Step 5: Entwicklung und Einführung der KI-Lösung

Wie entwickeln wir die getestete KI-Lösung, bringen sie in den realen Workflow und sorgen dafür, dass sie dort zuverlässig funktioniert?

Bis hierhin haben Sie den realen Workflow dokumentiert, Engpässe analysiert, die Informationsleistung spezifiziert und getestet, was KI und Ihre Organisation tatsächlich leisten können.

Jetzt beginnt die Umsetzung.

In der Execution wird aus der getesteten Idee eine funktionierende KI-Lösung für den realen Geschäftsprozess.

Dabei geht es um drei Dinge:

Und um einen vierten Punkt, der von Anfang an mitläuft:

Der Grundsatz lautet:

Wie bauen wir genau die Lösung, die wir spezifiziert und getestet haben?

1. Worum geht es?

Sie haben bereits geprüft:

• welchen Teil der Aufgabe KI zuverlässig übernehmen kann,
• welchen Output sie liefern soll,
• welche Daten und Regeln benötigt werden,
• welche Voraussetzungen geschaffen werden müssen,
• welche Arbeit beim Menschen bleibt.

Jetzt wird genau diese Lösung entwickelt.

Wichtig ist dabei: Sie beginnen mit den Ergebnissen aus den Schritten Spezifikation und Test.

Das bedeutet:

• klarer Einsatzort,
• klarer Input,
• klare Regeln,
• klarer Output,
• klare Qualitätsanforderungen,
• klarer menschlicher Kontrollpunkt.

Mit den bisherigen Ergebnisse haben Sie eine solide Basis für eine enge Zusammenarbeit zwischen KI-Partner, IT und Workflow-Team. Entwicklung und Test bleiben dabei eng miteinander verbunden.

2. Was haben Sie am Ende der Entwicklung der KI-Lösung?

Eine funktionierenden KI-Lösung, die:

• die vereinbarte Aufgabe erfüllt,
• mit den vorgesehenen Daten arbeitet,
• die definierten Regeln berücksichtigt,
• den benötigten Output erzeugt,
• in der vorgesehenen Qualität liefert,
• für die Integration in den Workflow vorbereitet ist.

Noch wichtiger:

3. Was brauchen Sie dafür?

Sie brauchen:

• das KI-Anforderungsprofil,
• die Testergebnisse,
• den finalen KI-Aufgabenumfang,
• Daten und Quellen,
• dokumentierte Regeln,
• technische Zugänge,
• KI-Partner oder Entwickler,
• IT,
• Workflow-Team,
• Workflow-Owner.

Das Workflow-Team ist „Abnehmer“ am Ende und muss während der Entwicklung regelmäßig prüfen:

4. Wie gehen Sie vor?

Schritt 1 – Eine erste funktionsfähige Lösung entwickeln

Bauen Sie den klar abgegrenzten Kern, der als sinnvoll und machbar bestätigt wurde.

Zum Beispiel:

Der Umfang bleibt zunächst eng.

Schritt 2 – Mit realen Fällen entwickeln und testen

Entwickeln Sie mit echten Daten:

• reale Fälle,
• reale Daten,
• reale Regeln,
• reale Ausnahmen.

Das Workflow-Team prüft regelmäßig:

• Ist der Output vollständig genug?
• Sind wichtige Kandidaten enthalten?
• Sind Begründungen nachvollziehbar?
• Werden Regeln richtig angewendet?
• Wo entstehen Fehler?
• Was muss verändert werden?

So entsteht eine kurze Schleife:

Zunächst erste Einsatzbereiche entwickeln, Erfahrungen auswerten und danach mit verbessertem Vorgehen fortfahren und dann alle anderen Bereiche bedienen.

Schritt 3 – Lösung für den echten Workflow vorbereiten

Jetzt wird geprüft:

Zum Beispiel:

• Schnittstellen,
• Benutzerzugänge,
• Rechte,
• Datenaktualisierung,
• Protokollierung,
• Fehlerbehandlung,
• Kontrollmöglichkeiten,
• Übergabe an Mitarbeiter,
• Support.

