Was kann KI wirklich? Und was brauchst du, damit es funktioniert?

Ich rede nicht über Science-Fiction. Ich rede über das, was heute schon geht. Aber – und das ist wichtig – nur wenn du drei Dinge hast: klare Aufgaben, saubere Strukturen und die richtigen Daten.

Hier mein aktueller Stand - aus der Praxis für die Praxis - mit dem was wir täglich erleben und umsetzen. Es gibt großartige Erfolge, aber auch noch vieles, wo wir neugierig sind und warten was der Weihnachtsmann bringt.

Fakt ist: KI ersetzt nicht dein Know-how. Sie macht das schneller und besser, was du eh schon gut kannst. Aber wo noch Chaos herrscht, da wird KI das Chaos nur schneller machen.

Die aktuelle Situation: Warum operative Hektik dich nicht weiterbringt

Ich sehe es gerade überall: Betriebe stürzen sich kopflos auf KI. Jeder will was machen. Jeder hat was gehört. Und dann passiert genau das, was nicht passieren sollte.

Die Probleme sind immer die gleichen:

Operative Hektik statt strategischem Vorgehen. Jede Abteilung probiert irgendwas aus. Die Verwaltung nutzt ChatGPT für E-Mails. Die Baustelle testet drei verschiedene Apps für Tagesberichte. Der Einkauf experimentiert mit einem Analyse-Tool. Und keiner spricht mit dem anderen. Das Ergebnis: Wildwuchs. Keine Struktur. Kein Plan.

Überforderung durch zu viele Tools. Deine Mitarbeiter sollen gleichzeitig die neue Warenwirtschaft lernen, das CRM bedienen, auf digitale Baustellendokumentation umsteigen – und jetzt auch noch fünf verschiedene KI-Tools beherrschen? Das überfordert. Menschen brauchen Zeit zum Lernen. Und wenn sie das Gefühl haben, dass jeden Monat das nächste Tool kommt, schalten sie ab.

Das Schnittstellenproblem. Das größte technische Problem, das wir aktuell haben: Die Systeme reden nicht miteinander. Deine Warenwirtschaft hat keine offene Schnittstelle. Dein Projektmanagement-Tool kann keine Daten exportieren. Dein CRM ist ein Silo. Und dann willst du KI drübersetzen? Das wird nicht funktionieren. Oder nur mit massivem Aufwand, weil du Daten manuell hin- und herkopieren musst.

Das führt zu Frust. Bei dir. Bei deinem Team. Und am Ende war die KI schuld – obwohl das Problem woanders lag.

Warum wir klein anfangen – und das die beste Entscheidung ist

Deshalb machen wir es anders.

Wir konzentrieren uns bewusst auf die wenigen Dinge, die sofort funktionieren, alle Mitarbeiter begeistern und echten Nutzen bringen.

Nicht die spektakulären Automatisierungen. Nicht die komplexen Prozesse. Sondern die einfachen, nervigen Aufgaben, die jeden Tag Zeit kosten.

Warum? Weil es funktioniert.

Wenn du es schaffst, dass jeder Mitarbeiter pro Tag 8-10 Minuten spart – und zwar bei Dingen, die ihn sowieso nerven – dann hast du gewonnen. Dann merkst du sofort: Das bringt was.

Rechne mal mit:

• 10 Mitarbeiter
• 8 Minuten Zeitersparnis pro Tag
• 220 Arbeitstage im Jahr
• 90 Euro durchschnittlicher Kostensatz

= 26.400 Euro Ersparnis im Jahr.

Bei 30 Mitarbeitern sind das fast 80.000 Euro. Nur weil jeder 8 Minuten am Tag spart.

Und das Wichtigste: Die Leute merken es sofort. Sie müssen nicht mehr jeden Abend eine halbe Stunde Tagesberichte tippen. Sie müssen nicht mehr ewig in alten Ordnern nach technischen Merkblättern suchen. Sie bekommen sofort eine Antwort auf "Wie war das nochmal bei Projekt X?"

