Warum KI-Integration in bestehende Systeme den Neubau schlägt
Wenn ich mit Unternehmen über KI spreche, höre ich am Anfang oft denselben Satz: „Dafür müssten wir wahrscheinlich erst unsere Systeme modernisieren." Dahinter steckt die Annahme, KI sei eine Plattform, die man sich ins Haus holt wie ein neues ERP.
Das Gegenteil ist der Fall. KI-Integration in bestehende Systeme bedeutet, die Funktion dorthin zu bringen, wo Ihre Daten und Abläufe schon liegen: ins CRM, ins Ticketsystem, ins Warenwirtschaftssystem, in die gewachsene Eigenentwicklung, die seit zwölf Jahren läuft und die niemand anfassen will.
Ein Beispiel macht das greifbar. Eine Sachbearbeiterin, die täglich Eingangsrechnungen prüft, hat wenig davon, wenn nebenan ein neues KI-Portal steht, in das sie Dokumente hochladen müsste. Sie hat viel davon, wenn die Rechnung in ihrem gewohnten System ankommt und die Felder schon ausgelesen sind, mit einer Markierung an den Stellen, die ein Mensch prüfen sollte.
Der zweite Grund ist nüchterner: Geld und Risiko. Ein Plattform-Neubau bindet Budget über Monate, bevor irgendjemand einen Nutzen sieht. Eine integrierte KI-Funktion in einem einzelnen Prozess zeigt nach wenigen Wochen, ob sie trägt.
Welche Voraussetzungen Ihr Unternehmen wirklich braucht
Die gute Nachricht zuerst: Eine perfekte Datenlage gehört nicht dazu. Auch verstreute PDF-Sammlungen sind kein Ausschlusskriterium, denn das Auslesen und Strukturieren ist Teil der Arbeit und nicht die Bedingung davor.
Wichtiger ist der Datenschutz, und der schreckt viele ab, obwohl er lösbar ist. Die Verarbeitung läuft bei mir über Azure OpenAI in EU-Rechenzentren, mit Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Ihre Inhalte werden dabei nicht für das Training der Modelle verwendet. Wer das selbst prüfen will, findet die wichtigsten Punkte in meiner kostenlosen DSGVO-Checkliste für KI-Projekte.
Was Ihr Unternehmen darüber hinaus mitbringen sollte:
- Einen konkreten Prozess mit spürbarem Engpass, etwa die Dokumentenprüfung, die Triage eingehender Anfragen oder die Suche in internen Unterlagen
- Zugang zu den relevanten Daten, auch wenn sie unaufgeräumt sind
- Eine Schnittstelle oder zumindest einen Weg in das Zielsystem. Eine REST-API ist ideal, oft reicht ein Datenbankzugriff oder ein Datei-Export
- Eine Person im Haus, die den Prozess fachlich kennt und die Ergebnisse bewerten kann
Der Ablauf in vier Schritten
So sieht der Weg aus, den ich mit Kunden gehe. Er ist bewusst unspektakulär.
1. Prozess auswählen und vermessen
Am Anfang steht keine Tool-Frage, sondern eine Prozess-Frage: Wo verliert Ihr Team regelmäßig Zeit an Aufgaben, die einem Muster folgen? Wir schauen uns den Ablauf an, zählen Mengen und Aufwände und legen fest, woran sich Erfolg messen lässt. Ein Pilot ohne Messgröße ist ein Bauchgefühl mit Budget.
2. Pilot mit echten Daten bauen
In 4 bis 8 Wochen entsteht eine funktionierende Version für genau diesen einen Prozess, mit Ihren echten Daten statt mit Demo-Material. Das ist der Punkt, an dem Demos scheitern und brauchbare Lösungen sich beweisen: Vorführeffekte verschwinden, sobald reale Dokumente, Tippfehler und Sonderfälle ins Spiel kommen. Genau deshalb gehört beides in den Piloten.
3. In das Bestandssystem einbetten
Jetzt wandert die Funktion dorthin, wo gearbeitet wird. Je nach System heißt das eine API-Anbindung, ein Modul in der bestehenden Anwendung oder ein Hintergrundprozess, der Ergebnisse direkt in die gewohnten Masken schreibt. Mein Schwerpunkt liegt auf gewachsenen Landschaften mit Laravel, PHP, Angular und Vue, inklusive der Legacy-Anteile, um die sonst alle einen Bogen machen. Mehr dazu steht auf der Seite zur KI-Integration.
