KI-Projekte leiten
Lernziele
Nach diesem Modul können Sie:
- Eine KI-Anforderung von einem bloßen Technologiewunsch unterscheiden und einen messbaren Nutzen formulieren
- Die wichtigsten Beteiligten eines KI-Projekts erkennen und gezielt einbeziehen
- Einen Projektplan mit realistischen Phasen und Meilensteinen aufstellen
- Budget und Ressourcen für ein KI-Projekt einschätzen, einschließlich der versteckten Kosten
1. Anforderungen definieren
Jedes erfolgreiche Projekt beginnt mit einer klaren Problembeschreibung. Ein Bürgeramt liefert ein gutes Beispiel dafür, wie aus einem kleinen Anfang ein Projekt wird. Ein Sachbearbeiter hatte sich dort im letzten Jahr mit Vibe Coding, wie Sie es aus Modul 3.0 kennen, ein kleines Werkzeug gebaut, das aus den Aufrufdaten der Wartenummern eine Schätzung der Wartezeit berechnet. Die Amtsleitung sah den Nutzen und wollte daraus ein Werkzeug für alle Schalter machen. Genau an dieser Stelle beginnt Projektleitung: Der informelle Prototyp trifft auf echte Anforderungen, echte Beteiligte und ein echtes Budget.
Bei der Anforderungserhebung helfen einige Leitfragen. Was ist das eigentliche Problem? Der Satz „wir brauchen KI“ beschreibt keines. Erst „Bürgerinnen und Bürger warten im Schnitt 24 Minuten ohne jede Information über die Restzeit, und die Beschwerden an der Information häufen sich“ benennt eines. Wer ist betroffen? Im Bürgeramt sind das Wartende, die Kolleginnen an der Information und die Sachbearbeitung an den Schaltern. Was ist der gewünschte Output? Im Beispiel eine Anzeige, die eine aus echten Daten abgeleitete Schätzung der Wartezeit nennt, nicht eine geratene Zahl.
Typisches Anti-Pattern
„Wir wollen einen KI-Chatbot.“ Das ist eine Technologiewahl, keine Anforderung. Die richtige Formulierung nennt Zahl und Zweck: „Wir erhalten 2.000 Anfragen pro Woche zu Öffnungszeiten und Formularen, 70 Prozent davon sind repetitiv. Wir wollen diese automatisiert beantworten, damit die Sachbearbeitung komplexere Fälle übernehmen kann.“
Eine gut formulierte Anforderung enthält einen messbaren Nutzen. Im Bürgeramt lautete er: die Zahl der Nachfragen an der Information um die Hälfte senken, gemessen über vier Wochen vor und nach der Einführung. Ohne diese Zahl bleibt am Ende nur ein Gefühl übrig, ob das Projekt etwas gebracht hat, keine Aussage, die sich belegen lässt.
2. Stakeholder-Einbindung
KI-Projekte scheitern in der Praxis öfter am fehlenden Einbezug der Menschen, die das Ergebnis nutzen sollen, als an der Technik selbst. Identifizieren Sie frühzeitig die Sponsorin oder den Sponsor, die das Budget freigeben und die strategische Richtung vorgeben, die Endnutzerinnen und Endnutzer, die das Werkzeug täglich verwenden, die Skeptikerinnen und Skeptiker, die früh eingebunden oft zu den wichtigsten Verbündeten werden, sowie Datenschutz und Rechtsabteilung für DSGVO-Konformität, EU AI Act und Verfahrensgrundsätze.
Fall aus dem Amt: Vom Prototyp zum Werkzeug für alle Schalter
Im Bürgeramt waren die Sponsorin die Amtsleitung, die das Budget freigab, die Endnutzerinnen die Kolleginnen an der Information und die wartenden Menschen selbst. Die IT-Koordinatorin prüfte früh, ob die Wartezeitschätzung aus dem Prototyp mit dem bestehenden Aufrufsystem zusammenpasst, ohne es zu ersetzen. Zwei Sachbearbeiterinnen standen dem Vorhaben zunächst skeptisch gegenüber, weil ein früheres IT-Projekt zwei Jahre zuvor abgebrochen worden war. In der ersten Testrunde eingebunden, fanden sie einen Fehler, den sonst niemand bemerkt hätte: Die Anzeige rechnete bei Sonderöffnungszeiten falsch. Die Korrektur lief noch vor dem Rollout ein.
