Die Checkliste, die Sie vor Ihrem ersten KI-Projekt abarbeiten müssen
Strategie4 Min. Lesezeit

Die Checkliste, die Sie vor Ihrem ersten KI-Projekt abarbeiten müssen

Die meisten KI-Piloten scheitern, bevor auch nur ein einziges Modell trainiert wird. Der Grund: eine übersprungene Discovery-Phase. Hier ist die wenig glamouröse Checkliste, die jedes KMU zuerst durcharbeiten sollte.

Die meisten KI-Projekte scheitern nicht, weil die Technologie falsch ist. Sie scheitern, weil niemand aufgeschrieben hat, wie der Prozess tatsächlich funktioniert, bevor der Build begonnen hat. In der Discovery entscheidet sich, ob ein Projekt gewinnt oder verliert, und das ist der Schritt, den die meisten Teams überspringen.

Wählen Sie einen Workflow, und zwar nur einen

Benennen Sie zuerst den einen Workflow, den Sie automatisieren möchten. Keine Abteilung. Keine Arbeitskategorie. Ein Prozess, mit einem klaren Anfang und einem klaren Ende.

Der richtige erste Kandidat ist repetitiv, regelbasiert und lästig. Irgendjemand im Team erledigt ihn seufzend. Die Eingaben kommen jedes Mal in ungefähr derselben Form an. Wenn Sie den Workflow nicht in zwei Sätzen beschreiben können, ist er noch nicht bereit für die Automatisierung.

Wählen Sie nicht zuerst den komplexesten oder strategisch wichtigsten Prozess. Wählen Sie den, bei dem ein Fehler verkraftbar ist und ein Erfolg schnell sichtbar wird.

Erstellen Sie das Workflow Understanding Document

Bei Focus AI beginnt jedes Projekt mit einem Workflow Understanding Document. Das ist eine schriftliche Übersicht darüber, wie der Prozess heute tatsächlich funktioniert, bevor überhaupt eine KI entworfen wird. Es ist kein Flussdiagramm. Es ist eine Beschreibung der Realität.

Das WUD beantwortet diese Fragen:

  • Wer macht das? Nennen Sie die Person oder die Rolle, nicht das Team. Es gibt immer eine Person, die tatsächlich alle Sonderfälle kennt.
  • Was sind die tatsächlichen Eingaben? PDFs, E-Mails, Tabellen, mündliche Anweisungen? In welchem Format liegen sie tatsächlich vor, im Vergleich zu dem Format, in dem sie eigentlich vorliegen sollten?
  • Was sind die Ausnahmen? Jeder Prozess hat irgendwo ein "aber manchmal" versteckt. Finden Sie es jetzt, oder Sie finden es später defekt im Betrieb. Fragen Sie: Was passiert, wenn die Eingabe falsch, verspätet oder gar nicht vorhanden ist?
  • Wohin geht die Ausgabe? Welches System, welche Person, in welchem Format?
  • Wie oft greift ein Mensch in den normalen Ablauf ein? Wenn die Antwort "ziemlich oft" lautet, ist das ein Signal, dass der Prozess komplexer ist, als er erscheint.

Dieses Dokument lässt sich nicht durch ein Interview mit einer Führungskraft erstellen. Sie schreiben es, indem Sie sich zu der Person setzen, die die Arbeit tatsächlich erledigt.

Prüfen Sie Ihre Daten, bevor Sie sich festlegen

Ein KI-System ist nur so gut wie die Daten, auf die es rechtlich und zuverlässig zugreifen kann. Finden Sie heraus, wer Zugriff auf die Daten hat, bevor Sie jemandem etwas versprechen.

Datenreife ist der häufigste versteckte Blocker. Führen Sie dieses Audit durch, bevor die technische Arbeit beginnt:

  • Wo liegen die Daten? On-Premise, bei einem Cloud-Anbieter, in einem SaaS-Tool mit API-Beschränkungen?
  • Wer hat Zugriff darauf? Nicht in der Theorie. In der Praxis, heute, mit den aktuellen Berechtigungen.
  • Welche DSGVO-Implikationen gibt es? Wenn personenbezogene Daten betroffen sind, benötigen Sie eine Rechtsgrundlage, um sie durch ein automatisiertes System zu verarbeiten. Das ist in der EU nicht optional.
  • Sind die Daten strukturiert? Strukturierte Daten in einer Datenbank sind unkompliziert. Handschriftliche Notizen, die als PDF gescannt wurden, sind ein eigenes Projekt für sich.

Kalkulieren Sie den manuellen Aufwand ehrlich

Bevor Sie ein Budget für KI planen, schreiben Sie auf, was der manuelle Prozess tatsächlich kostet: Zeit pro Durchlauf, Häufigkeit pro Woche, voll belasteter Stundensatz und was die Behebung von Fehlern kostet.

Diese Zahl erfüllt zwei Zwecke. Erstens zeigt sie Ihnen, ob sich die Investition in Automatisierung überhaupt lohnt. Manche Prozesse sind günstig genug, um manuell zu bleiben. Zweitens gibt sie Ihnen eine Ausgangsbasis, an der Sie sich nach dem Start messen können. Ohne sie werden Sie nie wissen, ob das Projekt funktioniert hat.

Discovery ist nicht glamourös. Es bedeutet, zu schreiben, unbequeme Fragen zu stellen und dem Drang zu widerstehen, sofort zu einer Lösung zu springen. Aber es ist der einzige Weg, etwas zu bauen, das die Übergabe überlebt.

[ verwandte artikel ]

Mehr aus dem Blog

Technische Deep-Dives, Produktnotizen und das, was wir beim Entwickeln von KI lernen.

Alle Beiträge ansehen