Die Ausgangslage
Mehrere meiner Kundinnen und Kunden hatten gar keine KI-Infrastruktur. Bei einem anderen stiegen die AWS-Rechnungen immer weiter.
Das sehen aus wie gegensätzliche Probleme und hat dieselbe Ursache. In beiden Fällen hatte niemand auf den Prozess darunter geschaut. Die erste Gruppe wartete auf einen klaren Anlass anzufangen. Die zweite hatte bereits angefangen und bezahlte die Folgen davon, gekauft zu haben, bevor hingesehen wurde.
Das Muster, das ich am häufigsten sehe: ein Unternehmen hat Lizenzen für alle gekauft, beobachtet, dass etwa ein Fünftel des Teams sie nutzt, und schließt daraus, dass KI hier nicht funktioniert. Nicht funktioniert hat die Reihenfolge.
Was ich getan habe
Ich prüfe zuerst die Prozesse und suche dann das Werkzeug, das zur Lücke passt, auch wenn ich es noch nie benutzt habe.
Diese Reihenfolge ist die ganze Methode. Zu einem Werkzeug, das vor der Prüfung gekauft wurde, muss hinterher ein Problem gefunden werden, und das Problem, das es bekommt, ist selten das teure. Prüfung zuerst heißt, dass das Werkzeug gegen eine benennbare Lücke ausgewählt wird. Genau das macht es später auch möglich zu sagen, ob es gewirkt hat.
Beim AWS-Kunden habe ich die Kosten zurückverfolgt auf Engineers, die immer wieder dieselben Compliance-Bugs löschten, und dann ein KI-basiertes AWS-Management-Werkzeug ausgewählt und eingeführt, das beides behebt. Die Rechnung war das Symptom. Die Kosten waren das wiederholte Feuerlöschen, und es tauchte zweimal auf: einmal auf der Rechnung und einmal in der Engineering-Zeit, die niemand zählte.
Bei Kundinnen und Kunden, die bei null starten, setze ich Claude ein. Wir beginnen mit Excel-Automatisierung im Finanzteam und arbeiten uns hoch bis zu Operations auf CEO-Ebene, etwa E-Mail-Nachfassen und Team-Aktivitäts-Dashboards. Der Start im Finanzbereich ist Absicht. Die Arbeit dort ist repetitiv und das Ergebnis prüfbar, also sieht das Team innerhalb von zwei Wochen, ob etwas Richtiges herauskommt. Vertrauen, das an einer prüfbaren Aufgabe entsteht, erkauft die Erlaubnis, an die Woche des CEO zu gehen.
Wo der Tool-Stack selbst das Problem ist, kartiere ich die redundante Arbeit und ersetze sie durch ein verbundenes Ops-System in monday.com.
Jeder Rollout läuft nach PACE
Problem, Allies, Concerns, Experiment, mit dreißig Tagen Nachweis zu Aktivierung, Return, Akzeptanz und einer Geschäftskennzahl, die der CEO auswählt.
Allies und Concerns werden am häufigsten übersprungen, und genau daran scheitern Rollouts. Allies heißt, die Menschen zu finden, die die Sache ohne Aufforderung nutzen, denn Adoption verbreitet sich seitwärts zwischen Kolleginnen und Kollegen, nicht von oben durch eine Ankündigung. Concerns heißt, laut zu fragen, ob so die Entlassungen beginnen, denn das Team fragt es sich ohnehin schon leise, und eine unbeantwortete Version dieser Frage reicht, um jedes Werkzeug zu erledigen.
Dass der CEO die Geschäftskennzahl auswählt, zählt ebenfalls. Es verhindert, dass das Review zur Diskussion darüber wird, wie beeindruckend die Demo war.
Das Ergebnis
Ich messe jeden Rollout gleich: gesparte Stunden pro Woche bei Handarbeit und wie viele repetitive Abläufe vollständig verschwinden.
- 40% der Schreib- und Routinearbeit gespart, mit ChatGPT bei AdvanceB2B
- 35% Produktivitätsplus durch Zapier-zu-HubSpot-Automatisierung
- 30 Tage Nachweis bei jedem Rollout, bevor sich jemand festlegt
Wenn Ihre KI-Rechnung steigt
Arbeiten Sie von der Rechnung zurück zum Verhalten. Kosten, die ohne Ergebnis dahinter wachsen, sind fast immer ein Prozess, der wiederholt von Menschen ausgeführt wird, die etwas umgehen, und das Werkzeug macht den Umweg nur schneller.
Nehmen Sie dann einen Prozess, geben Sie ihm dreißig Tage und eine Zahl. Bewegt sie sich nicht, haben Sie einen Monat verloren statt eines Budgets.
Ich habe den Ansatz zuerst im eigenen Haus belegt, bevor ich ihn zu Kundinnen und Kunden gebracht habe.