Viel KI, wenig Ergebnis – Kommunikationsteams haben ihre KI-Projekte euphorisch gestartet, stehen heute aber ernüchtert da: Nach ersten spielerischen Gehversuchen mit KI fehlen sichtbare Erfolge. Tools bleiben ungenutzt, die Begeisterung schwindet und Initiativen versanden rasch durch Zeitmangel und fehlende Budgets. Die ambitionierte Vision einer KI-gestützten und automatisierten Kommunikation wird zur fernen Utopie. Dabei liegt der Kern des Problems oft darin, dass Unternehmen beim Thema planlos agieren oder noch nicht erkannt haben, dass es eine KI-Strategie braucht.
Den KI-Einsatz professionalisieren und skalieren
Die entscheidende Weichenstellung hin zu strategischen Erfolgen ist eine ehrliche Standortbestimmung der eigenen KI-Reife. Wer klar weiß, wo er steht, erkennt zuverlässig, wo Handlungsbedarf besteht und was als nächstes folgt. RLVNT.AI hat hierfür ein Framework entwickelt: Start, Scale, Shape, Synthesize.
Die vier Level von KI im Unternehmen //Credit: Eigene Darstellung, rlvnt (KI generierte Fotos)
Im Anfangslevel „Start“ haben Mitarbeitende einen datensicheren Zugang zu einem fortschrittlichen Large Language Model, wie einem Unternehmens-GPT auf Basis von mindestens GPT-4 Turbo oder besser noch GPT-4o. Schlechtere Modelle sind für die professionelle Kommunikation nicht geeignet. Erste Workshops vermitteln effektive Prompt-Techniken; der ein oder andere nutzt eine gut gepflegte Prompt-Library. Zusätzlich werden weitere Tools hinzugezogen, wie DeepL oder Perplexity, um Recherche und Textoptimierung zu erleichtern. Zwar ist im Team bekannt, dass KI den Arbeitsalltag erleichtern soll, aber häufig fehlt schlicht die Zeit, sich intensiv damit zu beschäftigen.
Im Level „Scale“ verfügen Mitarbeitende über eine zentrale Plattform, die verschiedene Modelle in einer intuitiven Nutzeroberfläche bündelt. Neben spezialisierten KI-Assistenten können Mitarbeitende eigenständig eigene Assistenten erstellen. Unternehmensdaten und Kommunikationswissen sind AI-ready und stehen unmittelbar zur Verfügung. Zudem ziehen auch Multimedia-Tools in die KI-Landschaft ein. Zweiwöchentliche kurzweilige Upskilling-Sessions bieten Zeit, gezielt KI-Kompetenzen zu erweitern. Es gibt klare Ziele, messbare KPIs und Raum für Pionierprojekte.
Von intelligenten Assistenten zu autonomen KI-Agenten
Auf der Ebene „Shape“ konzentrieren sich Mitarbeitende bewusst auf strategische, kreative Aufgaben, in denen der Faktor Mensch essentiell ist, z.B. Stakeholder-Management, zielgruppenorientierte Kommunikation, Live-Formate. KI-Agenten unterstützen proaktiv und nahtlos bei operativen Prozessen wie Content-Erstellung, Community-Management oder Medienarbeit. Diese können anders als KI-Assistenten autonom Entscheidungen treffen, Tools bedienen und arbeiten auch losgelöst von menschlichen Initialtriggern. Zudem gibt es Promotoren für das Thema KI, die einen definierten Anteil ihrer Arbeitszeit investieren, um sich und das Team fit zu machen sowie den Wandel kulturell zu begleiten.
Die Stufe „Synthesize“ ist visionär: Mensch und KI arbeiten nahtlos zusammen, etwa in einer Art AI-Newsroom, in dem automatisiert Themen identifiziert, Content erstellt und individuell angepasst wird. Der Mensch übernimmt dabei die Rolle eines Chefs vom Dienst und orchestriert die Aktivitäten. Die gewonnene Zeit kann in die menschliche Kontaktpflege investiert werden.
Mehr Klarheit, weniger Hype – Roadmap für die Praxis
Auf Basis dieser Standortbestimmung lässt sich eine Roadmap entwickeln. Wichtig: Es lohnt sich, von Anfang an die IT und weitere relevante Fachabteilung an Bord zu holen. Damit schaffen wir direkt ein Alignment verschiedener Perspektiven. Und bekommen Einblick in die IT- und Datenstruktur. Dadurch frühzeitig Synergien nutzen, spart wertvolle Zeit und Ressourcen.
In einem Workshop werden die einzelnen Schritte der Roadmap erarbeitet.
Credit: RLVNT.AI
Nun braucht es ein klares Zielbild: Was genau wollen wir mit KI erreichen? Geht es um mehr Effizienz, bessere Qualität oder neue Möglichkeiten in der Kommunikation? Gleichzeitig sollten einfache, kurzfristig messbare KPIs definiert werden. Ein pragmatischer Einstieg gelingt, wenn erste Kennzahlen dort erhoben werden, wo KI konkret zum Einsatz kommt: etwa in der Zeitersparnis bei Content-Erstellung oder der Reduktion manueller Arbeitsschritte.
Damit KI nicht zur Parallelwelt wird, sondern Teil des Arbeitsalltags, braucht es Impulse für eine Unternehmenskultur, die Offenheit, Lernen und Ausprobieren fördert. Teams sollten motiviert, aber nicht überfordert werden. Wer Neugier weckt, Sicherheit schafft und Verantwortung verteilt – etwa durch Rollen wie „KI-Promotor:innen“ – legt den Grundstein für nachhaltigen Wandel. Denn die beste Roadmap hilft wenig, wenn sie nicht im Team verankert ist.
Im letzten Schritt gilt es dann, Use Cases zu definieren. Dabei kann man sich an den vier Phasen entlanghangeln. Ein Beispiel: Zuerst lernen wir, wie wir Pressemitteilungen mit KI erarbeiten. Dann entwickeln wir mit unseren Learnings einen KI-Assistenten und dann blicken wir auf den gesamten Prozess. Wo können wir automatisieren? Und: In welchen Bereichen kann KI Mehrwert stiften, den wir vorher nicht leisten konnten? Dann folgt die Entscheidung, ob man es selbst entwickeln will oder es brauchbare Tool-Lösungen auf dem Markt sein sollen.
Schlussendlich braucht es wie immer eine Prise Mut die KI-Transformation konsequent anzugehen und voranzutreiben. Denn es heißt, echte Innovationsarbeit zu leisten. Und das ist ohne Plan oder Roadmap noch anstrengender als ohnehin schon. Aber es lohnt sich, denn wer einmal ein Team aus Menschen und KI formiert und in die Performance gebracht hat, wird die gesteckten Ziele nicht nur erreichen, sondern sogar übertreffen können.
Besuchen Sie uns gerne auf unserer Website für mehr Informationen!
Autor*in
