KI-Implementierung erfolgreich gestalten

Die meisten KI-Projekte scheitern nicht an der Technik. Sie scheitern am zweiten Anwendungsfall – dann nämlich, wenn der erste funktioniert hat und niemand weiß, wie man ihn auf den nächsten Prozess überträgt.

Das Bild kennt jeder, der einmal dabei war: Die Rechnungsverarbeitung läuft, das Team ist zufrieden, die Zahlen stimmen. Ein halbes Jahr später soll dieselbe Technik Lieferscheine lesen. Und das Projekt beginnt wieder bei null, weil Modell, Schwellenwerte und Prüfprozess auf genau einen Dokumententyp zugeschnitten waren.

Der Versicherungskonzern AXA hat daraus eine Konsequenz gezogen. Der Konzern beendet seine dezentralen KI-Experimente und hat gemeinsam mit Publicis Sapient einen herstellerunabhängigen „Global AI Hub“ aufgebaut, wie Tristan Fincken in der Computerwoche am 11. September 2026 berichtete. Die drei Einsatzfelder des Hubs sind bezeichnend: Kunden-E-Mail-Verarbeitung, Kfz-Schadenbearbeitung und unternehmensweites Wissensmanagement. Alle drei leben von Dokumenten, und alle drei brauchen dieselbe Grundlage.

Dieser Beitrag beantwortet die Frage, die dahintersteht: Wie implementiert man KI so, dass sie über den ersten Anwendungsfall hinaus wächst?

Warum KI implementieren so oft beim Pilotprojekt endet

Die Zahlen dazu sind neu und ungewöhnlich deutlich. Der IT-Dienstleister Kyndryl hat für den People Readiness Report 2026 1.100 leitende Fach- und Technologieverantwortliche in acht Ländern befragt und die Ergebnisse am 25. Juni 2026 veröffentlicht. Dass ein Anbieter von IT-Dienstleistungen einen Beratungsbedarf misst, gehört zur Einordnung dazu – die Einzelwerte sind dennoch aufschlussreich.

Zwei Befunde stehen im Widerspruch zueinander. 57 Prozent der Befragten geben an, KI sei in ihren Kernprozessen verankert oder breit ausgerollt. Gleichzeitig haben nur 32 Prozent mindestens eines ihrer beiden wichtigsten KI-Ziele erreicht.

KI ist also längst im Betrieb angekommen – sie liefert nur nicht, was sie liefern sollte. Dazu passt die Selbsteinschätzung: 79 Prozent stimmen der Aussage zu, dass das Tempo der KI ihre Belegschaft, ihre Governance und ihr Betriebsmodell überholen wird.

Interessanter als die Mehrheit ist die Minderheit. Kyndryl identifiziert eine Gruppe von 9 Prozent, die der Bericht „Pacesetters“ nennt. Sie haben drei Dinge getan: Rollen um KI herum neu zugeschnitten, Change Management tatsächlich umgesetzt und ihre Belegschaft auf die Arbeit mit KI vorbereitet. Diese Gruppe erreicht laut Bericht mit 1,5-facher Wahrscheinlichkeit KI-getriebenes Umsatzwachstum und mit 1,6-facher Wahrscheinlichkeit bessere Innovationsergebnisse.

Mark Paulek, Chief Human Resources Officer bei Kyndryl, fasst den Befund so zusammen: „The leaders pulling ahead are aligning skills, roles and decision-making with how work is actually changing.“ Vorn liegt also, wer Fähigkeiten, Rollen und Entscheidungswege daran ausrichtet, wie sich die Arbeit tatsächlich verändert.

Die Studie misst Organisation, nicht Technik. Genau das ist ihr Wert: Der Unterschied zwischen den 9 Prozent und dem Rest liegt nicht im Modell, sondern in der Vorbereitung darauf, dass sich Arbeit verändert.

Welche Herausforderungen treten bei der Skalierung von KI-Workflows auf?

