Du willst AI einsetzen, weisst aber nicht wo anfangen. Oder du hast schon Ideen, bist dir aber nicht sicher, ob sie realistisch und wirtschaftlich sind. Typische Situationen:

• AI steht auf der Agenda: Die Geschäftsleitung hat das Thema auf dem Tisch, aber es fehlt ein konkreter Plan. Alle reden von AI, niemand weiss, was das für euer Unternehmen konkret bedeutet.
   
• Das Team hat experimentiert: Einzelne Mitarbeitende nutzen ChatGPT oder andere Tools, aber es gibt keine Struktur, keine Strategie und keinen Überblick, was funktioniert und was nicht.
   
• Die Konkurrenz zieht vor: Du siehst, dass Wettbewerber AI einsetzen, und willst nicht abgehängt werden. Aber auch nicht blind investieren.
   
• Ein internes AI-Projekt ist gescheitert: Ihr habt schon versucht, AI einzusetzen, aber das Ergebnis war enttäuschend. Jetzt brauchst du eine ehrliche Einschätzung, ob es am Ansatz lag oder am Use Case.

Gemeinsam ist diesen Situationen: Du brauchst keine AI-Beratung, die Hype verkauft, sondern jemanden, der die Technologie versteht und ehrlich sagt, wo sie Wert schafft. Und wo nicht.

• Tag 1 beim Kunden (halber Tag): Wir starten mit einer Sticky-Note-Session: Wo sind eure grössten Schmerzpunkte? Was frisst Zeit? Wo gehen Informationen verloren? Das ist keine trockene Prozessanalyse, sondern ein Workshop, in dem wir mit den Leuten sprechen, die die Arbeit tatsächlich machen. Denn die besten AI-Use-Cases entstehen nicht im Management-Meeting, sondern im Alltag.
   
• Wir analysieren intern (1-2 Tage): Pattern-Matching mit bewährten AI-Ansätzen, Business-Case-Rechnung, Aufwandschätzung, Architektur-Skizzen für die vielversprechendsten Cases.
   
• Tag 2 beim Kunden (halber Tag): Ergebnisse präsentieren, Use Cases gemeinsam bewerten und priorisieren. Offene Fragen klären, nächste Schritte besprechen.

Ein Handelsunternehmen mit 80 Mitarbeitenden hat im AI Opportunity Scan 4 Use Cases identifiziert. Einer davon, die automatische Klassifikation und Weiterleitung von Kundenanfragen, war besonders vielversprechend: klar definierter Input, genügend historische Daten, hoher Zeitaufwand im Status Quo.

Nach einem anschliessenden Prototyp Sprint war die Lösung innerhalb von 6 Wochen im Einsatz. Das Support-Team spart heute 15 Stunden pro Woche, die vorher für manuelles Sortieren und Zuordnen draufgingen.