KI-Potenzialmatrix: Häufigkeit × Regelbasiertheit × Wert

Lernziele

Sie wenden die drei Bewertungsachsen der KI-Potenzialmatrix (Häufigkeit, Regelbasiertheit, Wert) auf mindestens fünf eigene Prozesse an und berechnen den Potenzial-Score (H × R × W).

Sie visualisieren die Bewertungsergebnisse als Bubble-Chart und identifizieren Prozesse im „Sweet Spot” der Automatisierungseignung.

Sie erklären die Bedeutung einer optionalen Risiko-Dimension und begründen, warum ein hoher Potenzial-Score allein keine ausreichende Entscheidungsgrundlage ist.

Sie leiten aus der Potenzialmatrix eine priorisierte Shortlist von zwei bis drei Use-Case-Kandidaten ab und begründen die Auswahl nachvollziehbar.

Sie kalibrieren ihre Bewertungen im Team-Kontext und erkennen typische Überschätzungs-Muster (insbesondere bei der Regelbasiertheit).

Abbildung: ROI-Matrix — Use-Cases nach Aufwand und Wert mit Quick Wins, strategischen Investitionen, Nice-to-haves und Aufwandsfallen.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Nach dem SIPOC-Workshop aus UE 85 haben Sie vielleicht zehn, fünfzehn Prozesse identifiziert, bei denen KI einen Unterschied machen könnte. Aber wo fangen Sie an? Welche drei Prozesse haben das größte Potenzial? Und welche klingen spannend, sind aber bei näherer Betrachtung schlechte Kandidaten?

Diese Frage ist in der Praxis der wichtigste Engpass bei der KI-Einführung: nicht die Technologie, sondern die Priorisierung. Organisationen scheitern nicht daran, dass sie keine KI-Tools haben, sondern daran, dass sie zu viele Ideen gleichzeitig verfolgen, die Ressourcen verzetteln und nach sechs Monaten ernüchtert feststellen, dass kein einziges Projekt wirklich zum Abschluss gekommen ist.

Die KI-Potenzialmatrix ist das methodische Werkzeug, das dieser Falle vorbeugt. Sie ersetzt die intuitive Begeisterung durch eine nachvollziehbare, kalibrierbare Bewertung. Und sie macht etwas sichtbar, das viele überrascht: Die besten KI-Kandidaten sind selten die glamourösesten Prozesse — sondern die unspektakulär-häufigen, regelbasierten Routinearbeiten, die im Tagesgeschäft kaum auffallen.

Ein wichtiger Hinweis: Die Potenzialmatrix ist ein Werkzeug zur Orientierung, kein Orakel. Zwei Personen, die denselben Prozess bewerten, kommen oft zu unterschiedlichen Ergebnissen — und beide können Recht haben, weil sie verschiedene Aspekte sehen. Genau deshalb ist der Kalibrierungsschritt im Workshop unerlässlich.

Lerntext — Theorie und Konzepte

Die drei Bewertungsachsen im Detail

Die KI-Potenzialmatrix kombiniert drei Dimensionen zu einem einzigen Score. Jede Dimension wird auf einer Skala von 1 bis 5 bewertet.

Dimension 1 — Häufigkeit (H): Wie oft wird der Prozess ausgeführt? Täglich = 5, mehrmals pro Woche = 4, wöchentlich = 3, monatlich = 2, sporadisch (weniger als monatlich) = 1. Die Häufigkeit ist die Hebel-Dimension: Eine Automatisierung, die täglich angewendet wird, amortisiert sich zwanzigmal schneller als eine, die monatlich läuft. Faustregel: Kein Prozess unter Häufigkeit 3 sollte in der ersten KI-Rollout-Phase priorisiert werden.

