---
title: "KI-Use-Case: Definition und Beispiel – Carl-Uwe Würfel"
description: "KI-Use-Case erklärt: die fünf Bestandteile einer guten Beschreibung, wie man Use Cases bewertet und ordnet und woran man eine bloße Idee erkennt."
url: https://carl-wuerfel.de/glossar/use-case
author: Carl-Uwe Würfel
---

1. [Start](https://carl-wuerfel.de/)
  2. [Wissen](https://carl-wuerfel.de/wissen)
  3. [Glossar](https://carl-wuerfel.de/glossar)
  4. KI-Use-Case

# KI-Use-Case

Ein KI-Use-Case beschreibt eine konkrete, wiederkehrende Aufgabe, die KI unterstützen soll, mit Ausgangslage, nötigen Daten, gewünschtem Ergebnis, prüfender Person und Qualitätskriterien.

## Auf dieser Seite

  1. Die fünf Bestandteile einer Beschreibung
  2. Woran man einen guten Use Case erkennt
  3. Bewerten und in eine Reihenfolge bringen
  4. Vom Use Case in den Betrieb
  5. Typische Missverständnisse
  6. Was ein Use Case kostet und wovon das abhängt
  7. Die Grenze des Begriffs
  8. Häufige Fragen
  9. Quellen

Ohne prüfende Person und ohne Qualitätskriterium bleibt ein Use Case eine Idee.

_Abbildung: Trichter: Eine allgemeine Idee wie „KI im Vertrieb“ ist noch kein Use Case. Zum Use Case wird sie, wenn fünf Bestandteile benannt sind: Ausgangslage, nötige Eingaben, gewünschtes Ergebnis, Verantwortung, also wer das Ergebnis prüft, und Kriterien für die Qualität. Darunter das Beispiel: Aus einem freigegebenen Besprechungstranskript entstehen überprüfbare Aufgaben._

Der Begriff Use Case, deutsch Anwendungsfall, stammt aus der Softwareentwicklung. Dort beschreibt er, wie jemand mit einem System ein bestimmtes Ziel erreicht. Im KI-Zusammenhang ist ein Use Case eine Arbeitsbeschreibung: welche Aufgabe KI unterstützen soll, wie oft sie anfällt, mit welchen Eingaben, mit welchem Ergebnis, wer das Ergebnis prüft und woran sich seine Qualität messen lässt.

Der Use Case ist die kleinste Einheit, in der sich Nutzen und Aufwand von KI ehrlich gegeneinanderstellen lassen. Auf ihm bauen die weiteren Schritte auf: der Proof of Concept, der Pilot, die ROI-Rechnung und die Reihenfolge in einer [KI-Roadmap](https://carl-wuerfel.de/ki-roadmap). Eine allgemeine Idee wie „KI im Vertrieb“ ist noch kein Use Case. Daraus können viele werden, etwa Angebotsentwürfe, die Auswertung eingehender Anfragen oder die Vorbereitung von Kundengesprächen.

Für Geschäftsführungen ist die Auswahl der Use Cases die eigentliche Priorisierung einer [KI-Transformation](https://carl-wuerfel.de/glossar/ki-transformation). Sie legt fest, wohin Budget fließt und welche Abläufe sich zuerst ändern. McKinsey stellte im November 2025 fest, dass viele Unternehmen zwar KI-Werkzeuge eingeführt, die meisten aber noch keine Use Cases in den Regelbetrieb gebracht und ihre Abläufe nicht um KI herum neu gestaltet haben.

Beispiel

Nach jeder Besprechung suchen Beschäftigte die vereinbarten Aufgaben von Hand aus ihren Notizen zusammen. Als Use Case beschrieben: Aus einem freigegebenen Besprechungstranskript entstehen überprüfbare Aufgaben, eine benannte Person prüft sie vor der Weitergabe, und jede Aufgabe muss im Transkript belegbar und einer Person zugeordnet sein. Damit ist jeder der fünf Bestandteile in einem Satz benannt.

Kapitel 1 von 7

## Die fünf Bestandteile einer Beschreibung.

Eine brauchbare Beschreibung benennt fünf Dinge.

Die Ausgangslage: In welchem Ablauf fällt die Aufgabe an, wie oft, und wer erledigt sie heute mit welchem Aufwand? Ohne diesen Vorher-Wert lässt sich später kein Nutzen nachweisen. Die nötigen Eingaben: Welche Daten braucht die KI, wo liegen sie, sind sie aktuell, und darf das System für diesen Zweck darauf zugreifen? Diese Datenlage entscheidet oft mehr über den Erfolg als die Wahl des Modells.

