Herzlich Willkommen zu den AI FIRST Insights!

"Felix, wir haben jetzt 87 Use Cases identifiziert. Womit fangen wir an?"

Viele stehen jetzt vor dem gleichen Problem:

Eine Excel-Liste mit 87 potenziellen Anwendungsfällen - von der automatisierten E-Mail-Kategorisierung bis zur KI-gestützten Qualitätskontrolle.

Alle theoretisch umsetzbar, alle mit Potenzial.

Aber welche sind wirklich die richtigen?

Womit startet man?

Und wie vermeidet man, sich in der Vielzahl der Möglichkeiten zu verzetteln?

In Teil 2 unserer Serie zeige ich dir, wie du aus der Use Case-Sammlung die richtigen Prioritäten ableitest. Du lernst ein praxiserprobtes Bewertungsframework kennen und verstehst, warum nicht alle Use Cases gleich behandelt werden sollten.

Am Ende dieser Ausgabe weißt du genau, welche deiner identifizierten Use Cases du zuerst angehen solltest.

Los geht's!

Aktionismus und Lähmung überwinden

In Teil 1 hast du gelernt, wie du strukturiert KI-Potenziale in deinen Prozessen identifizierst.

Viele Unternehmen haben bereits in Workshops (oder mit ChatGPT) solche Use Case Listen erarbeitet. Dieser Teil ist noch relativ einfach.

Jetzt die entscheidende Frage: Womit fangen wir an?

In der aktuellen wirtschaftlichen Lage hat niemand Budget zum wilden Experimentieren. Es geht darum, schnell echte Mehrwerte zu realisieren.

Ohne klare Bewertung und Priorisierung passiert das Gegenteil:

Szenario A: Lähmung

Teams sitzen vor ihrer Use Case-Liste und fangen nicht an. Resultat: Man bleibt bei E-Mails vorschreiben, "Gib mir 5 Ideen" und Dokumente zusammenfassen hängen.

Szenario B: Aktionismus

Man startet irgendwo und merkt nach Wochen: "Wir kommen nicht vorwärts." Jeder wurstelt vor sich hin.

Szenario C: Verschenktes Potenzial

Man behandelt alle Use Cases gleich als IT-Projekte. Massiv Potenzial bleibt liegen.

Alle drei Ansätze lassen extrem viel Potenzial ungenutzt.

Die Ursache ist meistens, dass der Umsetzungsaufwand falsch eingeschätzt wird und / oder der Mehr nicht quantifizierbar oder unzureichend auf Unternehmensziele ausgerichtet ist.

In Ausbaustufen denken

Schauen wir uns ein typisches GenAI Use Case Beispielan:

"Automatisierung unseres Kundenservice über Chat, Mail und Telefon."

Das klingt wie ein Use Case, ist aber ein ganzes Anwendungsfeld mit dutzenden versteckten Anwendungsfällen:

• Stimmungsanalyse
• Anliegenerkennung
• FAQ-Beantwortung
• E-Mail-Klassifizierung
• Informationsextraktion
• Konto- und Adressänderungen
• ...

Die Lösung, um der überfordernden Komplexität von Anwendungsfällen Herr zu werden, nenne ich Ausbaustufen.

Du kannst jeden Use Case in Stufen aufteilen, welche aufeinander aufbauen. Schon Stufe 1 schafft Wert und hilft dir, Erfahrungen für die nächste Ausbaustufe zu sammeln.

Stufe 1: KI antwortet

• KI unterstützt auf Anfrage über Chatbots oder trainierte Assistenten.
• Beispiel: Kundenservice-Agent fragt KI-Chatbot mit interner Wissensdatenbank.

Stufe 2: KI schlägt vor

• KI wird proaktiv, schlägt Lösungen vor, Mensch prüft und entscheidet.
• Beispiel: KI analysiert Kundenanfrage und schlägt passende Antwortvorlage vor.

Stufe 3: KI führt aus

• Vollautomatisierung ohne menschliche Kontrolle.
• Beispiel: KI beantwortet FAQs direkt, leitet komplexe Fälle an Menschen weiter.

Nicht jeder Use Case braucht alle Stufen. Manchmal ist der direkte Sprung zu Stufe 3 richtig.

Dein nächster Schritt: Nimm deine Use Case-Liste und definiere für jeden Use Case die möglichen Ausbaustufen. Das macht sie greifbarer, weniger komplex und vor allem: bewertbar.

Bewertungsframework: Wertbeitrag vs. Technische Machbarkeit

Jetzt wird's konkret: Wie bewertest du deine Use Cases systematisch?

Ich nutze eine pragmatische Bewertung aus zwei Perspektiven - Wertbeitrag und technische Machbarkeit.

Jeder Use Case (bzw. jede Ausbaustufe) wird auf einer 3-Punkte-Skala bewertet:

1. Hoch
2. Mittel
3. Niedrig

Wichtig: Es geht nicht um die perfekte Berechnung, sondern darum, deine Use Cases zu clustern und in eine klare Priorisierung zu kommen.

Wertbeitrag bewerten:

Für den Wertbeitrag habe ich mehrere Dimensionen gebildet, welche je nach Unternehmenszielen gewichtet werden können:

1. Aufwand der Aufgabe

Wie viel Zeit wird heute dafür aufgewendet?

