PROJEKT-CASE
Copilot No-Go und Erfolgs-Agent - gleicher Fachbereich, zwei unterschiedliche Entscheidungen
Kunde anonymisiert nach NDA — Branche, Größenordnung und Zeitraum verifiziert
Im selben Fachbereich eines großen Industrieunternehmens habe ich zwei Copilot-nahe Use Cases unterschiedlich bewertet. Ein research-intensiver Analysefall wurde nach strukturierter Prüfung gestoppt, weil die Tools bei Dokumentenmenge und Vollständigkeit nicht zuverlässig genug waren. Ein Gremium-Prozess wurde dagegen produktiv umgesetzt, weil erst der Prozess digitalisiert und der Copilot Agent nur auf einen engen Datenscope gesetzt wurde.
ZIELBILD
Was daraus werden sollte
Der erste Use Case wurde begründet nicht gestartet. Der zweite Use Case lief produktiv für 10 bis 30 Stakeholder. Der Unterschied war nicht „Copilot gut oder schlecht", sondern: Datenscope, Prozessreife und Erwartungsmanagement entscheiden, ob KI wirkt.
AUSGANGSSITUATION
Worum es ging
Der Fachbereich wollte KI praktisch nutzen, aber nicht als Marketing-Demo. Es gab einerseits die Idee, verstreute Fach-PDFs automatisiert zu finden und auszuwerten. Andererseits gab es einen monatlichen Gremium-Prozess mit E-Mail-Anhängen, OneNote-Mitschriften, Statusunklarheit und hohem Koordinationsaufwand.
Vorgehen
Für den Analysefall wurden Microsoft Copilot, Recherche-Agenten und ChatGPT Deep Research gegen reale Aufgaben getestet: PDFs finden, relevante Inhalte auswerten und mehrere Dokumente vergleichen. Ergebnis: grenzwertig bis unzuverlässig, vor allem bei Vollständigkeit.
Beim Gremium-Prozess wurde zuerst der Ablauf in Microsoft Lists, Power Query, Power Automate und SharePoint strukturiert. Erst danach kam ein Copilot Agent dazu, bewusst mit engem Datenzugriff auf relevante Gremium-Dateien.
Ergebnis in Zahlen
2 (ein No-Go, ein produktiv)
Bewertete Use Cases
10 bis 30 Stakeholder
Nutzende des Erfolgs-Agenten
Was ich gelernt habe
Copilot-Projekte scheitern oft nicht an Halluzinationen, sondern an unklarer Prozess- und Datenstatik. Wenn Datenmenge, Quellenlage und Vollständigkeitsanforderung nicht zur Toolfähigkeit passen, ist ein No-Go die bessere Beratung. Wenn der Prozess vorher sauber gemacht wird und der Datenscope eng bleibt, kann ein Agent echten Nutzen liefern.
Lassen Sie uns klären, ob diese Lösung zu Ihrem Fall passt.
In 30 Minuten prüfen wir gemeinsam, wo Sie stehen, was sinnvoll ist und ob ein pragmatischer nächster Schritt möglich ist.