Das gewünschte Ergebnis: Format, Umfang und Empfänger, also was genau am Ende vorliegt und wohin es geht. Die Verantwortung: Wer prüft das Ergebnis, bevor es weitergeht, und steht dafür gerade? Fachleute sprechen von Human in the Loop, einem Menschen im Ablauf, der freigibt oder korrigiert. Die Kriterien für die Qualität: Woran erkennt die prüfende Person, dass ein Ergebnis brauchbar ist, und woran, dass es nicht reicht?

Eine einfache Probe zeigt, ob die Beschreibung fertig ist. Lässt sich jeder der fünf Bestandteile in einem Satz benennen, kann ein Team damit arbeiten. Fehlt einer, ist die Beschreibung nicht fertig. Ohne prüfende Person und ohne Qualitätskriterium bleibt ein Use Case eine Idee.

Kapitel 2 von 7

## Woran man einen guten Use Case erkennt.

Gute Use Cases für den Einstieg haben gemeinsame Merkmale. Die Aufgabe kommt regelmäßig vor, wöchentlich oder täglich; eine Aufgabe, die einmal im Jahr anfällt, rechtfertigt den Aufwand für Datenzugang, Rechte und Prüfung selten. Sie hat einen klaren Anfang und ein klares Ende, etwa vom Eingang einer Anfrage bis zum fertigen Antwortentwurf. Die nötigen Daten liegen vor und dürfen genutzt werden.

Das Ergebnis lässt sich mit vertretbarem Aufwand prüfen. Eine Zusammenfassung, die jemand gegen das Original hält, ist gut prüfbar. Eine Prognose, deren Richtigkeit sich erst in Jahren zeigt, ist es nicht. Fehler sind erkennbar und ihr Schaden begrenzt: Ein falscher Entwurf, der vor dem Versand auffällt, kostet Minuten, eine falsche Auskunft an einen Kunden kostet Vertrauen.

Schließlich landet das Ergebnis in einem Ablauf, den es schon gibt. Ein Use Case, für den erst ein neuer Prozess erfunden werden muss, trägt ein doppeltes Risiko. Für den Anfang zählt ein enger Zuschnitt mehr als eine große Wirkung, weil sich daran Prüfung, Kosten und Akzeptanz im Team lernen lassen.

Kapitel 3 von 7

## Bewerten und in eine Reihenfolge bringen.

Ein beschriebener Use Case wird vor jedem technischen Test bewertet, meist an vier Größen. Die Wirkung: Wie viel Arbeit fällt weg oder wird besser, gemessen am Vorher-Wert? Der Aufwand: Was kosten Umsetzung, Anbindung und Betrieb? Die Datenlage: Sind die Daten vorhanden, sauber und freigegeben? Das Risiko: Was passiert, wenn ein Ergebnis falsch ist, und wen trifft es?

Zur Bewertung gehört ein rechtlicher Prüfpunkt. Werden personenbezogene Daten verarbeitet, gilt die DSGVO mit ihren Anforderungen an Zweck, Rechtsgrundlage und Auftragsverarbeitung. Nach dem AI Act ist zu klären, in welche Risikoklasse die Anwendung fällt; der Einsatz bei Personalauswahl oder Leistungsbewertung etwa kann als hochriskant gelten. Außerdem verlangt der AI Act Maßnahmen, die die KI-Kompetenz der Beschäftigten fördern, die mit solchen Systemen arbeiten.

Aus der Bewertung ergibt sich eine einfache Ordnung. Use Cases mit hoher Wirkung, geringem Aufwand und vorhandenen Daten kommen nach vorn, solche mit hohem Risiko und unklarer Datenlage nach hinten. Diese Reihenfolge ist der Kern einer KI-Roadmap. Bewertet wird dabei immer der einzelne Use Case, nie „die KI“ im Unternehmen.

Kapitel 4 von 7

## Vom Use Case in den Betrieb.

Auf dem Weg in den Alltag durchläuft ein Use Case meist drei Stufen, und jede beantwortet eine andere Frage. Der Proof of Concept, ein kleiner Machbarkeitstest, klärt, ob die Aufgabe mit den eigenen Daten technisch lösbar ist. Der Pilot klärt, ob die Lösung unter echten Bedingungen trägt, mit echten Nutzern, echten Fällen und dem späteren Prüfschritt. Im Regelbetrieb ist die Anwendung betreut, wird von allen Beteiligten genutzt, und ihre Kosten sind zugeordnet.