Das schafft Akzeptanz. Das schafft Begeisterung. Und das schafft die Basis, um später weiterzugehen.

Deshalb: Kleine Schritte. Sofortiger Nutzen. Alle mitnehmen.

Warum große Automatisierungen am Anfang scheitern

Jetzt kommt der Satz, den viele nicht hören wollen:

Wer gleich mit großen Automatisierungen startet, scheitert zu 90 Prozent.

Warum? Weil Automatisierung drei Dinge zwingend braucht:

1. Klare, dokumentierte Prozesse. Wenn dein Rechnungseingang heute so läuft, dass mal der eine prüft, mal der andere, mal per E-Mail, mal per Post, mal mit Freigabe, mal ohne – dann kannst du das nicht automatisieren. Dann automatisierst du Chaos. Und das wird teurer als vorher.
2. Saubere, strukturierte Daten. Automatisierung braucht Daten. Viele Daten. Und die müssen in einem Format vorliegen, das Systeme verstehen. Wenn deine Projektdaten halb in Excel, halb in Word, halb in E-Mails und halb auf Zetteln im Ordner liegen – dann kannst du nichts automatisieren.
3. Funktionierende Schnittstellen. Du willst, dass die KI automatisch Bestellungen auslöst, wenn der Lagerbestand unter X fällt? Super Idee. Aber dafür muss dein Lagerverwaltungssystem mit deinem Bestellsystem reden können. Und das tut es in 80 Prozent der Betriebe nicht. Weil die Systeme geschlossen sind. Weil die Anbieter keine APIs (= Schnittstellen) zur Verfügung stellen. Oder weil sie so kompliziert sind, dass du einen Entwickler brauchst.

Und dann kommt das Schlimmste:

Du investierst Monate in die Planung einer großen Automatisierung. Du steckst Geld rein. Dein Team ist genervt, weil sie dauernd in Meetings sitzen und Prozesse dokumentieren sollen. Und am Ende funktioniert es nicht. Weil die Schnittstelle fehlt. Oder weil der Prozess doch nicht so klar war. Oder weil die Datenqualität nicht reicht.

Ergebnis: Frust. Verbranntes Geld. Und das Gefühl, dass KI nicht funktioniert.

Dabei ist nicht die KI das Problem. Sondern der falsche Einstieg.

Deshalb mein klarer Rat:

Fang mit dem an, was du schon gut kannst, aber was nervt und Zeit kostet.

Du schreibst schon Tagesberichte? Dann lass die KI die aus Sprachaufnahmen erstellen.
Du prüfst schon Rechnungen? Dann lass die KI die Vorprüfung machen.
Du hast schon ein Projektarchiv? Dann bau einen Chatbot drauf, der Fragen beantwortet.

Kleine Schritte. Sofortiger Nutzen. Sichtbare Erfolge.

Und wenn das läuft, wenn dein Team gemerkt hat "Hey, das hilft wirklich", wenn du erste Prozesse sauber dokumentiert hast – dann kannst du über größere Automatisierungen nachdenken.

Aber nicht vorher.

Die 6 Kern-Fähigkeiten von KI im Handwerk

Deshalb schauen wir uns jetzt die 6 Kern-Fähigkeiten von KI im Handwerk an – und ich sage dir bei jeder einzelnen auch, wo die größten Stolpersteine liegen.

1. Suchen & Finden – Dein Firmen-Wissen sofort verfügbar

Was KI kann

KI durchsucht tausende Dokumente in Sekunden. Sie versteht dabei nicht nur Stichwörter, sondern auch Zusammenhänge. Das heißt, sie kann PDFs, E-Mails, Projektordner und technische Datenblätter lesen und dir die passende Antwort liefern – mit Quellenangabe.

