Spezifizieren

Wir machen aus unserem KI-Auftrag eine konkrete Spezifikation

Unser AI Business Case ist genehmigt.

Wir wissen, welche Informationsaufgabe KI übernehmen soll und welche Verbesserung wir dadurch erreichen wollen.

In M – Modellieren haben wir untersucht, wie der betroffene Workflow heute tatsächlich funktioniert.

In A – Analysieren haben wir die relevanten Informationsengpässe, Entscheidungen und nachfolgenden Aktivitäten genauer betrachtet.

Jetzt gehen wir einen Schritt weiter.

Wir beschreiben die benötigte Informationsleistung so präzise, dass daraus eine konkrete KI-Lösung entwickelt und später überprüft werden kann.

Eine allgemeine Aussage wie „KI soll unsere Lieferantensuche beschleunigen“ reicht dafür nicht aus.

Wir müssen wissen:

Welche Information benötigen wir genau, wer braucht sie, wann und wozu, nach welchen Regeln wird sie erzeugt und auf welchen Daten und Quellen beruht sie?

Dabei beginnen wir nicht mit der Technik.

Wir beginnen mit der realen Informationsarbeit in unserem Workflow.

Anschließend übersetzen wir diese Anforderungen in einen konkreten Auftrag für die KI-Integration.

Dafür bearbeiten wir zwei Aufgaben:

Aufgabe 1 – Informationsbedarf spezifizieren: Wir erstellen das CORDS-Profil.

Aufgabe 2 – KI-Anforderungen formulieren: Wir konkretisieren den bestehenden KI-Auftrag zu einem überprüfbaren KI-Anforderungsprofil.

Was wir am Ende haben

Am Ende von S verfügen wir über zwei Ergebnisse.

Ein CORDS-Profil für die relevante Informationsleistung

Wir wissen genau, in welchem Kontext eine Information benötigt wird, wie sie aussehen muss, nach welchen Regeln sie entsteht und welche Daten und Quellen dafür erforderlich sind.

Außerdem kennen wir die Unterschiede zwischen der heutigen Informationsversorgung und dem angestrebten Zustand.

Ein konkretes KI-Anforderungsprofil

Wir haben daraus abgeleitet, welche Informationsarbeit KI im Detail übernehmen soll.

Wir kennen die Inputs, Verarbeitungsschritte, Outputs, Qualitätsanforderungen, Grenzen der Delegation und die fachlichen Anforderungen an die Integration.

Damit kann ein KI-Partner oder unser internes Umsetzungsteam die Lösung gezielt vorbereiten, ohne erst erraten zu müssen, was wir eigentlich benötigen.

Wir legen hier noch nicht jede technische Einzelheit fest und beweisen auch noch nicht, dass die spätere KI-Lösung sämtliche Anforderungen erfüllt.

Aber wir schaffen eine verlässliche Grundlage für ihre Entwicklung und Überprüfung.

Unsere Grundlagen

Wir verwenden die Ergebnisse, die wir bereits erarbeitet haben.

Aus dem AI Business Case:

Die AI Delegation Karte beschreibt den genehmigten KI-Auftrag mit SPOT, TASK, INPUT, OUTPUT und INTEGRATION.

Aus M – Modellieren:

Das Ist-Workflow-Modell zeigt die konkreten Mini-Workflows, Aktivitäten, Entscheidungen, Informationsübergaben und informellen Eingriffe.

Aus A – Analysieren:

Die Bottleneck-Analyse zeigt, welche Informationsprobleme wir bearbeiten müssen und welche Bedeutung diese Informationen für den weiteren Workflow besitzen.

Diese Informationen nutzen wir direkt weiter.

Wir definieren weder den Business Case noch den KI-Einsatzort erneut.

Jetzt ergänzen wir die Details, die bisher noch nicht ausreichend beschrieben wurden.

Wenn wir unmittelbar in S einsteigen, beginnen wir mit dem ausgewählten Informationsengpass und seiner betroffenen Entscheidung. Von dort aus können wir die benötigte Information anhand der fünf CORDS-Fragen systematisch beschreiben.

Aufgabe 1 – Wir spezifizieren den Informationsbedarf mit CORDS

Welche Information wird an diesem Engpass tatsächlich benötigt, und wie entsteht sie heute?

Dafür verwenden wir das CORDS-Profil.

CORDS steht für fünf Komponenten der Informationsversorgung:

• C – Context
• O – Output Information

R – Rules

D – Data

S – Sources

Mit diesen fünf Komponenten beschreiben wir, wie aus Daten die Informationen entstehen, die unsere Mitarbeitenden für ihre Entscheidungen benötigen.

Dabei untersuchen wir zunächst die heutige Arbeitsweise.

Anschließend legen wir fest, wie die Informationsversorgung künftig aussehen soll.

