# KI-Use-Cases priorisieren: Wo anfangen? (Canvas + Anleitung)

Die häufigste Frage im Mittelstand lautet nicht „ob KI", sondern „**womit** anfangen". Wer
alles gleichzeitig will, verzettelt sich — und der erste gescheiterte Versuch verbrennt
die Motivation im Team. Dieses Canvas hilft, aus einer langen Wunschliste die zwei bis drei
Anwendungsfälle herauszufiltern, die schnellen, sichtbaren Erfolg bringen.

Erstellt von der [FlowKI-Community](https://flowki-club.de). Ein Denk-Werkzeug, kein
Software-Tool — du brauchst nur Stift, Papier (oder eine Tabelle) und 60 Minuten.

---

## Das Prinzip: Nutzen gegen Aufwand

Jeder Anwendungsfall wird auf zwei Achsen bewertet: **wie viel er bringt** (Nutzen) und
**wie schwer er umzusetzen ist** (Aufwand). Daraus ergeben sich vier Felder:

| | Wenig Aufwand | Viel Aufwand |
|---|---|---|
| **Viel Nutzen** | 🟢 **Sofort starten** (Quick Wins) | 🟡 **Planen** (Leuchtturm-Projekte) |
| **Wenig Nutzen** | ⚪ **Nebenbei** (wenn Zeit übrig) | 🔴 **Lassen** (Zeitverschwendung) |

Die Reihenfolge ist klar: erst die **Quick Wins** (oben links), sie schaffen Vertrauen und
schnelle Erfolge. Dann ein bis zwei **Leuchtturm-Projekte** (oben rechts) mit richtiger
Planung. Das rote Feld ignorierst du bewusst.

## Schritt 1 — Anwendungsfälle sammeln (15 Min)

Schreib alles auf, wo im Betrieb wiederkehrende, textlastige oder repetitive Arbeit
anfällt. Typische Kandidaten:

- [ ] Angebote/Standard-E-Mails formulieren
- [ ] Kundenanfragen vorsortieren/beantworten
- [ ] Protokolle und Meetings zusammenfassen
- [ ] Produkttexte/Beschreibungen erstellen
- [ ] Interne Doku und Wissensdatenbank durchsuchbar machen
- [ ] Rechnungen/Belege verarbeiten (Automatisierung)
- [ ] Recherche und Marktbeobachtung
- [ ] Social-Media- und Blog-Content

## Schritt 2 — Nutzen bewerten (1–5 Punkte)

Für jeden Fall: Wie viel Zeit/Geld spart er, wie oft fällt die Aufgabe an, wie sehr nervt
sie das Team? Grobe Schätzung reicht.

| Punkte | Nutzen |
|---|---|
| 5 | spart täglich viel Zeit, betrifft viele |
| 3 | spürbare Entlastung, regelmäßig |
| 1 | nice-to-have, selten |

## Schritt 3 — Aufwand bewerten (1–5 Punkte)

Wie schwer ist die Umsetzung? Denk an Datenzugang, Datenschutz, nötige Integration, Risiko
bei Fehlern.

| Punkte | Aufwand |
|---|---|
| 1 | Standard-Tool, kein sensibler Datenzugriff, geringes Risiko |
| 3 | etwas Einrichtung, mittlere Datenschutz-Fragen |
| 5 | tiefe Integration, sensible Daten, hohes Fehlerrisiko |

## Schritt 4 — Einordnen und entscheiden

Trag jeden Fall ins Vier-Felder-Raster ein (hoher Nutzen + niedriger Aufwand = Quick Win).
Dann gilt:

- [ ] **Wähle 1–2 Quick Wins** für den Start — nichts weiter.
- [ ] Definiere pro Fall ein **messbares Ziel** („Angebote in der halben Zeit").
- [ ] Setze eine **Frist** (z.B. 2 Wochen bis zum ersten sichtbaren Ergebnis).
- [ ] Lege **eine verantwortliche Person** fest.
- [ ] Erst wenn der erste Quick Win läuft, den nächsten angehen.

## Die drei häufigsten Fehler bei der Priorisierung

1. **Zu viel auf einmal.** Drei parallele KI-Projekte scheitern zuverlässiger als eines,
   das durchgezogen wird.
2. **Das schwerste zuerst.** Das ambitionierteste Projekt fühlt sich wichtig an, ist aber
   der schlechteste Startpunkt — ohne frühen Erfolg fehlt der Rückhalt.
3. **Datenschutz nachgelagert.** Ein Quick Win, der an der DSGVO scheitert, ist kein Quick
   Win. Aufwand-Bewertung ehrlich machen — siehe unsere
   [EU-AI-Act & DSGVO-Checkliste](/freebies/eu-ai-act-dsgvo).

## Der erste Schritt nach der Priorisierung

Steht dein erster Quick Win fest, hilft die Frage: reicht ein einzelner KI-Aufruf, oder
braucht es einen Workflow oder gar einen Agenten? Das klärt unser
[KI-Architektur-Entscheidungsbaum](/freebies/ki-architektur-entscheidungsbaum).

Unsicher bei der Bewertung? In der [FlowKI-Community](https://flowki-club.de) teilen andere
KMU, welche Quick Wins bei ihnen wirklich funktioniert haben.