Bis hierhin kann Ihr AI Business Case auf dem Papier überzeugend genug aus, um nicht aufzuhören. Zeit für einen Realitätscheck.
Sie wissen, welche Informationsaufgabe KI übernehmen soll. Sie wissen aber noch nicht genau, welche Schwierigkeiten bei der tatsächlichen Umsetzung auftreten können.
Genau darum geht es bei der Exploration.
Die zentrale Frage lautet:
Dabei geht es noch nicht darum, die technische Machbarkeit endgültig zu beweisen.
Sie suchen zunächst nach allem, was den Case später schwierig, aufwendig oder möglicherweise unmöglich machen könnte.
1 · Exploration
Worum geht es?
Eine KI-Aufgabe kann auf dem Papier klar beschrieben sein und trotzdem in der Praxis scheitern.
- Vielleicht sind Daten zwar vorhanden, aber nicht zugänglich oder nicht zuverlässig genug.
- Vielleicht liegen entscheidende Regeln nur im Erfahrungswissen einzelner Mitarbeitender.
- Vielleicht müssen Systeme verbunden werden, die heute nicht miteinander kommunizieren.
- Vielleicht entstehen Anforderungen an Datenschutz, Sicherheit oder Betrieb.
- Vielleicht ist noch unklar, wer die Ergebnisse prüft, wer Verantwortung übernimmt oder wer die Lösung später betreibt.
All das muss jetzt noch nicht vollständig gelöst werden.
Aber Sie sollten früh erkennen:
Denn alles, was fehlt oder unklar ist, kann später zu:
- zusätzlichem Aufwand,
- Zeitbedarf,
- Kosten,
- Risiken
- oder einem Hinderungsgrund
werden.
Exploration bedeutet deshalb:
Wir suchen nicht den Beweis, dass es funktioniert. Wir suchen nach allem, was dagegen sprechen könnte.
2 · Ergebnis
Was haben Sie am Ende?
Sie haben einen kompakten Exploration Check.
Darauf stehen:
- notwendige Voraussetzungen,
- erkennbare Hürden,
- offene Fragen,
- mögliche kritische Punkte,
- erste Einschätzung.
Das Ergebnis kann beispielsweise lauten:
- keine offensichtlichen Hürden,
- offene Punkte – später prüfen,
- möglicher kritischer Hinderungsgrund.
Mehr muss dieser Schritt noch nicht leisten.
3 · Grundlage
Was brauchen Sie dafür?
Sie brauchen:
- Ihre AI Delegation Karte,
- Kenntnis der benötigten Daten und Informationsquellen,
- Menschen, die den Prozess praktisch kennen, mit Fach- und Erfahrungswissen, mit Wissen über Datenschutz und Sicherheit,
- erste Einschätzungen zu Integration und Betrieb.
Es reicht eine erste fundierte Analyse.
Sie brauchen noch keinen vollständigen Projektplan und keine endgültige technische Architektur.
4 · Vorgehen
Wie gehen Sie vor?
Voraussetzungen prüfen
Fragen Sie zunächst:
Betrachten Sie insbesondere:
- benötigte Daten,
- Datenzugang,
- Datenqualität,
- Regeln und Auswahlkriterien,
- Fach- und Erfahrungswissen,
- notwendige Systeme und Zugriffe,
- Qualitätsmaßstäbe.
Fragen Sie:
- Gibt es Probleme bei den benötigten Daten?
- Sind sie ausreichend zugänglich, aktuell und zuverlässig?
- Können wichtige Regeln beschrieben werden?
- Gibt es kritisches Wissen, das nur in den Köpfen einzelner Mitarbeitender steckt?
- Können wir überhaupt beurteilen, ob der KI-Output gut genug ist?
Sie suchen noch keine perfekte Lösung.
Sie wollen nur erkennen, wo Voraussetzungen fehlen oder unklar sind.
Hürden und offene Fragen sammeln
Jetzt fragen Sie:
Achten Sie beispielsweise auf:
- fehlende oder schwer zugängliche Daten,
- unklare Regeln,
- nicht dokumentiertes Erfahrungswissen,
- notwendige Schnittstellen,
- Datenschutz- und Sicherheitsanforderungen,
- fehlende Kompetenzen,
- unklare Verantwortlichkeiten,
- aufwendige Integration,
- fehlende Kontrolle des KI-Outputs,
- ungeklärten späteren Betrieb.
Wichtig ist:
Sie müssen diese Punkte jetzt noch nicht genau beschreiben und auch nicht lösen. Sie müssen sie nur kennen und einbeziehen.
Auch Unsicherheit ist ein relevantes Ergebnis. Wenn Sie etwas noch nicht wissen, halten Sie es als offene Frage fest.
