Die meisten KI-Initiativen beginnen mit einer Technologiefrage: Welches Modell? Welche Plattform? Welcher Anwendungsfall? Das ist verständlich – und meistens die falsche erste Frage.
Gebaut für teure Software
Viele Organisationen sind um eine Annahme herum gewachsen, die kaum jemand ausspricht: Software ist teuer, langsam und riskant zu bauen. Daraus folgt vieles. Man kauft große Standardsysteme und passt die Prozesse daran an. Man bündelt Anforderungen über Monate, weil jede Änderung ein Projekt ist. Man schiebt Abstimmungen über Excel und E-Mail hin und her, weil eine kleine Integration sich nicht lohnt. Man trennt Fachbereich und IT scharf, weil Übersetzung zwischen beiden teuer ist.
Wenn Anwendungen, Integrationen und Automatisierung in Tagen entstehen, stimmen viele dieser Entscheidungen nicht mehr. Nicht weil sie falsch waren – sondern weil ihre Grundlage weggefallen ist.
Die eigentliche Hürde
Die größte Herausforderung ist daher selten, neue Technologie einzuführen. Sie liegt darin, bestehende Annahmen zu hinterfragen und eingefahrene Muster zu überwinden: Braucht dieser Freigabeprozess wirklich drei Stufen, oder gab es sie nur, weil Fehler früher teuer zu korrigieren waren? Muss dieses Reporting monatlich sein, oder war das nur die Taktung des Batchlaufs? Ist diese Rolle eine fachliche Notwendigkeit, oder überbrückt sie eine Lücke zwischen zwei Systemen?
Wer KI einführt, ohne solche Fragen zu stellen, automatisiert das Alte – schneller, aber nicht besser.
Wie ich daran arbeite
Ich arbeite über Strategie, Organisation, Architektur und Umsetzung hinweg: bestehende Modelle analysieren, erkennen, wo sie vereinfacht oder grundlegend neu gestaltet werden sollten, einen pragmatischen Zielzustand festlegen und Teams helfen, die Veränderung tatsächlich umzusetzen. Wichtig ist mir dabei der Kontakt zur technischen Wirklichkeit – eine Zielarchitektur, die niemand bauen kann, ist keine Strategie, sondern eine Folie.
Das Modell überdenken. Die Organisation verändern. Strategie in Umsetzung verwandeln.