Strategisch zum KI-Erfolg

„Wir haben direkt losgelegt – und leider erst mittendrin gemerkt, dass wir das Ziel gar nicht erreichen können.“ Dieser Satz hallt häufig in KI-Projekten wider und offenbart die tiefsitzende Frustration vieler Teams. Als Scrum Masterin begleite ich die Entwicklung digitaler Produkte, insbesondere im Bereich Künstlicher Intelligenz. Hier erlebe ich immer wieder: Enorme Ambitionen und hohe Erwartungen treffen auf das Fehlen eines soliden Plans vor dem eigentlichen Projektstart.

In einem meiner ersten KI-Projekte schien die Aufgabenstellung zunächst kristallklar: Ein intelligentes System sollte den Fachbereich entlasten und tägliche Arbeitsabläufe optimieren. Das Team war hochmotiviert, die Technologie erschien vielversprechend – folglich starteten wir voller Elan. Doch Wochen später kristallisierte sich heraus: Die zugrunde liegenden Daten waren weder vollständig noch von ausreichender Qualität. Und ohne präzise Daten gibt es keine funktionierende KI. Wie das Sprichwort sagt: „Garbage in, Garbage out.“ Schnell wurde klar, dass wir die Erwartungen unseres Kunden nicht erfüllen und die Ambitionen meines Teams nicht realisieren konnten.

In einem anderen Fall hatten wir es sogar mit einem technisch realisierbaren System zu tun – doch stellte sich heraus, dass es die drängendsten Schmerzpunkte der Nutzer*innen nicht adressierte. Das Ergebnis: Ein MVP, das niemand nutzte.

Beide Projekte hatten eines gemeinsam: Sie starteten ohne eine vorgelagerte Analyse- und Validierungsphase. Es gab keinen Raum für essenzielle Fragen wie:

• Was benötigen die Nutzer*innen wirklich?
• Was ist mit den vorhandenen Daten realistisch umsetzbar?
• Für welche Herausforderungen lohnt sich der Einsatz von KI wirklich – und wann ist er überflüssig?

Doch wie lassen sich diese entscheidenden Fragen schnell, kosteneffizient und fundiert beantworten? Insbesondere, wenn es im eigenen Unternehmen an spezialisierten KI-Expert*innen mangelt? Genau hier setzt der AI Design Sprint® an!

Als ich das Format des AI Design Sprint® kennenlernte, war meine anfängliche Skepsis spürbar: Noch ein Framework? Noch ein Workshop-Format? Doch bereits die erste Framing Session mit einem Kunden überzeugte nicht nur mich, sondern glücklicherweise auch den Kunden selbst auf ganzer Linie.

Innerhalb weniger Stunden erkannte der Kunde eigenständig, in welchen Bereichen der Einsatz von KI einen echten Mehrwert bieten und die tatsächlichen Schmerzpunkte seines Unternehmens adressieren würde. Das Bemerkenswerte daran: Zuvor hatte der Kunde einen völlig anderen Anwendungsfall im Sinn. Begeistert von diesem wertvollen Ergebnis beauftragte er direkt das Folgeformat – ein Concept Development. Hier kommen IT, Fachbereich und KI-Expert*innen an einen Tisch, um den Prozess oder das Produkt, das durch KI optimiert werden soll, detailliert zu analysieren. Auf diese Weise werden essenzielle Fragen geklärt, die sonst zu spät oder gar nicht gestellt worden wären. Innerhalb von nur zwei halben Tagen erhält man absolute Klarheit über folgende Fragen:

• Welche Schmerzpunkte gibt es im aktuellen Prozess?
• Welcher konkrete Anwendungsfall ist aus Nutzer- und Business-Sicht wirklich sinnvoll?
• Welche Daten sind vorhanden, welche werden benötigt, und was ist technisch überhaupt realisierbar?

Ein weiterer, oft unterschätzter Vorteil: Die Fachabteilung ist von Anfang an aktiv eingebunden. Meiner Erfahrung nach werden fast alle KI-Projekte von Sorgen und Ängsten begleitet und erfordern eine hohe Veränderungsbereitschaft der Mitarbeitenden. Hier gilt die Devise: „Betroffene zu Beteiligten machen.“ Der AI Design Sprint® ermöglicht und fordert die aktive Mitgestaltung der Fachabteilung an der Lösung. Diese Form der Beteiligung ist von immenser Bedeutung für die spätere Akzeptanz und Begeisterung der finalen Lösung.

Nicht jede Lösung ist (sofort) technisch umsetzbar. Dies frühzeitig zu erkennen und dann entweder zunächst die technischen Voraussetzungen zu schaffen oder das Vorhaben unter den aktuellen Bedingungen gar nicht erst zu starten, ist zwar keine erfreuliche, aber eine ebenso wertvolle Erkenntnis. Es ist besser, früh und günstig zu scheitern, als spät und teuer.

Diese Erfahrung habe ich erst kürzlich in einer Concept Development Session gemacht. Im ersten Moment war die Enttäuschung des Kundenteams spürbar. Doch in der abschließenden Feedback-Runde waren sich alle einig: „Zum Glück haben wir die technische Blockade schon jetzt erkannt und nicht wieder ein Projekt in den Sand gesetzt.“ Der ursprünglich gewünschte Anwendungsfall war mit den vorhandenen Daten nicht realisierbar – welche Optionen es dennoch geben könnte, sollte mein Data Science Kollege im Rahmen eines kleinen TechChecks erkunden.

Der AI Design Sprint® ist kein Zaubertrick. Aber er ist eine strukturierte und bewährte Methode, um schnell zu erkennen, ob ein KI-Vorhaben tragfähig ist – oder eben nicht. Genau das macht ihn so unverzichtbar für alle, die in KI investieren möchten.

Aus meiner Erfahrung liefert der AI Design Sprint®:

1. Frühe Klarheit: Transparenz über Nutzerbedürfnisse, Businessziele und technische Machbarkeit.
2. Transparenz über Datenlücken: Vermeidung hoher Investitionen in unzureichende Datenbestände.
3. Priorisierung: Identifikation des Anwendungsfalls mit dem größten und schnellsten Mehrwert.
4. Buy-in der Fachabteilung: Förderung der nahtlosen interdisziplinären Zusammen­arbeit zwischen Business, IT und Data Science.
5. Besseres Erwartungsmanagement: Realistische Einschätzungen und klare Kommunikation auf Entscheiderebene.

Als Scrum Masterin ist es mein oberstes Ziel, meinem Team und unseren Kunden Frustration, Umwege und Budgetverschwendung zu ersparen. Der AI Design Sprint® ist für mich das ideale Werkzeug, um genau dies zu erreichen und unsere Projekte auf eine solide Basis zu stellen.

KI-Projekte sind komplex. Sie benötigen mehr als nur Motivation und Vision – sie erfordern einen klaren, realistischen Startpunkt. Der AI Design Sprint® ist für mich ein sinnvoller und unverzichtbarer erster Schritt für jedes KI-Projekt. Nicht nur, um Risiken von vornherein zu minimieren, sondern auch, um Teams mit einem realistischen, geteilten Verständnis auf die Reise zu schicken und den Fachbereich von Anfang an aktiv einzubinden.