4. Betrieb absichern und übergeben
Eine KI-Funktion ohne Monitoring ist ein Blindflug. Zum Abschluss gehören Rollen und Zugriffsrechte, Protokollierung, Fehlerbehandlung und die Übergabe an Ihr Team. Wer welche Antwort gesehen hat und worauf sie sich stützt, muss nachvollziehbar bleiben. Das ist keine Kür, sondern die Grundlage für DSGVO und EU AI Act.
Was kostet das, und wovon hängt es ab
Seriös lässt sich das erst nach dem Blick auf Prozess und Systeme beziffern, eine Pauschale wäre unseriös. Die Kostentreiber kann ich aber klar benennen.
| Kostenfaktor | Was ihn treibt |
|---|---|
| Datenlage | Strukturierte Daten sind günstiger als verstreute PDF-Sammlungen |
| Schnittstellen | Eine saubere API spart Wochen gegenüber einem System ohne Zugänge |
| Prüftiefe | Wie viel menschliche Kontrolle der Prozess rechtlich und fachlich braucht |
| Integrationstiefe | Ein Ergebnis anzuzeigen ist einfacher als in Bestandsdaten zu schreiben |
| Betrieb | Eigenes Hosting, Monitoring-Anforderungen und Lastprofil |
Die ehrlichste Antwort auf die Kostenfrage ist deshalb ein Pilot mit fester Laufzeit: ein überschaubares Budget, ein echtes Ergebnis und belastbare Zahlen für die Entscheidung danach.
Die vier häufigsten Fehler
Aus der Praxis, ohne Schönfärberei. Die vier Muster, die KI-Vorhaben am häufigsten ausbremsen, haben dieselbe Wurzel: Es wird über KI entschieden, bevor jemand den Prozess verstanden hat, in dem sie arbeiten soll.
- Die Tool-Suche beginnt vor der Prozess-Analyse. Dann kauft man Lizenzen für ein Werkzeug und sucht hinterher das Problem dazu
- Das Big-Bang-Projekt nimmt sich alles auf einmal vor, jede Abteilung, ein Jahr Laufzeit. Solche Vorhaben sterben leise in Lenkungskreisen
- Der Chatbot als Selbstzweck: ein Assistent ohne Anbindung an echte Daten und Systeme beantwortet Fragen, die niemand gestellt hat
- Datenschutz als Nachtrag: Wer Rechtsgrundlage, Datenflüsse und Protokollierung erst nach dem Bau klärt, baut häufig zweimal
FAQ
Häufige Fragen
Müssen wir unsere bestehende Software ablösen, um KI zu nutzen?
Nein. KI-Funktionen lassen sich in der Regel über Schnittstellen, Module oder Hintergrundprozesse in vorhandene Systeme einbauen. Ein Austausch des ERP, CRM oder der Eigenentwicklung ist dafür fast nie erforderlich und wäre meist der teurere und riskantere Weg.
Wie lange dauert eine KI-Integration?
Ein fokussierter Pilot für einen abgegrenzten Prozess dauert bei mir 4 bis 8 Wochen, mit echten Daten statt Demo-Material. Die anschließende Einbettung in das Bestandssystem hängt von Schnittstellen und Integrationstiefe ab und wird nach dem Piloten konkret planbar.
Ist KI-Integration mit der DSGVO vereinbar?
Ja, wenn die Architektur von Anfang an darauf ausgelegt ist. Bei mir läuft die Verarbeitung über Azure OpenAI in EU-Rechenzentren mit Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, Ihre Inhalte werden nicht für das Modelltraining verwendet. Rollen, Datenflüsse und Protokollierung werden vor dem Bau geklärt statt danach.
Brauchen wir eine eigene KI-Abteilung oder Data Scientists?
Für integrierte KI-Funktionen in bestehenden Prozessen brauchen Sie das nicht. Wichtig ist eine Person im Haus, die den Prozess fachlich kennt und die Ergebnisse bewerten kann. Die technische Umsetzung, das Modell-Handling und der Betrieb lassen sich extern abdecken, die Übergabe an Ihr Team gehört zum Abschluss.
Was ist der beste erste Use Case für den Einstieg?
Ein Prozess mit hohem Volumen, klarem Muster und messbarem Engpass. In der Praxis sind das oft die Dokumentenprüfung und Datenextraktion, die Triage eingehender Anfragen oder ein interner Wissensassistent über Handbücher und Richtlinien. Wichtig ist nur, dass sich der Nutzen in Zahlen fassen lässt.