Das Wichtigste in Kürze
Das Wichtigste in Kürze- Der spannendste Prozess ist selten der teuerste, und nur der teuerste rechnet sich zuerst
- Vier Fragen legen die Reihenfolge fest: Häufigkeit, Regelhaftigkeit, Datenlage, Folgen eines Fehlers
- Ein Vorhaben, das an allen vier Fragen scheitert, wird auch mit dem besten Modell nicht gut
- Wer klein anfängt und sichtbar liefert, bekommt Budget für das Grosse
Die Frage, mit der fast jedes Erstgespräch beginnt, lautet, was man denn mit KI alles machen könne. Die ehrliche Antwort ist: zu viel. Genau das ist das Problem. Wer überall anfangen kann, fängt meistens dort an, wo es am interessantesten klingt, und das ist selten dort, wo es sich rechnet.
Interessant und teuer sind zwei verschiedene Dinge
In Workshops passiert regelmässig dasselbe. Auf der Liste stehen zwanzig Ideen, und die Aufmerksamkeit sammelt sich bei drei oder vier davon, die besonders nach Zukunft klingen. Der Posteingang, der jeden Morgen zwei Stunden frisst, steht auf Platz siebzehn.
Dabei ist genau dieser Posteingang der Fall, der sich rechnet. Er kommt täglich vor, er folgt Regeln, die Daten liegen vor, und ein Fehler ist korrigierbar. Das spannende Vorhaben erfüllt oft keinen dieser Punkte.
Die vier Fragen
Wir prüfen jedes Vorhaben an denselben vier Fragen. Sie lassen sich in zehn Minuten beantworten und sortieren eine Zwanzigerliste zuverlässig.
- 1Wie oft kommt die Aufgabe vor? Täglich schlägt monatlich, immer
- 2Folgt sie erkennbaren Regeln? Wenn zwei Mitarbeitende unterschiedlich entscheiden würden, fehlt die Regel noch
- 3Wo liegen die nötigen Daten? In einem System ist gut, in vier Systemen ist ein Projekt für sich
- 4Was passiert bei einem Fehler? Korrigierbar ist gut, teuer oder rechtlich heikel gehört nicht in den ersten Versuch
Warum die Reihenfolge über alles entscheidet
Ein erstes Projekt hat zwei Aufgaben. Es soll Arbeit abnehmen, und es soll beweisen, dass so etwas hier funktioniert. Die zweite Aufgabe ist die wichtigere, weil sie über alles Weitere entscheidet.
Ein Vorhaben, das ein halbes Jahr braucht, verliert in dieser Zeit seine Unterstützer. Nicht weil es schlecht wäre, sondern weil niemand ein halbes Jahr lang an etwas glaubt, das er nicht sieht. Ein kleines Projekt, das nach sechs Wochen täglich zwei Stunden spart, öffnet dagegen jede Tür.
Wenn die Daten das Problem sind
Häufig zeigt die dritte Frage, dass die Daten gar nicht vorliegen oder in einem Zustand sind, mit dem niemand rechnen kann. Dann ist die Datenarbeit das eigentliche Projekt.
Das ist unbequem, weil es weniger nach Fortschritt aussieht. Es ist aber billiger als die Alternative, nämlich ein Modell auf unsauberen Daten, das seine Fehler selbstbewusst und in hoher Geschwindigkeit produziert.
Was wir in der Praxis zuerst angehen
Quer durch Branchen sind es meistens dieselben drei Stellen: der Posteingang, die Belegverarbeitung und die Vorbereitung wiederkehrender Dokumente. Nicht weil sie spannend wären, sondern weil sie alle vier Fragen erfüllen und in jedem Unternehmen vorkommen.
Das Interessante kommt danach. Es kommt aber deutlich leichter, wenn vorher jemand gesehen hat, dass es funktioniert.
Fazit von Marcel
Die Frage, die mir in Erstgesprächen am häufigsten gestellt wird, lautet, was man denn mit KI machen könne. Sie ist falsch gestellt. Die bessere Frage ist, welche Arbeit im Unternehmen am häufigsten wiederholt wird, ohne dass dabei jemand eine echte Entscheidung trifft. Diese Stellen findet man an einem Nachmittag, und sie sind fast nie die, über die zuerst geredet wird. Mein Rat ist deshalb unspektakulär: Fang bei der langweiligsten Aufgabe an, die am meisten Zeit frisst.
Marcel Kaschner · Founder & Managing Director, ZAVION
Häufige Fragen
Woran erkennt man ein gutes erstes KI-Projekt?
An vier Merkmalen: Die Aufgabe kommt häufig vor, sie folgt erkennbaren Regeln, die nötigen Daten liegen bereits in einem System, und ein Fehler ist korrigierbar statt teuer. Je mehr dieser Punkte zutreffen, desto wahrscheinlicher ist ein sichtbares Ergebnis in wenigen Wochen.
Warum nicht gleich das grösse Vorhaben angehen?
Weil grösse Vorhaben lange brauchen, bis sie etwas zeigen, und weil in dieser Zeit die Unterstützung im Unternehmen erodiert. Ein kleines Projekt, das nach sechs Wochen sichtbar Arbeit abnimmt, schafft die Glaubwürdigkeit, die das grösse braucht.
Was, wenn die Daten nicht sauber sind?
Dann ist die Datenarbeit das Projekt, nicht die KI. Das klingt ernüchternd, spart aber viel Geld. Ein Modell auf unsauberen Daten liefert unsaubere Ergebnisse, nur schneller und selbstbewusster.
Wie lange sollte ein erstes Projekt dauern?
Wenn nach acht Wochen nichts Nutzbares läuft, war der Zuschnitt zu gross. Das ist kein Naturgesetz, aber ein brauchbarer Alarmwert. Ein zu breit angelegtes erstes Projekt endet meistens als Prototyp, den niemand benutzt.
