Bei früheren Technologiesprüngen gab es auch schon viele Investitionen mit ernüchternden Ergebnissen. Man denke da zum Beispiel an überdimensionierte Big Data und Cloud-Technologien, die, technisch gesehen, relativ kleine Use Cases abbilden. In anderen Fällen kämpfen ganze Teams täglich daran, das operativ Notwendige im Krisenmodus aufrechtzuerhalten, weil es die Technologie alleine nicht gebracht hat. Bei menschengemachter Logik ist scheitern eine Grauzone. Bei KI ist es direkter. KI liefert einen Output, der zwar nach Anweisung, aber selbstständig vom Model erzeugt wird. Es ist daher nur logisch, dass der Impact von KI-Anwendungen deutlich offensichtlicher daher kommt, wenn es nur Erfolg oder Misserfolg gibt.

Wo also anfangen?

Alles beginnt bei der Festlegung von Unternehmenszielen. Eine heutige Standardmethode ist das runterbrechen in OKRs (Objectives and Key Results). Man beschreibt seine Ziele, definiert ihre Bestandteile und Kriterien, woran man feststellen kann, dass diese Ziele erreicht wurden. Es ist eine messbare Vision für den zukünftigen Zustand deines Unternehmens. An dieser Stelle wird noch gar nicht über Lösungen oder Tools gesprochen. Es geht darum, herauszukristallisieren, was deinem Unternehmen nachhaltiges Wachstum oder Effizienzgewinne ermöglicht oder Probleme löst. Ein strukturiertes Zielbild, auf das alle Anstrengungen einzahlen, ist zudem ein motivierendes Signal des Managements an alle Projektbeteiligten.

In welcher Richtung das Ziel liegt, hängt vom Ist-Zustand ab. 

Bei der Ist-Analyse untersucht man nicht das gesamte Unternehmen, sondern beschränkt sich auf den Scope, der durch das OKR-Gefüge vorgegeben wird. Wir betrachten alle beteiligten Faktoren: Teams, Verantwortlichkeiten, Prozesse, Systeme, Daten, Compliance und sonstige Abhängigkeiten. Aus dem Abgleich mit dem Zielbild ergeben sich die Gaps. Hier sollte man gründlich sein. Schwache Infrastruktur, Prozesse, die an der Krücke gehen. Das alles sollte im Zuge des Projekts einem Update unterzogen werden. Mit der gleichzeitigen Einführung von Best-Practices und nachvollziehbaren Standards leistet man so einen großen Beitrag zur Nachhaltigkeit des Zielbildes. Mit der verschafften Klarheit über die Needs erstellt man eine erste Roadmap.

Es ist wichtig, dass man die relevanten Thema mit echter Wirkung identifiziert und dann ins Doing kommt. Lieber ein oder zwei high-priority Themen mit massivem Impact lösen, als 10 low hanging Fruits mit marginalem Mehrwert einsammeln. Nur echte Pain Points abräumen. Keine Piloten lostreten, die nur im Vakuum vegetieren. 

Wie man die Tool-Frage löst.

Jetzt, wo der Plan steht und die Bedarfe geklärt sind, müssen die notwendigen Ressourcen aufgebaut und organisiert werden. Wenn man sich für eine Implementierung durch externe Dienstleister entschieden hat, sollte ein besonderes Augenmerk auf dem Einkaufsprozess liegen. Einen einfachen, aber gründlichen Ansatz bietet das RFX-Sourcing. Potentielle Anbieter sollten nach einer ersten Einschätzung ihrer Eignung anhand eines RFIs (request for information) und aufgrund der Preisangaben aus dem RFQ (request for quote) auf eine Short List kommen. Die Auswahl wird einem RFP (request for proposal) unterzogen. Gerade bei komplexeren und individuelleren Vorhaben ist diese Etappe extrem wichtig, denn hier wird der explizite Fit des Produkts und des Dienstleisters auf das Unternehmen und das Projekt geprüft. Passt das Produkt auf den Use Case? Ist es flexibel und reif genug? Lässt sich das skalieren? Wie abhängig wird man in der Folge sein? Hier zahlt sich nun die gründliche Vorbereitung der eigenen Requirements aus. Je besser man den Fit bestimmen kann, umso wahrscheinlicher der Projekterfolg. Der wird übrigens als ROI (return on investment) gemessen.

Mit transparenter Durchführung den Überblick behalten.

Auch wenn externe Lieferanten die operative Umsetzung verantworten, bleibt es Aufgabe der Projektverantwortlichen, den Rahmen für eine transparente Steuerung zu setzen. Dazu gehört, klare Review-Formate und Meilensteine verbindlich einzuziehen und deren Einhaltung aktiv nachzuhalten. So wird Fortschritt, Geschwindigkeit und Zielerreichung gsteuert und dokumentiert. Wo nötig, können Prioritäten nachgeschärft werden – bevor Abweichungen ausufern. Entscheidend ist: Wer die Steuerung im Griff behält, verhindert, dass sich ein Projekt im Liefermodus verselbständigt, und sichert nachhaltigen ROI.

Der Erfolg von Daten- und KI-Projekten entscheidet sich weniger an einzelnen Technologien als an klaren Strukturen, konsequenter Steuerung und der Fähigkeit, Prioritäten zu schärfen. Wer Transparenz bei den Projektzielen schafft, die richtigen Partner auswählt, Reviews verankert und Verantwortung klar verteilt, stellt sicher, dass Investitionen tatsächlich auf die Unternehmensziele einzahlen.