KI entlang Ihrer Wertströme: eine praktische Landkarte

Führungskräfte stellen die Frage nach dem Einsatz von KI meist als Werkzeugfrage und suchen den richtigen Assistenten, die richtige Plattform oder den richtigen Anbieter. Diese Sicht überspringt den nützlicheren Schritt, denn der Anfang liegt bei der Arbeit selbst. Gemeint ist die 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, bei Procure-to-Pay von einer Beschaffungsanforderung bis zur bezahlten Rechnung und bei Issue-to-Resolution von der Meldung eines Problems 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. Sie zu kartieren macht diese Komplexität handhabbar. Deshalb steht hier immer der ganze Strom von Anfang bis Ende im Blick. Beim Kunden kommt erst etwas an, wenn die ganze Kette liefert. Ein schnellerer Einzelschritt hilft also niemandem, wenn die Arbeit an der nächsten Übergabe wartet. Der Blick auf den ganzen Strom richtet sich deshalb besonders auf die Übergaben zwischen den Schritten, denn ein einzeln automatisierter Schritt verschiebt sonst oft nur den Engpass. Erst der Blick auf den ganzen Strom zeigt, ob eine Änderung die Lieferung wirklich verkürzt oder nur an einer Stelle beeindruckend aussieht.

Für jeden Schritt unterscheidet die Serie vier Grade der KI-Einbindung, die das Rückgrat von allem bilden, was in dieser Reihe an Beispielen und Belegen folgt.

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, denn mit jedem Grad 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. Mit jeder Stufe entfällt mehr Routinearbeit, dafür wächst der Kontroll- und Integrationsaufwand. Für einen Business Case zählt dieser Tausch mehr als das Etikett der Stufe.

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

Jeder Schritt nach oben hat seinen eigenen Preis und verlangt Vorarbeit an Daten, Anbindungen und Kontrollen, lange bevor die KI im Ablauf überhaupt etwas übernehmen kann. Von klassisch zu assistierend ist es vor allem eine Frage des Zugangs. Dafür braucht es 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. Dazu gehören eine solide Datengrundlage in integrierten Systemen oder einem Data Warehouse, ein API-Zugang, damit die KI handeln kann statt nur vorzuschlagen, sowie ein abgegrenzter Prozess mit klarem Erfolgskriterium und einem Prüf-Gate. Zu autonom ist die Hürde am höchsten. Verlangt sind eine zuverlässige IT-Infrastruktur mit Monitoring, ein ausgereifter und weitgehend automatisierter Prozess und eine 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 markiert das Reifegrad-Bild, was jede Stufe verlangt. Die realen Fälle zeigen dann, was eine Organisation tatsächlich vorweisen konnte, bevor sie den Schritt ging.

Ein zweiter Preis wird dabei leicht übersehen, denn eine tiefere Integration verlangt immer mehr eigenes Wissen im Modell, bevor die KI im eigenen Unternehmen überhaupt nützlich wird. Zu den Kosten zählen damit neben den Lizenzgebühren auch proprietäre Daten und Kontext. Wie stark das zählt, hängt davon ab, wie das Modell betrieben wird. Bei öffentlichen Consumer-Tools können die eigenen Eingaben in das Training des Anbieters fließen, während die Anbieter für ihre Schnittstellen das Gegenteil zusichern. OpenAI schreibt dazu, dass über die Schnittstelle gesendete Daten seit März 2023 nicht zum Training verwendet werden, sofern ein Kunde dem nicht ausdrücklich zustimmt. Zero Data Retention und eine private oder lokale Installation gehen darüber hinaus. Für ein reguliertes Unternehmen gehört diese Containment-Entscheidung von Anfang an in den Plan, direkt neben den Wertbeitrag.

Ein Unternehmen lässt sich mit zehn Wertströmen beschreiben, die zusammen nahezu jeden Teil einer Firma abdecken.

