Quellengestütztes Praxiswissen für verantwortungsvolle KI-Programme.
KI-Anwendungsfälle identifizieren
Ein praxisnaher Leitfaden, um reale Arbeitsabläufe zu beobachten, Engpässe zu prüfen und erst dann einen belastbaren KI-Anwendungsfall zu formulieren.
ModelFold Editorial Team7 Min. Lesezeit
Eine Beschwerde ist ein Forschungsansatz, noch kein KI-Anwendungsfall. Wenn ein Operations-Team sagt, Kunden-Onboarding-Briefings dauerten zu lange, liegt ein KI-Zusammenfasser scheinbar nahe. Ein aus dem Gedächtnis gezeichneter Ablauf zeigt vielleicht das Schreiben als Engpass. Abgeschlossene Fälle können jedoch ergeben, dass schwierige Briefings auf fehlende kommerzielle Entscheidungen warten und nach der Klärung widersprüchlicher Felder neu geschrieben werden. Wer nur die sichtbare Textarbeit automatisiert, lässt dann die wiederkehrende Einschränkung unangetastet. Belastbar wird die Gelegenheit erst, wenn reale Fälle Ort, Folge und Unsicherheit des Problems zeigen und ein Vergleich mit einfacheren Änderungen möglich ist.
Das Wichtigste in Kürze
Vor der Beobachtung braucht der Arbeitsablauf eine vorläufige, überprüfbare Grenze. Halten Sie Auslöser, Endzustand, Ergebnis, nachgelagerte Nutzer, beteiligte Rollen sowie Routine- und Ausnahmefälle fest. Beim Onboarding reicht sie vom freigegebenen Vertriebsübergabepaket bis zum von der Projektleitung akzeptierten Briefing; einbezogen werden vollständige, unvollständige und nachträglich geänderte Fälle. Die Grenze darf sich verschieben, wenn die Feldarbeit eine entscheidende vor- oder nachgelagerte Abhängigkeit sichtbar macht.
Beginnen Sie bei wiederkehrender Arbeit und realen Ergebnissen, nicht bei der Frage, wo sich KI einsetzen ließe. Die Interviewplanung folgt den Forschungsfragen und den zu verstehenden Prozessen. Der hier vorgeschlagene Methodenmix ist eine praktische Synthese: Interviews, Kontextbeobachtung, Unterlagen, kurze Tagebücher und Betriebsdaten sind Optionen, keine Pflichtliste. Wählen Sie die kleinste Kombination, die die Workflow-Frage beantworten und erkennbare blinde Flecken ausgleichen kann.
Interviews werden konkret, wenn sie einen kürzlich abgeschlossenen Fall Schritt für Schritt rekonstruieren. Bitten Sie nicht um den idealen Prozess, sondern um eine reale Geschichte: Was löste den Fall aus, was kam an, was geschah danach, welche Entscheidung fiel, wohin ging die Übergabe und welches Ergebnis wurde akzeptiert? Offene, neutrale Fragen lassen Abweichungen auftauchen, ohne den Befragten bereits eine KI-Lösung vorzugeben.
Erfassen Sie auch Hinweise, Informationsbedarf und schwierige Abwägungen, nicht bloß Klicks. Das ist eine kompakte Anleihe bei kognitiver Aufgabenanalyse, kein formales ACTA-Verfahren. Im Beispiel werden je ein routinemäßiges und ein schwieriges Briefing mit Koordination, Sales Operations und Projektleitung rekonstruiert. Personen, die gemeinsam den Service erbringen, können paarweise oder in kleinen Gruppen befragt werden. Demonstrationen und gezeigte Unterlagen konkretisieren Tätigkeiten, die eine verbale Beschreibung auslassen kann; ein einzelner Fall bleibt dennoch nur illustrativ.
Beobachten Sie die Tätigkeit mit den üblichen Geräten, Dokumenten, Daten, Unterbrechungen und Abhängigkeiten. Notieren Sie Quellenwechsel, Wartezeiten, Prüfungen, Nacharbeit, Übergaben, Umgehungslösungen und Momente, in denen unvollständige oder widersprüchliche Informationen interpretiert werden. Beim Onboarding ist entscheidend, ob die Koordination tatsächlich lange formuliert oder vielmehr Rückfragen stellt, Felder abgleicht und auf Entscheidungen wartet. Kontextbeobachtung zeigt solche Barrieren, bleibt aber durch die Anwesenheit der Forschenden beeinflusst.
Legen Sie den Beobachtungsmodus offen fest. Stilles Zuschauen erhält mehr vom natürlichen Ablauf, lässt Motive aber leichter offen; gelegentliche Fragen liefern Kontext mit kleiner Unterbrechung; laufendes Erklären schafft Tiefe und verändert die Tätigkeit stärker. Rahmung und Datennutzung müssen klar sein: Untersucht wird der Ablauf, nicht die individuelle Leistung. Teilnahme erfolgt informiert, zusätzliche Aufzeichnungen brauchen erneute Zustimmung, personenbezogene Daten sind sicher und zugriffsbeschränkt zu behandeln. Erheben Sie nur, was die Forschungsfrage verlangt, und lassen Sie die rekonstruierte Abfolge am Ende bestätigen oder korrigieren.
