KI-Geschäftsintegration: Pragmatisch starten und schnell Ergebnisse erzielen
IT-Systemtransformation
Künstliche Intelligenz ist in den Unternehmen angekommen. Laut Bitkom setzen inzwischen 57 Prozent der Unternehmen ab 20 Beschäftigten KI ein, ein Jahr zuvor waren es noch 36 Prozent. Doch kein einziges dieser Unternehmen gibt an, das Potenzial vollständig auszuschöpfen, und nur drei Prozent nutzen es nach eigener Einschätzung zumindest eher stark.
Das liegt selten an der Technologie, sondern daran, dass KI zwar genutzt, aber nicht in die Prozesse integriert wird. Wie gelingt also der Schritt vom gelegentlichen Chat zur echten KI-Geschäftsintegration, ohne ein Governance-Projekt aufzusetzen, das niemand will?
In diesem Beitrag erfahren Sie, was hinter dem Standard MCP steckt, welche Entscheidungen zu IT-Architektur und Governance Sie vor dem Start treffen sollten und wie Sie mit einem einzigen Prozess beginnen, der in wenigen Wochen messbare Ergebnisse liefert. Der Beitrag richtet sich an Geschäftsführer und IT-Verantwortliche, die KI im Unternehmen einführen und dabei pragmatisch vorgehen wollen.
1. Was KI-Geschäftsintegration wirklich bedeutet
Viele Unternehmen nutzen KI heute wie eine bessere Suchmaschine: Mitarbeitende kopieren Text hinein und erhalten eine Antwort. Das spart Zeit, verändert aber keinen Prozess. Bei der KI-Geschäftsintegration arbeitet die KI dagegen direkt mit Ihren Daten und Systemen, etwa im CRM, im Kalender oder in der Dokumentenablage, und übernimmt klar definierte Arbeitsschritte.
Den Unterschied macht der Schritt vom Sprachmodell zum Agenten:
- Sprachmodell (LLM): Es versteht und erzeugt Text. Es kann antworten, aber nicht handeln. Stellen Sie sich einen sehr klugen Berater vor, der Ihnen am Telefon Auskunft gibt.
- KI-Agent: Er ist dasselbe Sprachmodell, ergänzt um Werkzeuge. Er erhält ein Ziel, plant die Schritte, greift auf Systeme zu, prüft das Ergebnis und entscheidet über den nächsten Schritt. Im Bild: derselbe Berater, der Zugang zu Ihren Systemen hat und die Aufgabe selbst erledigt.
Damit ein Agent auf Ihre Systeme zugreifen kann, braucht er eine Verbindung. Genau hier kommt MCP ins Spiel.
2. MCP: Der Standard, der KI mit Ihren Systemen verbindet
Das Model Context Protocol (MCP) ist ein offener Standard, der regelt, wie KI-Anwendungen mit anderer Software sprechen. Man kann ihn sich wie einen USB-C-Anschluss für KI vorstellen: Früher brauchte jede KI für jede Software eine eigene Schnittstelle, heute gibt es einen gemeinsamen Stecker. Auf der Seite der Software sitzt ein sogenannter MCP-Server. Er legt fest, welche Daten die KI lesen und welche Aktionen sie ausführen darf.
Anthropic hat MCP im November 2024 veröffentlicht und im Dezember 2025 an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben. Gegründet wurde diese von Anthropic, OpenAI und Block, unterstützt unter anderem von Google, Microsoft und AWS. Schon damals gab es mehr als 10.000 veröffentlichte MCP-Server.
Warum ist das für Sie entscheidend?
- Zukunftsfähigkeit: MCP gehört keinem einzelnen Anbieter. Eine MCP-Anbindung lässt sich grundsätzlich mit jedem KI-Tool nutzen, das den Standard unterstützt.
- Weniger Schnittstellenaufwand: Viele gängige Anwendungen bringen fertige Anbindungen mit, oft Connectors genannt. Sie werden aktiviert statt programmiert.
