Wie man KI-ready wird: „Gewinnen“ definieren

Praktische Methoden aus echten Beispielen

In meinem letzten Artikel habe ich erklärt, wie wichtig es ist zu definieren, wie Gewinnen aussieht.

Denn bevor Sie sich in die Technologie stürzen, müssen Sie zuerst in die richtige Richtung schauen: zum Kunden / Nutzer / Bürger. Warum das so wichtig ist, können Sie hier und hier noch einmal nachlesen.

Das ist der Nordstern. Jetzt geht es darum, das Spiel zu definieren. Was ist Gewinnen und was ist Verlieren?

Das ist einfach zu verstehen und schwer umzusetzen. Es gibt eine Vielzahl von Methoden und keine passt zu 100 %.

Die Gefahr ist immer, dass man entweder zu generisch ist oder sich im Klein-Klein verliert.

Deshalb dieser Artikel. Eine praktische Hilfestellung, wie Sie hier mit Hilfe von KI etwas auf die Straße bringen.

In diesem Artikel bekommen Sie:

• praktische Tipps
• erprobte Methoden und warum sie wichtig sind
• echte Beispiele, wo wir sie angewendet haben

Mit KI lernen

Ich finde folgende Vorgehensweise hilfreich:

1. Ein paar Methoden kennen, d. h. darüber lesen – oder sie sich von einer KI erklären lassen – und darüber nachdenken
2. Stichpunkte zur eigenen Situation machen
3. Mit Hilfe von KI die richtigen Fragen identifizieren
4. Die Fragen beantworten
5. Der KI diesen Input geben und die KI fragen
   1. Was davon ist in meiner Situation absolut unrealistisch umzusetzen?
   2. Was davon ist in meiner Situation auf jeden Fall realistisch umzusetzen?
6. Dann auf das Bauchgefühl hören:
   1. welche Antworten der KI finde ich stimmig,
   2. welche stören mich
   3. oder habe ich gar kein Gefühl dazu? Das passiert, wenn es noch zu wenig Erfahrung gibt, auf die man zurückgreifen kann. Dann nehmen Sie die Schritte, die am einfachsten umzusetzen sind
7. Erste kleine Schritte praktisch umsetzen, und zwar zu den Punkten, die sich stimmig anfühlen, oder zu denen, die am einfachsten sind.

Im Folgenden stelle ich Ihnen Methoden vor, die ich selbst gemeinsam mit Teams und Führungskräften in großen Unternehmen verschiedener Branchen angewendet habe, aber niemals exakt so wie die Vorlage – immer abgewandelt und an die Situation angepasst!

Es gibt noch viele, viele weitere Methoden und ich kann nicht alle behandeln. Es kommt mehr darauf an, dass Sie anfangen, sich Gedanken zu machen, und dass Sie anfangen, etwas praktisch umzusetzen, das sich stimmig anfühlt. Welche Methode Sie dabei wählen, ist zweitrangig.

Echte Beispiele aus meiner Laufbahn

Beispiel: Versicherung, 7 Teams, ca. 80 Personen

• Gewinnen: Jedes Team und alle Teams zusammen entwickeln Lösungen (neue Software + neue Workflows + neue Automatisierungen + neue Standards in anderen Abteilungen), die Kundenanliegen zur vollsten Zufriedenheit der Kunden abwickeln – vollautomatisch, ohne manuelle Arbeit.
• Verlieren: Kundenanliegen werden nicht gelöst, Kundenanliegen werden manuell gelöst, Kunden sind unzufrieden, Teams entwickeln Lösungen, die keiner braucht und die nichts zum Gewinnen beitragen.
• Bezug zu Data und KI: Die Automatisierungsrate wurde aus Daten berechnet und jeden Sprint gemessen. Ein Team baute diese Datenberechnung und -messung.

Das alles war noch vor KI. Müssten die Teams es heute machen, wäre es für sie ein Kinderspiel, denn diese Organisation übt seit Jahren die Arbeitsweise, sich am Kunden auszurichten, jeden Sprint zu liefern und an KPIs gemessen zu werden. Perfekte Ausgangsbedingungen.