Unterlagen, kurze Aufgabentagebücher und Betriebsdaten erweitern den Blick auf unsichtbare Zustände, verstreute Ereignisse und wiederkehrende Muster. Lassen Sie Vorlagen, Checklisten, Tabellen, Nachrichten, Entwürfe, Notizen und Warteschlangenansichten anhand des konkreten Falls erklären. Markierungen und Formate können persönliche Strategien für Priorität, Erinnerung und Koordination offenlegen; ihre Bedeutung darf jedoch nicht aus dem Dokument allein abgeleitet werden. Tagebücher eignen sich für Ereignisse, die über die Zeit verteilt und während einer geplanten Beobachtung leicht verpassbar sind.
| Methode | Was sie zeigen kann | Was sie übersehen kann | Wie sie geprüft wird |
|---|---|---|---|
| Interview zum jüngsten Fall | Erfahrung, Abfolge, Entscheidungen, Unsicherheit und Übergaben | Vergessene Details und tatsächliche Häufigkeit | Unterlagen zeigen lassen und Kontrastfälle vergleichen |
| Kontextbeobachtung | Werkzeuge, Unterbrechungen, Umgehungslösungen und implizite Arbeit | Seltene Ereignisse und Verhalten ohne Beobachter | Modus dokumentieren und Rekonstruktion bestätigen lassen |
| Arbeitsunterlagen | Status, Prioritäten, Gedächtnisstützen, Varianten und Koordination | Bedeutung, Nutzungshäufigkeit und Gründe | Verwendung am konkreten Fall erklären lassen |
| Kurzes Aufgabentagebuch | Reale Vorkommnisse nahe am Zeitpunkt ihrer Bearbeitung | Nicht eingetragene Ereignisse und beobachtbares Verhalten | Einträge im Folgeinterview klären |
| Betriebsdaten | Wartezeiten, Nacharbeit, Abweichungen und wiederkehrende Qualitätsprobleme | Offline-Arbeit, Motive und uneinheitliche Falldefinitionen | Mit Beobachtung, Unterlagen und Praxiswissen abgleichen |
Im Beispiel werden Aufnahmeformular, Quelldaten, Nachrichten, Checkliste, Entwurfshistorie und Korrekturhinweise verglichen. Kurze Tagebucheinträge halten bei realen Briefings fehlende Eingaben und Überarbeitungen fest. Verfügbare Warteschlangenalter, Rückläufe und Gründe für fehlende Felder prüfen die Wiederkehr. Ereignisfolgen und Zeitstempel können Wartezeit oder Nacharbeit zeigen, bilden aber unprotokollierte Klärungen nicht ab und erklären keine Ursache. Auch seltenere Ausnahmen bleiben relevant, bis Aufwand und Folge geprüft sind.
Ein genannter Schmerzpunkt wird zur glaubwürdigen Engpasshypothese, wenn mehrere relevante Fälle oder Evidenzquellen dieselbe Einschränkung an derselben Stelle zeigen und mit einer beobachtbaren Folge verbinden. Das ist weiterhin eine Arbeitshypothese, kein Kausalnachweis. Kontextuelle Stichproben sind klein und interpretativ; Betriebsdaten können wiederkehrende Wartezeiten oder Nacharbeit sichtbar machen, enthalten aber möglicherweise Lücken. Gegenbelege und alternative Erklärungen gehören deshalb ausdrücklich in die Auswertung.
Beim Onboarding verschiebt sich die Hypothese vom langsamen Zusammenfassen zu fehlenden Entscheidungen und widersprüchlichen Feldern in schwierigen Fällen. Routinebriefings werden rasch fertig, längere Dokumente sind nicht durchgehend langsamer, und Systemzeitstempel erfassen die Klärung außerhalb der Systeme nicht. Diese Gegenbelege schwächen die ursprüngliche Erklärung, ohne die berichtete Belastung zu entwerten. Der Sechs-Fragen-Test strukturiert die Entscheidung, ist aber weder ein statistischer Test noch ein Beweis für Ursache und Wirkung.
Fragen Sie nicht, wo KI passt, bevor Ort, Folge und verbleibende Unsicherheit eines wiederkehrenden Engpasses sichtbar sind.
