KI-Use-Cases finden: So erkennst du, wo KI sich lohnt

In fünf Schritten von der vagen KI-Idee zum konkreten Einsatz, der dir wirklich Zeit spart

Danilo à Tellinghusen
Experte für Online Marketing, KI- & Prozessautomatisierung
November 19, 2026
Titelbild: KI-generiert

"Wir müssen jetzt auch was mit KI machen." Diesen Satz höre ich in Gesprächen mit Inhabern fast jede Woche. Meistens folgt direkt danach die Frage nach dem richtigen Tool: ChatGPT, Copilot, ein Chatbot für die Website, vielleicht ein KI-Telefonassistent? Und genau da beginnt das Problem.

Wer mit dem Werkzeug anfängt, sucht anschließend verzweifelt nach einer Aufgabe dafür. Das Ergebnis kennst du vielleicht: Ein paar Lizenzen werden gekauft, zwei Kollegen probieren es begeistert aus, nach drei Monaten nutzt es keiner mehr. Das liegt nicht an dir. Sondern daran, dass niemand vorher geklärt hat, wo in deinem Betrieb KI überhaupt einen spürbaren Unterschied macht.

In diesem Artikel zeige ich dir, wie du KI-Use-Cases findest und bewertest, also die konkreten Stellen, an denen sich KI für dich lohnt. Du bekommst fünf Schritte, eine einfache Rechnung für Zeitfresser, einen Fünf-Fragen-Check, ob KI überhaupt die richtige Technik ist, und eine Vorlage, mit der du jede Idee auf einer Seite beschreibst. Am Ende steht ein Ablauf für einen 90-Minuten-Workshop, den du nächste Woche mit deinem Team machen kannst.

Warum die meisten KI-Projekte mit der falschen Frage starten

Die Frage "Welches KI-Tool sollen wir nehmen?" klingt vernünftig. Sie ist aber ungefähr so sinnvoll wie "Welche Maschine sollen wir kaufen?", bevor du weißt, was du eigentlich herstellen willst.

KI ist kein Produkt, sondern eine Fähigkeit: Texte verstehen und schreiben, Muster erkennen, Sprache in Text verwandeln, Dokumente zusammenfassen. Ob das für dich Geld wert ist, hängt ausschließlich davon ab, welche Arbeit in deinem Betrieb genau diese Fähigkeit braucht und wie oft sie anfällt.

Dass das Thema angekommen ist, zeigt eine Bitkom-Umfrage vom September 2026: Erstmals setzt die Mehrheit der Unternehmen in Deutschland KI ein. Nutzen heißt aber noch lange nicht, dass sie an der richtigen Stelle eingesetzt wird. Genau diesen Unterschied sehe ich in der Praxis ständig.

Besser: Dreh die Reihenfolge um. Erst die Arbeit anschauen, dann die passende Stelle für KI suchen, ganz zum Schluss das Werkzeug wählen.

Schritt 1: Erst die Arbeit sehen, dann die Technik

Bevor du über KI nachdenkst, brauchst du ein ehrliches Bild davon, was in deinem Betrieb jeden Tag passiert. Keine Hochglanz-Prozessdokumentation, sondern eine grobe Landkarte.

So gehst du vor: Nimm ein großes Blatt oder ein Whiteboard und schreib deine fünf bis acht Hauptabläufe auf. Bei den meisten KMU sind das Varianten von diesen:

  • Anfrage bis Angebot: Kunde meldet sich, du klärst den Bedarf, schreibst ein Angebot
  • Auftrag bis Rechnung: Planung, Durchführung, Dokumentation, Abrechnung
  • Kommunikation: E-Mails, Telefon, Rückfragen, Terminabsprachen
  • Verwaltung: Belege, Ablage, Fristen, interne Abstimmung
  • Personal: Einarbeitung, Urlaubsplanung, Wissen weitergeben

Dann zerlegst du jeden Ablauf in vier bis sechs Teilschritte. Wichtig ist diese Zerlegung, weil KI fast nie einen ganzen Prozess übernimmt, sondern einzelne Handgriffe darin. "Angebote schreiben" ist zu grob. "Aus der Kundenmail die Eckdaten heraussuchen und ins Angebotsformular übertragen" ist ein Teilschritt, bei dem KI tatsächlich helfen kann.

Beispiel: Stell dir einen Handwerksbetrieb mit acht Mitarbeitern vor. Der Ablauf "Anfrage bis Angebot" sieht zerlegt so aus: Anfrage kommt per Mail, Telefon oder Formular. Jemand liest sie und klärt fehlende Infos. Ein Termin zur Besichtigung wird vereinbart. Vor Ort wird aufgemessen und fotografiert. Zurück im Büro wird das Angebot geschrieben. Das Angebot geht raus und wird nachgefasst. Plötzlich siehst du sechs Stellen statt einer, und nicht jede davon ist ein Fall für KI.