Konkrete Beispiele

• "In welchem Projekt hatten wir 2022 das Problem mit der Dachabdichtung gelöst?"
• "Zeig mir alle technischen Merkblätter zu EPDM-Bahnen"
• "Welche Arbeitsschritte haben wir bei Kunde Müller dokumentiert?"
• "Finde die E-Mail mit den Lieferterminen vom März"
• Schnellzugriff auf Betriebsanleitungen, Montagepläne und firmeninternes Know-how

Nutzen

Keine verlorene Zeit mehr beim Suchen. Information findet dich, nicht umgekehrt. Dein Wissen wird abrufbar – auch für neue Mitarbeiter. Und du verlierst kein Know-how mehr, nur weil jemand in Rente geht.

Bewertung der Umsetzbarkeit

Aufgabe: Die Aufgabe ist klar – Wissen finden. Aber: Du musst vorher definieren, welches Wissen die KI durchsuchen darf. Nicht alles ist für jeden relevant. Und nicht alles darf jeder sehen.

Struktur: Hier wird es schwierig. Wenn deine Projektdokumente über zehn verschiedene Ordner, drei E-Mail-Postfächer und zwei Festplatten verteilt sind, findet die KI nichts. Du brauchst eine zentrale Ablagestruktur. Ohne die läuft nichts.

Daten: Das ist der Knackpunkt. Die KI braucht lesbare, strukturierte Dateien. Handschriftliche Notizen, eingescannte unleserliche Faxe oder PDFs ohne Text (nur als Bild) kann sie nicht auswerten. Und: Sensible Daten (Kundendaten, Personaldaten) dürfen nicht in öffentliche KI-Systeme. Du brauchst ein abgeschlossenes, sicheres System.

Fazit: Fang klein an. Nimm dir einen Bereich vor (z. B. technische Datenblätter), räume den auf, strukturiere ihn – und dann lass die KI drauf los. Wenn das läuft, kannst du ausweiten.

2. Analysieren – Daten verstehen und kluge Schlüsse ziehen

Was KI kann

KI wertet große Datenmengen aus, erkennt Muster und Risiken und erstellt Vergleiche und Bewertungen. Sie kann Ausschreibungen prüfen, Rechnungen kontrollieren oder Projekthistorien analysieren.

Konkrete Beispiele

• Ausschreibungen prüfen und Risiken sowie Nachtragspotenzial aufzeigen
• Leistungsverzeichnisse strukturiert auswerten
• Rechnungsprüfung: 12 Sekunden statt 8 Minuten
• Projekthistorie analysieren: "Welche Projekte liefen über Budget – und warum?"
• Materialverbrauch vergleichen und Abweichungen erkennen
• Baustellenfotos auswerten und Mängel identifizieren

Nutzen

Bessere Entscheidungen durch echtes Verständnis der Zahlen. Du siehst Risiken früher und kannst gegensteuern. Du erkennst Muster, die dir vorher nicht aufgefallen sind. Und du sparst massiv Zeit bei wiederkehrenden Prüfungen.

Bewertung der Umsetzbarkeit

Aufgabe: Klingt super. Ist es auch. Aber: Die Aufgabe muss klar sein. "Prüfe die Ausschreibung" reicht nicht. Du musst sagen: "Prüfe auf formale Fehler, fehlende Positionen und Nachtragspotenzial nach VOB." Sonst kommt Müll raus.

Struktur: Hier wird es ernst. Wenn deine Ausschreibungen in völlig unterschiedlichen Formaten reinkommen (PDF, GAEB, Word, Excel, handschriftlich), dann wird die KI Probleme haben. Bei Rechnungen dasselbe: Wenn jeder Lieferant ein anderes Layout hat und die Daten nicht maschinenlesbar sind, wird's schwierig.

Das große Problem bei Analysen ist oft: Die Qualität der Ausgangsdaten stimmt nicht. Ausschreibungen sind formal fehlerhaft, Rechnungen sind nicht maschinenlesbar, Projektdokumentationen sind lückenhaft. Wenn du keine saubere Vergleichsbasis hast (alte Projekte, alte Kalkulationen), kann die KI nicht sinnvoll analysieren.

