Kurz zusammengefasst
- Ausgangspunkt ist ein konkreter Arbeitsablauf oder ein überprüfbares Ergebnis.
- Nutzen und Machbarkeit müssen getrennt beurteilt werden.
- Ein häufiger, klar abgegrenzter Vorgang ist meist geeigneter als eine grosse allgemeine Vision.
- Vor dem Start braucht es Erfolgskriterien und klare Stop- oder Weiterentscheidungen.
Vom Problem statt von der Technologie ausgehen
Viele Vorhaben starten mit der Frage, wo ein Chatbot oder Agent eingesetzt werden könnte. Aussagekräftiger ist die Frage, welcher heutige Ablauf Zeit verliert, unnötige Fehler erzeugt oder Wissen schwer zugänglich macht. Erst wenn die Ausgangslage konkret beschrieben ist, lässt sich prüfen, ob KI überhaupt das passende Mittel ist.
- Welcher Ablauf oder welches Ergebnis soll verbessert werden?
- Wer arbeitet heute damit und wie häufig tritt der Fall auf?
- Wo entstehen Wartezeit, Suchaufwand, Medienbrüche oder Qualitätsprobleme?
- Welche Verbesserung wäre für Mitarbeitende oder Kunden tatsächlich spürbar?
Braucht dieses Problem überhaupt KI?
Nicht jedes wertvolle Vorhaben ist ein KI-Anwendungsfall. Die beste Lösung ist das einfachste Mittel, das die Aufgabe zuverlässig, nachvollziehbar und wirtschaftlich erfüllt. Bevor ein Modell getestet wird, sollten deshalb auch Regeln, Suche, Schnittstellen sowie eine Verbesserung von Prozess und Daten geprüft werden.
Ein konkreter Vergleich macht den Unterschied sichtbar: Wird eine Bestellfreigabe allein durch strukturierte Betragsgrenzen, Kostenstellen und Lieferantenstatus bestimmt, genügt ein regelbasierter Workflow. Müssen dagegen unterschiedlich aufgebaute Rechnungen zuerst gelesen und Positionen prüfbar vorgeschlagen werden, kann KI die variable Dokumentinterpretation übernehmen, während die verbindliche Freigabelogik klassisch bleibt.
- Klare Regeln und strukturierte Eingaben: konventionelle Workflow-Automatisierung einsetzen.
- Exakte aktuelle Werte oder verbindliche Transaktionen: das führende Fachsystem über eine API abfragen.
- Einfaches Auffinden freigegebener Inhalte: zuerst klassische Suche und Navigation verbessern.
- Unklare Abläufe, widersprüchliche Daten oder fehlende Zuständigkeit: zuerst Prozess und Datengrundlage reparieren.
- Variable Sprache oder Inhalte mit prüfbarem Ergebnis: KI kann sinnvoll sein, etwa zum Klassifizieren, Zusammenfassen oder Vorbereiten eines Entwurfs.
Den erwarteten Nutzen messbar machen
Begriffe wie Effizienz, Qualität oder bessere Entscheidungen reichen als Ziel nicht aus. Ein sinnvoller Anwendungsfall verbindet den erwarteten Nutzen mit einer beobachtbaren Kennzahl und einem bekannten Ausgangswert. Die Messung darf einfach sein, muss aber vor dem Test feststehen.
- Bearbeitungs- oder Suchzeit pro Vorgang
- Anteil vollständig oder korrekt bearbeiteter Fälle
- Anzahl manueller Übergaben oder Rückfragen
- Reaktionszeit und Erreichbarkeit
- Kosten pro Vorgang oder entlastete Arbeitsstunden
Machbarkeit an Daten und Arbeitsablauf prüfen
Eine attraktive Idee ist nicht automatisch umsetzbar. Die benötigten Eingaben müssen zugänglich, ausreichend vollständig und für den vorgesehenen Zweck nutzbar sein. Ebenso wichtig ist, ob das Ergebnis in den bestehenden Arbeitsablauf passt und eine fachlich verantwortliche Person verfügbar ist.
- Sind repräsentative Eingaben und reale Testfälle verfügbar?
- Liegt das benötigte Wissen in Dokumenten, Datenbanken oder Fachsystemen?
- Kann ein gutes Ergebnis fachlich eindeutig beurteilt werden?
- Welche Schnittstellen und Berechtigungen werden benötigt?
- Wer verantwortet Inhalt, Tests und spätere Verbesserungen?
Fehlerfolgen und notwendige Kontrolle einordnen
Je stärker ein Ergebnis Personen, Geld, Rechte oder verbindliche Entscheidungen betrifft, desto höher sind die Anforderungen an Prüfung und Kontrolle. Gute erste Anwendungsfälle erzeugen einen relevanten Nutzen, ohne dass ein einzelner Fehler sofort einen grossen oder unumkehrbaren Schaden verursacht.
