Praxisnahe Orientierung für verantwortungsvolle KI-Programme.
KI-Anwendungsfälle identifizieren
So untersuchen Teams reale Arbeitsabläufe, prüfen Engpässe mit mehreren Evidenzquellen und entscheiden erst danach über einen begrenzten KI-Test.
ModelFold Editorial Team7 Min. Lesezeit
Eine Beschwerde ist ein Forschungsansatz, aber noch kein KI-Anwendungsfall. Wenn ein Operations-Team sagt, Kunden-Onboarding-Briefings dauerten zu lange, liegt ein Zusammenfassungsassistent scheinbar nahe. Ein aus der Erinnerung gezeichneter Ablauf lässt das Schreiben als Problem erscheinen. Reale abgeschlossene Fälle können jedoch zeigen, dass schwierige Briefings auf fehlende kommerzielle Entscheide warten und nach der Klärung widersprüchlicher Angaben neu geschrieben werden. Wer nur die sichtbare Formulierungsarbeit automatisiert, lässt den eigentlichen Engpass bestehen. Gute Discovery grenzt deshalb reale Arbeit ein, verbindet mehrere partielle Evidenzquellen und hält Gegenbeispiele fest, bevor sie eine Intervention auswählt.
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. Formulieren Sie zudem die Fragen, welche die Feldrunde beantworten soll: Wo entstehen Übergaben, welche Informationen fehlen, wodurch variiert die Arbeit und woran wird ein akzeptiertes Ergebnis erkannt? Beginnen Sie mit wiederkehrender Arbeit und echten Unterlagen, nicht mit der offenen Frage, wo das Team KI einsetzen könnte. Die Grenze darf sich verschieben, wenn die Untersuchung relevante Abhängigkeiten davor oder danach sichtbar macht.
Beim Onboarding-Beispiel reicht der Ausschnitt vom genehmigten Sales-Handoff bis zu einem Briefing, das die Delivery-Verantwortlichen akzeptieren. Einbezogen werden vollständige Routinefälle, unvollständige Übergaben und Fälle mit geändertem Umfang. Danach wählen Sie die kleinste Evidenzmischung, die Ihre Forschungsfragen beantworten kann. Das hier beschriebene Vorgehen ist eine praktische Synthese, kein vorgeschriebenes Standardprotokoll. Nicht jeder Ablauf benötigt alle Methoden, und mehr Erhebung bedeutet nicht automatisch bessere Evidenz.
Interviews werden konkret, wenn eine Person einen kürzlich abgeschlossenen Fall Schritt für Schritt rekonstruiert. Beginnen Sie beim Auslöser: Was traf ein, was geschah danach, welcher Entscheid folgte und an wen ging die Arbeit weiter? Fragen Sie nach dem akzeptierten Ergebnis und dem Moment, an dem der Fall vom erwarteten Weg abwich. Offene Formulierungen wie «Was geschah als Nächstes?», «Woran haben Sie das erkannt?» oder «Können Sie mir das verwendete Dokument zeigen?» fördern Details, ohne eine gewünschte Antwort oder bereits eine KI-Funktion vorzugeben.
Diese Nachfragen erfassen auch kognitive Arbeit: schwierige Beurteilungen, relevante Signale und Unsicherheit, die eine Liste sichtbarer Schritte auslassen kann. Sie sind jedoch kein formales ACTA-Protokoll. Rekonstruieren Sie im Beispiel mindestens einen unkomplizierten und einen schwierigen Fall mit Personen aus Koordination, Sales Operations und Delivery, damit Übergaben nicht nur aus einer Rolle beschrieben werden. Gespräche in kleinen Gruppen oder zusammen mit einer Demonstration können Widersprüche klären. Ein einzelner Fall bleibt anschaulich, aber nicht repräsentativ.
Beobachten Sie die Arbeit mit den üblichen Geräten, Dokumenten, Daten, Unterbrechungen und Abhängigkeiten. Achten Sie darauf, wann jemand Quellen wechselt, wartet, Angaben prüft, Arbeit wiederholt, Unterstützung sucht oder unvollständige beziehungsweise widersprüchliche Informationen beurteilt. Notieren Sie auch Umgehungslösungen und Tätigkeiten ausserhalb des offiziellen Systems. Legen Sie den Beobachtungsmodus offen fest: Stilles Zuschauen schützt den natürlichen Ablauf eher, lässt Beweggründe aber offen; gelegentliche Fragen liefern Kontext; eine laufende Erklärung schafft Tiefe, verändert jedoch die Tätigkeit stärker.