Drei Stufen der Anbindung
- Export in einen Ordner: Das Kernsystem legt regelmäßig einen Datenauszug in einem festgelegten Ordner ab, und nur diesen Ordner sieht die KI. Ideal für ein Pilotprojekt.
- Fertiger Connector: Für Standardsoftware wie Microsoft 365 oder gängige CRM-Systeme gibt es meist schon eine Anbindung. Prüfen Sie, ob sie nur lesen oder auch schreiben kann.
- Eigener MCP-Server: Er ist nur nötig, wenn die KI auf ein eigenes System zugreifen soll, etwa auf ein ERP- oder Branchensystem.
3. Fünf Entscheidungen zu IT-Architektur und KI-Governance
Governance klingt nach Bürokratie. Gemeint sind hier fünf Entscheidungen, die in einen Nachmittag passen. Sie ersetzen keine vollständige Daten- und KI-Governance, verhindern aber, dass Sie in drei Monaten zurückbauen müssen.
- Plattform: Legen Sie ein freigegebenes KI-Tool mit Business-Vertrag fest. In der Regel gibt es nur mit einem Business-Tarif einen Auftragsverarbeitungsvertrag nach DSGVO. Arbeitet Ihr Unternehmen bereits mit Microsoft 365, ist oft eine Kombination mehrerer Tools sinnvoll.
- Datenzugriff: Klären Sie, welche Daten die KI sehen darf. Starten Sie mit Leserechten, nur mit dem Ausschnitt, den der Anwendungsfall wirklich braucht, und auf Stufe 1 oder 2 der Anbindung.
- Mensch im Loop: Definieren Sie, was die KI selbstständig erledigen darf und wo ein Mensch freigibt. Die Faustregel lautet: Die KI bereitet vor, der Mensch entscheidet. Alles, was nach außen geht, also Mails, Angebote oder Kundentermine, wird vor dem Versand geprüft.
- Verantwortung: Benennen Sie eine Person, die neue Anwendungsfälle freigibt und für Fragen ansprechbar ist. Ohne diese Rolle dauern Freigaben ewig, und die Fachbereiche bauen sich eigene Lösungen.
- Recht und Mitbestimmung: Dokumentieren Sie die Nutzung im Verzeichnis der Verarbeitungstätigkeiten und binden Sie den Betriebsrat früh ein. Sobald KI auf Mails oder Kalender zugreift, ist die Mitbestimmung schnell berührt. Prüfen Sie außerdem, welche Pflichten der EU AI Act für Ihren Einsatz mit sich bringt.
Was passiert, wenn Sie diese Entscheidungen nicht treffen?
Dann nutzen Ihre Mitarbeitenden KI trotzdem, nur ohne Regeln. Laut einer Studie des Instituts der deutschen Wirtschaft (IW) nutzt fast jeder dritte Beschäftigte KI-Tools, die der Arbeitgeber nicht freigegeben hat. Diese sogenannte Schatten-KI bedeutet, dass Kundendaten in privaten Accounts landen können, außerhalb jeder Kontrolle.
In einer Bitkom-Befragung wussten oder vermuteten rund vier von zehn Unternehmen, dass Beschäftigte private KI-Zugänge nutzen, aber nur gut ein Viertel stellte offiziell einen Zugang bereit. Die gute Nachricht aus der IW-Studie: Steht ein freigegebenes Tool zur Verfügung, wird es fast doppelt so häufig regelmäßig genutzt wie Schatten-KI. Wer ein offizielles Angebot macht, lenkt die Nutzung also in geordnete Bahnen.
4. Der pragmatische Start: ein Prozess statt eines Programms
Ein typischer Fehler beim Start ist nicht Zögern, sondern Streuung: viele Pilotprojekte in vielen Bereichen, von denen keines im Alltag ankommt. Wirksamer ist es, mit einem einzigen Geschäftsprozess zu beginnen, zum Beispiel mit dem Weg von der Anfrage bis zum Zahlungseingang (Sales to Cash).
