Beginnen Sie mit einer konkreten Aufgabe und ihrem heutigen Aufwand. Vergleichen Sie KI mit vorhandenen Lösungen, klären Sie Daten und Prüfverantwortung und priorisieren Sie erst dann einen Pilot. Die folgenden Schritte sind ein SEVAREL-Arbeitsmodell, kein allgemeingültiger Erfolgsalgorithmus.
1. Den Ausgangspunkt präzise beschreiben
„Wir wollen KI nutzen“ ist noch keine Entscheidungsfrage. Eine tragfähige Frage könnte lauten: Können Mitarbeiter freigegebene Informationen schneller finden, ohne die fachliche Qualität zu verschlechtern? Notieren Sie die Nutzerrolle, die Art der Information und das erwartete Ergebnis. Erfassen Sie anschließend, wie die Aufgabe heute gelöst wird. Dazu zählen auch Rückfragen, Suche und Nacharbeit. Ohne diese Ausgangsbeschreibung fehlt später der Vergleichsmaßstab. Ein allgemeiner Eindruck von Überlastung allein belegt keine Eignung für KI.
2. Ein kleines Register konkreter Fälle anlegen
Sammeln Sie wenige beschreibbare Anwendungsfälle statt möglichst vieler Schlagworte. Jeder Fall erhält Eingaben, gewünschtes Ergebnis, Häufigkeit, fachlichen Verantwortlichen und mögliche Fehlerfolgen. Erfassen Sie zudem, welche Quellen vorhanden sind und wer ihre Verwendung freigibt. Noch offene Angaben bleiben offen. Eine Idee, deren Nutzer oder Datenverantwortliche niemand benennen kann, ist zunächst ein Klärungsauftrag.
- Was soll eine Person nach dem Ergebnis tun können?
- Welche Entscheidung bleibt beim Menschen?
- Welche Information darf nicht verwendet oder ausgegeben werden?
Weitere Formate
Die ursprünglichen Spalten bleiben für die strukturierte Weiterverarbeitung erhalten.
3. Alternativen ernsthaft vergleichen
Stellen Sie mindestens das heutige Vorgehen, eine passende vorhandene Softwarefunktion und den KI-Ansatz gegenüber. Bei eindeutigem Ablauf kann eine Regel oder eine bessere Suche genügen. Bei variierenden Texten kann KI einen prüfbaren Beitrag leisten. Bewerten Sie nicht nur die erzeugte Antwort, sondern auch Einrichtung, Nachbearbeitung, Kosten und den Umgang mit Ausnahmen. Der Verzicht auf KI ist eine zulässige Entscheidung, wenn der zusätzliche Nutzen nicht erkennbar ist.
4. Voraussetzungen und Nutzenhypothese trennen
Eine Nutzenhypothese beschreibt eine erwartete Verbesserung. Eine Voraussetzung beschreibt, was zuerst möglich sein muss. Diese beiden Dinge gehören nicht in dieselbe unklare Punktzahl. Eine attraktive Idee ohne freigegebene Daten kann nicht direkt in einen produktiven Pilot starten. Dokumentieren Sie solche Bedingungen separat, damit ein hoher erwarteter Nutzen keine ungeklärten Zugriffe überdeckt.
| Ebene | Beispiel einer zu prüfenden Aussage |
|---|---|
| Nutzenhypothese | Such- und Prüfzeit pro fachlich akzeptierter Antwort sinkt. |
| Voraussetzung | Aktuelle, zugelassene Quellen mit benanntem Eigentümer liegen vor. |
| Qualitätsgrenze | Nicht belegbare Antworten werden als solche erkennbar. |
| Betrieb | Ein Verantwortlicher bearbeitet Fehler und Quellenänderungen. |
5. Prioritäten mit Gründen versehen
Eine Rangfolge ist nur dann hilfreich, wenn ihre Gründe nachvollziehbar sind. Legen Sie offen, welche Kriterien stärker gewichtet wurden und welche Information noch fehlt. Ein begrenzter, gut prüfbarer Fall kann vor einem größeren, aber unklaren Vorhaben liegen. Berücksichtigen Sie die benötigten Personen: Ein Pilot, dessen Ergebnisse niemand fachlich prüfen kann, erzeugt keine verlässliche Entscheidung. Halten Sie außerdem fest, welche Ideen bewusst nicht weiterverfolgt werden.
6. Aus einer Priorität einen Pilotauftrag machen
Der Auftrag benennt Fragestellung, Testfälle, verwendete Quellen, Nutzerrollen und erlaubte Aktionen. Definieren Sie vor der Erprobung, welche Ergebnisse für Weiterführung, Nachbesserung oder Stopp sprechen. Prüfen Sie typische und schwierige Aufgaben; eine einzelne überzeugende Demonstration reicht nicht. Kosten und menschliche Kontrollzeit gehören neben der Antwortqualität in die Auswertung. Der NIST AI Risk Management Framework ist ein freiwilliger Orientierungsrahmen für KI-Risiken; Ihr konkreter Pilot benötigt zusätzlich eigene, überprüfbare Kriterien.
Weitere Formate
Die Textfassung bleibt für technische Workflows und KI-Arbeitsaufträge verfügbar.
7. Die Strategie als gepflegte Entscheidung behandeln
Eine Strategie ist kein einmaliges Dokument, das jede spätere Produktänderung überlebt. Neue Datenquellen, andere Nutzer oder ein Modellwechsel können eine erneute Prüfung nötig machen. Bestimmen Sie deshalb, wer das Register pflegt, wann Erkenntnisse ausgewertet werden und wer neue Anwendungen freigibt. Dokumentieren Sie die getestete Konfiguration und die tatsächlich beobachteten Grenzen. So wird aus der ersten Orientierung eine nachvollziehbare Arbeitsweise, ohne daraus eine unbegrenzte Freigabe für jedes KI-Werkzeug abzuleiten.
Arbeitsbeispiel: die Methode konkret anwenden
Ein fiktives Serviceteam verbringt viel Zeit mit der Suche nach freigegebenen Produktinformationen. Es nennt zunächst „einen Chatbot“ als Lösung. Die Arbeitsaufnahme zeigt jedoch zwei verschiedene Fragen: Wo liegt die gültige Quelle, und wie wird daraus ein verständlicher Antwortentwurf? Der Pilot vergleicht eine verbesserte Dokumentensuche mit einem KI-gestützten Entwurf. Die Fachrolle bewertet beide anhand identischer Fragen. Gesondert gemessen werden Suchzeit und Korrekturzeit. Dieses Beispiel enthält keine tatsächlichen Kundenmessungen; es zeigt, warum das Ziel vor der Werkzeugwahl konkret sein muss.
Quellen und Einordnung
Die Methoden und Rechenbeispiele auf dieser Seite sind SEVAREL-Arbeitsmodelle. Externe Quellen werden für die jeweils gekennzeichneten Hintergrundinformationen verwendet.
- NIST — AI Risk Management Framework
Freiwilliger Rahmen für den Umgang mit KI-Risiken. Unsere Arbeitsmodelle sind keine NIST-Zertifizierung.
Quellenstand: 2026-09-18. Eine Quellenangabe ersetzt keine Prüfung Ihres konkreten Einsatzes.