KI Fitness Check: Der DrKPI® Burger-Test für Ihr KMU

Ob KI im KMU Sinn ergibt, ist heute zweitrangig. Entscheidend ist der ROI-Beweis. Der Burger-Test zeigt in 3 Schritten, welche Aufgabe sich für KI eignet und wie Sie das Resultat prüfen, bevor es Ihre Kunden erreicht.

Nach dem Risiko-Überblick in Blog A folgt hier der praktische Gegenweg.

📑 Inhaltsverzeichnis (Klick zum Expandieren)

1. KI im KMU einsetzen: Der Burger-Test mit 3 Schritten
2. 3 Kriterien: Eignet sich die Aufgabe für KI im KMU?
3. Prüfen dauert länger als gedacht
4. Beispiel aus der Praxis: Pfälzer Rüebli
5. Was die Zahlen zeigen
6. KI-Fitnesstest für Ihre nächste Aufgabe
7. Selbst-Check: Wo stehen Sie?
8. FAQ: Häufige Fragen zum Burger-Test
9. Fazit
10. Verwandte Beiträge
11. Live dabei sein
12. Literatur & Quellen

KI im KMU einsetzen: Der Burger-Test mit 3 Schritten

↑ Zurück zum Inhaltsverzeichnis

KI schreibt schnell, antwortet in Sekunden und produziert fliessende Texte oder Code. Doch die eigentliche Arbeit steckt in der Planung (z. B. Faktenrecherche, Sicherstellung verlässlicher und valider Daten), den klaren und detaillierten Instruktionen sowie der kontinuierlichen Prüfung der Resultate.

Genau hier setzen wir an: Am Beispiel der Erstellung von Content zeigen wir, wie Sie richtig mit KI arbeiten. Dieselben 3 Schritte gelten aber genauso für Arbeitsprozesse, die Sie verbessern, ja teilweise automatisieren wollen, oder für Computercode.

Der Burger zeigt die Aufteilung: Die obere Hälfte vom Brötchen oder Hamburger-Bun steht für die Planung des Projektes und der Instruktion(en) der KI, wie sie vorgehen soll. Das Beef oder Veggie-Patty ist die KI, sie erledigt die Fleissarbeit. Das untere Brötchen steht für das Überprüfen und Verbessern. Sie entscheiden über die Würze und ob der Burger serviert wird.

1️⃣ Planen (Top Bun)

Schritt 1 hat zwei Teile: die Projektdefinition (1a) und das Instruieren der KI (1b).

1a Projektdefinition

Legen Sie 1 oder 2 SMART-Ziele fest, bevor Sie KI starten.

💡 Was bedeutet SMART?

Die Ziele sollen spezifisch, messbar, attraktiv, realistisch und terminiert (SMART) sein. An ihnen wird der Erfolg des Projektes gemessen. Anforderungen sind eindeutige Vorgaben darüber, welche Eigenschaften ein Projektergebnis haben muss. Download: Leitfaden Projekte, Digital Marketing, Innovation

Beispiel:
„Reduzieren wir die Zeit für die monatliche Aktualisierung aller Produktbeschreibungen von durchschnittlich 3,5 Std auf höchstens 1,5 Std innerhalb von 60 Tagen, ohne Einbusse bei Kundenbindung und Markenbotschaft.“

1b Instruieren (Käse-Schicht)

Laden Sie eine kurze Regeldatei hoch und liefern Sie die Daten. Klare Befehle statt vager Wünsche: nicht „schreib mal was über Karotten“, sondern „schreibe einen 130-Wort-Produkttext für Pfälzer Rüebli, Bio, warm und regional im Ton“.

Von Vorteil ist, wenn Sie die Instruktionen in der Form einer .md-Datei an die KI weitergeben oder direkt im Terminal-Modus arbeiten. Studieren Sie die Datei: Ist sie kurz und präzise formuliert, lohnt sich das Verbessern.

💡 Was ist eine .md-Datei?

Eine .md-Datei (Markdown) ist ein reines Textdokument mit einfacher Auszeichnungssprache, das KI schnell verarbeiten kann. Vorteil gegenüber einer txt-Datei: Formatierung wie Fett, Kursiv und Überschriften bleibt erhalten.
PS. Google Docs unterstützt jetzt Markdown-Dateien, und Google Drive zeigt Markdown-Dateien als Vorschau an.

Zwei Wege, je nach Vorliebe: einfach Text eingeben (non-tech) oder Regeldatei mit Platzhaltern (für technisch Versierte).