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

Diese Landkarte macht aus der Serie ein Verzeichnis, denn ein Unternehmen kann auf einen beliebigen Teil seines Betriebsmodells zeigen und dort nachlesen, wie KI ihn verändert.

Jeder Strom der Serie wird nach demselben Muster beschrieben, wobei diese Konsistenz Absicht ist, denn sie erlaubt, einen Strom mit einem anderen zu vergleichen und sich darauf zu verlassen, dass überall dieselben Fragen gestellt wurden. Zwei Gruppen von Dimensionen kommen dabei zum Einsatz.

Die erste Gruppe beschreibt die Struktur des Stroms und stellt für jeden der vier Reifegrade die Schritte im Ablauf samt ihrer Veränderung dar. Sichtbar wird, welche Schritte verschmelzen, welche sich verschieben und welche neu entstehen. Darüber liegt ein Profil des gesamten Stroms. Es nennt sein Primärziel, die typischen Kennzahlen, die Voraussetzungen für die agentische und die autonome Stufe und die Aufteilung der Arbeit zwischen Mensch und KI. Eine kurze Einschätzung von Stärken, Schwächen, Chancen und Risiken rundet es ab.

Idea-to-Market ist ein durchgerechnetes Beispiel, denn das Bild unten legt den Strom über die vier Stufen aus und macht das Verschmelzen und Verschieben der Schritte mit jeder Stufe sichtbar.

Die zweite Gruppe beschreibt jeden realen Fall, wobei jedes Beispiel dieselben Felder trägt und dadurch mit jedem anderen Fall der Reihe vergleichbar bleibt. Das sind die berichtete Kennzahl, die Stelle, an der ein Mensch prüft oder genehmigt, die Kontroll-Gates, die Abhängigkeit vom Kontext, die Risiken und Lehren und die Quelle. Aufgenommen sind nur Fälle, die gegen eine glaubwürdige Quelle geprüft werden konnten. Zu jedem Fall gehört ein Reality-Check. Er sagt, wo die Zahl nicht übertragbar ist und was außerhalb idealer Bedingungen bricht.

Ein Rahmenwerk ist nur so viel wert wie die Belege dahinter, deshalb bleiben die Belege sichtbar. Während die Serie die Ströme durcharbeitet, wachsen die realen Fälle zu einer Bibliothek, die hinter jedem Beitrag steht. Jeder Fall ist gleich aufgebaut. Er zeigt, wo die KI im Ablauf steckt, was sie verändert hat, welche Zahl berichtet wurde und, genauso wichtig, an welchem Punkt diese Zahl nicht mehr trägt.

Das Bild unten funktioniert wie ein Inhaltsverzeichnis, in dem jeder Fall unter seinem Wertstrom steht und die Sammlung mit jedem Beitrag der Reihe wächst.

Ein Beispiel ist Amazon Q Code Transformation, hinter dessen Kachel ein einzelner Fall steckt, aufgebaut wie alle anderen. Genannt sind die Behauptung, der Mensch, der sie abzeichnet, die Grenze und die Quelle, auf der sie beruht, womit der Fall nachprüfbar wird.

Mit der Zeit kommen neue Fälle dazu, die jeweils an eine Stufe der KI-Integration gebunden sind und ihre eigenen positiven wie negativen Seiten gleichermaßen zeigen. Zusammen ergeben sie ein umfassendes Bild und liefern echte Beispiele dafür, was KI für das eigene Unternehmen bedeuten könnte. Eines bleibt dabei im Blick. Nicht jedes Unternehmen und nicht jede Branche verträgt den Einstieg mit vollem Risiko.

Die weiteren Beiträge nehmen sich die Ströme einzeln vor, wobei jeder Beitrag einen einzelnen Wertstrom durch die vier Stufen führt und die realen Fälle mit ihren Grenzen zeigt. So wird sichtbar, wie weit KI in diesem Strom gehen kann, von einem vorsichtigen ersten Schritt bis zu einem voll agentischen Aufbau. Als Nächstes folgt Idea-to-Market.