Step 6: Review von Geschäftsprozess und KI-Projekt

Was müssen wir nach dem Projekt aktualisieren, damit der neue Workflow funktioniert und das nächste KI-Projekt besser startet?

Mit dem Entwickeln ist die KI-Lösung in den realen Workflow gekommen. Aber das Projekt ist damit noch nicht abgeschlossen.

Der Workflow hat sich verändert. Menschen arbeiten anders. Neue Kontrollen sind hinzugekommen. Bestimmte Annahmen haben sich bestätigt, andere nicht.

Einige Dinge haben gut funktioniert, andere unnötig Zeit oder Aufwand gekostet. Wenn diese Erfahrungen nur in den Köpfen der Beteiligten bleiben, beginnt das nächste Projekt wieder fast bei null.

Deshalb lautet der Grundsatz in dieser letzten Etappe:

Das Workflow-Handbuch und das KI-Integrations-Handbuch sollen mit den Erfahrungen aus dem Projekt aktualisiert werden, damit nachfolgende Projekte besser, schneller, günstiger und sicherer durchgeführt werden können.

Was hat sich verändert – und was haben wir gelernt?

1. Worum geht es und wozu?

Zu Beginn des MASTER-Projekts haben Sie den realen Ist-Workflow modelliert. Jetzt gibt es einen neuen Zustand. Die KI übernimmt eine definierte Informationsaufgabe. Mitarbeiter arbeiten mit ihrem Output. Entscheidungen werden möglicherweise früher oder mit weniger Aufwand getroffen. Neue Datenzugänge, Kontrollen oder Verantwortlichkeiten sind hinzugekommen.

Deshalb reicht es nicht, lediglich die technische Lösung zu dokumentieren. Sie müssen den neuen realen Workflow festhalten. Gleichzeitig sollten Sie das Projekt selbst auswerten.

Die zentrale Frage lautet:

2. Was haben Sie am Ende?

Sie besitzen ein aktualisiertes Prozesshandbuch.

Damit ist klar:

und:

3. Was brauchen Sie dafür?

Sie brauchen:

• das Workflow-Modell,
• die tatsächlich eingeführte KI-Lösung,
• Testergebnisse,
• Projektdokumentation,
• Workflow-Team,
• Projekt- und Prozessverantwortliche,
• Erfahrungen aus Entwicklung und Onboarding,
• reale Rückmeldungen aus der Nutzung.

Warten Sie mit dem Review nicht zu lange. Die wichtigsten Erfahrungen sind direkt nach Einführung und Stabilisierung noch präsent.

4. Wie gehen Sie vor?

Schritt 1 – Den neuen Workflow dokumentieren

Nehmen Sie das Workflow-Modell und aktualisieren Sie es. Fragen Sie:

Dokumentieren Sie insbesondere:

• wo KI jetzt arbeitet,
• welche Aufgabe sie übernimmt,
• welche Informationen sie erhält,
• welchen Output sie liefert,
• wer den Output prüft,
• welche Entscheidung anschließend getroffen wird,
• welche Arbeit beim Menschen bleibt,
• welche Kontrollpunkte gelten,
• welche Ausnahmen oder Eskalationen vorgesehen sind.

Ändern Sie nur das Modell dort, wo sich der reale Workflow tatsächlich verändert hat.

Schritt 2 – Das Projekt gemeinsam auswerten

Führen Sie ein kurzes, strukturiertes Review mit den Beteiligten durch. Hier sind einfache Fragen dafür:

Diese drei Fragen wurden bereits für das Chocofino-Review als Grundlage genutzt. Sammeln Sie nicht nur Probleme. Auch funktionierende Vorgehensweisen sind wertvoll.

Zum Beispiel:

• frühe Beteiligung des Workflow-Teams,
• ein besonders guter Test,
• eine hilfreiche Datenquelle,
• ein erfolgreicher Scope-Schnitt,
• eine funktionierende Kontrollroutine,
• eine gute Zusammenarbeit mit IT oder KI-Partnern.

Schritt 3 – Die wichtigsten Lessons Learned herausarbeiten

Nicht jede Projekterfahrung gehört später in einen Standard. Fragen Sie deshalb:

Unterscheiden Sie beispielsweise:

Workflow-spezifisch

Gehört in die Dokumentation dieses konkreten Prozesses.

Projektübergreifend

Kann beim nächsten KI-Projekt wieder helfen.

Einzelfall

War wichtig, muss aber nicht standardisiert werden.

Priorisieren Sie nur die Erkenntnisse, die einen echten Unterschied machen.

Beispiel – Schokofino

Neuer Workflow:

Die Vorauswahl von Zutaten wird jetzt durch KI unterstützt.

Die KI erzeugt eine Shortlist.

Das Rezeptteam prüft die Kandidaten und entscheidet weiterhin selbst.

Projekt-Review:

Schokofino stellt beispielsweise fest:

• Die Auswahlregeln hätten früher dokumentiert werden sollen.
• Tests mit alten, bereits bekannten Fällen waren besonders hilfreich.
• Die Aufgabe musste kleiner geschnitten werden als zunächst gedacht.
• Die frühe Beteiligung der Rezeptentwickler hat die Einführung deutlich erleichtert.

Lesson Learned:

5. Wann ist Ihr Ergebnis gut genug?

Das Review ist abgeschlossen, wenn das neue Prozess-Handbuch fertig ist.

Die Prüffrage lautet:

6. Typische Fehler

Nur die technische Lösung dokumentieren

Die KI ist nur ein Teil des neuen Workflows.

Den Review zu spät machen

Erfahrungen verschwinden schnell aus dem Gedächtnis.