Schritt 1 – Context und Output präzisieren

Wir beginnen mit der Frage:

Wer braucht welche Information, wann, wo und wozu?

C – Context: Den Nutzungskontext bestimmen

Wir beschreiben die konkrete Arbeitssituation.

Dabei klären wir:

Wer benötigt die Information?

An welcher Stelle im Workflow wird sie gebraucht?

Welche Entscheidung soll sie ermöglichen?

Zu welchem Zeitpunkt muss sie vorliegen?

Was geschieht nach der Entscheidung?

Wer erstellt die Information heute und mit welchen Hilfsmitteln?

Der Kontext ist entscheidend.

Eine Information kann für eine Entscheidung hervorragend geeignet und für eine andere vollkommen unbrauchbar sein.

Wir müssen deshalb wissen, wofür die Information tatsächlich verwendet wird.

O – Output Information: Das Ergebnis genau beschreiben

Anschließend fragen wir:

Welche Information muss konkret vorliegen, damit die Entscheidung getroffen werden kann?

Wir beschreiben Inhalt, Struktur, Format und benötigte Qualität.

Nicht:

„Wir benötigen bessere Lieferanteninformationen.“

Sondern beispielsweise:

„Wir benötigen eine priorisierte Liste geeigneter Lieferanten mit Preisen, Verfügbarkeiten, Zertifizierungen, Mindestbestellmengen, Lieferzeiten und erkennbaren Ausschlussgründen.“

Wir klären auch, welche Angaben für die Entscheidung unverzichtbar sind und welche lediglich hilfreich wären.

Dabei achten wir darauf, dass der Output nicht umfangreicher wird als erforderlich.

Wir wollen die Information bereitstellen, die eine Entscheidung ermöglicht – keine möglichst große Datensammlung.

Schritt 2 – Rules, Data und Sources erfassen

Jetzt untersuchen wir:

Wie wird diese Information heute aus den vorhandenen Daten erzeugt?

R – Rules: Regeln und Kriterien bestimmen

Wir fragen:

Nach welchen Regeln werden die Daten ausgewählt, verarbeitet, verglichen und bewertet?

Dazu können beispielsweise gehören:

• Qualitätsanforderungen,
• Preisobergrenzen,
• Mindestbestellmengen,
• Lieferbedingungen,
• Zertifizierungen,
• technische Eigenschaften,

Ausschlusskriterien.

Wir betrachten sowohl dokumentierte Regeln als auch das Erfahrungswissen unserer Mitarbeitenden.

Gerade erfahrene Fachleute wenden häufig Kriterien an, ohne sie ausdrücklich zu benennen.

Deshalb fragen wir auch:

• „Woran erkennen Sie, dass dieser Kandidat nicht geeignet ist?“
• „Wann machen Sie eine Ausnahme?“
• „Welche Angaben prüfen Sie immer noch einmal selbst?“

Wir versuchen, diese Regeln so genau zu beschreiben, dass sie bei der späteren KI-Verarbeitung berücksichtigt werden können.

Wenn eine Regel noch unklar ist, halten wir dies fest.

Wir erfinden keine scheinbar eindeutige Regel, wo die heutige Arbeit tatsächlich von einer fachlichen Einschätzung abhängt.

D – Data: Die benötigten Daten bestimmen

Wir fragen:

Welche konkreten Daten müssen verarbeitet werden, damit der gewünschte Output entstehen kann?

Bei einer Lieferantenvorauswahl können das beispielsweise sein:

• Produktmerkmale,
• Preisangaben,
• Lieferzeiten,
• verfügbare Mengen,
• Qualitätswerte,
• Zertifikate,

historische Bewertungen.

Wir beschreiben die für die Informationsleistung wesentlichen Daten und ihre benötigten Eigenschaften.

Dabei interessiert uns auch, welche Angaben heute regelmäßig fehlen oder zusätzliche Nachfragen auslösen.

Wir erstellen aber noch kein vollständiges technisches Datenmodell.

S – Sources: Die Datenquellen bestimmen

Anschließend klären wir:

Woher stammen die benötigten Daten?

Mögliche Quellen sind:

• ERP-Systeme,
• interne Datenbanken,

Tabellen,

Dokumente,

E-Mails,

Lieferanten-Websites,

externe Datenquellen,

dokumentierte Erfahrungen.

Wir halten fest, welche Quellen heute genutzt werden und ob ihre Herkunft bekannt und ihre Nutzung für den vorgesehenen Zweck grundsätzlich zulässig ist.

Bei Bedarf ergänzen wir, wer für die Quelle verantwortlich ist und wie aktuell die Informationen sein müssen.

Damit können wir später konkret klären, welche Datenzugänge und Verbindungen für die KI-Lösung erforderlich sind.

Schritt 3 – HEUTE und SOLL gegenüberstellen

Jetzt betrachten wir die gewünschte Verbesserung.