Beispiel: Autohersteller, 10 Teams, ca. 150 Personen

• Gewinnen: Alle Teams gemeinsam entwickeln erfolgreich eine neue Head Unit (das ist das Ding im Auto, in dem Ihr Radio, Ihre Handy-App und Ihre Navigation wohnen) mit neuen Funktionalitäten, neuen Apps, neuem Chip und neuer Hardware, um den Kunden zusätzliche Services zum Fahrzeug anbieten zu können.
• Verlieren: Die neue Head Unit liefert keinen Mehrwert im Vergleich zur alten.
• Bezug zu Data und KI: Eigentlich keiner, denn das Beispiel ist schon ein paar Jahre alt.

Ich habe es trotzdem aufgeführt, weil Gewinnen und Verlieren hier beispielhaft gelebt wurden und alle an Zahlen, Daten und Fakten gemessen wurden, was ich cool fand.

Jeden Sprint wurde die neue Head Unit im fahrenden Auto getestet und benutzt, und alle gelieferten Features, alle Bugs, alle Kosten etc. wurden in Daten erfasst und gemessen. Entschieden wurde ausschließlich auf Basis von Zahlen, Daten und Fakten.

Beispiel: Pharmaunternehmen, 5 Teams, ca. 50 Personen

• Gewinnen: In dieser Initiative hieß Gewinnen: Wir verstehen, welcher Arzt die Krankheiten behandelt, für die wir Medikamente haben, wir verstehen die Krankheiten und wie wir helfen können, und wir verstehen, welche Ärzte die Sales Reps als Nächstes und in welcher Reihenfolge besuchen sollen (Recommendation Model).

(In Deutschland gibt es strenge Datenschutzgesetze im Gesundheitswesen, d. h. Sie dürfen nicht wissen, wer welche Krankheit hat und wer zu welchem Arzt geht.)

• Verlieren: Dashboards bauen, die keiner braucht und die diese Fragen nicht beantworten.
• Bezug zu Data und KI: Es war ein riesiges Data-Platform-Team, das wir in kleinere Teams aufgeteilt haben. Zusätzlich wurde ein Machine-Learning-Team gegründet. Das Recommendation Model war ein voller Erfolg.

Beispiel: Mode-Shop (online und Läden), 2 Teams, ca. 20 Personen

• Gewinnen: Das Business weiß, welche Kleidungsstücke aus dem Lager als Nächstes welcher Zielgruppe online und in den Läden angeboten werden sollen.

(Dieses Unternehmen hatte ein riesiges Lager, weil sein Geschäftsmodell darauf beruhte, Ware vergangener Saisons bekannter Marken zu verkaufen.)

• Verlieren: Ein tolles Data Warehouse und null Actionable Insights fürs Business.
• Bezug zu Data und KI: Ein Data-Platform-Team, das Daten für die Fachabteilungen bereitstellte. KI steckte hier noch in den Kinderschuhen.

Beispiel: Energieversorger, 3 Teams, ca. 30 Personen

• Gewinnen: Alles neu! Neue Datenplattform (parallel neues CRM, neues ERP), neue Cloud-Infrastruktur, neues Machine Learning – und alles GLEICHZEITIG!
• Verlieren: Es wurden Millionen verbrannt. Der Kunde war meilenweit entfernt. Das Datenplattform-Programm wurde eingestampft. Machine Learning lief allerdings ganz gut. Cloud machte Fortschritte. CRM und ERP habe ich nicht weiter verfolgt, aber die neue Datenplattform ging nie in Produktion, und man arbeitet weiter mit der alten.
• Bezug zu Data und KI: 3 Teams, die die Cloud-Infrastruktur, die Datenplattform und eine Machine-Learning-Initiative bauten.

Ein super Lehrbeispiel, wie man es im Data-Bereich NICHT MACHEN sollte. Ich komme in späteren Artikeln darauf zurück.

Es wurde keine einzige Methode verwendet. Die einzige Arbeitsweise war, Menschen zu (mikro-)managen und bunte Folien zu malen.

Einige nützliche Methoden

Nun zu den Methoden. Bitte recherchieren Sie die Materialien dazu selbst. Zum einen würde der Artikel sonst zu lang, und zum anderen ist der Sinn der Übung, dass Sie sich selbst Gedanken dazu machen.