Dimension 2 — Regelbasiertheit (R): Wie gut lässt sich der Prozess in explizite, überprüfbare Regeln übersetzen? Vollständig dokumentierbar, keine Ausnahmen = 5. Überwiegend regelbasiert, mit seltenen Ausnahmen = 4. Mischung aus Regeln und Urteil = 3. Überwiegend urteilsbasiert = 2. Vollständig urteilsbasiert, nicht kodifizierbar = 1. Diese Dimension ist die am häufigsten überschätzte: Menschen neigen dazu, ihre eigene Arbeit für regelbasierter zu halten, als sie ist. Ein kritischer Test: Können Sie den Prozess so dokumentieren, dass eine Person ohne Ihre Erfahrung exakt dasselbe Ergebnis erzielt? Wenn nicht, ist die Regelbasiertheit maximal 3.

Dimension 3 — Wert (W): Wie groß ist der quantitative und qualitative Nutzen, wenn der Prozess automatisiert wird? Hohe Zeitersparnis + hohe Qualitätsverbesserung + strategische Bedeutung = 5. Nur Zeitersparnis, ohne strategische Bedeutung = 3. Minimaler Nutzen = 1. Der Wert sollte sowohl direkte Effizienzgewinne (messbare Stunden-Ersparnis) als auch indirekte Effekte (Mitarbeiterzufriedenheit, Qualitätssicherung, Fehlerreduktion) berücksichtigen.

Gesamtscore: H × R × W. Maximal erreichbar: 5 × 5 × 5 = 125. Prozesse mit Score über 50 sind grundsätzlich geeignete KI-Kandidaten. Prozesse mit Score über 80 sollten prioritär behandelt werden. Prozesse unter 30 sollten nicht in einer ersten Rollout-Phase erscheinen.

Merksatz

Der „Sweet Spot” der KI-Automatisierung liegt bei Prozessen mit H ≥ 4, R ≥ 3 und W ≥ 3 (Score ≥ 48). Diese Kombination aus hoher Häufigkeit, ausreichender Regelbasiertheit und messbarem Wert ist der verlässlichste Prädiktor für einen erfolgreichen KI-Piloten.

Visualisierung als Bubble-Chart

Der berechnete Score allein zeigt nicht, warum ein Prozess gut oder schlecht abschneidet. Der Bubble-Chart macht die Struktur des Scores sichtbar: Häufigkeit auf der x-Achse, Regelbasiertheit auf der y-Achse, Wert als Blasengröße. Der „Sweet Spot” liegt oben rechts: hohe Häufigkeit, hohe Regelbasiertheit, große Blasengröße.

Abb. 86.1 — KI-Potenzialmatrix Bubble-Chart: Häufigkeit × Regelbasiertheit × Wert (Blasengröße)

Erweiterung: Risiko-Overlay

Die dreiachsige Matrix bewertet Potenzial — aber nicht Risiko. Eine wertvolle Erweiterung ist das Risiko-Overlay: Für jeden Prozess wird zusätzlich die Fehlerkonsequenz bewertet. Ein Prozess mit hohem Score, aber schwerwiegenden Konsequenzen bei KI-Fehlern (z. B. falsch klassifizierte Bewerbungen, die zu Diskriminierungsklagen führen können), sollte selbst bei Score 100 nicht ohne umfangreiche Governance-Maßnahmen implementiert werden.

Die Risikobewertung erfolgt auf einer einfachen Skala: Niedrig (Fehler korrigierbar, kein externer Impact) = Grün. Mittel (Fehler zeitaufwändig korrigierbar, limitierter externer Impact) = Gelb. Hoch (Fehler mit rechtlichen, finanziellen oder reputativen Konsequenzen) = Rot. Diese Klassifikation entspricht dem Drei-Stufen-Freigabemodell (Grün / Gelb / Rot), das in UE 93 im Governance-Kontext vertieft wird.

Merksatz

Hoher Score + rotes Risiko = erst Governance klären, dann piloten. Ein Potenzial-Score ist kein Freifahrtschein. Die Risikodimension entscheidet, mit welchen Schutzmechanismen ein Use Case umgesetzt werden darf.