Daten: Du brauchst historische Daten. Viele davon. Und die müssen strukturiert sein. Wenn du die letzten zehn Ausschreibungen hast, aber nur fünf davon sind ordentlich dokumentiert, wird die KI nur eingeschränkt lernen können. Bei Rechnungsprüfungen brauchst du Zugriff auf deine Bestelldaten, Lieferscheine, Verträge – sonst kann die KI nicht sinnvoll vergleichen.

Fazit: Analysieren klappt am besten, wenn du schon sauber arbeitest. Fang mit etwas an, was du gut im Griff hast. Rechnungsprüfung bei einem Lieferanten, bei dem die Daten immer sauber sind. Oder Projektanalyse bei Projekten, die du gut dokumentiert hast. Dann siehst du schnell Erfolge – und kannst ausweiten.

3. Erstellen – Inhalte und Dokumente automatisch generieren

Was KI kann

KI erstellt Texte, Tabellen, Strukturen. Sie füllt Vorlagen mit deinen Daten, passt Tonalität und Zielgruppe an und generiert Dokumente, für die du sonst Stunden brauchst.

Konkrete Beispiele

• Angebote aus Projektdaten erstellen
• Baustellenberichte aus Sprachaufnahmen generieren
• Arbeitsanweisungen für Mitarbeiter verfassen
• Bedenkenanmeldungen formulieren
• Social-Media-Beiträge (Posts für Facebook, Instagram) schreiben
• Sicherheitsunterweisungen erstellen
• Stellenausschreibungen optimieren

Nutzen

Mehr Zeit für die Baustelle statt fürs Büro. Weniger Schreibarbeit, bessere Formulierungen, einheitliche Qualität. Und du kannst auch komplexe Dokumente in Minuten statt Stunden erstellen.

Bewertung der Umsetzbarkeit

Aufgabe: Das ist der einfachste der sechs Punkte. Die Aufgabe ist klar: "Erstelle einen Tagesbericht." "Schreibe ein Angebot." "Formuliere eine Sicherheitsunterweisung." Das kann jeder definieren.

Struktur: Hier liegt das größte Risiko. Das Risiko bei Baustellenberichten ist zum Beispiel, dass es derzeit noch keine gute Struktur, nennen wir es Vorlage, für die Baustellenberichte gibt. Dann wird es schwierig, hieraus etwas zu entwickeln.

Wenn du keine Vorlage hast, wie ein Bericht aussehen soll, wird die KI dir irgendwas basteln. Mal so, mal so. Ohne Struktur keine Automatisierung. Deshalb ist der erste Schritt immer: "Okay, wie soll der Tagesbericht eigentlich aussehen? Welche Felder brauchen wir? Welche Infos sind Pflicht?"

Der bewährte Weg ist: Erst die grundlegenden Strukturen aufnehmen. Sprache zu Text, dann Text zu Struktur. Das heißt: Erst mal eine Vorlage bauen. Dann kannst du die KI damit füttern.

Daten: Du brauchst Beispiele. Gute Beispiele. Wenn die KI einen Tagesbericht schreiben soll, dann braucht sie Beispiele, wie ein guter Tagesbericht aussieht. Wenn sie eine Arbeitsanweisung schreiben soll, braucht sie Beispiele von Arbeitsanweisungen. Ohne Beispieldaten wird die KI generisch – und das will keiner.

Fazit: Erstellen ist der schnellste Quick-Win. Aber nur, wenn du vorher die Struktur definierst. Die bewährte Regel lautet: Fange damit an, was du schon gut kannst, aber was nervt und Zeit kostet. Wenn du schon Tagesberichte schreibst, dann nimm die als Vorlage. Wenn du schon Angebote machst, nimm die als Basis. Dann klappt es.