• Hoch: 25%+ der Gesamtarbeitszeit
• Mittel: 10-24% der Gesamtarbeitszeit
• Niedrig: 1-9% der Gesamtarbeitszeit

2. Häufigkeit

Wie oft tritt diese Aufgabe auf?

• Hoch: Täglich
• Mittel: Wöchentlich
• Niedrig: Monatlich oder seltener

3. Zeitersparnis durch KI

Wie viel Zeit kann eingespart werden?

• Hoch: 51%+ Zeitersparnis
• Mittel: 21-50% Zeitersparnis
• Niedrig: <20% Zeitersparnis

4. Weitere (weiche) Mehrwerte

(Auch hier ein Scoring nach Hoch/Mittel/Niedrig)

• Qualitätsgewinn
• Mitarbeiterzufriedenheit
• Kundenerlebnis

Aufwand bewerten:

Für die Annäherung an die technische Machbarkeit schaue ich mir wieder drei Dimensionen an und weise ihnen einen Wert von Niedrig (geringer Aufwand) bis Hoch (hoher Aufwand) zu.

1. Datenverfügbarkeit

• Niedrig (gut): Daten stehen in ausreichender Qualität zur Verfügung
• Mittel: Daten nicht zugänglich ODER qualitativ unzureichend
• Hoch (schwierig): Daten nicht zugänglich UND qualitativ unzureichend

2. Integrationsaufwand

• Niedrig: Keine Anbindung erforderlich
• Mittel: Standard-Schnittstellen vorhanden
• Hoch: Keine Standard-Schnittstellen vorhanden

3. Ressourcen/Tools

• Niedrig: Umsetzung mit vorhandenen Tools möglich
• Mittel: Zukauf eines neuen Tools erforderlich
• Hoch: Eigenentwicklung erforderlich

Das Ergebnis: Eine Matrix, die dir zeigt, welche Use Cases den höchsten Wertbeitrag bei der geringsten technischen Komplexität bieten.

Quick Wins vs. Value Cases

Aus der Bewertungsmatrix entstehen zwei Kategorien - und jede braucht einen anderen Umsetzungsansatz:

Quick Wins

Anwendungsfälle mit gutem Wertbeitrag (vor allem Effizienz/Zeitersparnis) UND relativ einfacher technischer Machbarkeit.

Typische Merkmale:

• KI-Unterstützungsfälle für abgegrenzte Aufgaben
• Klare Automatisierung mit überschaubarem Scope
• Schnell umsetzbar mit vorhandenen Tools
• Sofortige Wirkung spürbar

Beispiel: KI-Assistent für E-Mail-Entwürfe im Kundenservice mit integrierter Wissensdatenbank

Value Cases (Projekte)

Anwendungsfälle mit potenziell sehr hohem Wertbeitrag (auch strategisch, qualitativ), die technisch aufwendiger sein können, aber einen signifikanten Unterschied machen.

Typische Merkmale:

• Automatisierungsfälle mit breiterem Scope
• Strategische Relevanz für das Unternehmen
• Längerfristige Wirkung, größerer Impact
• Höhere technische Komplexität

Beispiel: Vollautomatisierte Analyse und Kategorisierung aller eingehenden Kundenanfragen mit intelligenter Weiterleitung und Antwort-Drafting.

Quick Wins können dezentral in den Teams umgesetzt werden. Value Cases brauchen Projektmanagement, Budget und oft externe Unterstützung.

Abschließend kannst du die ausgewählten Use Cases mit einer Scorecard dokumentieren und in eine Übersichtstabelle übertragen. In dieser Datei sollte auch künftig der Umsetzungsstatus nachgehalten werden.

(Im AI Collective stellen wir unseren Mitgliedern neben einer umfangreichen Akademie und wöchentlichen Community Sessions auch 30+ Templates (Use Case Discovery Miro Board, Scorecard und Use Case Portfolio, Use Case Datenbank, ...) zur Verfügung, um KI im eigenen Unternehmen in die Umsetzung zu bringen. Demnächst öffnen wir das AI Collective wieder für neue Mitglieder. Hier kannst du dich auf die Warteliste eintragen.)

🏁 Fazit

Heute haben wir unsere Liste an Use Case Ideen in Quick Wins und Value Cases kategorisiert und anhand der Mehrwerte und Machbarkeit priorisiert.

Das Ausbaustufen-Denken reduziert Komplexität und macht Use Cases greifbar. Die Bewertungsmatrix aus Wertbeitrag und technischer Machbarkeit schafft Klarheit. Und die Kategorisierung in Quick Wins und Value Cases bereitet den richtigen Umsetzungsweg vor.

Key Takeaways

1. Ausbaustufen definieren: Denke Use Cases nicht als Endlösung, sondern in entwickelbaren Stufen
2. Pragmatisch bewerten: Nutze Wertbeitrag vs. technische Machbarkeit für schnelle Clusterung
3. Kategorisieren: Quick Wins für schnelle Erfolge, Value Cases für strategischen Impact
4. Unterschiedlich behandeln: Jede Kategorie braucht einen anderen Umsetzungsansatz
5. Fokus vor Vollständigkeit: Lieber wenige Use Cases richtig als viele halbherzig

Nächsten Sonntag zeige ich dir in Teil 3, wie du konkret in die Umsetzung gehst - von der dezentralen Quick Win-Implementierung bis zum strategischen Value Case.

Bis nächsten Sonntag,

Felix