Nur Fehler sammeln

Auch gute Vorgehensweisen müssen erhalten bleiben.

Alles zum „Lesson Learned“ erklären

Priorisieren Sie nur Erkenntnisse, die künftig wirklich helfen.

Den ursprünglichen Workflow nicht aktualisieren

Dann existieren später zwei Wahrheiten: der tatsächliche Ablauf und eine veraltete Dokumentation.

7. Vorlage – Workflow & Project Review

Was hat sich im Workflow verändert?

KI-Aufgabe

Aufgabe des Menschen

Kontrollen / Eskalationen

Neue oder veränderte Rollen

Projekt-Review

Was hat uns geärgert oder unnötig gebremst?

Was hat besonders gut funktioniert oder überrascht?

Was würden wir beim nächsten Projekt anders machen?

Wichtigste Lessons Learned

Was aus diesem Projekt soll beim nächsten Projekt zum Standard werden?

1. Worum geht es und wozu?

Ein einzelnes erfolgreiches KI-Projekt ist wertvoll. Noch wertvoller wird es, wenn das Unternehmen daraus lernt. Denn viele Erkenntnisse aus einem KI-Projekt sind auf für andere KI-Projekte relevant.

Zum Beispiel:

• wie Workflow-Teams beteiligt werden,
• wie Engpässe identifiziert werden,
• wie das CORDS-Profil erstellt wird,
• wie Tests aufgebaut werden,
• welche Datenprobleme typisch sind,
• wie KI-Partner geführt werden,
• welche Kontrollmechanismen funktionieren,
• wie Onboarding besser gelingt.

Diese Erkenntnisse gehören in ein KI-Integrations-Handbuch.

Der Kerngedanke aus den bisherigen MASTER-Unterlagen lautet:

Das Handbuch bildet damit die Brücke vom einzelnen Projekt zur wiederholbaren KI-Integrationsfähigkeit.

2. Was haben Sie am Ende?

Sie besitzen ein aktualisiertes KI-Integrations-Handbuch, das durch das reale Projekt besser geworden ist.

Es enthält:

• bewährte Vorgehensweisen,
• neue Checklisten,
• verbesserte Vorlagen,
• typische Fehler,
• Testmethoden,
• Entscheidungen und Begründungen,
• Rollen und Verantwortlichkeiten,
• Lessons Learned entlang der MASTER-Schritte.

Damit beginnt das nächste Projekt nicht bei null.

3. Was brauchen Sie dafür?

Sie brauchen:

• Lessons Learned,
• Projektdokumentation,
• bestehendes KI-Integrations-Handbuch,
• MASTER-Vorlagen,
• Verantwortliche für die Dokumentation,
• gegebenenfalls Workflow- und IT-Verantwortliche zur Gegenprüfung.

4. Wie gehen Sie vor?

Schritt 1 – Übertragbare Erkenntnisse auswählen

Nehmen Sie die Lessons Learned. Fragen Sie:

Zum Beispiel:

Oder:

Solche Erkenntnisse sind projektübergreifend wertvoll.

Schritt 2 – Erkenntnisse entlang MASTER einordnen

Ordnen Sie die Erkenntnisse dort ein, wo sie künftig gebraucht werden:

M – Modellieren

Was haben wir über Workflow-Aufnahme gelernt?

A – Analysieren

Wie finden wir relevante Bottlenecks besser?

S – Spezifizieren

Welche Anforderungen müssen künftig früher oder genauer festgehalten werden?

T – Testen

Welche Tests waren besonders aussagekräftig?

E – Entwickeln

Was hat Entwicklung und Einführung erleichtert?

R – Revidieren

Wie verbessern wir Dokumentation und Review?

Die Erkenntnisse lassen sich entlang der MASTER-Struktur in das KI-Integrations-Handbuch überführen.

Schritt 3 – Handbuch und Vorlagen aktualisieren

Ein Lesson Learned ist erst wertvoll, wenn sich daraus etwas verändert. Fragen Sie:

Zum Beispiel:

Lesson Learned:

Änderung im Handbuch:

Oder:

Lesson Learned:

Änderung:

So entsteht aus Erfahrung ein neuer Standard.

Beispiel – Schokofino

Schokofino hat gelernt:

Diese Erkenntnis wird nicht nur als Satz gespeichert.

Das KI-Integrations-Handbuch wird geändert:

Außerdem wird das CORDS-Template um ein Feld ergänzt:

Damit verbessert dieses Projekt bereits das nächste.

5. Wann ist Ihr Ergebnis gut genug?

Das Projekt ist abgeschlossen, wenn das KI-Integrations-Handbuch weitgehend vollständig oder aktualisiert ist und künftigen KI-Projekten helfen kann.

Die zentrale Prüffrage:

Wenn darauf eine konkrete Antwort existiert, hat das Review seinen Zweck erfüllt.

6. Typische Fehler

Lessons Learned nur archivieren

Eine Liste allein verändert kein künftiges Verhalten.

Zu allgemein formulieren

Konkret:

Vorlagen nicht verändern

Wenn aus einem Lesson Learned keine konkrete Änderung folgt, wird es leicht vergessen.

Niemanden für das Handbuch verantwortlich machen

Das Handbuch braucht einen klaren Owner.

7. Vorlage – KI-Integrations-Handbuch Update

Lesson Learned

Wo trat es auf?

□ M

□ A

□ S

□ T

□ E

□ R

Warum ist es für weitere Projekte relevant?

Was ändern wir künftig konkret?

Betroffene Vorlage / Checkliste / Regel

Verantwortlicher

Version aktualisiert am