Variante A: Klartext-Anweisung (ohne Datei)

Schreibe einen Produkttext für Pfälzer Rüebli (Bio), ca. 130 Wörter.
Zielgruppe: Familien, Region Bodensee.
Tonfall: warm, regional, ohne Superlative.
Fakten nur aus diesen Angaben: gelbe, spitz zulaufende Karotten mit
grünlicher Schulter, regional in der Schweiz angebaut, Lager bis
Ende Monat.

Variante B: Regeldatei mit Platzhaltern (wiederverwendbar)

PRODUKT_RUEEBLI.md
voice_tone: warm, regional Zürich/Bodensee, ökologisch wertorientiert
no_fillers: vermeiden Sie "durchaus", "weitestgehend"
source_data: aktuelle Lagervorschau, Bio-Zertifikat
template: {{PRODUKTNAME}} liefert {{QUALITÄT}} aus {{HERKUNFT}} für {{ZIELGRUPPE}}, ideal für {{VERWENDUNG}}.
avoid: unbelegte Superlative "beste"
language: ss statt ß

2️⃣ Ausführen (Beef: KI erledigt die Fleissarbeit)

Die KI arbeitet einen ersten Entwurf aus, mit den Daten und gemäss Regeln inklusive Zielsetzung. Dieser Arbeitsprozess dauert oft nur ein paar Sekunden.

3️⃣ Prüfen (Bottom Bun)

Erhalten Sie 2 bis 3 Entwürfe, prüfen Sie in maximal 10 Minuten, korrigieren Sie, lassen Sie neu generieren. Iterieren Sie, bis das Ergebnis das Ziel erfüllt.

3 Kriterien: Eignet sich die Aufgabe für KI im KMU?

↑ Zurück zum Inhaltsverzeichnis

Bevor Sie den Burger-Test starten, prüfen Sie 3 Kriterien:

• Oft ausgeführt: Die Aufgabe kommt regelmässig vor, z. B. täglich.
• Klar definierte Schritte: Der Ablauf lässt sich in eindeutige Teilschritte zerlegen, ohne Interpretationsspielraum.
• Harmlose Fehlerfolgen: Ein Fehler verursacht keinen Schaden bei Kunden, Finanzen oder Recht.

Beispiele: Social-Media-Post, Blogeintrag verbessern, saisonale Produkttexte, Standard-Antworten. Bei allen gilt: Der Mensch bleibt für die finale Kontrolle zuständig.

Negativbeispiel: kritische Infrastruktur, rechtliche Beratung, strategische Grundsatzentscheide. Hier übersteigen zur Zeit vielleicht die Fehlerkosten den Nutzen.

Details zur Bewertung mit Häufigkeit, Komplexität, Vernetzung und Fehlerkosten finden Sie in der Checkliste: Welche Aufträge AI erledigen kann (Gattiker, 2025).

Prüfen dauert länger als gedacht

↑ Zurück zum Inhaltsverzeichnis

Viele merken erst beim Prüfen: KI-Projekte verhalten sich anders als klassische IT-Projekte.

Tabelle 1. Vergleich von IT-Projekten mit KI-Projekten: Was ist gleich, was ist anders?

Dimension	IT-Projekte	KI-Projekte
Verhalten	Deterministisch (vorhersehbar)	Probabilistisch (Wahrscheinlichkeiten)
Testfokus	Code, Logik, Benutzeroberfläche	Datenqualität, Modellgenauigkeit, Bias
Fehlersuche	Klarer Bug im Code (Zeile X)	Musterfehler, falsche Gewichtung im Modell
Herausforderungen	Testing vor dem Rollout: oft auf einen Halbtag komprimiert statt verteilt. Best Practice: Testen dann mehrere Tage zur Korrektur, danach nächster Test.1	Kritische Hinterfragung des Resultats, mehrere Testing Tools, Abwägung von Vor- und Nachteilen.2
Zeitaufwand	Sinkt oft durch Testautomatisierung	Bleibt hoch, da menschliche Validierung nötig ist

¹ Wer beim Programmieren am Testen spart, spart keine Zeit. Der Aufwand wandert nur in spätere, oft aufwendigere Debugging-Zyklen (Patel, 2026). Über 80 % der professionellen Entwickler verbringen weniger als 40 % ihrer Arbeitszeit mit Testen. Gleichzeitig sagen 42 %, dass sie mehr Tests schreiben müssten, um Sonderfälle sicher abzudecken. 35 % nennen hohen Aufwand und Reibung als Grund für zu wenig Tests (Straubinger & Fraser, 2023). Management sagt oft 0,5 Tage fürs Testen statt über 4 Wochen immer wieder 1 Stunde testen und dann verbessern vor dem Rollout.