Tipp: Mach diesen Schritt nicht allein. Die Person, die die Arbeit täglich erledigt, kennt die Zwischenschritte, die du als Chef längst nicht mehr siehst.

Schritt 2: Die Zeitfresser-Liste, mit einer einzigen Rechnung

Jetzt kommt der Teil, der in vielen Betrieben für den ersten Aha-Moment sorgt. Du schreibst zu jedem Teilschritt zwei Zahlen auf: Wie oft passiert das? Und wie lange dauert es jedes Mal?

Die Rechnung ist simpel: Häufigkeit mal Dauer ergibt den Aufwand pro Monat. Mehr Mathematik brauchst du hier nicht.

Beispiel: Angenommen, in einer Steuerkanzlei werden jeden Tag rund 25 Mandantenmails gelesen, einem Sachbearbeiter zugeordnet und mit einer kurzen Eingangsbestätigung versehen, jeweils etwa zwei Minuten. Das sind 50 Minuten am Tag und bei 20 Arbeitstagen gut 16 Stunden im Monat. Eine Aufgabe, über die niemand nachdenkt, weil jede einzelne Mail ja "nur zwei Minuten" dauert.

Genau das ist der Punkt. Die großen Zeitfresser sind selten die spektakulären Aufgaben. Es sind die kleinen, ständig wiederkehrenden Handgriffe, die sich unbemerkt aufsummieren.

Was du brauchst: Eine einfache Tabelle mit fünf Spalten: Ablauf, Teilschritt, Häufigkeit pro Monat, Minuten pro Durchgang, Stunden pro Monat. Schätzen reicht völlig. Ob es 14 oder 17 Stunden sind, ändert an der Reihenfolge nichts.

Schritt 3: Der KI-Check, passt KI hier überhaupt?

Nicht jeder Zeitfresser ist ein KI-Fall. Ein großer Teil lässt sich mit ganz normaler Automatisierung oder sogar mit einer besseren Vorlage lösen. Den Unterschied habe ich ausführlich im Artikel Automatisierung oder KI: So entscheidest du richtig erklärt. Für die Bewertung reichen fünf Fragen:

  1. Braucht die Aufgabe Verständnis statt fester Regeln? Wenn sich der Ablauf mit "wenn A, dann B" vollständig beschreiben lässt, brauchst du keine KI. Ein Workflow-Tool wie n8n oder Make ist günstiger und zuverlässiger.
  2. Gibt es die Informationen, die die KI braucht? Wenn das Wissen nur im Kopf eines Mitarbeiters existiert, kann auch keine KI darauf zugreifen.
  3. Kommt die Aufgabe oft genug vor? Was zweimal im Jahr passiert, rechtfertigt selten Einrichtung und Pflege.
  4. Darf das Ergebnis gelegentlich daneben liegen? KI arbeitet mit Wahrscheinlichkeiten. Wo ein einziger Fehler teuer wird, brauchst du eine Kontrolle durch einen Menschen oder eine andere Lösung.
  5. Kannst du den Nutzen messen? Gesparte Stunden, schnellere Antworten, weniger Rückfragen. Wenn du den Effekt nicht beschreiben kannst, kannst du ihn später auch nicht prüfen.

Drei oder mehr klare Ja? Dann ist das ein ernsthafter Kandidat. Bei Frage 4 lohnt ein zweiter Blick: Ein Nein ist kein Ausschluss, es bedeutet nur, dass ein Mensch das Ergebnis freigeben muss.

Tipp: Sei hier gnadenlos ehrlich. Ich sage in Beratungen lieber "Dafür brauchst du keine KI" als ein halbes Ja. Ein schlauer Regel-Workflow, der zuverlässig läuft, bringt dir mehr als ein KI-Projekt, das alle zwei Wochen Ärger macht.

Schritt 4: Nutzen gegen Aufwand, die Vier-Felder-Entscheidung

Jetzt hast du eine Liste mit Teilschritten, ihrem monatlichen Aufwand und einer ersten Einschätzung, ob KI passt. Im nächsten Schritt sortierst du sie in ein einfaches Raster. Auf der einen Achse steht der Aufwand pro Monat aus Schritt 2, auf der anderen der Wert, den diese Arbeit für deine Kunden oder dein Geschäft hat.

Daraus ergeben sich vier Felder mit vier unterschiedlichen Konsequenzen:

  • Viel Aufwand, wenig Wert: Hier liegen deine besten Automatisierungskandidaten. Eingangsmails sortieren, Daten von A nach B übertragen, Standardanfragen beantworten. Ziel: weitgehend automatisch, mit Stichproben.
  • Viel Aufwand, hoher Wert: KI als Assistent, der Mensch entscheidet. Etwa ein Angebotsentwurf, den die KI vorbereitet und du prüfst. Das nennt man "Human in the Loop".
  • Wenig Aufwand, hoher Wert: Lass es, wie es ist. Das persönliche Gespräch mit dem Stammkunden ist kein Effizienzproblem, sondern dein Wettbewerbsvorteil.
  • Wenig Aufwand, wenig Wert: Prüf, ob die Aufgabe überhaupt nötig ist. Manchmal ist die beste Optimierung, etwas einfach nicht mehr zu tun.