Die Beschreibung des Use Case liefert für jede Stufe den Maßstab. Die Qualitätskriterien werden zum Abnahmekriterium des Proof of Concept, der Vorher-Wert zum Vergleich im Pilot, die Verantwortung zur Betreuung im Betrieb. Ein Proof of Concept ohne vorher beschriebenen Use Case hat kein Abnahmekriterium. Er endet oft mit einer gelungenen Vorführung und ohne Entscheidung, also im [Pilot Graveyard](https://carl-wuerfel.de/glossar/pilot-graveyard).

Nach einigen Monaten im Betrieb lohnt der Abgleich mit der ursprünglichen Beschreibung. Hat sich die Ausgangslage verändert, reicht die Qualität noch, ist der Prüfaufwand gestiegen? Die Beschreibung bleibt so über die ganze Laufzeit der Maßstab, an dem sich die Anwendung messen lässt.

Kapitel 5 von 7

## Typische Missverständnisse.

Das häufigste Missverständnis beginnt beim Werkzeug. Ein Unternehmen hat Lizenzen gekauft und sucht nun Aufgaben, die dazu passen. So entstehen Use Cases, die das Werkzeug gut aussehen lassen, aber selten die Arbeit treffen, die am meisten Zeit kostet. Die bessere Reihenfolge beginnt beim Ablauf und wählt danach das Werkzeug.

Ein zweites ist der zu grobe Zuschnitt. „Kundenservice mit KI“ oder „Vertrieb automatisieren“ klingen nach Plan, sind aber Themenfelder mit vielen möglichen Use Cases. Ein drittes sind Listen allgemeiner Anwendungsbeispiele aus Studien oder Fachartikeln. Sie helfen bei der Suche nach Ideen, ersetzen aber nicht die Beschreibung des eigenen Ablaufs mit eigenen Daten und eigenem Vorher-Wert.

Viertens wird der Erfolg oft an einem einzelnen Arbeitsschritt gemessen. Wird der Entwurf schneller, die Prüfung aber länger, bleibt weniger übrig als gedacht. Gemessen wird deshalb der ganze Ablauf, vom Auftrag bis zum freigegebenen Ergebnis. Fünftens wird ein Use Case gern mit einem [Chatbot](https://carl-wuerfel.de/glossar/chatbot) gleichgesetzt. Viele gute Use Cases haben keine Chat-Oberfläche: Sie sortieren Eingänge, füllen Felder aus oder bereiten einen Entwurf im bestehenden System vor.

Kapitel 6 von 7

## Was ein Use Case kostet und wovon das abhängt.

Eine seriöse Kostenschätzung gibt es erst, wenn der Use Case beschrieben ist, weil die Kosten an seinen Bestandteilen hängen. Die nötigen Eingaben bestimmen den Aufwand für Datenzugang und Anbindung an bestehende Systeme, häufig ein großer Posten der Umsetzung. Das gewünschte Ergebnis und die Qualitätskriterien bestimmen, wie viel Entwicklung, Test und Feinarbeit nötig sind.

Im Betrieb kommen laufende Posten dazu. Viele Anbieter rechnen Modelle nach verarbeiteten Texteinheiten ab, sogenannten [Token](https://carl-wuerfel.de/glossar/token). Die Modellkosten ergeben sich also aus der Textmenge je Aufruf und der Zahl der Aufrufe und schwanken mit der Nutzung. Dazu kommen Betreuung, Fehlerbehebung, Anpassung an neue Modellversionen und Schulung. Ein Posten fehlt in vielen Schätzungen: die Zeit, in der Menschen Ergebnisse prüfen und korrigieren.

Der erste Use Case ist meist der teuerste, weil er das Fundament mitbezahlt: Nutzer, Rechte, Zugänge, die Anbindung an Modelle und Regeln für die Prüfung. Jeder weitere Use Case nutzt dieses Fundament mit. Beim Vergleich von Angeboten hilft deshalb die Frage, welche Teile nur für diesen Fall gebaut werden und welche auch dem nächsten Use Case dienen.

