KI-Pilot in den Regelbetrieb überführen: Zuständigkeit, Integration und Prüfung

Wer einen KI-Pilot in den Regelbetrieb überführen will, braucht drei Dinge, bevor die Modellwahl überhaupt zählt. Erstens eine benannte verantwortliche Person. Zweitens eine feste Anbindung an die Systeme, in denen Ihr Team arbeitet. Drittens eine laufende Qualitätsprüfung mit vorher festgelegten Messwerten. Fehlt einer dieser Bausteine, bleibt der Pilot ein Versuch.

Ein KI-Pilot ist ein zeitlich begrenzter Versuch, in dem ein Modell wie Claude eine klar umrissene Aufgabe mit echten oder realitätsnahen Daten erledigt. Regelbetrieb ist der Zustand, in dem dieselbe Aufgabe ohne Projektteam täglich läuft. Dazu gehören feste Zuständigkeiten, Messwerte und ein geregelter Weg für Fehler. Der Unterschied liegt also weniger in der Technik als in der Organisation um sie herum.

Für Unternehmen mit Zoho CRM oder Zoho Desk heißt das konkret: Claude arbeitet nicht in einem eigenen Chatfenster neben dem Tagesgeschäft. Die KI liest und schreibt dort, wo Vertrieb und Service ohnehin arbeiten. Die folgenden Abschnitte behandeln Zuständigkeit, Integration, Prüfung, Messwerte und Modellpflege. Am Ende stehen ein Beispiel aus dem Service, eine Prüfliste und die nächsten Schritte.

Der Erfolg einer KI-Einführung hängt laut der Studie „Erfolgstreiber der KI-Transformation“ nicht primär von der eingesetzten Technologie ab. Haufe berichtet über die Studie, die zuerst im Controller Magazin, Ausgabe Mai 2026, erschien. Befragt wurden 330 Organisationen zum KI-Einsatz im Finanz- und Rechnungswesen.

Fast 80 Prozent des Erfolgs erklärt die Studie mit der Qualität von Strategie, Umsetzung, technologischer Basis, Governance und Kultur. Das zugrunde liegende Modell erreicht dabei ein R² von 0,78. Als besonders erfolgskritisch nennt die Studie Strategie, Prozessarchitektur und die technologische Basis. Zugleich stellt sie fest, dass KI-Anwendungen häufig funktional begrenzt bleiben und nur einzelne Prozessschritte optimieren.

Ethan Eismann beschreibt in einem Beitrag über Führung im Zeitalter der KI denselben Befund aus Sicht der Führung. Er unterscheidet technische Probleme von adaptiven Herausforderungen. Technische Probleme lassen sich mit Fachwissen und bekannten Methoden lösen, etwa die Installation einer KI-Plattform. Adaptive Herausforderungen verlangen, dass Menschen Gewohnheiten ändern, zum Beispiel bei der Frage, wann sie dem Ergebnis der KI vertrauen.

Nach Eismann scheitern Führungskräfte oft, weil sie eine technische Lösung auf den adaptiven Teil anwenden. Für Ihren Pilot bedeutet das: Ein funktionierender Prompt löst die technische Hälfte. Die andere Hälfte sind Rollen, Entscheidungsrechte und Abläufe.

Ein KI-Prozess im Regelbetrieb braucht eine Person, die für das Ergebnis geradesteht, nicht nur für die Technik. Im Pilot übernimmt diese Rolle meist das Projektteam. Nach dem Projektende fällt sie ersatzlos weg, wenn niemand sie ausdrücklich übernimmt. Genau dort stockt der Übergang am häufigsten.

Eismann sieht bei der KI-Transformation das gesamte Arbeitssystem als Einheit der Veränderung. Dazu zählt er Modelle, Daten, Wissen, Arbeitsabläufe, Rollen, Entscheidungsrechte und Anreize. Jede dieser Größen braucht im Regelbetrieb eine zuständige Stelle.