Praxis-Tipp: So gehen Sie vor
- Prozess gemeinsam durchgehen: Setzen Sie sich einen halben Tag mit den Menschen zusammen, die die Arbeit tatsächlich machen, etwa aus Vertrieb, Innendienst und Projektleitung. Halten Sie für jeden Schritt fest, wer ihn erledigt, wie oft und wie lange, mit welchem System oder welcher Excel-Liste und wo es hakt. Fragen Sie auch, wofür heute schon privat KI genutzt wird. Die Antworten zeigen die echten Bedürfnisse.
- Ideen bewerten: Prüfen Sie jede Idee mit drei Fragen. Wie viel Zeit spart sie insgesamt? Wie schnell ist sie umgesetzt? Wie riskant ist sie, etwa wegen Kundenkontakt oder personenbezogener Daten?
- Pilotprojekt mit Kennzahl starten: Wählen Sie einen bis zwei Anwendungsfälle und messen Sie vorher und nachher, zum Beispiel die Antwortzeit auf Anfragen oder die Stunden pro Angebot.
Wenn Sie die KI noch nicht auf Ihre Datenbank lassen möchten, ist ein Pilotprojekt mit einem Excel-Export ein guter Einstieg. Beachten Sie aber: Ein Export ist eine Kopie Ihrer Daten, die außerhalb des Systems liegt. Exportieren Sie deshalb nur die Spalten, die Sie wirklich brauchen, und lassen Sie Namen und Kontaktdaten möglichst weg. Achten Sie zudem auf die Datenqualität, denn die KI ist nur so gut wie die Daten, die sie bekommt.
5. KI-Anwendungsfälle mit schnellem Nutzen
Welche Anwendungsfälle (Use Cases) sich lohnen, zeigt Ihre Prozessanalyse. Diese Beispiele liefern oft besonders schnell Ergebnisse:
- Anfragen schneller beantworten: Die KI sortiert eingehende Anfragen vor, entwirft eine erste Antwort und schlägt Termine vor. Gerade wenn Sie für Anfragen über Werbung bezahlen, holen schnellere Antworten oft mehr Aufträge aus demselben Budget heraus.
- Voice-to-CRM: Nach einem Kundentermin spricht der Vertrieb seine Eindrücke ins Smartphone. Daraus entstehen Gesprächsnotiz, CRM-Eintrag und die Grundlage für das Angebot.
- Angebote und Nachfassen: Die KI formuliert Angebotstexte verständlich und erinnert mit einem fertigen Entwurf an das Nachfassen.
- Dokumentation und Formulare: Protokolle, Abnahmen und wiederkehrende Formulare werden aus vorhandenen Projektdaten vorbefüllt.
- Markt-Radar: Eine Routine fasst jede Woche Preisentwicklungen, Aktivitäten von Wettbewerbern, Ausschreibungen und Regeländerungen zusammen.
Wie diese Anwendungsfälle zusammenspielen, wenn Microsoft 365, CRM, SAP LeanIX und ERP verbunden sind, zeige ich mit Beispielen aus dem Arbeitsalltag im Beitrag KI-Agenten im Unternehmen: So arbeiten vernetzte Firmen.
Parallel dazu können Sie mit geringem Risiko zwei Dinge anstoßen. Alle Mitarbeitenden erhalten das freigegebene Tool für die tägliche Schreibarbeit, dazu eine kurze Schulung. Und Sie erfassen, welche Excel-Listen Ihren Betrieb heute tatsächlich steuern. Beides berührt keine Kunden und bereitet die nächsten Schritte vor.
6. Eigene KI bauen? Warum sich das selten lohnt
Hinter dem Wunsch nach einer eigenen KI können drei sehr unterschiedliche Dinge stecken:
- Ein eigenes Sprachmodell trainieren: Das lohnt sich für Unternehmen praktisch nie. Es ist extrem teuer, und das Ergebnis kann mit den großen Modellen kaum mithalten.