Eine evidenzbasierte KI-Chancenkarte ist ein begrenzter Entscheidungsnachweis, kein Verkaufspapier für eine vorab gewählte Technologie. Sie verbindet den untersuchten Arbeitsabschnitt mit Fällen, Quellen, Gegenbelegen, Einschränkungen und dem kleinsten nächsten Test. Das NIST AI RMF Playbook empfiehlt, Zweck, Nutzer, Einsatzumfeld, Nutzen, Grenzen, Auswirkungen, Anwendungsbereich und menschliche Aufsicht zu dokumentieren. Es fordert auch den Vergleich mit nicht KI-basierten und nichttechnischen Alternativen, ohne eine davon vorzuschreiben.
Jede wesentliche Aussage verweist auf Evidenz oder ist ausdrücklich als Annahme markiert. Workshop-Einigung reicht nicht: Die Karte hält Evidenzanforderung, Verantwortung, nächsten Meilenstein und späteren Praxistest fest. Im Beispiel sollte das Team zuerst Pflichtfelder, eine eindeutige Zuständigkeit für die Vertriebsübergabe und eine sichtbare Ausnahmewarteschlange testen. Eine Schreibhilfe kommt erst für faktisch vollständige Fälle infrage. Der Abschluss lautet eindeutig: KI testen, eine Nicht-KI-Änderung testen, weitere Evidenz sammeln oder stoppen.
KI ist erst dann ein begründbarer nächster Schritt, wenn ein begrenzter Arbeitsschritt, eine wiederkehrende Einschränkung, eine beobachtbare Folge, brauchbare Informationen, menschliche Verantwortung und ein prüfbarer Vorteil gegenüber einfacheren Eingriffen zusammenkommen. Bleiben Wiederkehr, Ort, Folge oder Veränderbarkeit unklar, ist weitere Forschung oder ein Stopp die bessere Entscheidung. Bei sensibler Arbeit oder Beschäftigten-, Kunden-, vertraulichen beziehungsweise regulierten Daten sind die zuständigen Stellen für Datenschutz, Sicherheit, Recht, Arbeitsfragen, Barrierefreiheit und Fachdomäne einzubeziehen; die Methode selbst trifft keine Compliance-Entscheidung.
Grenzen Sie wiederkehrende Arbeit ab und untersuchen Sie konkrete Fälle, Rollen, Übergaben und betriebliche Folgen. Dokumentieren Sie Gegenbelege und Unsicherheit. Erst danach vergleichen Sie einen begrenzten KI-Test mit Regeln, Prozessänderungen, klarerer Verantwortung, Schulung, besseren Informationen und keinem Eingriff.
Ein Schmerzpunkt ist ein valider Bericht über Belastung oder Frustration. Eine KI-Chance braucht zusätzlich einen begrenzten Arbeitsschritt, wiederkehrende Evidenz, einen erkennbaren Ort im Ablauf, eine beobachtbare Folge und bekannte Einschränkungen. Außerdem muss ein plausibler KI-Eingriff besser prüfbar sein als einfachere Alternativen.
Rahmen Sie die Erhebung ausdrücklich als Untersuchung des Ablaufs und nicht als individuelle Leistungsbewertung. Sorgen Sie für informierte Teilnahme, einen offengelegten Beobachtungsmodus, verhältnismäßige Datenerhebung, beschränkten Zugriff und Bestätigung der Rekonstruktion. Bei sensiblen Inhalten sind die zuständigen organisatorischen Stellen einzubeziehen.
Nein. Die fünf Methoden bilden eine praktische Synthese und keine Pflichtliste. Wählen Sie die kleinste Kombination, die Ihre Forschungsfrage beantwortet, und ergänzen Sie nur dort eine weitere Methode, wo ein bekannter blinder Fleck die Entscheidung verzerren könnte.
Nein. Beobachtungen und Betriebsdaten können eine Engpasshypothese stützen, aber keine Ursache allein beweisen. Bewahren Sie Gegenbelege und alternative Erklärungen auf und führen Sie den kleinsten Test durch, der zwischen den plausiblen Erklärungen unterscheiden kann.
Für die Recherche zu diesem Artikel wurden folgende Quellen verwendet:
Wir berichten darüber, wie KI tatsächlich im Unternehmen ankommt. Unsere Arbeit beginnt bei benannten Quellen, trennt Recherchiertes von unserer Einschätzung und nutzt KI-Unterstützung für Recherche und Entwürfe unter dokumentierten redaktionellen Kontrollen. Eine individuelle Prüfung durch Fachleute ersetzen wir nicht.
Ein praxisnaher Leitfaden, um Ausnahmen, Freigaben und Übergaben vor der Automatisierung evidenzbasiert neu zu gestalten und sicher zu prüfen.
Eine praxistaugliche Methode, um Aufgaben lokal zu erfassen, KI belastbar zu testen, Aufwand neu zuzuordnen und Rollen erst nach einem Pilot neu zu schneiden.
So verteilen Unternehmen Verantwortung für KI-Standards, Finanzierung, Risiken und Betrieb und machen aus Piloten belastbare Strategieentscheidungen.