Für einen Claude-Prozess in Zoho haben sich drei Rollen bewährt:

• Fachliche Verantwortung: die Leitung des Bereichs, in dem die KI arbeitet, etwa Service oder Vertrieb. Sie entscheidet, was als richtiges Ergebnis gilt.
• Technische Betreuung: die Person oder der Dienstleister, der Anbindung, Prompts und Modellversion pflegt. Ein Prompt ist die schriftliche Arbeitsanweisung an das Modell.
• Freigabe und Datenschutz: die Stelle, die entscheidet, welche Daten das Modell sehen darf und wer Änderungen genehmigt.

Die Haufe-Studie beschreibt erfolgreiche Organisationen mit einer klaren, langfristig angelegten KI-Strategie. Die Unternehmensführung trägt diese Strategie sichtbar mit. Im Kleinen heißt das: Die Geschäftsführung benennt die drei Rollen schriftlich, bevor der Pilot endet.

Ein KI-Prozess wird erst dann zum Alltag, wenn er in den Systemen läuft, in denen Ihr Team ohnehin arbeitet. Ein LinkedIn-Beitrag zur KI in der Personalplanung formuliert es allgemein. KI-Systeme müssen in bestehende Systeme, Prozesse und Kulturen integriert werden. Als Herausforderungen nennt er Datenqualität, menschliche Faktoren und Akzeptanz.

Im Pilot kopieren Mitarbeitende oft Text aus Zoho in ein Chatfenster und das Ergebnis zurück. Das zeigt, ob das Modell die Aufgabe kann. Für den Regelbetrieb taugt es nicht, weil jeder Schritt von einzelnen Personen abhängt und nichts protokolliert wird. Im Regelbetrieb liest Claude die nötigen Felder direkt aus Zoho CRM oder Zoho Desk und schreibt Ergebnisse in festgelegte Felder zurück.

Der LinkedIn-Beitrag betont außerdem, dass die Datenqualität direkt auf die Leistung von KI-Modellen wirkt. Bevor Sie anbinden, prüfen Sie deshalb die Felder, die das Modell liest. Leere Pflichtfelder, uneinheitliche Kategorien und doppelte Kontakte verschlechtern jedes Ergebnis.

Sobald Claude nicht nur Text vorschlägt, sondern selbst Datensätze ändert, arbeitet es als Agent. Was das für Rechte und Kontrolle bedeutet, erklärt der Beitrag Was sind KI-Agenten und wie werden sie kontrolliert. Einen Überblick über angebundene Abläufe gibt die Seite zur KI-Automatisierung für den Mittelstand.

Die Qualität eines KI-Prozesses prüft im Regelbetrieb ein Mensch oder ein unabhängiger Test, nie das Modell selbst. Ein Beitrag auf all-electronics.de zu Regeln für KI im autonomen Fahren beschreibt das Risiko. KI-erstellte Software ist anfällig für blinde Flecken, Halluzinationen, versteckte Vorurteile und subtile Fehler, wenn sie sich selbst validieren muss. Das gilt sinngemäß auch für einen Claude-Prozess im Service.

Drei Prüfebenen

• Testsammlung: eine feste Menge echter, anonymisierter Fälle mit bekannter richtiger Antwort. Jede Änderung an Prompt oder Modell läuft zuerst gegen diese Sammlung.
• Stichprobe: eine regelmäßige menschliche Durchsicht laufender Ergebnisse, auch wenn keine Beschwerde vorliegt.
• Rückfallweg: ein klarer Weg, auf dem unsichere Fälle an einen Menschen gehen.

Für den Grad der menschlichen Beteiligung hilft ein Begriffspaar aus der Luftfahrt. Das Fachmagazin IM+io beschreibt „Human-on-the-loop“ als Teilautomatisierung. Die Bedienenden bleiben für kritische Entscheidungen verantwortlich und müssen stets eingreifen können. Bei „Human-out-of-the-loop“ greift der Mensch nur noch bei unvorhergesehenen Ereignissen ein.

Die europäische Flugsicherheitsagentur EASA führt KI laut IM+io schrittweise ein, um Sicherheit und Nachvollziehbarkeit zu gewährleisten. Für einen Zoho-Prozess ist dasselbe Vorgehen sinnvoll. Beginnen Sie mit menschlicher Freigabe jedes Ergebnisses und lockern Sie die Kontrolle erst, wenn die Messwerte es tragen.

