In der Praxis beobachten wir oft, dass Unternehmen zunächst ein KI-Tool auswählen und dann versuchen, es in ihre Abläufe zu integrieren. Diese technologieorientierte Vorgehensweise führt häufig zu einer Diskrepanz zwischen den geschäftlichen Anforderungen und den tatsächlichen Möglichkeiten der KI. Schließlich sind KI-Modelle kein Selbstzweck, sondern Tools, deren erfolgreicher Einsatz vom jeweiligen Business Case abhängt. Man kann dies mit einem Handwerker vergleichen, der zunächst eine Baustelle besichtigt und erst dann die für die auszuführenden Tätigkeiten geeigneten Werkzeuge auswählt. Er wird kaum versuchen, mit einer Bohrmaschine einen Nagel in die Wand zu schlagen.

Diese Herangehensweise ist auch bei KI-Projekten zielführend: Die Technologie sollte auf Grundlage der Anforderungen ausgewählt werden – und nicht umgekehrt. Dazu identifizieren Unternehmen zunächst ihre Pain Points und leiten daraus klare Geschäftsziele ab. Typische Herausforderungen in dokumentenintensiven Prozessen sind etwa eine zu langsame Verarbeitung von Kundenanfragen oder Rechnungen, ein hoher manueller Aufwand im Vertragsmanagement oder Fehler beim Auslesen von Formularen. Der problemorientierte Ansatz stellt sicher, dass die Einführung von KI praxisnah erfolgt und nicht als experimentelle Initiative scheitert.