3. Roadmaps und Meilensteine
Eine realistische KI-Roadmap für die öffentliche Verwaltung durchläuft typischerweise vier Phasen. In der Discovery-Phase (4–6 Wochen) wird das Problem verstanden, die Datenlage geprüft und die Machbarkeit eingeschätzt, im Beispiel vier Wochen, in denen sich zeigte, dass die Aufrufdaten der letzten zwei Jahre ausreichten. Im Proof of Concept (8–12 Wochen) entsteht ein kleines Pilotprojekt mit einem begrenzten Datensatz, hier acht Wochen mit den Daten von zwei Schaltern. Im Pilotbetrieb (3–6 Monate) laufen echte Nutzerinnen und Nutzer mit dem System, es sammelt Feedback und behebt Fehler. Beim Rollout (6–12 Monate) wird auf weitere Bereiche skaliert, geschult und die Wartung als Prozess verankert.
Der Weg vom Prototyp eines Einzelnen zum Werkzeug für alle Schalter dauerte im Bürgeramt insgesamt zehn Monate, deutlich länger, als die ursprüngliche Bastelversion vermuten ließ.
Merksatz
Planen Sie von Anfang an mit längeren Genehmigungswegen und mehr Zeit für Akzeptanzaufbau, als es in der Privatwirtschaft üblich wäre. Ein realistischer Zeitplan schützt vor Frustration und Budgetüberschreitungen, ein zu knapper Zeitplan erzeugt genau die Enttäuschung, die dem nächsten KI-Projekt im Haus im Weg steht.
4. Budget und Ressourcen
Die Kosten eines KI-Projekts gehen weit über den Softwarepreis hinaus. Software-Lizenz oder API-Kosten werden oft monatlich oder nach Nutzung abgerechnet. Datenaufbereitung ist regelmäßig die größte versteckte Kostenquelle, im Beispiel die Bereinigung von zwei Jahren Aufrufdaten, die zunächst in drei verschiedenen Formaten vorlagen. Schulung bedeutet, den Umgang mit dem Werkzeug zu lernen und zugleich zu verstehen, wann die Anzeige unzuverlässig wird, etwa bei Sonderöffnungszeiten. Wartung und Monitoring kosten weiter, weil ein Modell mit der Zeit „driftet“, also seine Genauigkeit schleichend verliert, wenn sich die tatsächlichen Muster ändern, und regelmäßige Prüfung braucht.
Faustregel
Rechnen Sie mit mindestens 30 bis 50 Prozent zusätzlichem Aufwand für Datenarbeit, Schulung und interne Kommunikation über die reinen Softwarekosten hinaus.
Anforderung oder Technologiewunsch?
Ordnen Sie jede Aussage der passenden Einschätzung zu. Sie erhalten sofort eine Rückmeldung mit kurzer Begründung.
Eine eigene Anforderung formulieren
Auftrag
Formulieren Sie für ein eigenes kleines Vorhaben, real oder ausgedacht, eine Anforderung nach dem Muster aus diesem Modul: das Problem, die Betroffenen, den gewünschten Output und einen messbaren Nutzen. Schreiben Sie vier bis sechs Sätze und nennen Sie eine konkrete Zahl, an der sich der Erfolg später ablesen lässt.
Ihre Eingaben bleiben in diesem Browserfenster. Sie werden nicht gespeichert und nicht übertragen, ein Neuladen der Seite verwirft sie.
Musterlösung anzeigen
So könnte das für das Bürgeramt aussehen: „Problem: Bürgerinnen und Bürger warten im Schnitt 24 Minuten ohne Information über die Restzeit, die Beschwerden an der Information häufen sich. Betroffen sind die Wartenden, die Information und die Schalter. Gewünschter Output: eine Anzeige mit einer aus echten Aufrufdaten abgeleiteten Wartezeitschätzung. Messbarer Nutzen: die Nachfragen an der Information sinken innerhalb von vier Wochen nach der Einführung um die Hälfte, gemessen gegen die vier Wochen davor.“
Bereit für die nächste Phase?
Prüfen Sie vor dem Übergang von der Discovery- in die Proof-of-Concept-Phase, ob diese Punkte geklärt sind.
Vor dem Proof of Concept
- Die Datenlage für die geplante Zeitspanne ist geprüft und reicht aus.
- Sponsorin oder Sponsor haben das Budget für die nächste Phase freigegeben.
- Mindestens eine skeptische Stimme aus der Fachseite ist eingebunden, nicht nur Befürworter.
- Ein messbarer Nutzen mit Zahl und Zeitraum steht fest.
- Der Datenschutz ist einbezogen, sobald personenbezogene Daten im Spiel sind.
- Es gibt eine Vorstellung davon, wer das Ergebnis später pflegt.
Diskussion & Erfahrungsaustausch
Wie nutzen Sie KI in Ihrer Behörde zu diesem Thema? Teilen Sie Erfahrungen, stellen Sie Fragen, anonym oder mit E-Mail. Kommentare liegen auf eigenen Servern (DSGVO-konform).