KI-Initiativen priorisieren: Kriterien für eine begründete Reihenfolge

In Unternehmen entstehen KI-Ideen und Pilotvorhaben oft an mehreren Stellen. Das allein zeigt noch nicht, ob die Initiativen ausreichend abgestimmt oder mit den verfügbaren Ressourcen umsetzbar sind.

Was fehlt, ist kein Engagement. Was fehlt, ist eine Entscheidung darüber, was wirklich wichtig ist – und was nicht.

Warum parallele KI-Initiativen ein strukturelles Problem sind

Wenn verschiedene Fachbereiche eigene Vorhaben anstoßen, kann eine unternehmensweite Übersicht dabei helfen, Ziele, Abhängigkeiten und verfügbare Kapazitäten gemeinsam zu bewerten.

Parallele Vorhaben können um dieselben Ressourcen konkurrieren oder voneinander abhängen. Ob das zu Verzögerungen oder geringerer Wirkung führt, muss im jeweiligen Portfolio geprüft werden.

Eine hohe oder niedrige Zahl von Ideen ist für sich genommen kein Maß für Fortschritt. Eine Liste wird erst dann zur Handlungsgrundlage, wenn Ziele, Voraussetzungen und nächste Entscheidungen nachvollziehbar bewertet sind.

Der Unterschied zwischen einer Ideenliste und einer priorisierten Roadmap

Eine KI-Ideenliste kann Anwendungsfälle aus Fachbereichen, Workshops und weiterer Planung bündeln. Ohne Bewertung bleibt jedoch offen, welche Vorhaben zuerst geprüft werden sollten.

Eine KI-Roadmap ist etwas anderes. Sie ordnet Ideen nach nachvollziehbaren Kriterien:

• Welchen konkreten Nutzen verspricht diese Initiative?
• Welche Daten, Systeme und Kompetenzen sind dafür erforderlich?
• Welcher Aufwand steht dem Nutzen gegenüber?
• Wie hoch ist das Umsetzungsrisiko?
• Passt die Initiative zur strategischen Ausrichtung des Unternehmens?

Diese Fragen machen die Entscheidungsgrundlage vergleichbarer. Die Antworten bleiben Annahmen, soweit sie noch nicht durch Messungen oder Untersuchungen belegt sind; Reihenfolge und nächste Schritte sollten diese Unsicherheit abbilden. Eine Roadmap muss keine starre Abarbeitungsfolge bedeuten: Der NIST AI RMF beschreibt seine Aktivitäten ausdrücklich nicht als vorgeschriebene Reihenfolge, sondern als kontextabhängigen Rahmen.

Eine vorgelagerte Klärung des Problems beschreibt der Beitrag KI-Projekte ohne klares Problemverständnis.

Typische Konflikte: Wenn jeder Fachbereich seine Initiative für die wichtigste hält

Fachbereiche beurteilen Chancen aus ihren jeweiligen Aufgaben und Zielen. So können etwa Vertrieb, Logistik, Kundenservice und Buchhaltung unterschiedliche Anwendungsfälle vorschlagen.

Wenn Ziele und Bewertungskriterien fehlen, können Entscheidungen schwer nachvollziehbar werden. Ein gemeinsames Verfahren sollte Anbieterinteressen, Risiken und Auswirkungen auf andere Bereiche sichtbar machen.

Damit Ressourcen nicht allein nach Dringlichkeit oder Sichtbarkeit verteilt werden, sollten erwarteter Beitrag, Aufwand, Voraussetzungen und Unsicherheit gemeinsam betrachtet werden.

Warum „alles ist wichtig" kein Steuerungsmodell ist

Die Aussage „Wir müssen überall KI einsetzen" ist verständlich – aber nicht steuerbar. Prioritäten zu setzen bedeutet zwangsläufig, Entscheidungen zu treffen: Dieses Vorhaben jetzt, jenes später, ein anderes vielleicht gar nicht.

Diese Entscheidungen sind unbequem, weil sie Erwartungen enttäuschen können. Aber ohne sie lässt sich weder planen noch messen. Und ohne Messbarkeit bleibt unklar, ob KI-Initiativen überhaupt einen Beitrag leisten.

Wenn mehrere Vorhaben gleichzeitig verfolgt werden, sollten Kapazitäten, Abhängigkeiten und Fortschritt regelmäßig überprüft werden. Verzögerungen können organisatorische, technische oder fachliche Ursachen haben; eine Priorisierung allein löst diese nicht automatisch.

Priorisierung als Führungsaufgabe

KI-Priorisierung verbindet Geschäftsziele mit fachlichen, technischen und organisatorischen Voraussetzungen.

Die Verantwortung für Ziele und Risiken sollte klar geregelt sein. Fachbereiche, Technik, Datenschutz oder weitere zuständige Stellen liefern dafür unterschiedliche Perspektiven; die Führung sollte die relevanten Entscheidungen und Verantwortlichkeiten festlegen. Der NIST AI RMF beschreibt dafür unter anderem klare Rollen, die Verantwortung der Führung für KI-Risikoentscheidungen und die Ausrichtung an Organisationszielen (NIST AI RMF, Govern und Map).

Die Führung muss nicht jedes technische Detail selbst beurteilen. Sie sollte aber sicherstellen, dass strategische Kriterien, technische Einschätzungen und Risikobewertungen in die Entscheidung einfließen. Auch das GAO empfiehlt klare Ziele, Rollen und den Austausch mit unterschiedlichen Beteiligten in seinem KI-Rechenschaftsrahmen (GAO AI Accountability Framework).

Dafür braucht es eine strukturierte Grundlage – keine Sammlung von Anbieterversprechen, sondern eine neutrale Bewertung der eigenen Ausgangssituation.

Was eine fundierte KI-Priorisierung leisten muss

Eine belastbare Entscheidungsgrundlage für KI-Priorisierung umfasst mindestens:

1. Eine Bestandsaufnahme der vorhandenen Ideen und Initiativen
Was existiert bereits? Was ist in Planung? Wo laufen Pilotprojekte?

2. Eine Bewertung nach einheitlichen Kriterien
Nutzen, Aufwand, Datenverfügbarkeit, Risiko, strategische Relevanz – und zwar für alle Initiativen nach demselben Maßstab.

3. Eine Reihenfolge mit Begründung und offenen Annahmen Dokumentieren Sie, wer die Reihenfolge beschlossen hat, worauf sie beruht und wann sie überprüft werden soll.

4. Eine realistische Einschätzung der eigenen Voraussetzungen
Welche Kompetenzen sind vorhanden? Welche Systeme sind integrierbar? Wo sind die tatsächlichen Engpässe?

5. Umgang mit Interessen und Abhängigkeiten Legen Sie offen, welche Anbieter, Tools oder bestehenden Verpflichtungen die Bewertung beeinflussen können. Externe Expertise kann einfließen; Entscheidungskriterien und Zuständigkeit sollten beim Unternehmen nachvollziehbar bleiben.

Fazit

KI-Priorisierung verbindet Strategie, Fachwissen und technische Machbarkeit. Eine begründete Reihenfolge kann helfen, Annahmen und Ressourcen sichtbar zu machen; sie garantiert weder die Eignung einer Technologie noch den gewünschten wirtschaftlichen Effekt.

Eine Ideenliste bildet Möglichkeiten ab. Eine dokumentierte, überprüfbare Bewertung kann daraus eine Grundlage für nächste Entscheidungen machen.