Was muss an unserer Informationsversorgung anders werden, damit der Bottleneck tatsächlich reduziert wird?

Wir vergleichen den heutigen Zustand mit dem angestrebten Ergebnis.

HEUTE

Beispielsweise:

• drei Wochen Recherche und manuelle Zusammenführung,
• Informationen aus unterschiedlichen Quellen,
• uneinheitliche Darstellungen,
• wiederkehrende Rückfragen,

manuelle Qualitätsprüfungen.

SOLL

Beispielsweise:

• entscheidungsfähige Informationen innerhalb eines Tages,
• einheitliche Struktur,
• relevante Auswahlkriterien berücksichtigt,
• Quellen nachvollziehbar,

erforderliche fachliche Prüfung klar abgegrenzt.

Wir betrachten dabei insbesondere die Informationsqualität.

Wichtige Merkmale sind:

Relevanz: Passt die Information zur Entscheidung?

Richtigkeit: Sind die Angaben fachlich korrekt?

Vollständigkeit: Sind alle wesentlichen Informationen enthalten?

Rechtzeitigkeit: Liegt die Information zum benötigten Zeitpunkt vor?

Eindeutigkeit: Ist sie verständlich und ausreichend klar?

Wir unterscheiden zwischen Anforderungen, die unbedingt erfüllt werden müssen, und solchen, bei denen eine Verbesserung gegenüber dem heutigen Zustand ausreicht.

Dabei arbeiten wir möglichst mit überprüfbaren Maßstäben.

Warum gerade die Zeit ein wichtiger Hebel sein kann

Die Qualität einer Information entsteht heute häufig durch zusätzliche menschliche Arbeit.

Unsere Mitarbeitenden recherchieren fehlende Angaben, vergleichen verschiedene Quellen, korrigieren Fehler, fragen nach und prüfen die Ergebnisse.

All das benötigt Zeit.

Wenn KI einen wesentlichen Teil dieser Arbeit übernehmen kann, könnte die benötigte Information erheblich schneller und möglicherweise mit geringerem Aufwand bereitstehen.

Dafür muss KI nicht zwangsläufig die gesamte Informationsarbeit erledigen.

Vielleicht untersucht sie 100 mögliche Lieferanten und erstellt zunächst eine strukturierte Vorauswahl von 20 Kandidaten.

Unsere Einkäufer prüfen anschließend diese 20 Kandidaten und treffen die Entscheidung.

Schon das kann einen erheblichen Vorteil bringen.

Entscheidend ist allerdings, dass die KI-Vorauswahl brauchbar ist und der verbleibende Prüfaufwand den erwarteten Nutzen nicht wieder aufzehrt.

Wir müssen deshalb nicht möglichst viel an KI delegieren, sondern die Informationsarbeit so aufteilen, dass der gesamte Workflow spürbar profitiert.

Damit ist unser CORDS-Profil vollständig genug, um daraus konkrete KI-Anforderungen abzuleiten.

Aufgabe 2 – Wir formulieren das KI-Anforderungsprofil

Welche konkrete Leistung muss KI übernehmen, damit die im CORDS-Profil beschriebene Informationsversorgung erreicht werden kann?

Im AI Business Case haben wir den KI-Auftrag bereits grundsätzlich festgelegt.

Jetzt konkretisieren wir ihn anhand der Informationen aus CORDS.

Dafür verwenden wir weiterhin unsere Struktur:

Wir entwickeln also keinen neuen KI-Auftrag unabhängig vom Business Case.

Wir präzisieren die bereits genehmigte Delegation so weit, dass daraus die konkrete Umsetzung vorbereitet werden kann.

Schritt 1 – Die Informationsarbeit in konkrete KI-Tätigkeiten übersetzen

Wir betrachten im CORDS-Profil, wie die benötigte Information heute entsteht.

Dann fragen wir:

Welche Verarbeitungsschritte soll KI künftig übernehmen?

Das können beispielsweise sein:

suchen,

lesen,

extrahieren,

klassifizieren,

prüfen,

vergleichen,

strukturieren,

priorisieren,

zusammenfassen.

Wir bestimmen, welche dieser Tätigkeiten für die angestrebte Verbesserung erforderlich sind.

Außerdem legen wir fest, wo die KI-Aufgabe beginnt und wo sie endet.

Beispiel:

„KI soll definierte Lieferantenquellen durchsuchen, relevante Angaben extrahieren, die Kandidaten nach unseren Auswahlkriterien vergleichen und eine priorisierte Shortlist bereitstellen.“

Wir klären, ob das eine zusammenhängende Aufgabe ist oder ob sie für die Umsetzung in mehrere abgegrenzte Verarbeitungsschritte unterteilt werden muss.

Wir wollen eine fachlich verständliche Beschreibung, die für die weitere Entwicklung ausreichend konkret ist.

