Der erste KI-Prozess sollte weder der sichtbarste noch der technisch spektakulärste sein. Ein guter Start verbindet ausreichendes Volumen, klaren fachlichen Nutzen, verfügbare Daten und ein Fehlerrisiko, das durch Prüfung und Fallback beherrscht werden kann. Genau diese Kombination ist selten in einer einfachen Liste „möglicher Use Cases“ sichtbar.

Arbeit beobachten, nicht nur beschreiben

Interviews liefern das Sollbild. Für den realen Ablauf braucht es zusätzlich Beobachtung und Stichproben: Welche Eingänge kommen an? Wie viele Varianten gibt es? Wo warten Fälle? Welche Informationen werden aus E-Mails, Dokumenten und Systemen zusammengesucht? Wann entscheidet ein Mensch nach Erfahrung statt nach fester Regel?

Dokumentieren Sie außerdem Ausnahmen und Rückläufer. Ein Prozess, der im Normalfall zwei Minuten dauert, kann durch wenige komplizierte Fälle den größten Teil der Arbeit erzeugen.

Eine Baseline festlegen

Vor dem Pilot sollten Volumen, Bearbeitungszeit, Durchlaufzeit, Fehler, Nacharbeit und fachliches Ergebnis zumindest stichprobenartig bekannt sein. Ohne Baseline lässt sich später nur zeigen, dass ein Modell etwas erzeugt – nicht, dass der Prozess besser geworden ist.

Messen Sie keine Scheingenauigkeit. Bei schwacher Datenlage reichen transparente Bandbreiten und ein Plan zur besseren Erfassung.

Eignung auf vier Achsen prüfen

Wert: Spart der Einsatz relevante Zeit, verbessert er Qualität oder ermöglicht er eine bisher nicht leistbare Arbeit?

Machbarkeit: Sind Eingaben, Wissen, Systeme und verantwortliche Fachpersonen verfügbar?

Risiko: Welche Auswirkung hat eine falsche Extraktion, Empfehlung oder Systemaktion? Kann ein Mensch rechtzeitig prüfen?

Betriebsfähigkeit: Gibt es Owner, Support, Monitoring, Budget und einen Weg, Regeln oder Wissen zu aktualisieren?

Der NIST AI RMF empfiehlt, Kontext, Wirkung und Risiken vor und während des Einsatzes systematisch zu betrachten. Ein Discovery-Workshop sollte deshalb nicht nur Chancen sammeln, sondern auch Grenzen und betroffene Personen benennen.

Den Piloten begrenzen

Wählen Sie einen vertikalen Prozessschnitt: ein definierter Eingang, eine Nutzergruppe, wenige Werkzeuge und ein messbares Ergebnis. Legen Sie feste Evaluationsfälle, menschliche Freigaben, Fallback und Abbruchkriterien fest.

Ein guter Discovery-Prozess kann zu drei Ergebnissen führen: Pilot starten, zuerst Daten oder Prozess stabilisieren, oder bewusst nicht automatisieren. Diese Ehrlichkeit verhindert, dass ein Demo-Erfolg später als ungeplanter Produktionsbetrieb endet.