Messwerte für einen KI-Prozess legen Sie fest, bevor der Regelbetrieb beginnt, nicht danach. Sonst lässt sich später weder ein Erfolg belegen noch ein schleichender Qualitätsverlust erkennen. Jeder Messwert braucht einen Zielwert, eine Quelle und eine Person, die ihn regelmäßig ansieht.

Eismann warnt vor lokaler Optimierung durch KI. Ein Team kann doppelt so viel Inhalt erzeugen und zugleich mehr Prüfarbeit im Hintergrund schaffen. Ein Agent kann Fälle schneller lösen und dabei das Vertrauen der Kunden verringern. Ein einzelner Messwert wie Geschwindigkeit reicht deshalb nie.

Für einen Claude-Prozess in Zoho eignen sich diese Messwerte als Grundgerüst:

• Trefferquote: Anteil der Ergebnisse, die ohne Korrektur übernommen werden.
• Nacharbeit: Zeit, die Mitarbeitende für Korrekturen aufwenden.
• Durchlaufzeit: Zeit vom Eingang bis zum fertigen Ergebnis.
• Rückfallquote: Anteil der Fälle, die an einen Menschen weitergehen.
• Kosten je Fall: Modellkosten aus der Abrechnung, geteilt durch die Fallzahl.

Trefferquote und Nacharbeit gehören immer zusammen auf eine Seite. Steigt die eine und die andere nicht sinkt, verlagert die KI Arbeit nur. Eine Auswertung lässt sich zum Beispiel in Zoho Analytics aufbauen, wenn die Ergebnisfelder ohnehin in Zoho liegen.

Im Regelbetrieb ist die Modellversion eine gepflegte Einstellung mit Ablaufdatum, keine einmalige Entscheidung. Anthropic nennt in der Modellübersicht der Claude-Dokumentation für jedes aktuelle Modell den frühesten Termin der Abschaltung. Tragen Sie diesen Termin in den Betriebsplan ein, damit der Wechsel geplant und gegen die Testsammlung geprüft stattfindet.

Tokens sind die Texteinheiten, nach denen Anthropic abrechnet. Alle vier Modelle haben laut Dokumentation ein Kontextfenster von 1 Million Tokens und einen Wissensstand bis Juni 2026.

Vor dem Start lohnt ein Blick in die Models API. Sie liefert für jedes verfügbare Modell max_input_tokens, max_tokens und ein Objekt capabilities. Die Dokumentation warnt zudem: Auch ein unterstütztes Werkzeug kann scheitern, wenn Organisationseinstellungen es sperren. Ein Administrator kann etwa die Websuche abschalten.

Ein typischer Kandidat für den Regelbetrieb ist die automatische Zuordnung eingehender Anfragen, bevor sie in Zoho Desk landen. Anthropic positioniert Claude Haiku 5.5 ausdrücklich für Klassifizierung und Weiterleitung. Die Ankündigung im Anthropic-Newsroom beschreibt das Modell als ausgelegt für hohe Volumen und kostensensible Arbeit.

Im Pilot hat ein Mitarbeiter einige Wochen lang Anfragen in Claude eingefügt und die vorgeschlagene Abteilung notiert. Die Vorschläge waren meist richtig. Für den Regelbetrieb fehlten aber Anbindung, Zuständigkeit und Prüfung. Die Überführung läuft in sechs Schritten:

1. Die Serviceleitung übernimmt schriftlich die fachliche Verantwortung und legt die zulässigen Abteilungen fest.
2. Die technische Betreuung bindet Claude Haiku 5.5 so an, dass das Ergebnis in ein festes Feld des Tickets geschrieben wird.
3. Vor dem Start prüft sie über die Models API, ob max_tokens und capabilities zur Aufgabe passen.
4. Das Team erstellt eine Testsammlung aus anonymisierten Altfällen mit bekannter richtiger Abteilung.
5. In den ersten Wochen bestätigt ein Mensch jede Zuordnung, im Sinne von „Human-on-the-loop“.
6. Erst wenn Trefferquote und Nacharbeit die Zielwerte halten, laufen eindeutige Fälle ohne Bestätigung durch.