Damit endet Entwicklung mit:

Beispiel – Schokofino

Schokofino hat in T festgelegt:

Jetzt entwickelt der KI-Partner gemeinsam mit IT und Einkauf eine Lösung.

Zunächst werden 100 bekannte Lieferanten verarbeitet.

Die Einkäufer prüfen:

• Welche Kandidaten wurden ausgewählt?
• Welche fehlen?
• Welche Kriterien wurden falsch gewichtet?
• Welche Informationen sind für die Entscheidung noch nicht ausreichend?

Die Regeln werden angepasst.

Anschließend wird mit weiteren realen Fällen getestet.

Erst wenn die Einkäufer sagen:

wird die Lösung für die Einführung vorbereitet.

5. Wann ist Ihr Ergebnis gut genug?

Die Aufgabe ist abgeschlossen, wenn:

• die KI die vereinbarte Aufgabe zuverlässig erledigt, was nur das Workflow-Team bewerten und bestätigen kann,
• bekannte Grenzen dokumentiert sind,
• notwendige Kontrollen vorhanden sind,
• technische Voraussetzungen für den Einsatz geschaffen sind,
• die Lösung bereit für den realen Workflow ist.

Die Prüffrage:

6. Typische Fehler

Entwickler allein entscheiden lassen

Sie können technisch gute Lösungen bauen, ohne zu wissen, ob sie im Workflow tatsächlich funktioniert.

Während der Entwicklung den Aufgabenumfang erweitern

Neue Ideen dokumentieren – aber nicht sofort einbauen.

Erst am Ende das Workflow-Team einbeziehen

Dann entstehen teure Überraschungen.

„Funktioniert technisch“ mit „funktioniert im Betrieb“ verwechseln

Das wird erst in der nächsten Phase geprüft.

7. Vorlage – Development Card

KI-Einsatzpunkt

KI-Aufgabe

Input / Daten

Regeln

Output

Qualitätsanforderungen

Testfälle

Feedback Workflow-Team

Offene Anpassungen

Bereit für den Workflow?

□ ja

□ nein

Wie wird aus der entwickelten Lösung ein normaler Bestandteil der täglichen Arbeit?

1. Worum geht es?

Eine KI kann technisch hervorragend funktionieren und trotzdem im Unternehmen scheitern. Der kritische Moment beginnt häufig nach der Entwicklung, wenn echte Mitarbeiter mit der Lösung arbeiten.

Jetzt kommen:

• reale Zeitdrucksituationen,
• Sonderfälle,
• unvollständige Daten,
• Rückfragen,
• Fehler,
• alte Routinen,
• Unsicherheiten,
• angrenzende Prozesse.

Deshalb ist die Aufgabe:

Da heißt, KI in den realen Workflow einführen, Probleme lösen, den Workflow stabilisieren und das Team produktiv mit der Lösung arbeiten lassen.

2. Was haben Sie am Ende?

Am Ende der Aufgabe haben Sie:

• die KI-Lösung im echten Workflow mit klar definierten menschlichen Aufgaben,
• eine stabile tägliche Arbeitsweise,
• funktionierende Kontrollpunkte,
• geregelte Fehler- und Ausnahmefälle,
• geschulte Mitarbeiter,
• erste reale Leistungsdaten.

Das Ergebnis lautet:

3. Was brauchen Sie dafür?

Sie brauchen:

• die fertige Lösung,
• Workflow-Team,
• Owner,
• IT,
• KI-Partner,
• Einführungsplan,
• Ansprechpartner für Probleme,
• klar definierte Kontrollen,
• Möglichkeit, Fehler und Erfahrungen zu dokumentieren.

4. Wie gehen Sie vor?

Schritt 1 – KI kontrolliert in den realen Workflow einführen

Starten Sie zunächst in einem Bereich. Die Mitarbeiter arbeiten mit:

• echten Fällen,
• echten Daten,
• echten Entscheidungen.

