Wie plane ich KI-Projekte strategisch - Zielsetzung und Ressourcen?

Ohne Business-Hypothese kein Projekt

Häufigster Fehler: „Wir wollen KI einsetzen“ als Projekt-Begründung. Erfolgreich sind Projekte mit klar formulierter Hypothese: „Wir glauben, dass wir mit KI-X die KPI-Y um Z % verbessern können - Test innerhalb 8 Wochen mit Budget A.

Beispiel gut: „Wir glauben, KI-gestützte Lead-Scoring senkt unsere Sales-Zyklus-Zeit um 15 % - pilotieren mit 200 Leads über 8 Wochen.

Beispiel schlecht: „Wir wollen ein RAG-System bauen das alle Wissensdokumente durchsucht.“ (Kein KPI, kein Zeitrahmen, kein Erfolgskriterium.)

Ressourcen-Verteilung

• 60 % Daten-Vorbereitung: Daten finden, säubern, labeln, splitten. Wer diesen Posten klein rechnet, scheitert garantiert.

• 20 % Modell: Auswahl + Training + Tuning. Foundation-Models nutzen statt selbst trainieren - fast immer.

• 20 % Integration + Change: API-Anbindung, Frontend, Mitarbeitenden-Onboarding, Monitoring-Setup.

Pilot-Phase: 6-8 Wochen

Nach 8 Wochen Pilot: harte Go/No-Go-Entscheidung. Hat die Hypothese sich bestätigt? Wenn nein: einstellen, Lerngewinne mitnehmen. Nicht „wir bauen weiter, vielleicht wird es noch was“. 70 % aller gescheiterten KI-Projekte (McKinsey 2024) hätten in der Pilot-Phase gestoppt werden müssen.

Stakeholder-Aspekt

Vor Projektstart Stakeholder-Mapping (siehe wissen/stakeholder-mapping-ki): Datenschutzbeauftragter, Betriebsrat, Daten-Owner, betroffene Mitarbeitende. Wer das verschiebt, kommt 2 Wochen vor Go-Live in Probleme.