AI, die sich rechnet — und AI, die nur gut aussieht.
Drei Filter aus der Praxis, die tragfähige AI-Use-Cases von teurer Board-Slide-Deko trennen — bevor Lizenzkosten laufen.
Jeder Anbieter hat jetzt „AI inside". Die Frage ist nicht, ob AI in deinen Commercial-Stack gehört — sondern welcher Use Case sich bei euch tatsächlich rechnet, und welcher nur gut auf einem Board-Slide aussieht. Nach dutzenden Use Cases in der Praxis: Drei Filter trennen die beiden Kategorien zuverlässig.
Die drei Filter
Liegen die Daten schon vor — strukturiert und gepflegt?
AI auf schlechten Daten skaliert schlechte Entscheidungen. Wenn die Antwort „müssten wir erst aufbauen" lautet, ist das kein AI-Projekt, sondern ein Datenprojekt — mit anderem Budget, anderem Zeithorizont und anderem Sponsor.
Wiederholt sich der Prozess mehr als hundertmal im Monat?
AI rechnet sich über Frequenz. Ein Prozess, der dreimal im Quartal läuft, wird durch Automatisierung nicht billiger — er wird komplexer. Die besten ersten Use Cases sind unspektakulär und hochfrequent.
Verträgt der Prozess eine Fehlerquote?
AI-Output ist probabilistisch. Zusammenfassungen, Vorschläge, Priorisierungen: gut. Rechtsverbindliche Angebote, Preisfreigaben, Compliance-Entscheidungen ohne Review: nicht gut. Wenn ein Fehler einen Kunden oder einen Auditor erreicht, brauchst du einen Menschen in der Schleife.
Wo es sich zuerst rechnet
Die Use Cases, die diese Filter in der Praxis am häufigsten bestehen: Zusammenfassungen (Cases, Calls, Angebotshistorien — Minuten statt Viertelstunden pro Vorgang), Datenhygiene (Dubletten, Feldqualität, Anreicherung — der unsexy Hebel, der alle anderen Use Cases erst möglich macht), Routing und Priorisierung (Leads, Cases, Eskalationen nach echten Mustern statt starrer Regeln) und Meeting-Vorbereitung (Kontext aus CRM, Mail und Historie automatisch zusammengezogen).
Der Chatbot ohne gepflegte Wissensbasis (halluziniert sich durch eure FAQ) · AI-Features kaufen, bevor das Datenmodell steht · Ein „AI-Projekt" ohne benannten Prozess-Owner · Pilot ohne Messgröße, an der er sterben dürfte.
Der teuerste Fehler ist nicht der falsche Use Case — es ist ein Jahr Lizenzkosten für Features, die niemand in den Prozess integriert hat. AI gehört in die Prozess-Architektur, nicht auf die Feature-Liste.