Workshop-Ablauf für die Praxis

Ein typischer KI-Potenzialmatrix-Workshop dauert 60 bis 90 Minuten und läuft in drei Phasen: Erstens individuelle Bewertung (15 Min.): Jede teilnehmende Person bewertet je fünf eigene Prozesse still. Zweitens Kalibrierung in Kleingruppen (20 Min.): Gruppen von drei bis vier Personen vergleichen ihre Bewertungen. Abweichungen über zwei Punkte auf einer Achse werden diskutiert — sie zeigen Interpretationsunterschiede, die explizit gemacht werden müssen. Drittens gemeinsame Matrix (10 Min.): Alle Bewertungen werden in einer geteilten Übersicht zusammengeführt. Die Top-3-Prozesse nach Score werden als Startliste für die Canvas-Arbeit in UE 87 festgehalten.

Ein häufig gemachter Fehler im Workshop: Teilnehmende bewerten die Regelbasiertheit ihres Prozesses zu hoch, weil sie den Prozess selbst gut beherrschen. Der Test: Bitten Sie eine andere Person, die Schritte ohne Ihre Hilfe durchzuführen. Wo entstehen Fragen? Genau dort liegt die implizite Expertise, die noch nicht kodifiziert ist.

Vertiefung — Strategische Ausrichtung als vierte Dimension und Kalibrierungsprobleme

Vertiefung — Die vier häufigsten Priorisierungsfehler und wie sie vermieden werden

In der Beratungspraxis tauchen bei KI-Potenzialmatrix-Workshops immer wieder dieselben vier systematischen Fehler auf. Sie entstehen nicht aus Fahrlässigkeit, sondern aus der menschlichen Neigung zu kognitiven Abkürzungen:

Fehler 1 — Der Enthusiasmus-Bias: Ein neues KI-Tool hat gerade eine beeindruckende Demo gezeigt. In der folgenden Potenzialmatrix-Sitzung erhalten alle Prozesse, die mit diesem Tool lösbar wären, höhere Scores — nicht weil sie besser geeignet sind, sondern weil das Tool im Kopf präsent ist. Gegenmassnahme: Die Bewertungsphase findet tool-agnostisch statt. Welche Lösung eingesetzt wird, wird erst nach der Priorisierung diskutiert.

Fehler 2 — Die Expertenfalle: Wer einen Prozess seit Jahren selbst ausführt, bewertet ihn als hochgradig regelbasiert — weil die impliziten Ausnahmen und Urteilsentscheidungen zur zweiten Natur geworden sind. Eine neue Kollegin, die denselben Prozess zum ersten Mal sieht, zählt sechs Stellen, an denen Erfahrungsurteil gefragt ist. Gegenmassnahme: Cross-Team-Bewertungen als Standard. Jeder Prozess wird von mindestens zwei Personen bewertet — idealerweise einer Person, die ihn täglich ausführt, und einer Person, die ihn nur von außen kennt.

Fehler 3 — Der Wert-Inflations-Fehler: Wenn alle Prozesse einen W-Score von 4 oder 5 erhalten, weil niemand einen Prozess als unwichtig bezeichnen möchte, verliert die Skala ihre Differenzierungskraft. Der Gesamtscore ist dann eine Funktion von Häufigkeit und Regelbasiertheit — und die Priorisierung verliert ihre strategische Dimension. Gegenmassnahme: Explizit einen Prozess mit W=1 oder W=2 identifizieren — als Kalibrierungsanker für alle anderen Bewertungen.

Fehler 4 — Das Quick-Win-Paradox: Prozesse mit hohem Score, aber niedrigem strategischen Wert werden priorisiert, weil sie schnell umsetzbar sind. Das Resultat: Nach 12 Monaten wurden zahlreiche interne Routinen automatisiert, aber kein einziger Use Case, der die Wettbewerbsposition stärkt. Gegenmassnahme: Neben dem operativen Score immer auch den strategischen Fit prüfen (vierte Dimension SF, Faktor 1.0–1.5). Use Cases, die direkt auf strategische Ziele einzahlen, erhalten einen Bonus — auch wenn ihr operativer Score etwas niedriger ist.