4. Automatisieren – Routinen ohne dein Zutun erledigen

Was KI kann

KI übernimmt wiederkehrende Aufgaben selbstständig. Sie verbindet Systeme miteinander und führt Prozesse von Anfang bis Ende durch – ohne dass du eingreifen musst.

Konkrete Beispiele

• Rechnungsbearbeitung komplett automatisch
• Materialbestellung aus Lagerbestand triggern
• Terminbuchungen ohne Telefonat
• Tagesberichte automatisch versenden
• Anfragen vorqualifizieren und weiterleiten
• Lieferscheine erfassen und ablegen
• Wartungserinnerungen automatisch verschicken

Nutzen

Dein Team arbeitet am Auftrag, nicht an Papierkram. Du sparst nicht nur Zeit, sondern auch Nerven. Fehler durch Vergessen oder Vertippen werden minimiert. Und du gewinnst Kapazität für die Dinge, die wirklich Geld bringen.

Bewertung der Umsetzbarkeit

Aufgabe: Hier wird's kompliziert. Automatisieren heißt: Mehrere Schritte hintereinander. Nicht nur "erstelle einen Bericht", sondern "erstelle einen Bericht, verschicke ihn an drei Leute, lege ihn im Projektordner ab und trage die Aufgaben ins System ein." Du musst den gesamten Ablauf kennen und definieren können. Wenn du das nicht kannst, wird die KI es auch nicht können.

Struktur: Das ist die Königsdisziplin. Automatisierung braucht saubere Prozesse. Wenn dein Rechnungseingang heute so läuft, dass manche Rechnungen per E-Mail kommen, manche per Post, manche per Fax, und dann verschiedene Leute die Rechnungen unterschiedlich ablegen – dann kannst du das nicht automatisieren.

Das größte Problem bei der Automatisierung ist oft der Wildwuchs. Jeder macht es anders. Jeder hat sein eigenes System. Das kannst du nicht automatisieren. Du musst zuerst den Prozess sauber machen. Das heißt: Eine Regel, wie Rechnungen reinkommen. Eine Regel, wie sie geprüft werden. Eine Regel, wie sie abgelegt werden. Prozesse kennen bedeutet: Automatisierung möglich machen.

Daten: Automatisierung braucht Schnittstellen. Du musst Zugriff auf deine Systeme haben. Und hier kommt das nächste Problem: Viele Warenwirtschaftssysteme sind proprietär und blockieren den Zugriff. Das bedeutet oft, dass man Workarounds bauen muss – man zieht die Daten manuell raus und baut sogenannte Schattendatenbanken, weil man nicht direkt auf die Systeme zugreifen kann.

Das heißt: Wenn du automatisieren willst, brauchst du entweder offene Schnittstellen (APIs) – oder du musst Workarounds bauen. Und das kostet Zeit und Geld.

Fazit: Automatisieren ist der größte Hebel – aber auch der schwierigste. Die Empfehlung lautet: Fangt mit den einfachen Dingen an. Ein Formular, das automatisch ausgefüllt wird. Ein Bericht, der automatisch verschickt wird. Wenn das läuft, könnt ihr die nächste Stufe angehen. Aber versucht nicht, gleich die komplette Rechnungsbearbeitung zu automatisieren, wenn ihr noch keine sauberen Prozesse habt.

5. Optimieren – Prozesse verbessern und Ressourcen sparen

Was KI kann

KI deckt Verschwendung auf, erstellt bessere Planungen durch Vorhersagen und erkennt Schwachstellen in Abläufen. Sie kann Kosten senken, Wege verkürzen und Ressourcen gezielter einsetzen.