² Mehr KI-generierter Code bedeutet nicht automatisch mehr Produktivität. Farrag (2026) analysierte 67 Studien und Berichte: KI-Coding kann bei klar abgegrenzten Aufgaben die Produktivität um 20 bis 56 % steigern. Eine randomisierte Studie fand dagegen bei erfahrenen Entwicklern 19 % weniger Produktivität. Telemetriedaten von mehr als 10’000 Entwicklern zeigen zudem 98 % mehr Pull Requests, aber 91 % längere Review-Zeiten, während die Lieferleistung insgesamt kaum zunahm.

Ohne klare Spezifikationen und Prüfung kann der mit KI-Coding gewonnene Produktivitätsgewinn schnell wieder verloren gehen. Dann frisst der zusätzliche Review- und Wartungsaufwand die eingesparte Zeit auf (Farrag, 2026). Das ganze wird dann womöglich viel teurer als geplant.

Lösung: Prüfzeiten verkürzen

Beginnen Sie mit dem Prüfen nicht erst beim fertigen Resultat. Bereinigen Sie Ihre Daten und Instruktionen so früh wie möglich. Ungenaue Instruktionen und fehlerhafte Daten verdoppeln schnell einmal die Zeit von der Idee bis zur Realisation eines Projektes.

Das ist genau die Verbindung zum Burger-Test: Nicht erst bei Schritt 3 investieren, sondern schon bei der Projektdefinition (Schritt 1a), den Instruktionen (Schritt 1b) und beim Überprüfen dieser Arbeiten sehr genau arbeiten. Die frühe Investition zahlt sich beim ersten Test aus.

Beispiel aus der Praxis: Pfälzer Rüebli

↑ Zurück zum Inhaltsverzeichnis

So sieht der Burger-Test in Echt aus, inklusive typischem KI-Fehler und Korrektur.

Instruktion eines Schweizer Gemüsebauern (Schritt 1b): „Schreibe eine 130-Wort-Produktbeschreibung für Pfälzer Rüebli (Bio), prägnant, ohne Füllwörter.“

Erster Entwurf (KI-Output, ungeprüft):

Pfälzer Rüben: süsslich, herb und saftig aus dem Südwesten Deutschlands, zertifiziert biologisch angebaut und direkt aus der Region geliefert. Ideal für Eintöpfe und Ofengemüse. Ihr komplexer Geschmack harmoniert hervorragend mit Käse und würziger Butter.

Prüfung (Schritt 3): Die Herkunft ist falsch. „Pfälzer Rüebli“ bezeichnet eine gelbe, spitz zulaufende Karotte mit einer grünlichen „Schulter“ am Stielansatz. Sie gilt als Urform der heutigen orangefarbenen Karotte und wird unter anderem auch regional in der Schweiz angebaut, nicht nur in der Pfalz.

Korrigierter Entwurf (nach Prüfung):

Pfälzer Rüebli: goldgelbe, spitz zulaufende Karotten mit grünlicher Schulter am Stielansatz. Sie gelten als Urform der heutigen Karotte und werden regional in der Schweiz angebaut. Ideal für Cremesuppen, Chilis, Ofengemüse oder roh geraspelt im Salat. Ihr komplexer, süsslich-herber Geschmack harmoniert mit Käse und Butter. Dank kompakter Form lassen sie sich bequem portionieren.

Die Lektion: Die Fehlinformation wäre womöglich beim Endkunden gelandet, z. B. in einer Werbebroschüre, hätten Sie Schritt 3 ausgelassen. Prüfen Sie immer. Vor allem das, was plausibel klingt, kann auch falsch sein.