Beobachten Sie eng:

• Was funktioniert?
• Wo entstehen Rückfragen?
• Wo passt der Output nicht?
• Wo entstehen neue Wartezeiten?
• Wo funktioniert die Übergabe zwischen Mensch und KI nicht?
• Welche Sonderfälle tauchen auf?

Wichtig:

Schritt 2 – Workflow stabilisieren

Jetzt beginnt die eigentliche Normalisierung. Probleme werden nicht nur technisch betrachtet. Fragen Sie immer:

Vielleicht:

• liefert KI zu viele Ergebnisse,
• muss ein Mitarbeiter häufiger nachprüfen als gedacht,
• fehlt eine Datenquelle,
• dauert die Freigabe plötzlich länger,
• entstehen neue Übergaben,
• werden nachfolgende Bereiche stärker belastet.

Dann passen Sie an:

• KI-Aufgabe,
• Regeln,
• Workflow,
• Kontrollen,
• Rollen,
• Schnittstellen.

Das Ziel ist ein stabiler Gesamtworkflow – nicht maximale KI-Nutzung.

Schritt 3 – Team befähigen und in den Normalbetrieb übergeben

Jetzt muss das Workflow-Team die Lösung selbstständig beherrschen. Mitarbeiter müssen wissen:

• was die KI tut,
• was sie nicht tut,
• wie sie Ergebnisse prüfen,
• wann sie eingreifen,
• was bei Fehlern passiert,
• wen sie bei Problemen ansprechen,
• welche Verantwortung bei ihnen bleibt.

Training findet idealerweise nicht nur als separater Kurs statt. Ein großer Teil erfolgt bereits während Entwicklung und Einführung:

Beispiel – Schokofino

Die Lieferanten-KI wird zunächst mit einem realen Beschaffungsprojekt eingesetzt. Die KI liefert 20 Kandidaten. Die Einkäufer stellen fest:

• zwei wichtige Kriterien werden ignoriert,
• einige Quellen sind nicht aktuell,
• ein bestimmter Sonderfall wird falsch bewertet.

Die Lösung wird angepasst. Nach einigen Durchläufen funktioniert die Shortlist stabil. Jetzt ist festgelegt:

KI:

Recherche, Zusammenführung und Vorauswahl.

Einkäufer:

Plausibilitätsprüfung, Bewertung, Verhandlung und finale Entscheidung.

Bei Unsicherheit:

KI-Ergebnis wird nicht übernommen, sondern manuell geprüft.

Damit ist die neue Arbeitsteilung stabil.

5. Wann ist Ihr Ergebnis gut genug?

Die Aufgabe ist abgeschlossen, wenn:

• KI im realen Workflow eingesetzt wird und der Output unter Alltagsbedingungen ausreichend zuverlässig ist,
• Mitarbeiter ihre Rolle kennen,
• menschliche Kontrollen funktionieren,
• Sonderfälle und Fehlerwege geregelt sind,
• der Workflow insgesamt stabil läuft,
• technische und organisatorische Probleme beherrschbar sind,
• das Team die Lösung ohne dauernde Projektunterstützung nutzen kann.

Die zentrale Prüffrage:

6. Typische Fehler

Go-live mit Projektende verwechseln

Nach dem Launch beginnt häufig die schwierigste Phase.

Jede Abweichung technisch lösen

Manchmal ist die bessere Lösung eine veränderte Rolle oder ein klarerer Kontrollpunkt.

KI zum Mittelpunkt des Workflows machen

Der Geschäftsprozess bleibt entscheidend.

Zu früh skalieren

Erst stabilisieren. Dann erweitern.

7. Vorlage – Execution & Go-Live Card

Workflow / Einsatzpunkt

KI übernimmt

Mensch übernimmt

Kontrollpunkt

Was passiert bei Fehlern?

Bekannte Sonderfälle

Probleme im realen Betrieb

Anpassungen

Training / Unterstützung notwendig

Verantwortlicher im Betrieb

Workflow stabil?

□ ja

□ noch nicht