Was gehört in eine Roadmap für die KI-Integration?

Eine Roadmap für die KI-Integration ist ein Plan, der beschreibt, wie eine KI-Funktion von der Idee zu etwas wird, auf das sich Ihr Team jeden Tag verlässt. Sie legt fest, was getan wird, in welcher Reihenfolge, von wem, mit welchen Daten und woran Sie erkennen, ob es funktioniert.

Viele Unternehmen gehen beim Thema KI den umgekehrten Weg. Jemand probiert ein Tool aus, baut mit einem Prompt eine schnelle Automatisierung, und sie funktioniert gut genug, um genutzt zu werden. Ein paar Monate später stützt der Workflow einen echten Prozess, aber niemand weiß genau, wer dafür verantwortlich ist, welche Daten durchlaufen oder was passiert, wenn etwas schiefgeht.

Das ist kein Scheitern. Es passiert einfach, wenn Experimente schneller wachsen als die Strukturen um sie herum. Mit einer Roadmap schaffen Sie diese Struktur, ohne alles auszubremsen.

Eine nützliche Roadmap muss weder lang noch technisch sein. Dieser Leitfaden erklärt die typischen Phasen von der Analyse bis zum Monitoring, wer für welchen Teil verantwortlich sein sollte, welche Daten, Risiken und Erfolgskriterien Sie festlegen sollten und wo Prüfpunkte sinnvoll sind, an denen Sie stoppen, anpassen oder weitermachen können.

Was ist eine Roadmap für die KI-Integration?

Sie ist ein praktischer Plan, um KI in einen Geschäftsprozess einzuführen, keine technologische Wunschliste. Eine gute Roadmap verbindet vier Dinge:

• ein Geschäftsziel, zum Beispiel weniger Zeitaufwand für die manuelle Vorsortierung oder einheitlichere Antworten
• einen Prozess, so genau beschrieben, dass sichtbar wird, wo die KI tatsächlich ansetzt
• die beteiligten Personen, also wer entscheidet, wer umsetzt, wer prüft und wer das Ergebnis nutzt
• eine Abfolge von Phasen, jede mit einem klaren Ergebnis und einer Entscheidung am Ende

Das Wort „Integration“ ist wichtig. KI liest in der Regel Daten aus einem System und gibt ein Ergebnis an ein anderes System oder an eine Person weiter. Der größte Aufwand steckt in diesen Verbindungen, Berechtigungen und Kontrollen, nicht im Modell selbst.

Warum ist eine Roadmap wichtig?

Ohne Roadmap scheitern KI-Projekte oft auf vorhersehbare Weise:

• ein vielversprechender Pilot erreicht nie den Produktivbetrieb, weil niemand geplant hat, was dafür nötig ist
• ein Workflow geht zu schnell live, ohne Monitoring, und Fehler bleiben unbemerkt
• die Kosten steigen, weil die Nutzung nie abgeschätzt wurde
• die Person, die die Automatisierung gebaut hat, verlässt das Unternehmen, und niemand sonst versteht sie
• Fragen zu personenbezogenen Daten oder Regulierung tauchen spät auf, wenn Änderungen teuer sind

Eine Roadmap beseitigt die Unsicherheit nicht. Sie macht sie sichtbar, damit Sie bewusst entscheiden, statt Probleme zufällig zu entdecken.

Was sind die wichtigsten Phasen einer KI-Integration?

Die meisten KI-Integrationen folgen einem ähnlichen Weg. Die Bezeichnungen unterscheiden sich, die Logik bleibt gleich: erst verstehen, dann im Kleinen testen und anschließend mit Sorgfalt ausweiten.

Phase 1: Analyse

Ziel der Analyse ist es, den Prozess zu verstehen, bevor Sie ein Tool auswählen.