Gestalten Sie die Feldrunde ausdrücklich als Untersuchung des Arbeitsablaufs, nicht als Bewertung einzelner Mitarbeitender. Die Teilnahme muss informiert sein; zusätzlicher Aufzeichnung ist erneut zuzustimmen, und erhobene Personendaten sind sicher zu behandeln. Sammeln Sie nur Evidenz, die für die Forschungsfrage erforderlich ist, beschränken Sie den Zugriff und beziehen Sie je nach Kontext die zuständigen Datenschutz-, Sicherheits-, Rechts-, Arbeits-, Accessibility- und Facheigner ein. Lassen Sie die beobachtete Person den rekonstruierten Ablauf am Schluss bestätigen oder korrigieren. Auch danach bleibt die Beobachtung eine kleine, interpretative Stichprobe und kein objektives Bild der gesamten Belegschaft.
Arbeitsmittel, kurze Aufgabentagebücher und betriebliche Aufzeichnungen erweitern den Blick über Gespräch und Momentbeobachtung hinaus. Lassen Sie sich Vorlagen, Checklisten, Tabellen, Nachrichten, Entwürfe, Notizen und Queue-Ansichten erklären. Formate, Markierungen und Anordnungen können Prioritäten, Gedächtnisstützen und Koordinationsregeln zeigen, die im offiziellen Prozessbild fehlen. Ihre Bedeutung darf aber nicht erraten werden: Klären Sie mit den Nutzenden, wie und in welchen Fällen das Arbeitsmittel tatsächlich eingesetzt wird.
Kurze Tagebucheinträge eignen sich, wenn relevante Aufgaben verteilt oder nur gelegentlich auftreten; sie bleiben selbst berichtete Evidenz und brauchen häufig eine spätere Klärung. Nutzbare Fall-, Aktivitäts- und Zeitdaten können Wiederholung, Warten, Nacharbeit, doppelte Behandlung, Abweichungen und Qualitätsprobleme sichtbar machen. Dokumentieren Sie gleichzeitig, was ausserhalb der erfassten Systeme geschieht. Zeitstempel zeigen nicht automatisch, warum eine Verzögerung entstand. Ungewöhnliche Fälle gehören nicht vorschnell in den Ausschuss: Prüfen Sie zuerst ihren Aufwand und ihre Folgen.
| Evidenzmethode | Was sie zeigen kann | Was sie verpasst | Wie sie abgesichert wird |
|---|---|---|---|
| Interview zu einem jüngeren Fall | Erlebnis, Reihenfolge, Entscheide, Unsicherheit und Übergaben | Vergessene oder implizite Schritte; unklare Wiederholung | Arbeitsmittel zeigen lassen und mit Kontrastfällen vergleichen |
| Kontextbeobachtung | Werkzeuge, Unterbrechungen, Umgehungslösungen und Unterstützung | Seltene Ereignisse; Verhalten ohne beobachtbare Begründung | Modus protokollieren und Rekonstruktion bestätigen lassen |
| Arbeitsmittel | Status, Priorität, Gedächtnisstützen und Koordination | Bedeutung, Nutzungshäufigkeit und Entstehungsgrund | Verwendung am konkreten Fall erklären lassen |
| Kurzes Aufgabentagebuch | Reale Instanzen über die Zeit und zeitnahe Erfahrung | Nicht berichtete Ereignisse und Erinnerungslücken | Einträge in einem Folgegespräch klären |
| Betriebliche Aufzeichnungen | Wartezeiten, Varianten, Nacharbeit und wiederkehrende Muster | Offline-Arbeit, Motive und uneinheitliche Falldefinitionen | Mit Beobachtung, Arbeitsmitteln und Praktikerwissen abgleichen |
Ein berichtetes Problem wird zur glaubwürdigen Engpasshypothese, wenn mehrere passende Fälle oder Evidenzquellen dieselbe Einschränkung an einem bestimmbaren Ort zeigen und mit einer beobachtbaren Folge verbinden. Das ist noch kein Kausalnachweis. Prüfen Sie die Interpretation mit den Personen, die den Ablauf ausführen, und bewahren Sie Fälle auf, in denen das Problem nicht auftritt. Der folgende Sechs-Fragen-Test ist eine redaktionelle Entscheidungsregel, kein statistisches Verfahren und kein Ersatz für einen gezielten Versuch.
