Warum KI-Pilotprojekte nicht in den Betrieb kommen

Ein Pilotprojekt zeigt zunächst, ob ein Modell eine Aufgabe grundsätzlich lösen kann. Für den täglichen Einsatz braucht es weitere Nachweise: Der Agent muss unterschiedliche echte Fälle verarbeiten, auf die erforderlichen Systeme zugreifen und Ergebnisse zur Prüfung vorlegen können. Außerdem muss feststehen, wer die Qualität verantwortet. Ein Test mit einem Datenexport beantwortet diese Fragen noch nicht.

Erstens die Systemzugriffe: Welche Daten darf der Agent lesen und in welchem Status darf er Ergebnisse speichern? Zweitens die Verantwortung: Wer im Fachbereich übernimmt Qualität und Ergebnis? Drittens die Kontrollen: Wann muss ein Mensch eingreifen und was passiert bei Unsicherheit? Viertens die Ausgangswerte: Welche Bearbeitungszeiten und Fehlerquoten gelten vor der Einführung? Fünftens die Abnahme: Welche Kriterien muss der Workflow vor dem Betriebsstart erfüllen? Diese Punkte gehören in den Projektumfang.

Die Umsetzung umfasst weit mehr als die Auswahl des Sprachmodells. Schnittstellen zu Ticketsystem und ERP, Zugriffsrechte, aussagekräftige Testfälle und die Abstimmung mit IT und Compliance brauchen eigene Arbeitspakete. Werden diese Aufgaben im Pilotprojekt ausgelassen, fehlen später die Voraussetzungen für den Betrieb.

Benennen Sie vor dem Start eine Person im Fachbereich, die Qualität und Nutzen des Workflows verantwortet. Sie braucht Zeit, Entscheidungsbefugnis und Unterstützung durch die IT. Im Service kann das die Teamleitung sein, im Angebotswesen die Leitung des Vertriebsinnendiensts. Entscheidend ist, dass diese Person den Ablauf übernimmt und die Ergebnisse regelmäßig prüft.

Prüfen Sie das Pilotprojekt anhand der fünf Voraussetzungen. Lassen sich Zugriffe, Verantwortung, Kontrollen, Ausgangswerte und Abnahmekriterien verbindlich klären, können Sie die Umsetzung planen. Bleiben wesentliche Voraussetzungen offen, legen Sie zunächst die nötigen Vorarbeiten fest oder wählen einen anderen Ablauf.