In dieser Phase sollten Sie:

• den aktuellen Prozess Schritt für Schritt beschreiben, so wie er wirklich abläuft, nicht wie er dokumentiert ist
• erkennen, wo Zeit verloren geht und wo Fehler entstehen
• entscheiden, welche Schritte von KI profitieren könnten und welche regelbasiert oder manuell bleiben sollten
• die beteiligten Systeme und Daten auflisten, einschließlich personenbezogener oder sensibler Daten

Ergebnis der Analyse ist eine kurze schriftliche Beschreibung des Prozesses, der vorgesehenen Rolle der KI und eine erste Liste mit Risiken und offenen Fragen.

Phase 2: Konzeption

Die Konzeption macht aus den Notizen der Analyse einen konkreten Plan für eine erste Version.

Diese Phase sollte festlegen:

• welchen Input der KI-Schritt genau erhält
• welchen Output er genau liefern soll, idealerweise in einem strukturierten Format
• wo eine Person das Ergebnis prüft oder freigibt
• was passiert, wenn die KI unsicher ist, ausfällt oder etwas Unerwartetes liefert
• welche Tools, APIs oder Plattformen genutzt werden
• wie der Workflow protokolliert wird, damit Sie später nachvollziehen können, was passiert ist

Jetzt ist auch der richtige Zeitpunkt, um zwischen einem bestehenden Tool, einer konfigurierten Plattform wie n8n oder Make und einer individuellen Integration zu entscheiden. Der Leitfaden zur Frage, ob Sie eine KI-Lösung selbst entwickeln oder kaufen sollten, behandelt diese Entscheidung ausführlicher.

Phase 3: Pilot

Ein Pilot ist ein begrenzter, kontrollierter Test mit echten oder realistischen Daten.

Halten Sie ihn klein: ein Prozess oder ein Teil davon, eine begrenzte Gruppe von Nutzern, ein festgelegter Zeitraum und ein klarer Rückweg zur bisherigen Arbeitsweise. Während des Piloten sollte eine Person den KI-Output prüfen, bevor er echte Folgen hat.

Halten Sie fest, welche Fälle bearbeitet wurden, in welchen Fällen der Output falsch oder unvollständig war, wie viel Zeit die Prüfung gekostet hat und welches Feedback die Nutzer geben.

Phase 4: Produktivbetrieb

Prüfen Sie vor dem Übergang in den Produktivbetrieb, ob:

• der Workflow eine namentlich benannte verantwortliche Person hat
• die Logik in einfacher Sprache dokumentiert ist
• Zugangsdaten und API-Schlüssel sicher gespeichert sind, nicht in geteilten Dokumenten
• Fehler eine Benachrichtigung an jemanden auslösen, der darauf reagiert
• es eine Möglichkeit gibt, den Workflow schnell anzuhalten
• die Nutzer wissen, was die KI tut, was sie nicht tut und an wen sie sich bei Problemen wenden
• Nutzung und Kosten mit realen Mengen abgeschätzt wurden

Produktivbetrieb bedeutet nicht zwingend vollständige Automatisierung. Viele gute KI-Workflows behalten dauerhaft einen Freigabeschritt durch einen Menschen, besonders wenn Entscheidungen Kunden, Geld oder personenbezogene Daten betreffen.

Phase 5: Monitoring und Verbesserung

KI-Workflows verändern sich, auch wenn niemand sie anfasst: Modelle werden aktualisiert, Eingabedaten ändern sich und verbundene Tools erscheinen in neuen Versionen.

Das Monitoring sollte abdecken:

• ob der Workflow überhaupt läuft
• Fehlerquoten und fehlgeschlagene Durchläufe
• die Qualität des Outputs, regelmäßig anhand von Stichproben geprüft
• Kosten und Nutzung im Vergleich zu den Erwartungen
• Feedback der Personen, die auf das Ergebnis angewiesen sind

Planen Sie eine regelmäßige Überprüfung ein, anfangs häufiger und seltener, sobald der Workflow stabil läuft.

Wer sollte für welchen Teil der Roadmap verantwortlich sein?

Verantwortlichkeiten gehören zu den wichtigsten Teilen einer Roadmap und werden trotzdem am häufigsten übersprungen.

Sie brauchen kein großes Team. In einem kleinen Unternehmen übernimmt eine Person oft mehrere Rollen. Entscheidend ist, dass jede Rolle einen Namen hat.

