, Datenlage, Risiko, Messbarkeit.

4. Die Bewertung ist in eine Nutzen-Aufwand-Matrix übertragen und dadurch visuell vergleichbar.

5. Aufwand ist über 3 Dimensionen geschätzt: Integrationstiefe, Datenaufbereitung, Change-Bedarf, nicht nur über die reine KI-Komponente.

6. Alle genannten Zahlen und Bandbreiten sind mit Annahmen versehen, keine unbelegten Versprechen.

7. Es gibt eine dokumentierte, priorisierte Liste mit Begründung, nicht nur eine mündliche Empfehlung.

8. Für den empfohlenen ersten Kandidaten sind offene Voraussetzungen (Daten, Systemzugriff, Datenschutz) benannt.

9. Die Analyse ist in Tagen bis wenigen Wochen abgeschlossen, keine Analyse-Paralyse.

10. Prozesse mit sensiblem Personenbezug oder nicht tolerierbaren Fehlerfolgen sind separat markiert und nicht automatisch für den Einstieg vorgesehen.

11. Die Empfehlung liegt der Geschäftsführung zur Entscheidung vor; die Analyse bereitet die Entscheidung vor, sie trifft sie nicht.

12. Uns ist klar, dass die Analyse den Readiness-Check auf Ebene der Firma nicht ersetzt.

Wie aus dem priorisierten Kandidaten ein konkreter Pilot wird und welche Voraussetzungen auf Unternehmensebene zu klären sind, vertiefen die weiteren Artikel im Cluster KI-Strategie. Wenn du die Methode nicht allein anwenden willst: Ein kostenloses Erstgespräch klärt in 45 Minuten, ob eine begleitete Potenzialanalyse für euer Unternehmen der richtige nächste Schritt ist.