In der Dokumentenverarbeitung lassen sich die Bruchstellen genau benennen. Sie tauchen fast immer in derselben Reihenfolge auf, und es sind vier:

• Der zugeschnittene Datensatz: Das Modell wurde mit 200 Rechnungen eines Layouts trainiert. Für Lieferscheine existiert dieser Bestand nicht, und niemand hat festgehalten, wie die Trainingsdaten entstanden sind.
• Der implizite Schwellenwert: Im Pilotprojekt hat jemand eine Konfidenzgrenze gesetzt, ab der ein Beleg ohne Prüfung durchläuft. Sie steht in keinem Dokument, sondern im Kopf des Projektleiters.
• Der gewachsene Prüfprozess: Die Fachabteilung hat sich an eine Oberfläche gewöhnt, die für einen Dokumententyp gebaut wurde. Jeder weitere Typ bringt eine eigene Maske mit.
• Die fehlende Vergleichsgröße: Der erste Anwendungsfall gilt als Erfolg, aber es gibt keine Kennzahl, die sich auf den zweiten übertragen ließe.

Die vierte Bruchstelle ist die teuerste, weil sie die anderen drei unsichtbar macht. Ohne eine gemeinsame Messgröße lässt sich nicht sagen, ob der neue Prozess besser läuft als der alte – und damit auch nicht, ob sich die Übertragung gelohnt hat.

Was mitwachsen muss, wenn Sie KI implementieren

Hier liegt ein verbreitetes Missverständnis. Skalierbarkeit klingt nach Infrastruktur, nach Servern und Durchsatz. In der Dokumentenverarbeitung ist sie dagegen vor allem eine Frage der Messbarkeit. Drei Kennzahlen müssen von der ersten Woche an feststehen, weil nur sie den Vergleich zwischen Anwendungsfällen tragen:

• Durchschnittliche Bearbeitungszeit je Vorgang: Wie lange dauert ein Beleg von der Ankunft bis zur Buchung? Diese Zahl versteht auch der Vorstand, sie lässt sich gegen den manuellen Prozess halten und sie gilt für jeden Dokumententyp gleichermaßen.
• Quote der Dunkelverarbeitung: Der Anteil der Vorgänge, die ohne Eingriff fallabschließend durchlaufen. Sie beantwortet die Frage, ob der zweite Anwendungsfall den ersten eingeholt hat.
• Fehlerquote in den dunkel verarbeiteten Fällen: Wie viele der automatisch durchgelaufenen Vorgänge waren falsch? Ohne diese Gegenprobe ist die Dunkelverarbeitungsquote wertlos.

Der letzte Punkt wird am häufigsten übersehen, und er ist der gefährlichste. Eine Dunkelverarbeitungsquote lässt sich jederzeit hochtreiben, indem man die Prüfschwellen senkt – die Quote steigt, die Fehler wandern nur weiter nach hinten in den Prozess. Erst im Paar mit der Fehlerquote wird sie zu einer belastbaren Aussage.

Konfidenz- und Schwellenwerte gehören eine Ebene tiefer. Sie sind nicht die Kennzahl, sondern die Stellschraube. Ein Konfidenzwert je Feld sagt, wie sicher sich das Modell bei einem einzelnen extrahierten Wert ist. Der Schwellenwert legt fest, ab wann dieser Wert ohne menschliche Prüfung akzeptiert wird. An ihnen dreht man, wenn die Fehlerquote zu hoch oder die Dunkelverarbeitungsquote zu niedrig ausfällt.

Zwei Dinge gehören dabei dokumentiert, sonst bleiben sie im Kopf des Projektleiters. Der Schwellenwert ist pro Feld unterschiedlich – ein falscher Betrag wiegt anders als eine falsche Kundennummer. Und festzuhalten ist, welcher Wert zu welchem Zeitpunkt galt. Ohne diese Notiz ist später nicht mehr zu rekonstruieren, warum eine Quote gestiegen ist.

Der Mensch bleibt dabei dauerhaft im Prozess. Human in the Loop ist kein Übergangsstadium auf dem Weg zur Vollautomatisierung, sondern der Mechanismus, der die Schwellenwerte überhaupt erst kalibriert. Wer die Prüffälle sauber erfasst, hat nebenbei die Trainingsdaten für den nächsten Dokumententyp erzeugt. Genau das unterscheidet eine wachsende Lösung von einer fertigen: Die Korrekturen der Fachabteilung fließen zurück ins Modell, statt in einem Ticketsystem zu versickern.