Typische Rollen sind:

• Auftraggeber oder Sponsor: entscheidet, ob das Projekt weiterläuft, gibt das Budget frei und setzt Prioritäten
• Prozessverantwortliche Person: weiß, wie der Prozess heute funktioniert, und entscheidet, ob der KI-Output akzeptabel ist
• Technisch verantwortliche Person: baut, wartet und überwacht den Workflow, intern oder über einen Partner
• Datenverantwortliche Person: weiß, woher die Daten stammen, wer darauf zugreifen darf und wie genau sie sind
• Nutzer: die Personen, die täglich mit dem Ergebnis arbeiten und Probleme melden
• Ansprechperson für Compliance oder Datenschutz: klärt Fragen zu personenbezogenen Daten, Verträgen und Regulierung, bei Bedarf mit externer Beratung

Ein häufiges Problem: Die technisch verantwortliche Person ist die Einzige, die die Geschäftslogik versteht. Dokumentation und eine zweite Person, die die Grundlagen kennt, verringern dieses Risiko.

Was sollte die Roadmap zu den Daten sagen?

KI hängt von Daten ab, und Datenprobleme sind der häufigste Grund, warum Piloten enttäuschen.

Für jede Phase sollte die Roadmap festhalten:

• welche Daten der Workflow liest
• wo diese Daten gespeichert sind und wer sie kontrolliert
• ob die Daten korrekt, vollständig und aktuell sind
• ob sie personenbezogene oder vertrauliche Informationen enthalten
• welche externen Dienste die Daten erhalten, einschließlich KI-Anbieter
• wie lange Daten in Logs und in verbundenen Tools aufbewahrt werden

Wenn Sie nicht sicher sind, ob Ihre Daten in ausreichend gutem Zustand sind, bietet der Leitfaden zur Frage, ob Ihre Unternehmensdaten bereit für KI sind, einen praktischen Weg zur Prüfung.

Welche Risiken sollten eingeplant werden?

Eine Roadmap sollte die wichtigsten Risiken und die jeweilige Reaktion darauf auflisten. Nicht jedes Risiko braucht eine komplexe Lösung. Oft genügt eine einfache Kontrolle oder ein Prüfschritt durch einen Menschen.

Häufige Risiken sind:

• falscher oder erfundener Output: Die KI liefert Informationen, die plausibel klingen, aber falsch sind
• Offenlegung von Daten: Personenbezogene oder vertrauliche Daten werden ohne passende Verträge oder Einstellungen an einen Dienst gesendet
• stiller Ausfall: Der Workflow stoppt oder überspringt Fälle, und niemand bemerkt es
• Abhängigkeit von einem Anbieter: Eine Preisänderung, ein Ausfall oder eine eingestellte Funktion betrifft den gesamten Prozess
• steigende Kosten: Die Nutzung wächst schneller als erwartet
• regulatorische Fragen: Manche KI-Anwendungen können unter besondere Regeln fallen, etwa den EU AI Act, je nachdem, was das System tut und wen es betrifft

Notieren Sie für jedes Risiko, wie wahrscheinlich und wie schwerwiegend es erscheint und was Sie tun, um es zu verringern. Das muss nicht exakt sein.

Fragen zur Regulierung sollten mit passender Beratung geklärt werden. D4Hub unterstützt Sie bei der technischen Seite und der Dokumentation, mehr dazu lesen Sie auf der Seite KI-Compliance. Dieser Leitfaden ist keine Rechtsberatung.

Wie legen Sie Erfolgskriterien fest?

Erfolgskriterien zeigen Ihnen, ob eine Phase funktioniert hat und ob Sie zur nächsten übergehen sollten. Sie sollten vor dem Start der Phase vereinbart werden, nicht danach.

Gute Erfolgskriterien sind konkret, mit Ihren eigenen Daten messbar, mit einem Ausgangswert aus dem aktuellen Prozess vergleichbar und für die jeweilige Phase realistisch. Ein Pilot muss nicht perfekt sein: Er muss zeigen, ob eine Verbesserung möglich ist.