Konkrete Beispiele

• Materialeinkauf optimieren: beste Preise und Lieferzeiten finden
• Routenplanung für Monteure (kürzeste Wege, weniger Sprit)
• Lagerverwaltung: Was wird wann gebraucht?
• Ressourcenplanung: Welches Team auf welche Baustelle?
• Energieeffizienz-Beratung für Kunden
• Budgetkalkulation mit Erfahrungswerten
• Kapazitätsplanung basierend auf Projekthistorie

Nutzen

Weniger Kosten, mehr Gewinn, zufriedenere Kunden. Du nutzt deine Ressourcen besser, vermeidest Leerlauf und Überlastung. Und du kannst strategischer planen statt nur zu reagieren.

Bewertung der Umsetzbarkeit

Aufgabe: Optimieren klingt gut. Aber was heißt das konkret? Du musst definieren: Was soll optimiert werden? Kosten? Zeit? Wege? Qualität? Und nach welchen Kriterien? Das ist oft schwieriger, als man denkt. Weil Optimierung heißt: Du musst Prioritäten setzen. Und das kann die KI nicht für dich.

Struktur: Optimierung braucht Daten – viele Daten. Und die müssen vergleichbar sein. Wenn du Routenplanung optimieren willst, brauchst du Daten über bisherige Routen, Fahrzeiten, Verkehrslage. Wenn du Materialeinkauf optimieren willst, brauchst du Preishistorien, Lieferzeiten, Qualitätsbewertungen.

Das Problem: Oft sind diese Daten nicht strukturiert erfasst. Nehmen wir das Beispiel Personaleinsatzplanung – das wird noch sehr, sehr lange dauern, bis das funktioniert. Weil es zu intuitiv ist. Du schickst den einen Mitarbeiter auf die Baustelle, weil er gut mit Kunden kann. Den anderen nicht, weil er nicht ordentlich dokumentiert. Das kann die KI nicht wissen, wenn du es ihr nicht sagst. Und oft kannst du es selbst nicht in Worte fassen.

Daten: Du brauchst historische Daten. Viele davon. Und die müssen sauber sein. Wenn du die letzten 100 Baustellen optimieren willst, aber nur bei 20 hast du dokumentiert, wie lange was gedauert hat, welche Probleme aufgetreten sind und was es am Ende gekostet hat – dann kann die KI nicht sinnvoll optimieren.

Fazit: Optimieren ist der letzte Schritt, nicht der erste. Die klare Empfehlung: Fangt nicht mit Optimierung an. Fangt mit Strukturierung an. Erst mal Daten sauber erfassen. Erst mal Prozesse klar definieren. Wenn das läuft, kannst du optimieren. Aber nicht vorher.

6. Unterstützen – Bei Entscheidungen und Problemen helfen

Was KI kann

KI fungiert als digitaler Berater, zeigt Lösungswege auf und vermittelt Wissen. Sie unterstützt beim technischen Kundendienst, bei Schulungen und bei der Problemlösung.

Konkrete Beispiele

• Technischer Kundendienst: Fehlersuche systematisieren
• Mitarbeiterschulung planen und Inhalte erstellen
• Onboarding (Einarbeitung) neuer Mitarbeiter
• Fördermittel-Auskunft für Kunden
• Qualitätskontrolle dokumentieren und prüfen
• Problemlösung: "Wie behebe ich Risse in der Fassade?"
• Weiterbildung organisieren nach Qualifikationslücken

Nutzen

Schnellere Lösungen, kompetentere Mitarbeiter, besserer Service. Deine Leute haben sofort Zugriff auf Wissen, das sonst nur in Köpfen oder in Ordnern schlummert. Und du kannst neue Mitarbeiter schneller einarbeiten.

Bewertung der Umsetzbarkeit

Aufgabe: Unterstützen ist super – aber nur, wenn die KI auch weiß, was sie unterstützen soll. Wenn du sagst "Hilf bei der Fehlersuche", muss die KI wissen: Welche Fehler gibt es? Welche Lösungen haben schon funktioniert? Ohne diese Infos wird sie allgemein antworten – und das hilft nicht.

