Das Priorisierungsproblem
Fast jedes größere Unternehmen, das ernsthaft mit KI befasst ist, steht vor demselben Problem: Es gibt mehr Ideen als Umsetzungskapazität.
Marketing möchte personalisierte Inhalte. Operations möchte Predictive Maintenance. Finance möchte automatisierte Risikoberichte. IT möchte KI-gestützte Incident-Klassifizierung. Alle Ideen sind plausibel. Keine ist offensichtlich falsch. Aber welche kommt zuerst?
Ohne eine strukturierte Priorisierungslogik werden diese Entscheidungen durch interne Lobbying-Dynamiken, verfügbare Budgets oder den Enthusiasmus einzelner Teams getroffen — nicht durch strategische Kriterien.
Drei Dimensionen der Priorisierung
Eine belastbare KI-Priorisierung bewertet Use Cases entlang drei Dimensionen gleichzeitig:
Value: Welchen messbaren Nutzen bringt der Use Case? Das schließt Effizienzgewinne, Qualitätsverbesserungen, Risikoreduktion und strategische Differenzierung ein. Entscheidend: der Nutzen muss quantifizierbar oder zumindest qualitativ klar begründbar sein.
Risk: Welche Risiken trägt der Use Case? Das umfasst technische Risiken (Datenverfügbarkeit, Modellzuverlässigkeit), regulatorische Risiken (EU AI Act, Datenschutz), Prozessrisiken (Abhängigkeiten, Fehlerfolgen) und Governance-Risiken (Auditierbarkeit, Verantwortlichkeit).
Betriebsfähigkeit: Kann der Use Case produktionsfähig umgesetzt werden? Das bedeutet: saubere Datenbasis, integrierfähige Architektur, klare Betriebsprozesse, verfügbare Fähigkeiten im Unternehmen.
Das Priorisierungsraster
Aus diesen drei Dimensionen ergibt sich ein einfaches, aber wirkungsvolles Priorisierungsraster:
Tier 1 — Sofort umsetzen: Hoher Value, überschaubares Risk, hohe Betriebsfähigkeit. Diese Use Cases sollten priorisiert und mit klaren Betriebsmodellen ausgestattet werden.
Tier 2 — Governance zuerst: Hoher Value, aber hohes Risk oder unklare Betriebsfähigkeit. Diese Use Cases erfordern zunächst Governance-Arbeit und Architektur-Klärung, bevor Umsetzung beginnt.
Tier 3 — Investition notwendig: Mittlerer Value, aber signifikante Voraussetzungen (Datenqualität, Architektur, Fähigkeiten). Diese Use Cases können langfristig wertvoll sein, erfordern aber strategische Investition.
Tier 4 — Zurückstellen oder stoppen: Niedriger Value, hohes Risk, geringe Betriebsfähigkeit. Diese Use Cases binden Kapazität ohne angemessene Rendite.
Vom Inventar zum Portfolio
Die Priorisierung ist nur ein Schritt. Der eigentliche Wert entsteht, wenn aus der Bewertung ein steuerbares Portfolio entsteht.
Ein KI-Portfolio im Sinne eines steuerbaren Betriebsmodells umfasst:
- eine strukturierte Übersicht aller aktiven und geplanten Use Cases,
- klare Statusangaben (Pilot, Produktionsvorbereitung, Betrieb),
- Verantwortlichkeiten pro Use Case,
- Governance-Status (Risikoklassifizierung, Freigaben),
- regelmäßige Review-Zyklen.
Ohne dieses Portfolio-Management bleibt Priorisierung eine einmalige Übung statt eines kontinuierlichen Steuerungsmechanismus.
Die Governance-Verbindung
Use-Case-Priorisierung und KI-Governance sind untrennbar verbunden. Eine gute Priorisierung ist implizit immer auch eine Governance-Entscheidung: Welche Risiken nehmen wir in Kauf? Welche Anforderungen müssen erfüllt sein, bevor ein Use Case in Produktion geht? Wer ist verantwortlich?
Unternehmen, die Priorisierung ohne Governance betreiben, erhalten ein Portfolio, das sie nicht steuern können. Unternehmen, die Governance ohne Priorisierung betreiben, erzeugen Bürokratie ohne Wirkung.
Beides zusammen — Priorisierung und Governance als integriertes System — ist die Grundlage für produktionsfähige KI.
Fazit
Die Frage ist nicht, welche KI-Idee am interessantesten ist, sondern welche Use Cases in Kombination den größten steuerbaren Nutzen bringen. Ein strukturierter Priorisierungsansatz auf Basis von Value, Risk und Betriebsfähigkeit schafft die Grundlage dafür — und verbindet Use-Case-Entscheidungen mit der strategischen Governance-Logik des Unternehmens.