Fast jedes Unternehmen, mit dem wir sprechen, hat dasselbe Bild im Kopf: AI soll helfen, Produkte schneller zu entwickeln, Prozesse zu beschleunigen, Wissen zugänglicher zu machen. Das Bild ist klar. Was fehlt, ist der Weg dorthin.
Die meisten Firmen stecken in einem Muster fest, das sich hartnäckig hält: Sie starten einen Pilot, sammeln erste Erfahrungen — und dann passiert lange nichts mehr. Nicht weil die Technologie nicht funktioniert. Sondern weil das, was danach kommt, schwieriger ist als erwartet.
Das Piloten-Problem
Piloten sind verführerisch. Sie sind abgegrenzt, überschaubar, risikoarm. Man kann zeigen, dass man «etwas mit AI macht», ohne sich organisatorisch festzulegen. Das Ergebnis: Unternehmen sammeln Pilot-Erfahrungen, aber keine echten Lernkurven.
Ein Pilot, der nicht in den produktiven Betrieb überführt wird, ist kein Schritt nach vorne. Er ist ein aufwendiger Umweg zurück zum Status quo.
Warum es nach dem Pilot hakt
Niemand ist verantwortlich
AI-Projekte fallen zwischen die Stühle. Die IT sagt, es sei ein Fachbereichsthema. Der Fachbereich sagt, er brauche die IT. Das Management wartet auf ein Business-Case-Dokument. In dieser Dreieckskonstellation bewegt sich wenig.
Was fehlt, ist eine Person oder ein Team mit klarem Mandat: AI nicht zu evaluieren, sondern einzusetzen.
Der falsche Einstiegspunkt
Viele Unternehmen starten mit der Technologie statt mit dem Problem. Sie evaluieren Tools, testen Plattformen, schicken Mitarbeitende auf Schulungen. Das ist nicht falsch — aber es beantwortet die falsche Frage. Die richtige Frage lautet: Welcher Prozess in unserer Produktentwicklung kostet uns am meisten — Zeit, Qualität oder Wissen — und wo könnte AI das konkret ändern?
Wer dort anfängt, baut etwas, das sich lohnt. Wer bei der Technologie anfängt, baut meistens nichts.
AI als Add-on, nicht als Bestandteil
Selbst wenn ein Tool eingeführt wird: In vielen Unternehmen bleibt es eine Ergänzung am Rand des eigentlichen Prozesses. Teams nutzen es für einzelne Aufgaben — einen Text überarbeiten, eine Zusammenfassung erstellen. Aber die eigentliche Produktentwicklungslogik, die Entscheidungswege, die Übergaben zwischen Teams — all das bleibt unberührt.
Das ändert die Geschwindigkeit kaum. Was sich ändert, ist, ob AI in den Kern des Prozesses integriert ist — oder daneben läuft.
Was die Unternehmen unterscheidet, bei denen es klappt
Sie lösen kein allgemeines AI-Problem. Sie lösen ein konkretes Problem in ihrem Produktentwicklungsprozess — und bauen dafür etwas Passendes. Manchmal ist das ein internes Tool. Manchmal ist es eine intelligente Erweiterung des bestehenden Systems. Manchmal ist es ein neues Produkt.
Was diese Unternehmen gemeinsam haben: Sie haben jemanden, der weiss, wie man das umsetzt. Nicht jemanden, der AI erklärt — sondern jemanden, der es baut.
Was das für euch bedeutet
Wenn ihr das Gefühl habt, mit AI voranzukommen, aber nicht wirklich voranzukommen — dann lohnt es sich, einen Schritt zurückzutreten. Nicht um mehr zu evaluieren, sondern um klarer zu werden, was ihr eigentlich lösen wollt.
Das ist oft der produktivste erste Schritt: nicht ein weiterer Workshop über AI, sondern ein klares Bild davon, wo AI in eurem Prozess wirklich etwas ändern würde — und was dann konkret gebaut werden müsste.
Genau das ist die Arbeit, die kenalu macht. Vom Problem zur Lösung, mit dem Wissen, was sich technisch umsetzen lässt und was nicht.