Kapitel 7 von 7

## Die Grenze des Begriffs

Eine allgemeine Idee wie „KI im Vertrieb“ ist noch kein Use Case, eine Werkzeugauswahl auch nicht. Der Use Case beschreibt die Aufgabe, das KI-Projekt setzt sie mit Zeitplan und Budget um. Von [KI-Automatisierung](https://carl-wuerfel.de/ki-automatisierung) spricht man, wenn ein Ablauf ganz oder weitgehend ohne manuelle Eingriffe läuft; viele Use Cases unterstützen dagegen einen Menschen, der das Ergebnis prüft und freigibt.

## Häufige Fragen

Was ist ein KI-Use-Case?

Ein KI-Use-Case ist eine konkrete, wiederkehrende Aufgabe, die KI unterstützen soll, beschrieben mit Ausgangslage, nötigen Eingaben, gewünschtem Ergebnis, prüfender Person und Qualitätskriterien. Er übersetzt eine allgemeine Idee in eine Aufgabe, über die sich entscheiden lässt.

Wie findet man den ersten KI-Use-Case?

Den ersten KI-Use-Case findet man in einer Aufgabe, die regelmäßig anfällt, spürbar Zeit kostet und deren Ergebnis eine Person gut prüfen kann. Die nötigen Daten sollten vorliegen und freigegeben sein. Ein enger Zuschnitt ist für den Anfang wichtiger als eine große Wirkung.

Wie bewertet man einen KI-Use-Case?

Ein KI-Use-Case wird nach Wirkung, Aufwand, Datenlage und Risiko bewertet. Dazu kommt ein rechtlicher Prüfpunkt mit DSGVO und [AI Act](https://carl-wuerfel.de/ai-act). Aus der Bewertung mehrerer Use Cases entsteht die Reihenfolge einer KI-Roadmap.

Was ist der Unterschied zwischen Use Case, Proof of Concept und KI-Projekt?

Der Use Case beschreibt, welche Aufgabe KI unterstützen soll und woran das Ergebnis gemessen wird. Ein Proof of Concept prüft, ob das mit den eigenen Daten technisch funktioniert. Ein KI-Projekt bringt einen oder mehrere Use Cases mit Zeitplan und Budget in den Betrieb.

Welche KI-Use-Cases eignen sich für den Mittelstand?

Für den Mittelstand eignen sich vor allem wiederkehrende, textlastige Aufgaben mit prüfbarem Ergebnis. Beispiele sind Zusammenfassungen von Besprechungen und Dokumenten, Entwürfe für Angebote und Antworten, das Sortieren eingehender Anfragen und die Suche in eigenen Unterlagen. Welche davon sich lohnen, zeigt erst die Beschreibung der eigenen Abläufe.

Was kostet die Umsetzung eines KI-Use-Cases?

Die Kosten eines KI-Use-Cases hängen von Datenzugang, Anbindung an bestehende Systeme, Qualitätsanspruch, Prüfaufwand und laufenden Modellkosten ab. Eine seriöse Zahl gibt es erst nach der Beschreibung. Der erste Use Case trägt meist das gemeinsame Fundament mit, weitere werden günstiger.

Wer sollte einen KI-Use-Case beschreiben?

Einen KI-Use-Case beschreiben am besten die Menschen, die die Aufgabe heute erledigen, gemeinsam mit jemandem, der Technik und Daten kennt. Die Fachleute kennen Ausnahmen, Prüfschritte und den tatsächlichen Aufwand. Über Reihenfolge und Budget entscheidet danach die Geschäftsführung.

## Weiter

  * [**KI-Glossar**](https://carl-wuerfel.de/glossar)
  * [**KI-Roadmap**](https://carl-wuerfel.de/ki-roadmap)
  * [**KI-Automatisierung**](https://carl-wuerfel.de/ki-automatisierung)
  * [**KI-ROI**](https://carl-wuerfel.de/glossar/roi-ki)

## Quellen

  1. [McKinsey: The state of AI in 2025: Agents, innovation, and transformation, 2025](https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/the-state-of-ai-in-2025-vf.pdf)
  2. [Europäische Union: Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), 2016](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32016R0679)
  3. [Europäische Union: Verordnung (EU) 2024/1689 über künstliche Intelligenz (AI Act), 2024](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32024R1689)
  4. [Europäische Union: Verordnung (EU) 2026/1744 (Digital-Omnibus-Verordnung zur KI, neue Fassung von Artikel 4), 2026](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32026R1744)
