KI-Projekte: Den betrieblichen Bedarf vor der Lösung klären

Ein KI-Vorhaben kann mit einem konkreten Werkzeug, einer Idee oder einem betrieblichen Anliegen beginnen. Für die Entscheidung, ob KI dafür geeignet ist, hilft es, zunächst den Bedarf und das gewünschte Ergebnis zu beschreiben. Eine erste Erkundung kann dabei auch dazu dienen, das Problem genauer einzugrenzen.

Diese Klärung hilft, Anwendungsideen mit dem betrieblichen Bedarf abzugleichen.

Der Unterschied zwischen Use Case und Problem

Ein Use Case beschreibt, was eine Technologie leisten kann. Ein Problem beschreibt, was im Unternehmen nicht funktioniert – und warum das geschäftlich relevant ist.

Beides ist nicht dasselbe. Die Unterscheidung erleichtert es, die Anwendungsidee mit dem eigentlichen Bedarf abzugleichen.

Wenn ein Unternehmen sagt: „Wir wollen KI für die Dokumentenverarbeitung einsetzen", ist das eine Anwendungsidee. Ein mögliches betriebliches Anliegen könnte sein, dass die Bearbeitung bestimmter Dokumente zu lange dauert. Um das zu prüfen, müsste das Unternehmen den tatsächlichen Ablauf und den Ausgangszustand erheben, statt eine nicht gemessene Dauer oder Folge vorauszusetzen.

Eine Anwendungsidee allein liefert noch keinen Maßstab für ihren Erfolg. Dafür braucht es einen Bezug zu einem gewünschten Ergebnis und zur Ausgangssituation. Auch dann folgt aus einem erfolgreichen Test noch nicht automatisch, dass das Vorhaben im größeren Betrieb wirtschaftlich oder organisatorisch tragfähig ist.

Warum KI häufig auf Symptome statt Ursachen angesetzt wird

Anstöße für KI-Vorhaben können aus unterschiedlichen Richtungen kommen: aus Wettbewerbsbeobachtung, internen Verbesserungswünschen oder Angeboten von Technologieanbietern. Ein solcher Anstoß sagt noch nicht, ob KI für den konkreten Bedarf geeignet ist.

In diesen Fällen kann eine strukturierte Prüfung helfen, Bedarf, Ursache und mögliche Lösungswege auseinanderzuhalten. Andernfalls besteht das Risiko, eine sichtbare Beschwerde zu bearbeiten, ohne ihre Ursache ausreichend zu verstehen.

Ein hypothetisches Beispiel: Ein Unternehmen möchte wegen eines hohen Anfrageaufkommens einen Chatbot einführen. Bei der Ursachenanalyse könnte sich zeigen, dass unklare oder schwer auffindbare Produktinformationen einen Teil der Anfragen erklären. Dann wären neben einem Chatbot auch Verbesserungen an Informationen und Prozessen zu vergleichen. Ob eine dieser Maßnahmen das Anfrageaufkommen verändert, müsste anschließend gemessen werden.

Eine nicht geprüfte Ursache kann zu Aufwänden führen, die den angestrebten Bedarf nicht adressieren. Welche finanziellen oder organisatorischen Folgen daraus entstehen, hängt vom konkreten Projekt ab.

Typische Fehlvorstellungen bei der KI-Problemdefinition

„Wir probieren es einfach aus."
Ein Pilot kann auch explorativ angelegt sein. Für eine spätere Entscheidung sollten Sie jedoch dokumentieren, welche Frage er untersucht, welche Bedingungen gelten und welche Befunde eine Anpassung, Fortführung oder Beendigung nahelegen.

Weitere Hinweise zu Fragestellung, Kriterien und Anschlussentscheidung enthält der Beitrag KI-Pilotprojekte entscheidungsfähig aufsetzen.

„Das Problem kennt die IT-Abteilung."
Technische Teams können Machbarkeit, Architektur und Risiken beurteilen. Die Einordnung betrieblicher Ziele und Prioritäten braucht zusätzlich die Perspektive der betroffenen Fachbereiche und der dafür verantwortlichen Entscheidungsträger.

„Der Use Case ist doch klar."
Ein Use Case ist eine mögliche Anwendung, kein Nachweis dafür, dass sie den betrieblichen Bedarf erfüllt. Beginnen Sie bei der Bewertung mit dem Anliegen, auch wenn die Idee ursprünglich aus einer konkreten Lösung stammt.