- Einen eigenen Chatbot entwickeln lassen: Das geht in der Praxis oft schief. Eine Agentur baut ihn einmal, danach pflegt ihn niemand, und er bleibt auf einem veralteten Modell stehen, während sich die Standard-Tools laufend verbessern.
- Ein Standard-Tool mit eigenen Daten und Prozessen verbinden: Das ist der richtige Weg. Über Connectors, Vorlagen, Routinen und bei Bedarf einen eigenen MCP-Server wird die KI zu Ihrer KI.
Kurz gesagt: Bauen Sie nicht die KI, bauen Sie die Anbindung. Ihr Vorsprung liegt in Ihrem Wissen und Ihren Prozessen, nicht im Modell.
Häufige Fragen zur KI-Geschäftsintegration
1. Brauchen wir vor dem Start eine KI-Strategie?
Nicht im Sinne eines umfangreichen Dokuments. Eine klare Richtung, die fünf Grundsatzentscheidungen und ein erster Prozess reichen für den Anfang. Die Strategie wächst mit den Erfahrungen aus dem Pilotprojekt.
2. Muss die KI Zugriff auf unsere Datenbank bekommen?
Nicht sofort. Ein Pilotprojekt mit einem schlanken Export ist ein guter Einstieg. Später reicht oft ein Lesezugriff auf einen klar begrenzten Ausschnitt.
3. Welches KI-Tool ist das richtige?
Das hängt von Ihrer bestehenden IT-Landschaft ab. Wichtig sind ein Business-Vertrag, die Unterstützung von MCP und fertige Connectors für die Systeme, die Sie bereits nutzen.
4. Wie schnell sehen wir Ergebnisse?
Ein fokussiertes Pilotprojekt in einem Prozess zeigt in der Regel nach wenigen Wochen, ob sich der Aufwand lohnt. Entscheidend ist, dass Sie vorher festlegen, woran Sie den Erfolg messen.
Fazit: KI-Geschäftsintegration beginnt mit einem Prozess
KI-Geschäftsintegration ist kein Großprojekt, das erst nach einer umfassenden Strategie beginnen darf. Sie beginnt mit einem Prozess, fünf klaren Entscheidungen und einem Pilotprojekt, dessen Erfolg Sie messen. Wer so startet, erzielt schnell Ergebnisse und legt gleichzeitig ein Fundament, das mit jedem weiteren Anwendungsfall mitwächst.
Sind Sie bereit, mit der KI-Geschäftsintegration zu starten?
- Wählen Sie einen Prozess, in dem heute spürbar Zeit verloren geht.
- Treffen Sie die fünf Grundsatzentscheidungen zu Plattform, Datenzugriff, Mensch im Loop, Verantwortung und Recht.
- Starten Sie ein Pilotprojekt mit einer klaren Vorher-nachher-Kennzahl.
Wenn Sie dabei Unterstützung wünschen, lassen Sie es mich gerne wissen. Im Architektur-Klarheitsgespräch klären wir in 30 Minuten, wo in Ihrem Unternehmen der Einstieg den größten Nutzen bringt. Auf Wunsch konzipiere ich anschließend mit Ihnen das Pilotprojekt und führe die Umsetzung, bis der erste Anwendungsfall im Alltag läuft.
Herzlich willkommen auf meinem Blog!
Ich modernisiere IT-Systeme und führe Transformationen zum Erfolg.
Direkt, fokussiert, ohne unnötige Umwege.
Seit Jahren begleite ich Unternehmen bei IT-Systemintegration und -Transformation. Ich verstehe Technik aber vor allem verstehe ich die Menschen, die damit arbeiten.
IT-Projekte greifen massiv in bestehende Arbeitsweisen ein. Genau da scheitern sie oft. Meine Stärke? Ich kenne die Praxis.
Ich weiß, was wirklich gebraucht wird. Lassen Sie uns sprechen. Effiziente IT-Transformation beginnt hier.