Was die Zahlen zeigen

↑ Zurück zum Inhaltsverzeichnis

Quelle	Fakt	Relevanz für KMU
Slok (2026-09)	69 % setzen KI ein, nur 2 % messen den Nutzen längerfristig	KI-Nutzung ist verbreitet, der Nachweis für Produktivitätsgewinne fehlt meist
Choi & Xie (2025-05)	55 % mehr Zeit für Kunden, 8,5 % mehr strategischer Spielraum	Zeitgewinn ist ein echter Hebel, wenn der Mensch die Kontrolle behält
DrKPI Pilotprojekt (anonymisiert)	40 % weniger KI-Kosten pro Mitarbeiter nach 2 Monaten	Möglich bei sinnvoller Aufgabenauswahl und konsequenter Prüfung
Farrag (2026)	KI-Coding kann Produktivität um 20 bis 56 % steigern, aber 91 % längere Review-Zeiten	Mehr KI-Code bedeutet nicht automatisch mehr Produktivität ohne klare Spezifikation
Straubinger & Fraser (2023)	42 % der Entwickler schreiben zu wenige Tests, 35 % nennen hohen Aufwand	Management unterschätzt Testaufwand, Tests wandern nach hinten

KI-Fitnesstest für Ihre nächste Aufgabe

↑ Zurück zum Inhaltsverzeichnis

So überprüfen Sie selbst, inwiefern die Arbeit mit KI Ihre Produktivität und die Qualität Ihrer Resultate verbessert:

1. Wählen Sie eine Routineaufgabe (z. B. Monats-Newsletter-Headlines, Standard-Antworten, saisonale Produkttexte).
2. Planen Sie (Schritt 1a): SMART-Ziel und KPI festlegen.
3. Instruieren Sie (Schritt 1b): Regeldatei und Daten für die KI bereitstellen.
4. Prüfen Sie (Schritt 3): KI-Ergebnisse gegen SMART-Ziel messen, korrigieren, iterieren.
5. Dokumentieren Sie den Zeitaufwand. Nur so haben Sie den Beweis, z. B. dass Zeit gespart wurde.

Selbst-Check: Wo stehen Sie?

↑ Zurück zum Inhaltsverzeichnis

• Haben Sie klare Instruktionen bereit für den Hilfsarbeiter namens KI? Sonst ist Ihr Helfer hilflos.
• Prüfen Sie den Output? Sonst essen Sie Fast Food ungeprüft.
• Sind die Fehlerfolgen harmlos? Sonst gilt: Vorsicht ist die Mutter der Porzellankiste.

Jetzt aktiv werden

↑ Zurück zum Inhaltsverzeichnis

• Handout 1: 4-Fragen-Checkliste zum schnellen Scan vor jedem KI-Einsatz.
• Webinar am 18. Januar 2027: Sie üben die Checkliste live und erhalten Handout 2.
• Termin sichern (DrKPI Landing Page, intern, kein UTM).

Weitere Beiträge zu KI und Technologie finden Sie in der Kategorie KI und Technologie auf dem DrKPI Blog.

FAQ: Häufige Fragen zum Burger-Test

↑ Zurück zum Inhaltsverzeichnis

Was ist der Burger Test bei KI?

Der Burger Test ist ein 3-Schritte-Workflow für den KI-Einsatz: 1a Projektdefinition (SMART-Ziel), 1b Instruktion (Regeldatei), 2 KI-Ausführung, 3 Prüfung und Iteration. Er hilft KMU, KI gezielt einzusetzen, ohne Qualitätsverlust.

Welche Aufgaben eignen sich für KI im KMU?

Aufgaben mit 3 Kriterien: oft ausgeführt, klar definierte Schritte, harmlose Fehlerfolgen. Beispiele: Produkttexte, Standard-E-Mail-Antworten, Newsletter-Headlines. Der Mensch bleibt unverzichtbar für die finale Kontrolle.

Wie messe ich den ROI von KI?

Ziel und Kennzahl vor Einsatz definieren (Baseline), dann Zeitaufwand vor und nach KI dokumentieren. Nur so haben Sie den ROI-Beweis: Zeitersparnis, Kostensenkung oder Qualitätsverbesserung messbar belegen.

Brauche ich Instruktionen für die KI?

Ja. Klare Regeln schaffen Konsistenz. Entscheidend sind klare Regeln für Rolle, Stil, Quellen, Grenzen und Prüfung.

Reicht ein KI-Modell für mein KMU?

Ein gutes Modell zuerst, dann ein Zweites für Gegenchecks. Jedes Tool hat andere Stärken, wie Basketball und Fussball unterschiedliche Talente verlangen. Mehrere Tools sehr gut zu beherrschen ist schwierig und zeitaufwendig. Begrenzen Sie die Auswahl auf 1 bis 2 Tools, sonst verlieren Sie Übersicht.

Was kostet der KI-Einsatz langfristig?