Struktur: Hier braucht die KI Zugriff auf dein Firmenwissen. Und zwar strukturiert. Wenn deine Fehlerprotokolle in zehn verschiedenen Ordnern liegen, halb als Word, halb als E-Mail, halb als Notiz auf dem Schreibtisch – dann kann die KI nicht unterstützen.

Der erfolgreiche Ansatz ist: Ein zentrales System aufbauen, wo das gesamte Firmenwissen gesammelt wird. Verfahrensanweisungen, häufig gestellte Fragen, VOB, technische Datenblätter. Dann kann die KI darauf zugreifen und sagen: "Bei diesem Problem gab es bereits folgende bewährte Lösung."

Daten: Du brauchst dokumentiertes Wissen. Das ist der Knackpunkt. Wenn dein bester Techniker alles im Kopf hat, aber nichts aufgeschrieben ist, dann kann die KI nicht unterstützen. Deshalb die klare Empfehlung: Fang an, Wissen zu dokumentieren. Nicht für die KI – für dich. Und wenn es dokumentiert ist, kann die KI es nutzen.

Fazit: Unterstützen funktioniert am besten als Ergänzung zu den anderen Punkten. Erst Suchen & Finden aufbauen. Erst Wissen strukturieren. Dann kann die KI unterstützen. Aber nicht von alleine.

Zusammenfassung: Was brauchst du wirklich, damit KI läuft?

Ich sage es jetzt nochmal ganz klar – weil das der wichtigste Satz in diesem ganzen Artikel ist:

Die KI ist nicht dazu da, Probleme zu lösen, die du die letzten 10 Jahre nicht in den Griff bekommen hast. Sie unterstützt dich vor allem dort, wo du schon gut bist.

Das heißt:

• Wenn du keine sauberen Prozesse hast, wird KI sie nicht schaffen.
• Wenn du keine Strukturen hast, wird KI sie nicht aufbauen.
• Wenn du keine Daten hast, wird KI keine erfinden.

Aber:

• Wenn du einen guten Prozess hast, kann KI ihn schneller machen.
• Wenn du eine gute Struktur hast, kann KI sie automatisieren.
• Wenn du gute Daten hast, kann KI sie analysieren und optimieren.

Deshalb mein Rat:

Fang mit dem an, was du schon gut kannst, aber was nervt und Zeit kostet.

Du machst gute Tagesberichte? Dann automatisiere die.
Du hast saubere Rechnungsprüfung? Dann lass die KI das machen.
Du hast ein gut strukturiertes Projektarchiv? Dann bau einen Chatbot drauf.

Aber versuch nicht, mit KI die Baustellen zu reparieren, die du seit Jahren vor dir herschiebst. Das wird nicht klappen.

Nächster Schritt

Nimm dir eine halbe Stunde. Setz dich hin. Und beantworte diese vier Fragen:

1. Was bleibt bei mir liegen?
2. Welche Abläufe wiederholen sich ständig?
3. Welche Tools nutze ich schon, wo KI helfen könnte?
4. Was nervt mich so richtig?

Wenn du die Antworten hast, such dir eine Sache raus. Eine. Nicht drei. Nicht fünf. Eine.

Und dann bau da was. Klein. Einfach. Sicher.

Wenn das läuft, machst du die nächste.

So funktioniert KI im Handwerk. Nicht als Revolution. Als Evolution.

Nachtrag: Wie dieser Artikel entstanden ist – mit KI, aber nicht von KI

Vielleicht denkst Du ja "Aha, den Artikel hat die KI geschrieben" – stopp. Nein, hat sie nicht.

Ich habe diesen Artikel mit Hilfe von KI geschrieben. Er wurde nicht VON der KI geschrieben.

Der Unterschied ist entscheidend. Und er zeigt genau das, worum es in diesem ganzen Artikel geht: KI macht nicht deine Arbeit. Sie macht dich schneller bei dem, was du eh schon gut kannst.

