Bei der Einführung von KI beginnen Unternehmen häufig mit der Technologie: Welche Modelle können wir nutzen? Brauchen wir einen Chatbot? Wo können wir Agents einsetzen? Die wichtigere Frage kommt dabei manchmal zu kurz: Welches Problem wollen wir eigentlich lösen?
Gerade bei KI ist diese Frage entscheidend. Die technischen Möglichkeiten entwickeln sich schnell und machen vieles denkbar. Daraus entsteht aber nicht automatisch ein sinnvoller Anwendungsfall. Gute AI-Produkte entstehen dort, wo ein relevantes Problem, ein geeigneter Prozess und die Möglichkeiten der Technologie zusammenpassen.
Im Process Design drehen wir die Perspektive deshalb um. Wir starten bei den Menschen, ihren Aufgaben und den Prozessen im Unternehmen. Mit Methoden aus Design Thinking und Event Storming machen wir sichtbar, wie heute gearbeitet und entschieden wird, wo Reibungsverluste entstehen und welche Aufgaben sich für Unterstützung oder Automatisierung eignen.
Aus abstrakten Ideen werden so konkrete AI Opportunities, die sich bewerten, priorisieren und anschließend gezielt erproben lassen.
Was zeichnet eine gute AI Opportunity aus?
Eine AI Opportunity ist für uns mehr als eine Idee für den Einsatz von KI. Sie verbindet drei Perspektiven:
Erstens muss ein relevantes Problem bestehen. Eine neue Technologie allein schafft noch keinen Mehrwert. Wir wollen verstehen, wo Menschen heute Zeit verlieren, Informationen fehlen, Entscheidungen schwerfallen oder Prozesse unnötig kompliziert sind.
Zweitens muss AI für dieses Problem einen sinnvollen Beitrag leisten können. Manchmal reicht eine klassische Softwarelösung, eine Prozessänderung oder eine bessere Datenbereitstellung vollkommen aus. Gerade deshalb betrachten wir AI nicht als gesetzte Lösung, sondern als eine mögliche Option.
Drittens muss der Anwendungsfall in den organisatorischen und technischen Kontext passen. Daten, Prozesse, vorhandene Systeme, Verantwortung, Akzeptanz und mögliche Risiken müssen von Anfang an berücksichtigt werden.
Das Ergebnis ist deshalb nicht einfach eine Liste von AI Use Cases, sondern ein gemeinsames Verständnis davon, wo AI konkret Mehrwert schaffen kann und welche Idee als Nächstes getestet werden sollte.
Wie läuft es ab?
Je nach Ausgangssituation kann ein Process Design Lab als konkretes Format von einem kompakten Workshop bis zu einer mehrwöchigen Discovery-Phase reichen. Im Mittelpunkt steht immer die Frage, wie wir möglichst schnell von einer abstrakten Herausforderung zu einem belastbaren nächsten Schritt kommen.
1. Probleme und Nutzer verstehen
Wir starten nicht mit AI, sondern mit den Menschen und ihren Aufgaben. Welche Ziele verfolgen sie? Wo entstehen heute Schwierigkeiten? Welche Arbeit kostet besonders viel Zeit? Wo fehlt Wissen oder Orientierung?
Mit Methoden aus dem Design Thinking strukturieren wir diese Perspektiven und arbeiten heraus, welche Probleme tatsächlich relevant sind. Dabei betrachten wir sowohl interne Nutzer:innen und Mitarbeitende als auch Kund:innen und andere Stakeholder.
2. Prozesse mit Event Storming sichtbar machen
Viele interessante AI-Anwendungsfälle liegen nicht in einzelnen Aufgaben, sondern an den Übergängen zwischen Menschen, Informationen und Systemen.
Mit Event Storming machen wir diese Abläufe gemeinsam sichtbar. Wir rekonstruieren, was in einem Prozess tatsächlich passiert: Welche Ereignisse treten auf? Welche Entscheidungen werden getroffen? Welche Informationen werden benötigt? Wo entstehen Wartezeiten, Medienbrüche oder wiederkehrende manuelle Tätigkeiten?
Dadurch entsteht ein gemeinsames Bild des Ist-Prozesses, das fachliche und technische Perspektiven miteinander verbindet.
3. AI Opportunities entwickeln und priorisieren
Auf Basis der identifizierten Probleme und Prozesse entwickeln wir mögliche Lösungsansätze. Dabei prüfen wir bewusst unterschiedliche Grade der Unterstützung durch AI: von der besseren Bereitstellung von Informationen über Copilots und Empfehlungen bis hin zur Automatisierung einzelner Prozessschritte.
Die Ideen werden anschließend nach ihrem erwarteten Mehrwert, ihrer Umsetzbarkeit und ihren Risiken bewertet. So entsteht kein unpriorisiertes Backlog mit Dutzenden AI-Ideen, sondern eine überschaubare Auswahl von Anwendungsfällen, bei denen sich ein nächster Schritt tatsächlich lohnt.
4. Lösungen früh erlebbar machen
Viele Fragen lassen sich besser an etwas Konkretem diskutieren als anhand einer Präsentation. Deshalb machen wir vielversprechende Ideen möglichst früh erlebbar.
Das kann zunächst ein Prozessmodell, ein Click-Dummy, ein Interface-Entwurf oder ein einfacher AI-Prototyp sein. Ziel ist an dieser Stelle noch nicht, eine produktionsfähige Anwendung zu entwickeln. Vielmehr wollen wir überprüfen, ob die Lösung zum Problem und zu den Menschen passt und welche Fragen vor einer technischen Umsetzung noch beantwortet werden müssen.
5. Vom Process Design zum nächsten Schritt
Am Ende steht eine klare Entscheidungsgrundlage: Welchen Anwendungsfall wollen wir verfolgen? Welchen Mehrwert erwarten wir? Wie könnte der zukünftige Prozess aussehen? Welche Annahmen sind bereits belastbar und welche müssen noch getestet werden?
Wenn insbesondere technische Fragen offen sind, kann darauf unser Sovereign Prototyping aufbauen. Dort testen wir Machbarkeit, Architektur und Nutzung mit einem funktionsfähigen Prototypen in einer sicheren Umgebung.
Wenn dagegen die Schnittstelle zwischen Daten, Menschen und Entscheidungen im Mittelpunkt steht, kann daraus ein Projekt im Data Experience Lab entstehen.
Process Design schafft damit die Grundlage, nicht möglichst schnell irgendetwas mit AI zu bauen, sondern die richtigen Probleme zu identifizieren, bevor wir in die Lösung investieren.