Beispiel: Ein Immobilienmakler könnte so landen: Portalanfragen vorsortieren und mit passenden Unterlagen beantworten (viel Aufwand, eher geringer Wert pro Einzelfall) wandert ins Automatisierungsfeld. Exposé-Texte (viel Aufwand, hoher Wert) bekommen einen KI-Entwurf, den der Makler überarbeitet. Das Erstgespräch mit dem Eigentümer bleibt komplett beim Menschen.

Lösung: Wähle für den Anfang genau einen Kandidaten aus dem Feld "viel Aufwand, wenig Wert". Dort ist das Risiko am kleinsten und der Effekt am schnellsten spürbar.

Schritt 5: Den Use Case auf einer Seite beschreiben

Eine Idee im Kopf ist noch kein Projekt. Bevor du Geld oder Zeit investierst, schreibst du den Kandidaten auf eine Seite. Das zwingt zu Klarheit und ist gleichzeitig die perfekte Grundlage, um mit einem Dienstleister oder deinem Team zu sprechen. Diese Felder haben sich bewährt:

  • Name: kurz und eindeutig, zum Beispiel "Eingangsmails automatisch zuordnen"
  • Was soll passieren: zwei, drei Sätze in einfacher Sprache, als würdest du es einem Bekannten erklären
  • Wer nutzt es und wozu: wer arbeitet damit, und was hat diese Person davon
  • Wer ist noch betroffen: Kunden, Kollegen, der Datenschutzbeauftragte
  • Auslöser: Was startet den Ablauf? Eine neue Mail, ein ausgefülltes Formular, ein Knopfdruck?
  • Ablauf in Schritten: wie ein Kochrezept, Schritt für Schritt
  • Was kann schiefgehen: und was dann passiert, etwa "unklare Mails landen bei einem Menschen"
  • Welche Systeme und Daten sind beteiligt: Postfach, CRM, Kalender, Dokumentenablage
  • Voraussetzungen: Was muss vorher geklärt sein, zum Beispiel Zugänge, Datenschutz, Vorlagen
  • Woran du den Erfolg misst: eine oder zwei Kennzahlen, etwa "Antwortzeit unter einer Stunde" oder "acht Stunden weniger Sortierarbeit im Monat"

Klingt nach viel? In der Praxis passt das auf eine DIN-A4-Seite und ist in 20 Minuten ausgefüllt. Und du wirst merken: Spätestens bei "Was kann schiefgehen" trennt sich die gute Idee von der schönen Vorstellung.

Tipp: Das Feld "Voraussetzungen" ist das ehrlichste von allen. Wenn dort steht "unsere Kundendaten liegen in drei Excel-Listen und zwei Postfächern", dann ist dein erstes Projekt kein KI-Projekt, sondern Aufräumen. Wie das geht, zeige ich im 30-Tage-Plan, um deine Daten für KI vorzubereiten.

Woher die Ideen kommen, wenn dir selbst keine einfallen

Manchmal ist die Liste aus Schritt 2 erstaunlich kurz, weil man den eigenen Alltag zu gut kennt, um ihn noch zu hinterfragen. Dann helfen drei Blickwinkel von außen:

Die Kundenperspektive: Wo warten deine Kunden? Auf eine Antwort, auf ein Angebot, auf einen Rückruf? Jede Wartezeit beim Kunden ist ein Hinweis auf einen Engpass bei dir.

Die Mitarbeiterperspektive: Frag dein Team ganz direkt: "Welche Aufgabe würdest du sofort abgeben, wenn du könntest?" Die Antworten sind oft präziser als jede Analyse. Und wer selbst Ideen beiträgt, unterstützt später auch die Umsetzung.

Die Branchenperspektive: Schau, was andere in deiner Branche bereits mit KI machen. Branchenverbände, Kammern und die vom Bund geförderten Mittelstand-Digital Zentren veröffentlichen regelmäßig Praxisbeispiele für kleine und mittlere Unternehmen. Kopieren solltest du nichts davon ungeprüft, aber als Ideenquelle ist das Gold wert.

Die typischen Fehler bei der Use-Case-Suche

Aus meiner Erfahrung scheitern KI-Vorhaben in kleinen Betrieben selten an der Technik. Sie scheitern an diesen vier Mustern:

1. Zu groß anfangen. "Unser gesamter Kundenservice soll mit KI laufen" ist kein Use Case, sondern ein Wunsch. Ein guter erster Use Case ist so klein, dass er in wenigen Wochen sichtbare Ergebnisse liefert.

