Umsetzungs-Fahrplan

Wo anfangen, wie schnell und worauf zu achten ist.

Das Sequenzierungsproblem

70–85 % der GenAI-Deployments scheitern daran, über Pilots hinaus zu skalieren (NTT DATA, 2024). Die Technologie funktioniert. Die organisationale Ausführung nicht.

Der Hauptgrund: Organisationen digitalisieren bestehende Prozesse, ohne sie zuerst neu zu gestalten (HBR, 2025). Sie legen KI auf alte Workflows und fragen sich, warum sich strukturell nichts ändert.

Diese Seite bietet Sequenzierungsanleitung für Führungskräfte, die Die Wirtschaftlichkeit gelesen, ihre Organisation bewertet haben und bereit sind, voranzuschreiten. Das ist kein generisches Playbook. Es ist eine Abfolge von Entscheidungen, jede informiert von der vorherigen.

Abnahmekriterien

Diese Kriterien definieren, wie „fertig" auf jedem Level aussieht. Entnommen aus dem Referenzrahmenwerk.

Level 2 – Erreicht, wenn ALLE diese Kriterien erfüllt sind:

KI-Nutzung ist eine dokumentierte Erwartung für jede Rolle, nicht optional
Jede Abteilung pflegt eine strukturierte Kontextdatei, die vor KI-Aufgaben geladen wird
Gemeinsame Prompt-Bibliotheken oder Workflow-Templates existieren und werden genutzt
Mindestens 1 Workflow pro Abteilung wurde um KI herum neu gestaltet (vorher/nachher dokumentiert)
KPIs enthalten KI-Output-Metriken (nicht nur Aktivität)
„Wie hat KI geholfen?" wird in Reviews und Retrospektiven gefragt
Wenn KI morgen verschwände, würden mindestens einige Workflows brechen

Level 3 – Erreicht, wenn ALLE diese Kriterien erfüllt sind:

Rollen werden durch Urteilsvermögen und Steuerung definiert, nicht durch Ausführung
Agenten, Pipelines oder Entscheidungssysteme sind in Produktion (keine Prototypen)
Nicht-triviale Aufgaben haben schriftliche Spezifikationen, die den Ausführungsstandards entsprechen
Jedes KI-System in Produktion hat einen zugewiesenen Spezifikations-Eigentümer, Kontext-Eigentümer und Bewertungs-Eigentümer
KI-Wirkung wird nach Abteilung gemessen (eingesparte Zeit, reduzierte Kosten, verbesserte Qualität)
Einstellungsprofile erfordern mindestens Tier 2+
Wenn KI morgen verschwände, könnte die Abteilung nicht funktionieren

Der Transformationspfad

Level 1 → Level 2

Voraussetzungen:

Führung verpflichtet sich zu KI als operativem Standard, nicht optional
Investition in gemeinsame KI-Infrastruktur (Tools, Templates, Training)
Prozesse werden für KI-Integration geprüft und neu gestaltet
KPIs werden aktualisiert, um KI-Output zu messen
„Wie hat KI geholfen?" wird zur Standardfrage

Zeitrahmen: 3–6 Monate mit engagierter Führung

Level 2 → Level 3

Level 2 ist der operative Boden: jede Abteilung muss ihn erreichen. Level 3 ist das organisationale Ziel. Nicht-Engineering-Abteilungen zielen auf Level 2 als ersten Meilenstein ab; Engineering zielt direkt auf Level 3 über das KI-Labor.

Voraussetzungen:

Führung ist bereit, Rollen zu eliminieren, nicht nur Aufgaben (siehe die Rollenentscheidungsmatrix)
Einstellungsprofile ändern sich, um mindestens Tier 2+ zu erfordern
Produkt/Dienstleistung wird unter der Annahme von KI-Ausführung neu gestaltet
Organisationsstruktur wird erheblich flacher

Zeitrahmen: 6–12 Monate

Für Engineering definiert der KI-Labor-Lebenszyklus die spezifische Phasensequenz von Sprosse 3 zu Sprosse 5.

Welches Team zuerst

Nicht jedes Team ist gleich bereit oder gleich wertvoll als Ausgangspunkt. Die Forschung zeigt auf zwei Kriterien für die Auswahl Ihres Erstbewegers:

Kriterium 1: Höchste Wertdichte

Kundendienst generiert 38 % des gesamten KI-Geschäftswerts – mehr als jede andere Funktion. Betrieb macht 23 % aus, Marketing und Vertrieb 20 % und F&E 13 % (BCG, 2025).