Kritische Punkte einschätzen
Zum Schluss fragen Sie:
Nicht jede offene Frage ist ein Problem. Manche Fragen lassen sich später relativ einfach klären. Andere können jedoch entscheidend sein.
Zum Beispiel:
- wichtige Daten lassen sich nicht leicht beschaffen,
- zentrale Informationen dürfen nicht verarbeitet werden,
- die Aufgabe lässt sich nicht ausreichend klar beschreiben,
- die Qualität des Outputs kann nicht sinnvoll überprüft werden,
- notwendige Systeme können nicht angebunden werden,
- niemand kann Verantwortung für Betrieb oder Kontrolle übernehmen.
Bewerten Sie deshalb nur grob:
- Keine offensichtlichen Hürden
- Offene Punkte – später prüfen
- Möglicher kritischer Hinderungsgrund
Die endgültige Prüfung erfolgt erst im konkreten Projekt.
Beispiel Schokofino
KI-Aufgabe:
Lieferanten- und Zutateninformationen auswerten und eine strukturierte Vorauswahl erstellen.
Voraussetzungen:
Lieferantendaten, Qualitätskriterien, historische Erfahrungen und Auswahlregeln.
Erkennbare Hürden:
Ein Teil der historischen Bewertungen liegt nur in Dokumenten. Einige Auswahlregeln beruhen auf Erfahrungswissen der Einkäufer.
Offene Fragen:
Können diese Informationen ausreichend vollständig verfügbar gemacht werden? Welche internen Daten dürfen verarbeitet werden?
Kritischer Punkt:
Wichtige Ausschlusskriterien dürfen nicht systematisch übersehen werden.
Erste Einschätzung:
Keine offensichtliche Ausschlussursache, aber mehrere Punkte müssen später geprüft werden.
5 · Qualitätscheck
Wann ist Ihr Ergebnis gut genug?
Das Ergebnis des Exploration Check ist gut genug, wenn:
- klar ist, welche wesentlichen Voraussetzungen benötigt werden,
- erkennbare Hürden benannt sind,
- offene Fragen sichtbar sind,
- mögliche kritische Punkte erkannt wurden,
- Sie einschätzen können, ob es bereits einen offensichtlichen Hinderungsgrund gibt.
Die zentrale Prüffrage lautet:
Mehr müssen Sie an dieser Stelle noch nicht herausfinden.
6 · Fehler
Typische Fehler
Die Machbarkeit bereits beweisen wollen
Exploration ist noch keine vollständige technische Prüfung. Es reicht zunächst, erkennbare Hürden und Unsicherheiten sichtbar zu machen.
Nur auf das KI-Modell schauen
Ob ein Modell grundsätzlich etwas kann, reicht nicht. Entscheidend sind auch Daten, Wissen, Integration, Kontrolle und Betrieb im eigenen Unternehmen.
Erfahrungswissen übersehen
Wichtige Regeln liegen häufig nicht in Datenbanken, sondern in den Köpfen erfahrener Mitarbeitender. Das Training der KI mit diesem Wissen könnte lange dauern.
Offene Fragen als Probleme behandeln
Nicht jede Unklarheit ist ein Ausschlussgrund. Manche Fragen können später gezielt geprüft werden.
Fehlende Voraussetzungen ignorieren
Was heute fehlt, kann später Aufwand, Kosten, Zeit oder Risiko verursachen.
7 · FAQ
Häufige Fragen
Müssen wir jetzt schon beweisen, dass die KI-Aufgabe funktioniert?
Nein.
Die eigentliche Machbarkeitsprüfung erfolgt später im Projekt.
Hier suchen Sie nur nach erkennbarem Klärungsbedarf und möglichen Hinderungsgründen.
Müssen alle Daten bereits vorhanden sein?
Nein.
Aber Sie sollten erkennen, welche Daten benötigt werden und ob deren Beschaffung grundsätzlich problematisch werden könnte.
Wie detailliert müssen wir Technik und Architektur betrachten?
Nur so weit, dass offensichtliche Schwierigkeiten sichtbar werden.
Eine detaillierte Lösungsarchitektur ist hier noch nicht notwendig.
Was machen wir mit offenen Fragen?
Sie halten sie fest.
Wenn der Business Case weiterverfolgt wird, können diese Fragen später gezielt geprüft werden.
Wann sollten wir einen Case an dieser Stelle stoppen?
Wenn bereits jetzt ein Hinderungsgrund sichtbar wird, der die KI-Aufgabe offensichtlich unmöglich oder unverhältnismäßig aufwendig erscheinen lässt. Möglicherweise gibt es aber andere Engpässe, bei denen KI besser helfen kann.
8 · Vorlage
Exploration Check
E – Exploration
Nächste Aufgabe
Prüfen Sie im nächsten Schritt die finanzielle Seite des Projekts und treffen Sie die finale Entscheidung.
Nächster Schritt →