- Kann eine Person das Ergebnis vor der Verwendung prüfen?
- Ist ein Fehler erkennbar und korrigierbar?
- Darf das System nur vorschlagen oder auch selbst handeln?
- Werden besonders schützenswerte oder vertrauliche Daten verarbeitet?
- Welche Fälle müssen abgelehnt oder an eine Fachperson eskaliert werden?
Vier Dimensionen im Entscheidungsraster
Ein Raster macht unterschiedliche Ideen vergleichbar, ersetzt aber keine fachliche Entscheidung. Bewerten Sie jede Dimension mit belegbaren Beobachtungen statt mit einem pauschalen Gesamteindruck. Ein schwer kontrollierbares Risiko kann ein Ausschlusskriterium bleiben, auch wenn der erwartete Nutzen hoch ist.
| Dimension | Starkes Signal | Warnsignal | Beleg vor dem Start |
|---|---|---|---|
| Nutzen | Häufiger oder wichtiger Vorgang mit messbarer Zeit-, Qualitäts- oder Serviceverbesserung. | Allgemeines Innovationsziel ohne Ausgangswert oder betroffene Nutzergruppe. | Heutige Dauer, Fehlerquote oder Kosten plus Zielwert und Messzeitraum. |
| Machbarkeit | Repräsentative Daten, zugängliche Systeme und eine verantwortliche Fachperson sind vorhanden. | Entscheidende Informationen fehlen, sind widersprüchlich oder dürfen nicht verwendet werden. | Kleine Stichprobe realer Fälle, Datenfreigabe und bestätigte Integrationsannahmen. |
| Prüfbarkeit | Ein gutes Ergebnis und relevante Fehler lassen sich vor Verwendung eindeutig erkennen. | Bewertung bleibt subjektiv oder zeigt sich erst nach einer nicht rückgängig zu machenden Wirkung. | Testfälle mit erwarteten Aussagen, Toleranzen, Ablehnungsfällen und benannter Bewertung. |
| Risiko und Kontrolle | Fehler sind begrenzt, korrigierbar und werden vor einer folgenreichen Aktion geprüft. | Das System beeinflusst Rechte, Geld oder Personen ohne wirksame Freigabe und Rückfallweg. | Datenklassifizierung, erlaubte Aktionen, Freigaben, Eskalation und Stop-Kriterien. |
Eine begründete Startentscheidung treffen
Nicht jeder gute Anwendungsfall muss sofort produktiv umgesetzt werden. Die Bewertung bestimmt zunächst, welche offene Frage als Nächstes belegt werden soll. Ein kleiner Test kann die technische Machbarkeit prüfen; ein Pilot untersucht zusätzlich den tatsächlichen Nutzen im Arbeitsalltag.
- Schritt 1
Problem eingrenzen
Zielgruppe, Vorgang und gewünschtes Ergebnis eindeutig beschreiben.
- Schritt 2
Ausgangslage messen
Heutige Qualität, Dauer und Aufwand mit wenigen Kennzahlen festhalten.
- Schritt 3
Nutzen, Machbarkeit und Risiko bewerten
Annahmen und offene Fragen sichtbar dokumentieren.
- Schritt 4
Kleinsten sinnvollen Test wählen
Nur den Umfang bauen, der die wichtigste Unsicherheit klärt.
- Schritt 5
Entscheidungspunkt festlegen
Vorab definieren, wann gestoppt, angepasst oder weiterinvestiert wird.
Beispiel: Serviceanfragen vorsortieren
Ein technischer Kundendienst erhält täglich Anfragen per E-Mail. Heute lesen Mitarbeitende jede Nachricht, suchen die Kundennummer und wählen manuell die zuständige Fachgruppe. Für einen ersten Pilot werden nur häufige, eindeutig zuordenbare Kategorien verwendet. Gemessen werden korrekte Zuordnung, eingesparte Bearbeitungszeit und notwendige Korrekturen. Das System erstellt zunächst nur einen Vorschlag; die endgültige Weiterleitung bleibt beim Serviceteam. So lassen sich Nutzen und Fehlerfolgen mit realen Fällen prüfen, ohne den gesamten Serviceprozess zu automatisieren.
Was Sie mitnehmen sollten
Priorisieren Sie nicht die eindrucksvollste Idee, sondern den Anwendungsfall, bei dem ein relevantes Problem, geeignete Daten, prüfbare Ergebnisse und beherrschbare Fehlerfolgen zusammenkommen.
Quellen und Vertiefung
Diese Primärquellen vertiefen Definitionen, technische Grundlagen oder verantwortlichen Einsatz.
Inhaltlich geprüft