Wie wählt man die richtigen AI-Projekte auf Basis von LLMs aus?
Aktuell liest man viel darüber, wie Unternehmen AI-Initiativen auswählen – und ebenso häufig, wie viele dieser Initiativen scheitern werden. Bei sol4data setzen wir auf ein strukturiertes, praxisnahes Vorgehen, das auf Erfahrungen mit datengetriebenen Organisationen und Szenarien basiert.
A) Business-Kontext im Fokus
Der erste und entscheidende Schritt ist die Bewertung des zugrunde liegenden Business-Szenarios. Ein AI-Einsatz lohnt sich praktisch gesehen nur dann, wenn dadurch ein klarer Mehrwert generiert werden kann – sei es durch höhere Attraktivität für interne oder externe Kunden oder durch signifikante Kostensenkung. Am Ende muss es irgendwie zu Umsatz und/oder Gewinn führen.
Was trivial klingt, ist es in der Realität selten. Diese Überlegungen ähneln denen eines Produktmanagers: Wo entsteht Nutzen? Für wen? Und mit welchem Impact?
B) Fragen rund um das Datenprodukt
Im nächsten Schritt prüfen wir die Datenlage und stellt sich alle die Fragen, die man sich auch stellen muss, wenn man ein Datenprodukt baut, hier einige Beispiele dazu:
• Besitzt das Unternehmen die relevanten Daten, dürfen sie dauerhaft verwendet werden?
• Ist die kontinuierliche Datenversorgung und Aktualisierung sichergestellt?
• Wie steht es um die Datenqualität und welche Rahmenbedingungen sind einzuhalten.
Hier kommen Datenarchitekten, IT-Experten und Product Owner zusätzlich ins Spiel – Menschen, die sowohl ihre Datenlandschaft als auch die relevanten Prozesse gut kennen.
Auch wenn die Fragen oft einfach erscheinen („Haben wir die Daten?“), ist die Realität meist komplex und nuanciert. Besonders die Themen Datenqualität, DSGVO, E2E-Architekturen oder Konzepte wie Data Mesh erfordern eine durchdachte Auseinandersetzung. Es geht dabei nicht nur um Machbarkeit, sondern auch um langfristige Kosten.
C) AI-Fit & Szenario-Prüfung
Wenn die Business- und Datenlage tragfähig ist, folgt die Frage: Passt das Problem zur Lösung mit AI? Hier übernehmen AI-Architekten die Führung.
Wir unterscheiden bei AI-Szenarien drei grundsätzliche Typen von Aufgabenstellungen:
1. Deterministisch – definierte, regelbasierte Aufgaben, die meist auch ohne AI durch klassische Software gut lösbar sind.
2. Heuristisch – komplexe, oft semistrukturierte Probleme, bei denen AI-Workflows oder Agentic AI klare Vorteile bieten.
3. Erkenntnistheoretisch – offene, kontextabhängige Fragestellungen (z. B. „Was ist die nächste erfolgreiche Marketingkampagne?“). Hier kann AI assistieren, aber eher keine belastbaren Entscheidungen treffen.
Aus den Antworten zu obigen Fragenstellungen lässt sich ein erster Systementwurf erstellen. Diese drei Dimensionen – Businesskontext, Datenprodukt & AI-Szenario – sind keine einmalige Checkliste, sondern ein iterativer Prozess.
Erfolgsfaktor: Stakeholder-Alignment
Ein oft unterschätzter Punkt: Die Abstimmung zwischen Produktverantwortlichen und Technologen ist essenziell. Nur wenn alle relevanten Stakeholder – von der Fachabteilung über das Daten-Team bis zur IT – auf ein gemeinsames Ziel hinarbeiten, wird aus einem AI-Projekt ein echter Unternehmenserfolg.
sol4data bietet ein Lösungsangebot zu Agentic AI Umsetzung.