Kundendienst ist die Standard-Empfehlung für die meisten Organisationen, weil:

Er die höchste tatsächliche KI-Aufgabenabdeckung hat (Anthropic, 2026)
Der Rollenentwicklungspfad am klarsten ist (siehe Kompetenz-Stufenplan – Kundendienst)
Ergebnisse schnell messbar sind: Ablenkungsrate, Lösungszeit, Kundenzufriedenheit
Die Arbeit natürlich in das zerfällt, was KI bearbeitet, und was menschliches Urteil erfordert

Kriterium 2: Höchste Bereitschaft

Wertdichte ist wichtig, aber Bereitschaft ist für das erste Team wichtiger. Ein Team mit geringerem Wertpotenzial, aber hoher Bereitschaft, wird einen schnelleren, saubereren Erfolg produzieren, der Glaubwürdigkeit für das nächste Team aufbaut.

Bereitschaftssignale (aus Ihre Organisation bewerten):

Team ist bereits auf Level 1 mit sichtbarer Adoption
Manager ist persönlich mindestens auf Level 2
Team-Kultur ist offen für Prozessveränderungen
Klare, messbare Workflows existieren (keine ad-hoc-Arbeit)
Führungsunterstützung ist explizit, nicht nur impliziert

Wenn Ihr wertvollstes Team nicht Ihr bereitestes Team ist, beginnen Sie mit dem bereiten. Ein sauberer Erfolg ist mehr wert als ein unordentlicher in einem hochverzinslichen Bereich.

Die Sequenzierungsmatrix

Szenario	Beginnen mit	Warum
Kundendienst ist bereit und hochwertig	Kundendienst	Standard-Empfehlung – höchster Wert, klarster Pfad
Kundendienst ist nicht bereit, Marketing aber schon	Marketing	Schnellster Weg zu sichtbaren Ergebnissen; Inhalts-Workflows zerlegen sich gut
Engineering ist bereits auf Level 2	Engineering	Bestehende Dynamik nutzen; Engineering-Erfolg minimiert Risiko für andere Teams
Kein Team ist bereit	Team eines Managers, beliebige Funktion	Den wahrscheinlichsten Manager für Erfolg wählen; das Ziel ist ein Beweis, nicht maximaler Wert

Infrastruktur vor Transformation

Sie können Workflows nicht auf kaputter Infrastruktur neu gestalten. Bevor Sie Ihr Erstbeweger-Team starten, verifizieren Sie diese Voraussetzungen:

1. Tool-Zugang

Jedes Team-Mitglied hat Zugang zu KI-Tools, die für ihre Arbeit geeignet sind. Nicht „kann Zugang beantragen" – hat Zugang, konfiguriert und funktionsfähig. Der häufigste stille Killer der Transformation ist Reibung: Menschen kehren zu alten Workflows zurück, wenn das KI-Tool zwei extra Klicks erfordert.

2. Kontext-Systeme

Jedes Team pflegt eine strukturierte Kontextdatei mit Zielen, Rahmenbedingungen, Terminologie, Qualitätsstandards und relevanten Dokumenten. Siehe KI-Ausführungsstandards – Schicht 2. KI-Aufgaben laden diesen Kontext vor der Ausführung.

Ohne Kontext-Systeme beginnt jede KI-Interaktion von null. Das ist der Unterschied zwischen Level 1 (Ad-hoc-Prompting) und Level 2 (systematische Integration).

3. Qualitätsstandards

Definieren Sie, was für KI-Output „gut genug" bedeutet, bevor die Leute anfangen, ihn zu produzieren. Ohne Standards erhalten Sie entweder Übervertrauen (KI-Output ohne Überprüfung veröffentlichen) oder Übervorsicht (alles zurück auf manuelle Qualität bearbeiten, wodurch der Geschwindigkeitsgewinn zunichtegemacht wird).

Die KI-Ausführungsstandards bieten das Rahmenwerk. Das Minimum: jeder KI-aktivierte Workflow definiert seine Abnahmekriterien vor dem Start.

4. Governance-Baseline

Wer ist berechtigt, KI in kundengerichteten Kontexten einzusetzen? Welche Daten können und können nicht verwendet werden? Was passiert, wenn KI-Output falsch ist? Diese Fragen brauchen Antworten vor dem ersten Pilot, nicht nach dem ersten Vorfall.

Die 30/60/90 für Führungskräfte

Dieser Abschnitt ist original für dieses Rahmenwerk. Die veröffentlichte Literatur deckt Tool-Adoptionszeitrahmen ab, keine strukturellen Transformationszeitrahmen. Diese Phasen sind aus der operativen Erfahrung hinter diesem Rahmenwerk und der Forschung in Die Wirtschaftlichkeit synthetisiert.

Tage 1–30: Fundament

Ihre Aufgabe: Den Boden vorbereiten. Noch keine Workflow-Änderungen.