Woran erkennt man eine Plattform, die auf hohe Dokumentenvolumen skaliert?

Die Frage entscheidet sich selten am Durchsatz, denn fast jede Plattform verarbeitet genug Seiten pro Stunde. Die Unterschiede liegen woanders, und drei Prüfpunkte trennen eine Plattform von einer Punktlösung:

• Wiederverwendbarkeit der Modelle: Lässt sich ein trainiertes Modell als Ausgangspunkt für einen verwandten Dokumententyp nutzen, oder beginnt jedes Projekt mit einem leeren Datensatz?
• Einheitliche Prüfoberfläche: Arbeitet die Fachabteilung für alle Dokumententypen in derselben Maske, oder wächst mit jedem Anwendungsfall eine neue Anwendung?
• Durchgängige Protokollierung: Ist nachvollziehbar, welcher Wert automatisch akzeptiert und welcher manuell korrigiert wurde? In regulierten Branchen ist das ohnehin Pflicht, und es ist die Datengrundlage jeder Verbesserung.

Diese Prüfpunkte gelten unabhängig vom Anbieter. Sie sind der Grund, warum AXA einen herstellerunabhängigen Hub baut statt einer weiteren Einzellösung – eine zentrale Schicht, auf der E-Mail-Verarbeitung, Schadenbearbeitung und Wissensmanagement dieselben Bausteine nutzen.

Wie führt man KI schrittweise ein, ohne sich festzulegen?

Der pragmatische Weg beginnt klein, aber nicht beliebig. Der erste Anwendungsfall sollte drei Eigenschaften mitbringen:

• Genug Volumen: Erst ab einer gewissen Menge wird die Messung aussagekräftig.
• Ein klares Richtig und Falsch: Nur dann lassen sich Fehler überhaupt erkennen.
• Ein Nachbarprozess: Die Übertragung auf den nächsten Dokumententyp muss realistisch sein.

Die Eingangsrechnung erfüllt das meist – sie kommt in hoher Zahl, ihre Felder sind eindeutig, und der Lieferschein liegt fachlich direkt daneben.

Danach zählt die Reihenfolge. Erst messen, was der manuelle Prozess heute kostet – Bearbeitungszeit je Vorgang und Fehlerquote in den Fällen, die niemand nachprüft. Dann automatisieren, dann dieselben beiden Zahlen erneut erheben. Ohne diesen Ausgangswert lässt sich später nicht belegen, ob die automatisierte Dokumentenverarbeitung den Prozess verbessert hat oder nur schneller falsch liegt – und ohne diesen Beleg bekommt der zweite Anwendungsfall kein Budget.

Fazit

KI implementieren heißt nicht, ein Modell in Betrieb zu nehmen. Es heißt, die Messgrößen festzulegen, an denen sich der nächste Anwendungsfall beweisen muss.

Die Kyndryl-Zahlen zeigen, woran es dabei hakt: KI steckt bei 57 Prozent der Befragten längst in den Kernprozessen, aber nur 32 Prozent erreichen ihre wichtigsten Ziele. Die 9 Prozent, die vorankommen, unterscheiden sich nicht durch bessere Technik, sondern dadurch, dass sie Rollen und Abläufe mitverändert haben.

Übertragbar ist daraus nicht die Zahl, sondern der Mechanismus. Wer Bearbeitungszeit je Vorgang, Dunkelverarbeitungsquote und Fehlerquote von Anfang an nebeneinander führt, muss den Vergleichsmaßstab für den zweiten Dokumententyp nicht neu erfinden. Konfidenz- und Schwellenwerte sind dabei die Stellschrauben, nicht das Ergebnis.

Wenn Sie den nächsten Schritt gehen wollen, beginnen Sie nicht mit der Auswahl eines Modells. Messen Sie zuerst, wie lange die Bearbeitung eines Belegs heute dauert und wie oft dabei etwas übersehen wird. Diese beiden Zahlen entscheiden später darüber, ob aus einem Pilotprojekt eine Plattform wird.