Oder fragen Sie eine KI Ihrer Wahl zu jeder Methode. Die Methoden sind uralt und weltbekannt, d. h. jede KI ist darauf trainiert.

Value Proposition Canvas

Es gibt dafür schöne Vorlagen. Es kommt nicht darauf an, dass Sie genau diese perfekt ausfüllen.

• Sie sollen verstehen, wie Sie den Kunden in den Mittelpunkt stellen,
• und Sie sollen verstehen, ob das, was Sie tun, die Pain Points des Kunden löst
• oder ob das, was Sie tun, dem Kunden einen Gewinn bringt.

Sie sollen das durchdenken und systematisch mappen. Das ist schon die ganze Übung.

Wenn das, was Sie vorhaben, weder ein Pain Reliever noch ein Gain Creator ist, was ist dann seine Daseinsberechtigung?

Darüber sollten Sie nachdenken.

Lean-Startup-Methode

In der Lean-Startup-Methode formulieren Sie Hypothesen, überlegen sich, wie Sie diese testen können, und führen Experimente durch. Anhand dessen, was Sie in den Experimenten gemessen haben, entscheiden Sie, wie es weitergeht.

Auch hier geht es nicht darum, irgendeine Vorlage aus dem Internet exakt so überzustülpen. Denken Sie erst nach.

• Welche Annahmen haben Sie getroffen?
• Wie können Sie diese Annahmen validieren oder widerlegen?
• Welche Experimente helfen hier?
• Was kann man messen?
• Welche Kill-Kriterien wollen Sie festlegen?

Diese Denkweise können Sie für alle Initiativen verwenden. Anstatt davon auszugehen, dass Sie alles wissen, gehen Sie davon aus, dass Sie lediglich Annahmen treffen.

Das können Annahmen darüber sein, was Gewinnen für den Kunden wirklich ist, es können aber auch Annahmen darüber sein, ob der Weg dorthin der richtige ist.

Diese Denkweise zwingt Sie dazu, Gewinnen und Verlieren in Worte zu fassen und in Daten und Messpunkte zu übersetzen.

Diese Denkweise ist die Disziplin, es auch wirklich durchzuziehen.

Üben Sie diese Denkweise ein und suchen Sie ein Beispiel, wo sie in Ihren Kontext passt.

Impact Mapping

Auch hier gibt es schöne Vorlagen. Und auch hier gilt wieder: Machen Sie kein Dogma daraus.

Aber: Denken Sie darüber nach, wie Sie „Gewinnen“ umsetzen wollen.

Wer muss was wie machen, so dass am Ende was dabei herauskommt?

Es geht wieder darum, diszipliniert die Brücke von Strategie zu Execution zu bauen. Was nützt Ihnen eine großartige Vision, wenn Sie nicht wissen, wie Sie sie umsetzen sollen?

Dafür ist die Methode da.

Sie zwingt Sie dazu, tatsächlich aufzuschreiben, wie aus der Idee Realität werden kann.

Es geht nicht um Details. Aber es geht darum, Bodenhaftung zu bekommen.

Wenn Ihnen nichts einfällt, wenn Sie nicht wissen, wer was wie machen müsste, damit Gewinnen real wird, dann merken Sie: Ihre Formulierung für Gewinnen ist zu generisch. Zurück zur Value Proposition und die Hausaufgaben noch einmal machen.

Erst wenn Sie in der Lage sind, Gewinnen so zu formulieren, dass Sie anschließend sagen können, wer was wie machen muss und welches Deliverable am Ende auf Gewinnen einzahlt, wird aus Strategie tatsächlich Execution.

Balanced Scorecard

Hier denke ich an eine vereinfachte Version davon.

Es ist MEGA WICHTIG, sich nicht nur auf finanzielle Ziele zu konzentrieren. Die reine Fokussierung auf ROI oder geldbezogene Ziele bringt Sie nicht ans Ziel.

Der Workflow, der Ihnen kurzfristig Gewinne bringt – ist er stabil, wiederholbar, unabhängig von einzelnen Personen, und lässt er sich über lange Zeit so aufrechterhalten, ohne dass alle ausbrennen? Das ist die Prozess-Dimension.