Schritt 2 – Input, Output und Qualitätsanforderungen konkretisieren

Jetzt legen wir fest, was KI für die einzelnen Verarbeitungsschritte benötigt und welche Ergebnisse sie liefern muss.

INPUT

Wir beschreiben die benötigten Daten, Regeln, Quellen und Kontextinformationen.

Die Details übernehmen wir aus CORDS.

Wir müssen sie nicht ein zweites Mal erfassen.

OUTPUT

Wir bestimmen, welche Informationen KI liefern soll.

Dabei legen wir Inhalt, Struktur und benötigtes Format fest.

Der Output muss unmittelbar zur nächsten Entscheidung oder Aktivität passen.

QUALITÄT

Wir konkretisieren die Qualitätsanforderungen aus CORDS und der AI Delegation Karte.

Dabei fragen wir:

Welche Angaben müssen vorhanden sein?

Welche Fehler wären besonders kritisch?

Welche Ausschlusskriterien dürfen nicht übersehen werden?

Wie müssen Quellen und Begründungen erkennbar sein?

Wie schnell muss der Output vorliegen?

Woran prüfen wir, ob die Information brauchbar ist?

Die Anforderungen sollen so beschrieben sein, dass wir die spätere KI-Leistung an realen Beispielen überprüfen können.

Wir müssen nicht jede Qualitätsanforderung künstlich in eine exakte Prozentzahl übersetzen.

Aber wir müssen erkennen können, wann ein Ergebnis akzeptabel ist und wann nicht.

Auch unvollständige, widersprüchliche oder unklare Ergebnisse müssen berücksichtigt werden.

Wir legen fest, wann KI keine abschließende Aussage liefern soll, sondern eine Rückfrage oder menschliche Prüfung notwendig ist.

Schritt 3 – Integration, Verantwortung und Voraussetzungen präzisieren

Zuletzt fragen wir:

Wie wird die spezifizierte KI-Leistung in unserem Workflow tatsächlich verwendet?

Wir klären insbesondere:

Integration

Wie wird die KI-Aufgabe ausgelöst?

Welche Informationen erhält KI aus dem bestehenden Workflow?

Wohin wird der Output übergeben?

Welche nachfolgende Entscheidung oder Aktivität soll dadurch unterstützt werden?

Menschliche Verantwortung

Wer prüft die Ergebnisse?

Wer bearbeitet Ausnahmen?

Wer trifft die fachlichen Entscheidungen?

Welche Aufgaben verbleiben bei unseren Mitarbeitenden?

Organisatorische und technische Voraussetzungen

Welche Datenzugänge, Rechte, Schnittstellen, fachlichen Regeln und Kontrollmöglichkeiten werden für diese konkrete KI-Leistung benötigt?

Wir übernehmen bereits bekannte Voraussetzungen aus D und E und ergänzen nur, was sich aus der detaillierten Spezifikation neu ergibt.

Die Prüfung und praktische Herstellung dieser Voraussetzungen gehören zur weiteren Integrationsarbeit.

Wir formulieren hier die Anforderungen.

Wir behaupten noch nicht, dass jede technische oder organisatorische Frage bereits gelöst ist.

Der Head of AI führt die Spezifikation

Der Head of AI ist der zentrale Bearbeiter und Autor der Spezifikation.

Er verwendet die vorhandenen Ergebnisse aus dem Business Case sowie aus M und A.

Anschließend klärt er die CORDS-Fragen mit den Menschen, die die betroffene Informationsarbeit tatsächlich ausführen.

Besonders wichtig sind die Mitarbeitenden, die die Informationen heute erstellen, verwenden und beurteilen.

Sie kennen die fachlichen Regeln und Ausnahmen.

Sie können auch erklären, welcher Output für ihre Entscheidungen wirklich brauchbar ist.

Der Head of AI dokumentiert diese Informationen im CORDS-Profil.

Danach leitet er daraus die konkreten KI-Anforderungen ab.

Bei technischen Unklarheiten kann er IT- und Daten-Verantwortliche oder einen KI-Partner gezielt hinzuziehen.

Wir brauchen dafür keine große Arbeitsgruppe, die gemeinsam alle Templates ausfüllt.

Der Head of AI führt die Arbeit, stellt die nötigen Fragen und stimmt die Ergebnisse mit den fachlich zuständigen Personen ab.

Die Fachverantwortlichen bestätigen die fachlichen Anforderungen.

Ein KI-Partner kann anschließend darauf aufbauen, statt die Anforderungen selbst erfinden zu müssen.

Unsere Templates für Schritt S

Wir verwenden die Ergebnisse des Business Case und die bereits bestehenden Profile weiter. Die Vorlagen dienen der Vertiefung und Dokumentation dieses MASTER-Schritts, nicht einer doppelten Datenerfassung.