2. Den spannendsten statt den nützlichsten Fall wählen. Der KI-Avatar auf der Website ist ein schöner Gesprächsstoff. Die automatische Zuordnung der Eingangspost spart vermutlich mehr Zeit. Entscheide nach der Zeitfresser-Liste, nicht nach dem Wow-Faktor.

3. Datenschutz erst am Ende klären. Sobald personenbezogene Daten im Spiel sind, gehört die Frage nach dem Anbieter, dem Serverstandort und dem Auftragsverarbeitungsvertrag in den Steckbrief, nicht in die Nachbesprechung. Mehr dazu im Artikel KI im Unternehmen einführen: teure Fehler vermeiden.

4. Keinen Vorher-Wert notieren. Wenn du nicht weißt, wie lange eine Aufgabe heute dauert, kannst du in drei Monaten nicht sagen, ob sich etwas verbessert hat. Die Zahlen aus Schritt 2 sind dein Vorher-Wert. Heb sie auf.

Umsetzung in der Praxis: dein Use-Case-Workshop in 90 Minuten

Du brauchst dafür keinen externen Moderator. Nimm zwei oder drei Mitarbeiter dazu, die das Tagesgeschäft kennen, und plane 90 Minuten ohne Telefon ein:

  • Minute 0 bis 20: Hauptabläufe aufschreiben und in Teilschritte zerlegen (Schritt 1)
  • Minute 20 bis 40: Häufigkeit und Dauer schätzen, Stunden pro Monat ausrechnen (Schritt 2)
  • Minute 40 bis 55: Die zehn größten Zeitfresser durch den Fünf-Fragen-Check schicken (Schritt 3)
  • Minute 55 bis 70: Die übrigen Kandidaten ins Vier-Felder-Raster sortieren (Schritt 4)
  • Minute 70 bis 90: Für den einen besten Kandidaten den Steckbrief ausfüllen (Schritt 5)

Am Ende hast du einen konkreten, beschriebenen Use Case mit Vorher-Wert und eine Reserveliste für später. Damit bist du weiter als viele Unternehmen, die seit einem Jahr "irgendwas mit KI" planen.

Der nächste Schritt ist dann die Frage, ob sich der Aufwand rechnet. Wie du das ehrlich durchrechnest, inklusive Einrichtung, laufender Kosten und der Zeit, die du selbst investierst, liest du im Artikel Lohnt sich Automatisierung? So rechnest du es ehrlich. Und falls du für die Umsetzung externe Unterstützung holst: Für Beratung gibt es oft Fördermöglichkeiten, die viele Betriebe gar nicht kennen.

Fazit: Erst die richtige Stelle, dann das richtige Werkzeug

Ob KI sich für dich lohnt, entscheidet nicht das neueste Modell, sondern die Frage, ob du die richtige Stelle gefunden hast. Die findest du nicht durch Tool-Vergleiche, sondern durch einen ehrlichen Blick auf deine Arbeit: Was passiert oft, kostet Zeit, braucht Verständnis statt starrer Regeln und darf gelegentlich korrigiert werden?

Ich beschäftige mich gerade im Rahmen meiner Weiterbildung zum KI-Manager (IHK) intensiv mit genau dieser Frage, und eine Erkenntnis bestätigt sich immer wieder: Die Unternehmen, die mit KI erfolgreich sind, haben nicht die beste Technik. Sie haben vorher sauber geklärt, wofür sie sie einsetzen. Die Werkzeuge werden in den nächsten Jahren günstiger und besser. Die Fähigkeit, gute Use Cases zu erkennen, bleibt dein Vorsprung.

Fang klein an. Ein Use Case, sauber beschrieben, mit Vorher-Wert. Wenn der läuft, kommt der nächste.

Du möchtest wissen, wo KI in deinem Unternehmen wirklich etwas bringt, und wo nicht? Dann buch dir dein kostenloses Strategiegespräch. Ich schaue mir deine Abläufe mit dir an und sage dir ehrlich, wo sich der Einstieg lohnt. Lieber schnell und unkompliziert? Schreib mir einfach per WhatsApp.

Diesen Beitrag teilen
Danilo à Tellinghusen

Über den Autor

Danilo à Tellinghusen

Inhaber von À Tellinghusen Marketing, M.Sc. Informatik

Seit über 15 Jahren entwickle ich Software. Heute baue ich für kleine und mittelständische Unternehmen Websites, die Anfragen bringen, und Automatisierungen, die Zeit sparen. In meinen Artikeln schreibe ich auf, was in der Praxis wirklich funktioniert.

  • 15+ Jahre Softwareentwicklung
  • BAFA-zertifizierter Berater
  • Google-Bewertung 5,0