Ein Workflow, der wiederholbar und profitabel ist, Sie aber nicht dazu zwingt, jedes Mal etwas Neues zu lernen – das ist der Moment, in dem er zum „Legacy-System“ wird. Die Welt dreht sich weiter und Sie stehen still, weil Sie von Anfang an versäumt haben einzuplanen, dass die Organisation permanent weiterlernen muss.

Und schließlich rückt der Kunde wieder in den Fokus.

Die Balanced Scorecard

• denkt den Kunden mit,
• denkt die Arbeitsweise mit,
• und denkt das Lernen mit.
• Und natürlich auch den Profit.

Angenommen, Sie wissen, was Gewinnen konkret heißt, und Sie haben einen Plan zur Umsetzung der Strategie, dann achten Sie darauf, dass alle Führungskräfte KPIs aus allen Bereichen einer Balanced Scorecard verbessern müssen. So verhindern Sie dysfunktionale Incentives.

Der Kunde als Nordstern verhindert einseitiges Fokussieren auf kurzfristige finanzielle Vorteile. Das Verbessern der Arbeitsweise nimmt alle mit an Bord. Das Verbessern des Lernens der Organisation zwingt eine Führungskraft dazu, mit anderen Führungskräften zu kooperieren.

So ein einfaches Werkzeug und so wahnsinnig hilfreich.

KPIs

Die KPIs schließen sich dem an. Definieren Sie KPIs, die alle Bereiche einer Balanced Scorecard abdecken. Sowohl Teams als auch Führungskräfte werden an den KPIs gemessen.

• Lieber weniger als mehr.
• Lieber pragmatisch als wissenschaftlich korrekt.
• Die Messung muss schnell und unkompliziert machbar sein.
• Lieber ein 5-Sterne-Rating nach Bauchgefühl Ihrer Stakeholder messen als gar nichts messen.
• Lieber sofort anfangen.

Es geht um Verbesserung und es geht darum, Fakten zu schaffen. Nach und nach können Sie das optimieren, aber verkomplizieren Sie es nicht – machen Sie keine Doktorarbeit draus!

Circle of Leaders

Es gibt keine offizielle Methode mit diesem Namen. Ich habe sie in einigen Organisationen gesehen und angepasst.

Irgendwann habe ich gemerkt, dass ich viel mehr erreiche, wenn ich mit Gruppen arbeite.

Von Anfang an bringe ich alle Führungskräfte, die für eine Initiative verantwortlich sind, in eine Gruppe und nenne sie xyz Circle. Xyz kann alles sein. Wählen Sie einen passenden Namen.

• Alle müssen rein (alle, die Führungskraft sind und für die Initiative Verantwortung tragen),
• man trifft sich wöchentlich oder manchmal sogar täglich,
• und wer nicht da ist, trägt die Entscheidungen der Gruppe mit.

Alles, was geklärt werden muss, wird geklärt. Alles, was gemessen werden muss, wird gemessen. Alles, was entschieden werden muss, wird entschieden.

Halten Sie die Agenda simpel. Aber ziehen Sie es konsequent durch.

Es funktioniert immer.

• Die Verantwortung verteilt sich auf mehrere Schultern,
• man versteht sich besser,
• man kommt viel schneller voran, alle spüren Erleichterung und Fortschritt.

Die Methode ist so gut, dass ich mich jedes Mal frage, warum sie nicht längst ein Standard in der Management-Literatur ist.

• Sie müssen kein Organigramm ändern,
• Sie müssen kein Change-Projekt machen,
• Sie müssen dem Ganzen nur einen sexy Namen geben,
• das Meeting cool, effektiv und effizient gestalten
• und mit der Dynamik der Gruppe arbeiten.

Sie müssen ein geeigneter Host für so ein Meeting sein. Fokussiert, freundlich, keine Labertasche, sich nicht in den Mittelpunkt stellen, sondern allen das Leben leichter machen. Dann klappt es.

Reviews sind Pitches vor dem Vorstand

Diese Methode ist bombensicher. Sie ist der Hammer. Und sie ist einfach.

Selbst in einem riesigen Weltkonzern ist das machbar. Wir haben es gemacht.