Ihre Organisationsbewertung abschließen – Reifegrad-Karte nach Team
Ihr Erstbeweger-Team anhand der obigen Sequenzierungskriterien auswählen
Infrastruktur-Voraussetzungen verifizieren (Tool-Zugang, Kontext-Systeme, Qualitätsstandards, Governance)
Den Erstbeweger-Manager mit dem Die Transformation führen-Rahmenwerk briefen – Schicht 1 (Persönliche Kompetenz) und Schicht 2 (Team-Kontextmapping)
2–3 spezifische Workflows zum Neugestalten definieren (nicht „KI mehr nutzen" – spezifische, benannte Workflows mit aktuellem und Zielzustand)
Basismetriken für diese Workflows festlegen: aktuelle Zeit, Kosten, Qualität, Durchsatz

Wie Erfolg bei Tag 30 aussieht: Sie haben eine Karte, ein Team, einen Manager, der das Kontext-Mapping abgeschlossen hat, und 2–3 Workflows mit gemessenen Baselines ausgewählt. Noch niemand hat seine Arbeitsweise geändert.

Tage 31–60: Pilot

Ihre Aufgabe: Die ausgewählten Workflows mit dem Erstbeweger-Team neu gestalten und ausführen.

Manager schließt Schichten 3–4 von Die Transformation führen ab (Absichtsdefinition + Übergangsspezifikation) für jeden ausgewählten Workflow
Team-Mitglieder beginnen ihren eigenen Ihre Rolle transformieren-Prozess (Schichten 1–2: KI-Kompetenz + Arbeits-Mapping)
Die neu gestalteten Workflows einsetzen – KI übernimmt Ausführung, Menschen übernehmen Urteil
Wöchentlich messen: Zeit, Kosten, Qualität vs. Baseline
Wöchentliche Team-Sitzungen: was funktioniert, was brach, was muss angepasst werden
Was gelernt wird dokumentieren – das wird das Playbook für das nächste Team

Wie Erfolg bei Tag 60 aussieht: 2–3 Workflows laufen im neuen Modus. Messbare Verbesserungen existieren (auch wenn bescheiden). Das Team kann artikulieren, was sich geändert hat und warum. Sie haben ein dokumentiertes Playbook.

Tage 61–90: Validieren und Skalierung planen

Ihre Aufgabe: Bestätigen, dass das Modell funktioniert, dann die nächsten Teams planen.

Ergebnisse gegen Baselines überprüfen – sind die Gewinne real und nachhaltig?
Identifizieren, was funktioniert hat und was nicht (ehrlich sein; Teilerfolg ist immer noch Daten)
Bestimmen, welche Rollenentwicklungsmuster im Erstbeweger-Team entstehen
Die nächsten 2–3 Teams für Transformation basierend auf Bereitschaft und Wert auswählen
Schicht-1-2-Vorbereitung mit den Managern dieser Teams beginnen
Ergebnisse der Führung präsentieren: was sich geändert hat, was es gekostet hat, was als nächstes kommt

Wie Erfolg bei Tag 90 aussieht: Validierte Ergebnisse von einem Team. Eine ehrliche Einschätzung, was funktioniert hat. Ein Plan zur Skalierung auf 2–3 weitere Teams. Führungs-Buy-in basierend auf Evidenz, nicht Versprechen.

Entscheidungs-Checkpoints

Transformation ist kein Projekt, das man startet und vergisst. Es erfordert strukturierte Momente, um zu evaluieren, ob man beschleunigen, anpassen oder pausieren soll.

Checkpoint 1: Nach Bewertung (Tag 30)

Frage: Ist die Infrastruktur bereit und ist das Erstbeweger-Team lebensfähig?

Wenn ja → zum Pilot übergehen
Wenn nein → Voraussetzungen beheben, bevor man beginnt. Einen Pilot auf kaputter Infrastruktur zu starten, verschwendet den guten Willen des Teams
Wenn ungewiss → einen 2-wöchigen Mini-Pilot mit einem Workflow ausführen, um die Bereitschaft zu testen

Checkpoint 2: Nach Pilot (Tag 60)

Frage: Produzieren die neu gestalteten Workflows messbare Verbesserungen?

Wenn ja → validieren und Skalierung planen
Wenn Verbesserung bescheiden, aber real → weitermachen; frühe Ergebnisse kumulieren. Die Adoptions-J-Kurve bedeutet einen Einbruch vor dem Anstieg
Wenn keine messbare Verbesserung → diagnostizieren. War der Workflow ein guter Kandidat? War die Spezifikation klar genug? Hatte das Team die richtigen Tools und das richtige Training?
Wenn das Team widersteht → das ist ein Management-Problem, kein Technologieproblem. Siehe den Abschnitt „An Ihr Team" in Die Wirtschaftlichkeit

Checkpoint 3: Vor der Skalierung (Tag 90)

Frage: Sollen wir auf weitere Teams skalieren?