„Wir lernen beim Machen."
Iteratives Vorgehen kann sinnvoll sein, um Annahmen zu prüfen und die Fragestellung weiterzuentwickeln. Es ersetzt nicht die spätere Bewertung, ob KI im jeweiligen Kontext geeignet ist und welche Alternativen bestehen.

Wie eine strukturierte Problemdefinition aussieht

Eine strukturierte Problemdefinition kann vier Fragen beantworten:

1. Was ist das konkrete betriebliche Problem?
Nicht als allgemeine Unzufriedenheit, sondern als beschreibbarer Zustand: Was passiert heute, was nicht passieren sollte – oder was nicht passiert, was passieren sollte?

2. Wie lässt sich das Anliegen beobachten oder messen? Wählen Sie passende Hinweise oder Kennzahlen, um den Ausgangszustand und eine mögliche Veränderung zu beurteilen. Die Messmethode richtet sich nach Ziel und Prozess.

3. Was ist die wahrscheinliche Ursache?
Symptom und Ursache sind oft nicht deckungsgleich. Ein KI-System, das nur ein Symptom adressiert, behebt möglicherweise nicht die zugrunde liegende Ursache.

4. Welche Priorität hat das Anliegen? Vergleichen Sie erwarteten Beitrag, Aufwand, Risiken und Voraussetzungen mit anderen Vorhaben. Die Entscheidung sollte fachliche und technische Einschätzungen berücksichtigen.

Je nach Vorhaben kann eine strukturierte interne Klärung genügen; bei komplexen oder konfliktträchtigen Fragen kann eine zusätzliche unabhängige Perspektive hilfreich sein.

Entscheidungslogik vor Lösungslogik

Ein häufiger methodischer Stolperstein ist der schnelle Wechsel von der Beschreibung des Anliegens zur Auswahl einer konkreten Lösung. Die beiden Schritte sollten nachvollziehbar verbunden werden.

Anbieter kennen ihre Produkte und deren Einsatzmöglichkeiten besonders gut. Ihre Perspektive kann wertvoll sein; zugleich sollten Unternehmen prüfen, ob vorgeschlagene Lösungen zu ihrem Bedarf passen und welche Alternativen es gibt.

Eine Produktpräsentation kann den Blick auf die angebotene Lösung lenken. Eine eigene Beschreibung des Bedarfs hilft, Angebote anhand derselben Ziele und Kriterien zu vergleichen.

Die Problemdefinition muss nicht vollständig abgeschlossen sein, bevor Sie mit Anbietern sprechen. Halten Sie aber Ihr Anliegen, offene Fragen und Bewertungskriterien fest, damit Gespräche die Erkundung unterstützen statt allein den Lösungsrahmen vorzugeben. Der NIST AI RMF empfiehlt, Geschäftskontext, Ziele und Anforderungen zu dokumentieren und unterschiedliche Perspektiven einzubeziehen (NIST AI RMF, Map und Govern). Für die Auswahl von Anwendungsfällen empfiehlt auch der AI Playbook der britischen Regierung, bei betrieblichen und Nutzerbedürfnissen anzusetzen und Machbarkeit sowie mögliche Vorteile zu prüfen.

Was das für Ihre Entscheidungssituation bedeutet

Wenn Sie gerade ein KI-Projekt oder einen Pilot erwägen, dokumentieren Sie zunächst den betrieblichen Bedarf, den gewünschten Effekt und die offenen Annahmen. Anschließend können Sie prüfen, welche Maßnahme – einschließlich KI und Alternativen – dafür geeignet sein könnte.

Diese Frage lässt sich intern beantworten – wenn die richtigen Perspektiven im Raum sind und der Prozess strukturiert ist. In vielen Unternehmen fehlt dafür die Zeit, die Methode oder die Distanz zum laufenden Betrieb.

Fazit

Probleme in KI-Projekten können technische, organisatorische oder fachliche Ursachen haben. Ein klar beschriebenes Anliegen hilft, Lösungsideen zu prüfen und Erfolgskriterien festzulegen; es ist ein Teil der Bewertung und keine Garantie für ein erfolgreiches Vorhaben.

Wer Bedarf, Ausgangszustand und gewünschtes Ergebnis dokumentiert, kann besser beurteilen, ob KI oder eine andere Maßnahme zum Anliegen passt.