Nutzen eingrenzen
Eine konkrete Aufgabe auswählen und den heutigen Aufwand erfassen. Mögliche Ziele sind kürzere Suchzeiten oder besser vorbereitete Bearbeitungsschritte.
CLOUD & AI
Technologie einsetzen.
Nutzen nachweisen.
Cloud und künstliche Intelligenz sind keine Selbstzwecke. Entscheidend ist, welche Aufgabe verbessert wird und wie die Lösung sicher, wirtschaftlich und nachvollziehbar betrieben werden kann.
Anwendungsfall besprechen →Cloud und KI: zwei unterschiedliche Entscheidungen.
Cloud beschreibt die Bereitstellung und Nutzung von IT-Ressourcen und Diensten. KI bezeichnet Verfahren, mit denen beispielsweise Informationen ausgewertet, Muster erkannt oder Inhalte erzeugt werden. Eine Cloud-Migration ist deshalb nicht automatisch ein KI-Projekt. Umgekehrt beginnt eine sinnvolle KI-Anwendung nicht zwangsläufig mit dem Austausch der gesamten Infrastruktur.
Für beide Themen betrachten wir zuerst Geschäftsprozess, Daten, Schutzbedarf und Betrieb. Welches System darf welche Informationen verarbeiten? Wer kontrolliert Ergebnisse? Welche Integrationen werden benötigt? Diese Fragen werden vor einer breiten Einführung geklärt.
So wird aus einer Idee ein prüfbarer Anwendungsfall.
Qualität bewerten
Repräsentative Testfälle und fachliche Prüfkriterien festlegen. Nicht nur gute Beispiele betrachten, sondern auch Fehler, Unklarheiten und Grenzen des Systems.
Verantwortung regeln
Zugriffe, Freigaben, Überwachung und Eingriffsmöglichkeiten bestimmen. Kritische Aktionen benötigen einen zur Aufgabe passenden Kontrollmechanismus.
CSPIRITS-PROJEKTANSATZ
Ein Pilot braucht von Anfang an einen Betriebsplan.
Wir strukturieren mit Ihnen den Anwendungsfall und seine Rahmenbedingungen. Dazu gehören Datenquellen, Nutzergruppen, Schnittstellen, Erfolgskennzahlen und die Frage, welche Entscheidungen beim Menschen bleiben. Erst dann werden geeignete technische Optionen und ein begrenzter Pilotumfang festgelegt.
Für den späteren Betrieb betrachten wir Kosten, Support, Änderungsmanagement und Ausstiegsmöglichkeiten. Ein Pilot wird nicht allein aufgrund einer überzeugenden Demonstration ausgerollt. Grundlage sind dokumentierte Testergebnisse, nachvollziehbare Grenzen und eine verantwortete Freigabe.
Risiken systematisch betrachten.
Das freiwillige NIST AI Risk Management Framework bündelt den Umgang mit KI-Risiken in den Funktionen Govern, Map, Measure und Manage. Es bietet eine Orientierung für die Organisation und Bewertung von Risiken, ersetzt aber weder eine projektspezifische Prüfung noch die Beachtung geltender Anforderungen. [1]
Beispiel: Unterstützung bei interner Wissenssuche.
Ein Assistent soll freigegebene Unterlagen durchsuchen und Antworten mit Fundstellen vorbereiten. Im Pilot wäre zu prüfen, ob Zugriffsrechte erhalten bleiben, Quellen tatsächlich zur Antwort passen und fehlende Informationen erkennbar werden. Eine fachliche Rückmeldung und die Möglichkeit zur Korrektur gehören zur Lösung.
Welche Aufgabe soll einfacher werden?
Beginnen wir mit Ihrem Prozess – nicht mit einem Produktversprechen.
Fachliche Grundlage
[1] NIST: AI RMF Playbook. Stand: September 2026. Das Praxisbeispiel ist illustrativ.
← Zurück zu allen Kompetenzfeldern