Beispiele für mögliche Kriterien:

• der Anteil der Fälle, in denen der Output ohne Änderungen übernommen wird
• der Zeitaufwand pro Fall, einschließlich der Prüfzeit
• die Anzahl der Fehler, die bei Kunden ankommen
• die Zufriedenheit der Nutzer, erfasst mit einer einfachen Frage

Verwenden Sie keine Zahlen aus dem Marketing von Anbietern oder von anderen Unternehmen als Zielwert. Ihr Prozess, Ihre Daten und Ihre Kunden sind anders. Der Leitfaden zur Schätzung des ROI von KI-Automatisierung erklärt, wie Sie mit Ihren eigenen Zahlen arbeiten.

Wo sollten die Prüfpunkte liegen?

Ein Prüfpunkt ist ein geplanter Moment, an dem das Team innehält und entscheidet, wie es weitergeht. Er ist der nützlichste Teil jeder Roadmap, weil er Ihnen ausdrücklich erlaubt, die Richtung zu ändern.

Planen Sie mindestens eine Überprüfung ein:

• nach der Analyse: Lohnt sich der Anwendungsfall noch, und sind die Daten verfügbar?
• nach der Konzeption: Ist der Plan realistisch, und sind die Risiken vertretbar?
• nach dem Piloten: Hat der Workflow die Erfolgskriterien erfüllt? Weitermachen, anpassen oder stoppen?
• vor dem Produktivbetrieb: Sind Verantwortlichkeiten, Dokumentation, Monitoring und Sicherheit bereit?
• nach den ersten Wochen im Produktivbetrieb: Verhält sich der Workflow wie im Piloten?
• danach in regelmäßigen Abständen: Ist er noch nützlich, noch zuverlässig und die Kosten noch wert?

Jede Überprüfung sollte mit einer von drei Entscheidungen enden: weitermachen, anpassen und die Phase wiederholen oder stoppen. Stoppen ist ein gültiges Ergebnis. Ein Pilot, der zeigt, dass ein Anwendungsfall nicht funktioniert, hat Sie trotzdem vor einer größeren Investition bewahrt.

Wenn Sie unsicher sind, ob der erste Anwendungsfall überhaupt eine Roadmap verdient, beginnen Sie mit dem Leitfaden zur Frage, ob sich ein KI-Anwendungsfall lohnt.

Was sind die häufigsten Fehler?

Manche Fehler tauchen in fast jedem KI-Projekt auf. Wer sie früh erkennt, kann sie meist vermeiden.

• Mit dem Tool statt mit dem Prozess beginnen. Wer zuerst eine Plattform wählt, verbiegt den Prozess oft so, dass er zum Tool passt.
• Den Ausgangswert auslassen. Ohne Messung des aktuellen Prozesses können Sie nicht belegen, dass der neue besser ist.
• Den Piloten mit perfekten Daten durchführen. Handverlesene Beispiele verbergen die Probleme, die echte Daten zeigen würden.
• Den Piloten wie den Produktivbetrieb behandeln. Ein Pilot, der „einfach weiterläuft“, ohne Monitoring, Verantwortliche oder Dokumentation, wird zu einem verborgenen Risiko.
• Die menschliche Prüfung zu früh entfernen. Prüfschritte lassen sich schrittweise reduzieren, sobald belegt ist, dass der Output zuverlässig ist.
• Compliance-Fragen bis zum Schluss aufschieben. Fragen zu personenbezogenen Daten und Regulierung lassen sich während der Konzeption leichter klären als nach dem Start.

Wie sieht eine gute Roadmap aus?

Eine gute Roadmap ist kurz genug, um sie in wenigen Minuten zu lesen, und konkret genug, um danach zu handeln. Sie enthält in der Regel:

• eine Beschreibung des Geschäftsziels in einem Absatz
• eine einfache Darstellung des Prozesses, der Rolle der KI sowie der beteiligten Systeme und Daten
• die Phasen, jeweils mit Ergebnis, verantwortlicher Person und erwarteter Dauer
• eine kurze Liste der Risiken und Gegenmaßnahmen
• Erfolgskriterien für den Piloten und für den Produktivbetrieb
• die Prüfpunkte und wer jeweils die Entscheidung trifft
• Hinweise zu Monitoring, Dokumentation und Wartung nach dem Start

Aktualisieren Sie die Roadmap an jedem Prüfpunkt und bewahren Sie ältere Versionen auf, damit Sie sehen, wie sich Entscheidungen verändert haben.