Bei Svennis legen wir die Testsammlung vor dem ersten produktiven Ticket an und lassen jede Änderung an Prompt oder Modell zuerst gegen sie laufen. So fällt ein Qualitätsverlust auf, bevor ein Kunde ihn bemerkt.

Die folgende Prüfliste fasst zusammen, was vor dem Start des Regelbetriebs nachweisbar vorliegen sollte. Jede Zeile hat eine Prüffrage und den Nachweis, der die Frage beantwortet. Fehlt ein Nachweis, verschieben Sie den Start, statt den Pilot einfach weiterlaufen zu lassen.

Die Liste deckt die fünf Steuerungsdimensionen der Haufe-Studie ab: Strategie und Führung, Prozesse und Umsetzung, Technologie und Infrastruktur, Ethik und Governance sowie Mitarbeiter und Kultur. Bleibt eine Dimension leer, zeigt die Liste das vor dem Start.

Für Unternehmen in Deutschland stehen Datenschutz, Transparenz und verantwortliche Nutzung im Vordergrund, sobald ein KI-Pilot in den Regelbetrieb geht. Die Organisationen in der Haufe-Studie nehmen genau diese drei Felder als zentrale Risiken wahr. Im Pilot lassen sich diese Fragen nur zurückstellen, wenn ausschließlich synthetische oder wirksam anonymisierte Daten verwendet werden. Sobald echte Kundendaten in das Modell gelangen, gilt die DSGVO bereits im Pilot in vollem Umfang.

Die Studie zeigt außerdem einen deutlichen Unterschied im Reifegrad. Privatwirtschaftliche Unternehmen weisen im Finanzbereich bereits einen hohen KI-Implementierungsgrad auf. Die untersuchten öffentlichen Einrichtungen liegen deutlich darunter. Wer mit öffentlichen Auftraggebern zusammenarbeitet, sollte die eigenen Prüf- und Freigabewege daher besonders klar dokumentieren.

Ein zweiter Punkt betrifft die Mitarbeitenden. Unternehmen, die die Studie als „KI-Führer“ einstuft, investieren systematisch in Weiterbildung und fördern Data Literacy. Data Literacy ist die Fähigkeit, Daten zu lesen, zu prüfen und richtig einzuordnen. Diese Unternehmen binden Mitarbeitende aktiv in die Veränderung ein, statt sie nur zu informieren.

Prüfen Sie vor dem Start zudem, wie Ihr Anwendungsfall nach der europäischen KI-Verordnung einzuordnen ist, insbesondere ob er als hochriskant gilt. Den Text mit Erläuterungen finden Sie unter EU AI Act: Volltext der KI-Verordnung mit Erläuterungen. Halten Sie das Ergebnis dieser Prüfung schriftlich fest und legen Sie es zur Freigabe.

Der nächste Schritt ist ein kurzer Pilotbericht, der die Prüfliste Zeile für Zeile beantwortet. Er ersetzt das Gefühl, der Pilot sei gut gelaufen, durch eine Entscheidungsgrundlage. Die Geschäftsführung entscheidet auf dieser Basis über Start, Nachbesserung oder Abbruch.

So gehen Sie in den nächsten Wochen vor:

1. Benennen Sie die drei Rollen für fachliche Verantwortung, technische Betreuung und Freigabe.
2. Legen Sie die Messwerte mit Zielwerten fest und erfassen Sie den heutigen Stand ohne KI als Vergleich.
3. Stellen Sie aus Altfällen eine anonymisierte Testsammlung zusammen.
4. Klären Sie, welche Felder in Zoho Claude lesen und schreiben darf.
5. Tragen Sie den frühesten Abschalttermin der gewählten Modellversion in den Betriebsplan ein.
6. Starten Sie mit menschlicher Bestätigung jedes Ergebnisses und lockern Sie erst nach belastbaren Messwerten.

Wenn Sie zuerst wissen möchten, wo Ihr Unternehmen bei Daten, Zuständigkeiten und Systemen steht, beginnen Sie mit dem KI-Readiness-Check für Ihr Unternehmen. Das Ergebnis zeigt, welche Zeilen der Prüfliste bereits erfüllt sind und wo Sie vor dem Regelbetrieb nacharbeiten sollten.