Im Onboarding-Beispiel verschiebt sich die Hypothese vom langsamen Zusammenfassen zu fehlenden Entscheiden und widersprüchlichen Feldern in schwierigen Fällen. Routinebriefings werden rasch abgeschlossen, längere Briefings sind nicht durchgehend langsamer, und Systemzeitstempel erfassen die Klärung ausserhalb des Systems nicht. Diese Gegenbelege entwerten die Beschwerde nicht. Sie begrenzen die Schlussfolgerung und zeigen, welche Annahme der nächste kleine Test unterscheiden muss.
Fragen Sie erst, wo KI passt, wenn Ort, Folge und Unsicherheit des wiederkehrenden Engpasses sichtbar sind.
Eine evidenzbasierte KI-Chancenkarte ist ein begrenzter Entscheidungsnachweis, keine Verkaufsvorlage für eine bereits gewählte Lösung. Sie verbindet die Ablaufgrenze und beobachtete Stichprobe mit dem berichteten Problem, dem beobachteten Muster und dessen betrieblicher Folge. Substanzielle Aussagen erhalten Verweise auf Feldnotizen, bereinigte Arbeitsmittel, Tagebucheinträge oder Abfragen; unbelegte Punkte werden als Annahmen bezeichnet. Gegenbelege, Lücken, abweichende Erklärungen und Meinungsverschiedenheiten bleiben sichtbar, statt in einem einzigen Vertrauenswert zu verschwinden.
Für das Onboarding sollte der erste Test obligatorische Eingabefelder, eine eindeutige Verantwortung für die Sales-Übergabe und eine sichtbare Ausnahme-Queue prüfen. Erst bei sachlich vollständigen Fällen wäre eine begrenzte Schreibhilfe als separate Hypothese sinnvoll. Dokumentieren Sie Zweck, Nutzer, Einsatzumfeld, erwarteten Nutzen, Grenzen, Auswirkungen und menschliche Verantwortung und vergleichen Sie alle Optionen anhand derselben Arbeitsevidenz. Das Ergebnis lautet stets eines von vier Dingen: KI testen, eine Nicht-KI-Änderung testen, mehr Evidenz sammeln oder stoppen. Bei sensiblen Informationen und folgenreichen Entscheiden sind die zuständigen Fachstellen und qualifizierte Beratung einzubeziehen.
Grenzen Sie wiederkehrende Arbeit ein und prüfen Sie reale Fälle, Rollen, Übergaben und betriebliche Folgen. Beschreiben Sie Unsicherheiten und vergleichen Sie KI mit einfacheren Alternativen, bevor Sie einen kleinen kontrollierten Test vorschlagen.
Ein Problem ist eine gültige Schilderung von Frustration oder Aufwand. Eine KI-Chance ist zusätzlich auf eine Aufgabe begrenzt, durch Wiederholung, Ort und beobachtbare Folge gestützt und gegen Nicht-KI-Interventionen geprüft.
Rahmen Sie die Untersuchung als Ablauf- statt Leistungsevaluation und sichern Sie informierte Teilnahme. Erheben Sie nur notwendige Evidenz, beschränken Sie Zugriffe, legen Sie den Beobachtungsmodus offen und lassen Sie Teilnehmende die Rekonstruktion korrigieren.
Nein. Wählen Sie die kleinste Kombination, welche die Forschungsfrage beantwortet und bekannte blinde Flecken ausgleicht. Das Vorgehen ist eine praktische Synthese und kein universelles Pflichtprogramm.
Nein. Beobachtungen und Betriebsdaten können eine plausible Engpasshypothese stützen, beweisen aber keine Ursache. Bewahren Sie Gegenbelege und alternative Erklärungen auf und führen Sie den kleinsten unterscheidenden Test durch.
Für diesen Artikel wurden folgende Quellen herangezogen:
Wir berichten darüber, wie KI tatsächlich in einem Unternehmen ankommt. Wir arbeiten mit benannten Quellen, trennen Recherche von Einschätzung und nutzen KI-Unterstützung für Recherche und Entwürfe unter dokumentierten redaktionellen Kontrollen. Eine individuelle Fachprüfung ersetzen wir nicht.
Ein praxisnaher Leitfaden, um Ausnahmen, Freigaben und Übergaben evidenzbasiert neu zu gestalten, bevor ein Workflow automatisiert wird.
Ein praxisnaher Leitfaden, um Aufgaben lokal zu erfassen, KI belastbar zu testen, Aufwand neu zuzuordnen und Rollen erst nach einem Pilot anzupassen.
Ein praxisnaher Leitfaden, um KI-Entscheidungsrechte klar zuzuweisen und Evidenz aus Pilotprojekten in Portfolio- und Strategieentscheide zu übersetzen.