So bin ich vorgegangen:

1. Wissensdatenbank aufgebaut

Ich habe eine Wissensdatenbank erstellt mit allem, was ich in den letzten Jahren zu KI im Handwerk geschrieben und gesprochen habe. Das sind:

• Meine eigenen Artikel und Blogbeiträge
• Transkripte von Vorträgen, die ich gehalten habe
• Protokolle und Mitschriften aus Strategieberatungen mit Handwerksbetrieben
• Dokumentationen von KI-Projekten, die wir umgesetzt haben

Diese Wissensdatenbank habe ich der KI zur Verfügung gestellt. Nicht als "Schreib mal was", sondern als Grundlage, aus der sie schöpfen kann.

2. Projekt angelegt und Struktur festgelegt

Dann habe ich die Struktur des Artikels selbst festgelegt. Nicht die KI. Ich habe entschieden:

• Welche 6 Fähigkeiten ich beschreiben will
• Dass jede Fähigkeit nach dem gleichen Schema aufgebaut sein soll (Was kann KI / Beispiele / Nutzen / Bewertung der Umsetzbarkeit)
• Dass bei der Bewertung die Herausforderungen bei Aufgabe, Struktur und Daten im Fokus stehen müssen
• Dass am Ende eine umfassende FAQ kommen soll

Diese Struktur war meine Entscheidung. Basierend auf meiner Erfahrung aus hunderten Gesprächen mit Handwerksbetrieben.

3. Iterationen im Dialog

Jetzt wird's spannend. Ich habe nicht gesagt: "KI, schreib mir einen Artikel über KI im Handwerk." Das wäre Mist geworden.

Stattdessen habe ich in mehreren Runden gearbeitet – das nennt man Iterationen:

Iteration 1: "Mache aus den 6 Punkten 'Was KI alles kann' einen Blogartikel. Streng gegliedert nach den 6 Fähigkeiten. Und ziehe aus den Unterlagen eine Bewertung der Umsetzbarkeit."

Iteration 2: "Lasse heraus, was den konkreten Bezug auf spezifische Projekte angeht. Schreibe den Text generischer, so dass er als Blogbeitrag taugt. Füge eine umfassende FAQ an."

Iteration 3: "Füge in die Einleitung noch einen Abschnitt ein über die aktuelle Situation: operative Hektik, Schnittstellenproblematik, Überforderung durch zu viele Tools."

… dann kamen noch 4 oder 5 weitere Iterationen dazu.

Das ist der Unterschied: Ich habe gesteuert. Ich habe korrigiert. Ich habe entschieden, was rein muss und was raus.

Die KI hat geschrieben. Aber ich habe gedacht.

4. Nachbearbeitung in klassischer Textverarbeitung

Nach der letzten Iteration hatte ich einen Rohentwurf. Aber der war noch nicht fertig.

Jetzt kam die klassische Textverarbeitung:

• Formulierungen präzisiert, wo sie zu allgemein waren
• Beispiele ergänzt, die aus meiner aktuellen Praxis kamen
• Übergänge zwischen Abschnitten verbessert
• Tonalität angepasst – damit es klingt wie ich, nicht wie eine KI
• Fehler korrigiert (ja, die KI macht Fehler)
• Links und Quellen geprüft und ergänzt

Das Ergebnis:

Ein Artikel, der mein Wissen enthält, meine Erfahrung widerspiegelt, meine Sprache spricht – aber in einem Bruchteil der Zeit entstanden ist, die ich sonst gebraucht hätte.

Ohne KI: 4-6 Stunden Schreibarbeit.
Mit KI: 1 Stunden Steuerung + 1 Stunde Nachbearbeitung.

Das ist genau das, was ich meine, wenn ich sage: KI macht nicht deine Arbeit. Sie macht dich schneller bei dem, was du eh schon gut kannst.

Und deshalb ist dieser Artikel das beste Beispiel für das, worüber er handelt.