Wenn Sie wissen, welche Teams an der Initiative beteiligt sind, wie Gewinnen aussieht, wie Sie es messen wollen, und wenn Sie Ihren Leadership Circle gebildet haben, dann nehmen Sie den Sponsor und finden Sie die höchste Unternehmensebene, die ein Interesse am Erfolg hat. Am besten den Vorstand.

Alle Teams und der Leadership Circle pitchen regelmäßig vor dem Vorstand, wie ein Startup.

Die Agenda MUSS mindestens Folgendes enthalten:

• eine Live-Demo von etwas, das in Produktion läuft (äh, ja, das haben wir in Großkonzernen gemacht, das Zeug war live in Produktion)
• eine Erklärung, wie diese Demo mit der Value Proposition für Kunde/Nutzer/Bürger zusammenhängt
• Daten, die belegen, wie Sie die Hypothese mit Experimenten validiert haben
• Daten, die belegen, was Sie gelernt haben und was Sie aufgrund dessen ändern
• und einen kurzen Überblick, wie Sie das betreiben und steuern werden

Der Vorstand entscheidet, ob es weiteres Funding gibt oder nicht. Das heißt, es ist kein jährlicher Budgetprozess. Das heißt, kein Dienstleister kann sich auf ein jährliches Budget verlassen. Das verändert die gesamte Dienstleisterstruktur. Darauf gehen wir in späteren Artikeln ein.

Natürlich funktioniert das Ganze nur, wenn man es auch durchzieht.

Stopp: Das ist NICHT nur Führung, die mit Führung spricht.

Es ist ein EVENT. Alle Teammitglieder sind anwesend. Die Teams zeigen ihre Sachen selbst. Es ist ein Pitch! Verschwenden Sie nicht die Zeit des Vorstands mit langweiligen technischen Details. Und sorgen Sie dafür, dass alle, die nicht dabei sind, ernsthaft FOMO verspüren.

Voraussetzung: Es muss möglich sein, Initiativen zu killen, weil sich die Annahmen nicht bewahrheitet haben, ohne dass jemand dabei sein Gesicht verliert oder seiner Karriere schadet.

Klar, das wird nicht jede Organisation sofort schaffen. Es gibt viel zu lernen! Das wird dann Thema weiterer Artikel sein.

Für heute erst einmal nur bis hierhin.

Ihre Übung

1. Nehmen Sie diesen Artikel, nutzen Sie eine KI Ihrer Wahl und geben Sie der KI zusätzlich folgende Angaben über sich und Ihre Initiative:
   1. Branche
   2. Unternehmensgröße
   3. Ihre Rolle
   4. Worum es bei der Initiative geht
   5. Welche Teams daran arbeiten
   6. Welche Stakeholder Sie haben
   7. Welche Probleme Sie bereits identifiziert haben
2. Sagen Sie der KI, sie soll Ihnen eine Liste von Fragen geben, die noch offen sind und die Sie beantworten müssen, bevor Sie entscheiden, welche Methoden Sie anwenden können
3. Beantworten Sie die Fragen
4. Geben Sie der KI diesen Input und fragen Sie die KI:
   1. Was davon ist in meiner Situation absolut unrealistisch umzusetzen?
   2. Was davon ist in meiner Situation auf jeden Fall realistisch umzusetzen?
5. Dann hören Sie auf Ihr Bauchgefühl:
   1. welche Antworten der KI finde ich stimmig,
   2. welche stören mich
   3. oder habe ich gar kein Gefühl dazu? Das liegt daran, dass die Erfahrung fehlt.
6. Setzen Sie erste kleine Schritte um, und zwar zu den Punkten, die sich stimmig anfühlen oder am wenigsten schwierig erscheinen.

Probieren Sie es aus und melden Sie sich bei mir. Hat es etwas gebracht?

Herzliche Grüße

Bianca

P.S.: Viele, viele weitere Artikel und Methoden werden folgen. Wir haben gerade erst angefangen.

Ich weiß, dass alle davon sprechen, Workflows für KI neu zu gestalten. Aber zuerst müssen Sie die Grundlagen richtig hinbekommen.

Wenn Sie am Anfang Fehler machen, läuft alles in die falsche Richtung und politische Dynamiken werfen Ihnen Knüppel zwischen die Beine. Das Ganze ist ein komplettes Setup, es braucht viele Bausteine. Begleiten Sie mich auf dieser Lernreise.