Wenn Pilot erfolgreich war und nächste Teams bereit sind → skalieren
Wenn Pilot erfolgreich war, aber nächste Teams nicht bereit sind → in Bereitschaft investieren (Tools, Training, Manager-Vorbereitung) bevor man startet
Wenn Pilot gemischte Ergebnisse produzierte → einen zweiten Pilot mit einem anderen Team ausführen, bevor man sich zur Skalierung verpflichtet. Ein Datenpunkt ist kein Muster

Ongoing: Vierteljährliches Review

Sobald die Skalierung beginnt, vierteljährlich überprüfen:

Welche Teams haben Fortschritte gemacht? Welche stecken fest?
Entstehen die Rollenentwicklungsmuster wie erwartet?
Hat sich der Gesamt-Reifegrad der Organisation verschoben?
Welche neuen Infrastruktur- oder Governance-Bedürfnisse sind entstanden?
Ist das Tempo nachhaltig, oder brennen Teams aus?

77 % der Unternehmen haben weniger als 40 % ihrer GenAI-Pilots skaliert (Concentrix/Everest, 2025). Der häufigste Grund: Experimentierung geschieht schneller als Governance. Vierteljährliche Checkpoints verhindern diese Drift.

Von Pilot zu Organisation skalieren

Der Übergang von einem erfolgreichen Team zu einer organisationsweiten Transformation ist der Punkt, an dem die meisten Bemühungen scheitern. MIT CISR identifiziert vier Herausforderungen in dieser Phase (MIT CISR, 2025):

1. Strategie

Die Transformation muss mit Geschäftsergebnissen verbunden sein, nicht als Technologieinitiative positioniert werden. Die Wirtschaftlichkeit bietet das Framing. Jedes neue Team, das beitritt, sollte verstehen warum es sich transformiert, nicht nur wie.

2. Systeme

Die Infrastruktur, die für ein Team funktionierte, skaliert möglicherweise nicht. Kontext-Systeme, Qualitätsstandards und Governance müssen sich weiterentwickeln, wenn mehr Teams ongeboardet werden. Was als Kontextdatei eines Teams begann, wird zu einem organisationalen Wissenssystem.

3. Synchronisation

Menschen und Rollen müssen sich gemeinsam mit den Systemen entwickeln. Hier werden die Rollenentwicklungsmuster im Maßstab kritisch. Verschiedene Teams werden verschiedene Muster erleben – Engineering könnte Elevation erleben, während Kundendienst Konvergenz erlebt. Die Organisation braucht Vokabular und Prozess, um mit dieser Vielfalt umzugehen.

4. Stewardship

Jemand muss die Transformation auf organisationaler Ebene besitzen – nicht als Projektmanager, sondern als System-Designer. Das ist eine entstehende Rolle. Sie erfordert Spezifikations-Engineering-Fähigkeiten, Komfort mit Ambiguität und organisationale Autorität.

Die Skalierungssequenz

Phase	Teams	Fokus
Pilot	1 Team	Beweisen, dass das Modell funktioniert. Alles dokumentieren.
Expansion	2–3 weitere Teams	Beweisen, dass das Modell überträgt. Playbook verfeinern.
Integration	Alle willigen Teams	Organisationale Infrastruktur aufbauen. Governance etablieren.
Native Operations	Organisationsweit	Die Transformation wird das Betriebsmodell.

Der Zeitrahmen von Pilot zu nativen Operations beträgt typischerweise 12–24 Monate (Promethium, 2025). Organisationen mit reifer Dateninfrastruktur bewegen sich schneller. Diejenigen, die grundlegende Arbeit benötigen, sollten 6–9 Monate Vorbereitung hinzufügen.

Diesen Zeitrahmen zu beschleunigen ist der häufigste Skalierungsfehler. Ein Team, das Level 2 in einem Quartal erreicht, kann es halten. Ein Team, das in einem Monat auf Level 2 gedrängt wird, fällt zurück, sobald die Aufmerksamkeit sich verlagert.

Was dieser Fahrplan nicht abdeckt

Dieser Fahrplan behandelt die organisationale Transformation – wie Arbeit neu gestaltet wird, sodass Menschen spezifizieren und Systeme ausführen. Er deckt nicht ab:

KI-Produktstrategie – KI für Kunden in Ihre Produkte einbauen
KI-Infrastruktur-Engineering – die technischen Stack-Entscheidungen für KI-Deployment
Regulatorische Compliance – KI-Governance und Compliance sind Voraussetzungen (siehe die Governance-Baseline oben), sind aber organisationsspezifisch

Das sind wichtige Themen. Sie liegen außerhalb des Geltungsbereichs dieses Rahmenwerks.

← Zurück zur Startseite · Die Wirtschaftlichkeit · Ihre Organisation bewerten · Die Transformation führen