KI entlang Ihrer Wertströme: eine praktische Landkarte

Wenn Führungskräfte fragen, wie sie KI nutzen sollen, kommt die Frage meist als Tool-Frage: welcher Assistent, welche Plattform, welcher Anbieter. Diese Sicht überspringt den nützlicheren Schritt. Der Anfang liegt bei der Arbeit selbst, der Kette von Aktivitäten, die einen Input in ein Ergebnis verwandelt, das ein Kunde schätzt. Diese Kette ist ein Wertstrom.

Ein Wertstrom läuft von Anfang bis Ende. Procure-to-Pay läuft von einer Beschaffungsanforderung bis zur bezahlten Rechnung. Issue-to-Resolution läuft von einem Kunden, der ein Problem meldet, bis zu dessen Lösung. Sobald der Strom explizit ist, ändert sich die Frage von „welches Tool“ zu „welcher Schritt, und wie weit soll KI ihn übernehmen“. Das ist eine Frage, die man mit Belegen beantworten kann. Die Beispiele in dieser Serie sind bewusst einfach gehalten. Echte Wertströme sind meist deutlich komplexer, mit vielen weiteren Schritten, Systemen und Übergaben, und sie zu kartieren macht diese Komplexität handhabbar.

Wir betrachten immer den ganzen Strom von Anfang bis Ende und das ist Absicht. Wert erreicht den Kunden erst, wenn die ganze Kette liefert, ein schnellerer Einzelschritt hilft also niemandem, wenn die Arbeit dann an der nächsten Übergabe wartet. Die meiste Verzögerung und die meisten Fehler sitzen in den Übergaben zwischen den Schritten statt in ihnen, und einen Schritt für sich zu automatisieren verschiebt oft nur den Engpass. Den ganzen Strom zu betrachten lässt uns beurteilen, ob eine Änderung die Lieferung wirklich verkürzt oder nur an einer Stelle beeindruckend aussieht.

Für jeden Schritt unterscheiden wir vier Grade, wie tief KI eingebunden ist. Diese Grade sind das Rückgrat der ganzen Serie.

Klassisch: Menschen erledigen die Arbeit von Hand. KI ist nicht beteiligt.

Unterstützend: ein Mensch erledigt die Arbeit und KI macht Vorschläge. Der Mensch behält jede Entscheidung.

Agentisch: KI übernimmt einen abgegrenzten Schritt eigenständig und ein Mensch prüft und genehmigt das Ergebnis, bevor es zählt.

Autonom: KI führt den Schritt ohne fallweise Genehmigung aus. Ein Mensch überwacht das System und setzt die Leitplanken.

Das Muster über die Grade hinweg zählt mehr als jeder einzelne Grad. Je mehr KI von der Ausführung übernimmt, desto mehr verschiebt sich die Rolle des Menschen vom Tun hin zum Spezifizieren, Prüfen und Steuern. Der Mensch behält die Kontrolle, nur jetzt am Gate statt an der Aufgabe. Jede Stufe höher tauscht mehr Routinearbeit gegen mehr Kontroll- und Integrationsaufwand. Für einen Business Case zählt dieser Tausch mehr als das Etikett der Stufe.

Für die meisten Unternehmen, und besonders für vorsichtige oder regulierte, ist die realistische Zielstufe agentisch mit menschlichem Gate: Die KI erledigt die abgegrenzte Arbeit und ein Mensch genehmigt sie weiterhin, bevor sie zählt. Volle Autonomie bleibt selten und situationsabhängig.

Jede Stufe höher hat ihren eigenen Preis. Von klassisch zu unterstützend ist vor allem eine Frage des Zugangs: digitalisierte Prozesse und Daten, ein leistungsfähiges KI-Modell und Menschen, die geschult sind, seine Ausgabe zu nutzen und zu beurteilen. Zu agentisch braucht es ein Fundament: eine solide Datengrundlage in integrierten Systemen oder einem Data Warehouse, API-Zugang, damit die KI handeln kann statt nur vorzuschlagen, und einen abgegrenzten Prozess mit klarem Erfolgskriterium und einem Prüf-Gate. Zu autonom ist die höchste Hürde: zuverlässige IT-Infrastruktur mit Monitoring, ein ausgereifter und weitgehend automatisierter Prozess und starke Data Governance samt Leitplanken mit menschlicher Rückfallebene. Die Infrastruktur baut sich auf und trägt nach oben weiter, während die Kontrollpunkte Stufe für Stufe dazukommen. Die konkrete Schwelle hängt weiter vom Strom ab, deshalb markieren wir am Reifegrad-Bild, was jede Stufe verlangt, und zeigen an den realen Fällen, was eine Organisation tatsächlich hatte, bevor sie weiterging.

Es gibt noch einen zweiten Preis, und er wird leicht übersehen. Je tiefer Sie KI integrieren, desto mehr eigenes Wissen müssen Sie ihr geben, damit sie nützlich wird, und damit werden proprietäre Daten und Kontext Teil der Kosten, nicht nur die Lizenzgebühren. Wie stark das zählt, hängt davon ab, wie Sie das Modell betreiben. Bei öffentlichen Consumer-Tools können Ihre Eingaben in das Training des Anbieters fließen, während sie auf Enterprise- und API-Tarifen mit Zero Data Retention oder in einer privaten oder On-Premise-Installation auf Ihrer eigenen Instanz bleiben und nicht zum Training des Modells verwendet werden. Für ein reguliertes Unternehmen gehört diese Containment-Entscheidung von Anfang an in den Plan, direkt neben den Wertbeitrag.