Modellwahl, Nutzung, Token-Verbrauch, Prozesse und Kontrollen beeinflussen die Kosten. Strukturierte Instruktion und Prüfung können unnötige KI-Nutzung reduzieren. In unserem Praxisbeispiel sanken die KI-Kosten pro Mitarbeiter nach 2 Monaten um 40 %.

Fazit

↑ Zurück zum Inhaltsverzeichnis

🍔 Ob KI im KMU genutzt wird, ist heute irrelevant. Wichtig ist der ROI-Beweis.

• 69 % setzen KI ein. 29 % beziffern Ergebnisse. Nur 2 % messen sie über Zeit (Slok, 2026-09).
• 55 % mehr Zeit für Kunden, 8,5 % mehr strategischer Spielraum (Choi & Xie, 2025-05).
• 40 % weniger KI-Kosten pro Mitarbeiter nach 2 Monaten (DrKPI Pilot, anonymisiert).
• KI-Coding kann die Produktivität steigern, aber auch den Review-Aufwand erhöhen. Entscheidend sind klare Spezifikationen und Governance (Farrag, 2026). Nutzen Sie den DrKPI® Burger-Test.

3 Schritte. 1 Test. Sicherheit statt Hype.

Verwandte Beiträge

↑ Zurück zum Inhaltsverzeichnis

• Blog A: KI-Risiko: Hinton vs. Huang
• Checkliste: Welche Aufträge AI erledigen kann
• Schatten-KI: DSGVO-Checkliste für KMU
• Newsletter: Jetzt von DrKPI abonnieren

Live dabei sein

↑ Zurück zum Inhaltsverzeichnis

Der Marketing Club Lago (#MCLago) lädt Sie zum Webinar «KI Fitness Check für KMU» ein.

• Datum: 18. Januar 2027, 18:00 bis 19:10 Uhr
• Ort: Online. Den Zugangslink erhalten Sie nach der Anmeldung kurz vor dem Webinar.
• Kosten: MC Lago Mitglieder und Gäste kostenfrei. Nicht-Mitglieder zahlen eine Spende von 20 Euro.
• Bonus: Handout 2 teilen wir live zum Download im Webinar-Chat.

Wollen Sie sich vorbereiten? Handout 1 herunterladen mit der 4-Fragen-Checkliste, ob sich eine Aufgabe für KI eignet.

📨 DrKPI Newsletter — nie mehr einen Beitrag verpassen

KI, KMU, Strategie und Trends, kompakt erklärt.

📨 Jetzt Newsletter abonnieren

📡 RSS-Feed abonnieren

Bleiben Sie automatisch auf dem Laufenden, neue Beiträge direkt in Ihren Feed-Reader.

📡 RSS-Feed abonnieren

📚 Literatur & Quellen — klick zum Expandieren

Studien & Berichte:

Choi, J. & Xie, T. (2025-05). Human-AI interaction in accounting: Early evidence from the field. Stanford GSB Working Paper.

↑ Zum Abschnitt: Was die Zahlen zeigen

Farrag, S. E. (2026-05-01). The productivity-reliability paradox: Specification-driven governance for AI-augmented software development. arXiv:2605.01160.

↑ Zum Abschnitt: Prüfen dauert länger

Gattiker, U. E. (2025-04-04). KI Effektivität und Effizienz. DrKPI Blog.

↑ Zum Abschnitt: 3 Kriterien

Patel, N. (2026-04-08). Why debugging takes so long (even in 2026). Better Bugs Blog.

↑ Zum Abschnitt: Prüfen dauert länger

Slok, T. (2026-09). From who is deploying AI to who can prove the ROI. Apollo Insights.

↑ Zum Abschnitt: Was die Zahlen zeigen

Straubinger, P. & Fraser, G. (2023-09-03). A survey on what developers think about testing. 2023 IEEE 34th ISSRE. DOI:10.1109/ISSRE59848.2023.00075.

↑ Zum Abschnitt: Prüfen dauert länger

🔍 Erklärung zur KI-Nutzung

Alle Kernideen, die kreative Ausrichtung und der intellektuelle Inhalt stammen vom Autor. KI-Tools wurden ausschliesslich zur Unterstützung bei Grammatik, Verständlichkeit und struktureller Überarbeitung eingesetzt. Jedes Element des endgültigen Werkes wurde von Urs E. Gattiker, Ph.D., DrKPI®, geprüft und genehmigt.

Verantwortlichkeitserklärung zur KI Nutzung

Hashtags: #BurgerTest #KIimKMU #DrKPI