Wie D4Hub Sie unterstützen kann

D4Hub arbeitet in jeder Phase an KI- und Automatisierungsprojekten, von der ersten Idee bis zu Workflows, die bereits den Tagesbetrieb stützen.

Je nachdem, wo Sie stehen, unterstützt D4Hub Sie dabei:

• den aktuellen Prozess zu erfassen und zu erkennen, wo KI nützlich ist
• zu entscheiden, welche Schritte KI nutzen sollten und welche deterministische Regeln
• den KI-Schritt zu konzipieren, einschließlich Inputs, Outputs, Prompts und Prüfpunkten
• zwischen bestehenden Tools, Plattformen wie n8n oder Make und individuellen Integrationen zu wählen
• KI-Modelle über APIs und Webhooks mit Ihren bestehenden Tools zu verbinden
• Logging, Benachrichtigungen und Monitoring vor dem Produktivbetrieb einzurichten
• die Logik des Workflows zu dokumentieren, damit sie nicht von einer einzigen Person abhängt
• eine bestehende Automatisierung zu prüfen, die schneller gewachsen ist als geplant

Sie können in jeder Phase Unterstützung anfragen, auch wenn bereits ein Pilot läuft oder ein Workflow schon im Produktivbetrieb ist und Sie eine zweite Meinung möchten.

Häufig gestellte Fragen

Brauchen wir eine Roadmap für eine kleine Automatisierung?

Eine kleine Automatisierung braucht eine kleine Roadmap. Schon wenige Zeilen zu verantwortlicher Person, beteiligten Daten, Verhalten bei Fehlern und Zeitpunkt der Überprüfung können die meisten typischen Probleme verhindern.

Sollte der Pilot echte Daten verwenden?

Idealerweise ja, oder Daten, die der Realität so nah wie möglich kommen, denn handverlesene Beispiele verbergen echte Probleme. Wenn echte Daten personenbezogene Informationen enthalten, prüfen Sie vor dem Start Ihre Datenschutzpflichten und die Einstellungen der beteiligten Dienste.

Wann können wir den menschlichen Prüfschritt entfernen?

Erst wenn Sie aus Ihrem eigenen Prozess belegen können, dass der Output für das jeweilige Risiko zuverlässig genug ist. Viele Workflows reduzieren die Prüfung schrittweise, etwa indem nur noch unsichere Fälle geprüft werden, und manche behalten einen Prüfschritt dauerhaft.

Gilt der EU AI Act für unser Projekt?

Das hängt davon ab, was das System tut, wie es eingesetzt wird und wen es betrifft. Viele gängige Automatisierungen im Unternehmen haben ein relativ geringes Risiko, manche Anwendungen bringen jedoch besondere Pflichten mit sich. Holen Sie sich für Ihre Situation passende Beratung. D4Hub unterstützt Sie bei der technischen Seite und der Dokumentation mit dem Service KI-Compliance.

Was, wenn bei uns schon KI-Workflows ohne Roadmap laufen?

Das ist sehr verbreitet. Dokumentieren Sie zunächst, was vorhanden ist: was jeder Workflow tut, wer dafür verantwortlich ist, welche Daten er nutzt und wie Fehler erkannt werden. Wenden Sie dann die Prüfpunkte aus diesem Leitfaden an. D4Hub kann bestehende Workflows bewerten und die Verbesserungen mit Ihnen planen.

Kann D4Hub auch nur bei einer Phase helfen?

Ja. Sie können Unterstützung für die Analyse, die Konzeption, einen Piloten, den Übergang in den Produktivbetrieb oder das laufende Monitoring anfragen. Sie müssen sich nicht im Voraus auf die gesamte Roadmap festlegen.