Warum die meisten Use-Case-Listen flach sind
Excel-Tabellen schneller auswerten. Blogposts in Instagram-Posts umbauen. Alles richtig. Und trotzdem die kleinste Version dessen, was generative KI eigentlich kann.
Eine Beobachtung aus Workshops, immer wieder. Du fragst ein Team nach KI-Use-Cases. Die Antworten kommen schnell. "Wir wollen Excel-Tabellen schneller auswerten." "Aus einem Blogpost soll ein Instagram-Post werden." "Mails vorformulieren lassen." Das ist nicht falsch. Genau dafür funktioniert KI sehr gut. Aber es ist die kleinste Version dessen, was du eigentlich in der Hand hast.
Was diese Beispiele gemeinsam haben: Es sind alte Aufgaben in schneller. Eine bestehende Tätigkeit wird beschleunigt oder verbilligt. Nichts daran ist verkehrt. Aber wenn du nur dort suchst, übersiehst du, was generative KI von klassischer Automatisierung unterscheidet. Du nutzt ein Werkzeug, das Bilder, Töne, Code, Sprache und Bedeutung gleichzeitig versteht, wie eine etwas schnellere Schreibmaschine.
Was diese Lesson macht und was nicht
Diese Lesson ist keine Liste. Es gibt im Netz Hunderte solcher Listen, sortiert nach Marketing, HR, Vertrieb, Controlling. Sie sind nützlich als Inspiration und genauso flach wie das Workshop-Muster oben. Was hier stattdessen kommt, ist ein Denkrahmen. Zwei Bewegungen, die du auf jeden bestehenden oder neuen Use Case anwenden kannst.
| Bewegung | Frage | Was du danach besser kannst |
|---|---|---|
| Vertikal: heben | Auf welcher Stufe steht dieser Use Case und wie hebe ich ihn? | Aus "Excel auswerten" wird ein Use Case, der Hypothesen testet |
| Horizontal: verketten | Mit welchem anderen Use Case verbindet er sich zu etwas Größerem? | Aus drei isolierten Aufgaben wird eine Pipeline mit Mehrwert |