Wir beschreiben ein Unternehmen mit zehn Wertströmen. Zusammen decken sie nahezu jeden Teil einer Firma ab.

Sie fallen in drei Gruppen: die Kern-Wertschöpfung, die das Produkt schafft und liefert, die Planung, die sie steuert, und die unterstützenden Funktionen, die den Betrieb am Laufen halten. Die Tabelle unten nennt jeden Strom und was er tut.

Diese Landkarte ist der Grund, warum die Serie wie ein Verzeichnis funktioniert. Ein Unternehmen kann auf einen beliebigen Teil seines Betriebsmodells zeigen, den passenden Strom finden und dann lesen, wie KI ihn verändert. Öffnen Sie die interaktive Landkarte und steigen Sie in einen beliebigen Strom ein: die Wertstrom-Landkarte.

Jeder Strom der Serie wird gleich beschrieben. Diese Konsistenz ist Absicht: Sie lässt Sie einen Strom mit einem anderen vergleichen und darauf vertrauen, dass dieselben Fragen gestellt wurden. Zwei Sätze von Dimensionen leisten die Arbeit.

Der erste Satz beschreibt die Struktur des Stroms. Für jeden der vier Reifegrade legen wir die Schritte dar und wie sie sich verändern: welche Schritte verschmelzen, welche sich verschieben, welche neu entstehen. Darüber liegt ein Profil des gesamten Stroms: sein Primärziel, die typischen Kennzahlen, die Voraussetzungen für die agentische und die autonome Stufe und wie sich die Arbeit zwischen Mensch und KI aufteilt. Eine kurze Einschätzung von Stärken, Schwächen, Chancen und Risiken rundet es ab.

Idea-to-Market ist ein durchgerechnetes Beispiel. Das Bild unten legt den Strom über die vier Stufen aus, sodass Sie sehen, wie die Schritte verschmelzen und sich verschieben, je mehr KI übernimmt: der Idea-to-Market-Strom.

Der zweite Satz beschreibt jeden realen Fall. Wenn wir ein Beispiel anführen, erfassen wir jedes Mal dieselben Felder: die berichtete Kennzahl, wo ein Mensch prüft oder genehmigt, die Kontroll-Gates, wie stark das Ergebnis vom Kontext abhängt, die Risiken und Lehren und die Quelle. Wir nehmen nur Fälle auf, die wir gegen eine glaubwürdige Quelle prüfen konnten, und jeder Fall trägt einen Reality-Check: wo die Zahl nicht übertragbar ist und was außerhalb idealer Bedingungen bricht.

Ein Rahmenwerk ist nur so viel wert wie die Belege dahinter, deshalb halten wir die Belege sichtbar. Während die Serie die Ströme durcharbeitet, wachsen die realen Fälle zu einer Bibliothek, die Sie tatsächlich durchstöbern können. Jeder Fall ist gleich aufgebaut: ein kurzes Bild davon, wie die KI in der Arbeit sitzt, was sie verändert hat, die berichtete Zahl und, genauso wichtig, der Punkt, an dem diese Zahl nicht mehr trägt.

Verstehen Sie das Bild unten als Inhaltsverzeichnis. Jeder Fall steht unter dem Wertstrom, zu dem er gehört, die bereichsübergreifenden Studien behalten eine eigene Spalte und das Ganze wächst mit jedem Beitrag. Klicken Sie auf eine Kachel und sie öffnet den vollständigen Eintrag: die Fallstudien-Bibliothek.

Nehmen Sie Amazon Q. Hinter dieser Kachel steckt ein einzelner Fall, aufgebaut wie alle anderen: die Behauptung, der Mensch, der sie abzeichnet, die ehrliche Grenze und die Quelle, die Sie selbst öffnen und prüfen können: der Amazon-Q-Fall.

Mit der Zeit kommen neue Fälle dazu, jeder an die Stufe der KI-Integration gebunden, die er zeigt, und jeder mit seinen positiven und negativen Seiten. Zusammen ergeben sie ein umfassendes Bild und liefern echte Beispiele dafür, was KI für Ihr eigenes Unternehmen bedeuten könnte, wobei eines im Blick bleibt: ein voller Sprung ins tiefe Becken der KI ist nicht für jedes Unternehmen und jede Branche.

Der Rest der Serie nimmt die Ströme einen nach dem anderen. Jeder Beitrag führt einen einzelnen Wertstrom durch die vier Stufen und zeigt die realen Fälle mit ihren ehrlichen Grenzen, sodass Sie sehen, wie weit KI in diesem Strom gehen kann, von einem vorsichtigen ersten Schritt bis zu einem voll agentischen Aufbau. Als Nächstes: Idea-to-Market.

Neugierig, wie das aussieht? Die zwei ausgearbeiteten Ströme sind zum Erkunden live: Gehen Sie Idea-to-Market durch die vier Stufen und öffnen Sie jeden Fall in der Bibliothek, um die Belege selbst zu prüfen: die Ströme im Metapad erkunden.

Wollen Sie das für Ihre eigenen Wertströme tun? Genau dafür ist unser AI-Driven Operating Model Workshop da: dieselbe Methode auf Ihre echten Wertströme und Ihre Leute, am Ende eine Landkarte, wo KI passt, was je Stufe realistisch ist und was zuerst zu versuchen ist.