Die Kalibrierungs-Norm: In erfahrenen KI-Strategie-Teams gilt: Ein Potenzialmatrix-Ergebnis, das nicht durch mindestens eine Runde kollektiver Kalibrierung gegangen ist, ist kein valides Ergebnis. Die Kalibrierung ist kein optionaler Schritt — sie ist die eigentliche Qualitätssicherung der Methode.

Die drei-dimensionale KI-Potenzialmatrix (H × R × W) ist ein ausgezeichnetes operatives Werkzeug — aber sie berücksichtigt keine strategische Dimension. Ein Prozess kann einen Score von 80 haben und trotzdem nicht der richtige KI-Einstieg sein, wenn er nicht zu den strategischen Schwerpunkten der Organisation passt.

Eine optionale vierte Dimension ist der strategische Fit (SF): Wie gut passt die KI-Automatisierung dieses Prozesses zu den erklärten strategischen Prioritäten? Mit SF als Gewichtungsfaktor (SF 1,0 bis 1,5): Finalscore = H × R × W × SF. Ein Use Case mit Score 60 und SF 1,4 erhält 84 — und sollte einem Use Case mit Score 80 und SF 1,0 vorgezogen werden.

In Potenzialmatrix-Workshops gibt es zudem systematische Verzerrungen. Enthusiasmus-Bias: Prozesse, für die gerade ein interessantes KI-Tool existiert, werden höher bewertet. Gegenmaßnahme: Bewertungsphase vom Tool-Wissen trennen. Senioritäts-Bias: In Gruppen mit unterschiedlichen Hierarchieebenen tendieren jüngere Teilnehmende dazu, ihre Bewertungen anzupassen. Gegenmaßnahme: Individuelle Bewertungen schriftlich vor dem Gruppenvergleich festlegen. Neuheits-Bias: Neue Prozesse werden als KI-Kandidaten überbewertet. Selbst-Referenz-Bias: Teilnehmende bewerten die eigenen Prozesse systematisch besser als fremde. Gegenmaßnahme: Cross-Team-Bewertungen einbauen.

Externe Studien liefern wertvolle Benchmarks zur Plausibilitätsprüfung. McKinseys Studie zur wirtschaftlichen Bedeutung von generativer KI (2023) identifiziert vier Funktionsbereiche mit besonders hohem Automatisierungspotenzial: Customer Operations (60–70 % der Aktivitäten potenziell automatisierbar), Sales und Marketing (50–60 %), Software-Entwicklung (40–50 %), Knowledge Work allgemein (30–40 %). Wenn die eigenen internen Bewertungen deutlich von diesen Benchmarks abweichen, lohnt sich eine Überprüfung der Annahmen.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

In einem IT-Beratungshaus mit Projektgeschäft ergibt die KI-Potenzialmatrix für fünf typische Prozesse folgende Bewertung: Meeting-Protokollierung (H=5, R=4, W=3 → Score 60): täglich, gut regelbasiert, moderater Wert — hervorragend für einen ersten Pilot. Wochenbericht für Kunden (H=4, R=4, W=4 → Score 64): regelmäßig, klare Vorlage, hoher Wert — guter zweiter Kandidat. Erstangebotserstellung (H=4, R=3, W=5 → Score 60): häufig, teilweise regelbasiert (strategische Preisfindung bleibt urteilsbasiert), hoher Wert. Recruiting-Erstsichtung (H=2, R=4, W=4 → Score 32): moderate Häufigkeit, aber Risiko-Overlay Gelb bis Rot (Diskriminierungsrisiko) — erst nach Governance-Klärung. Technisches Konzept schreiben (H=2, R=1, W=5 → Score 10): kreative Wissensarbeit, nicht automatisierbar. Empfehlung: Mit Meeting-Protokollierung oder Wochenbericht als Einstiegspilot beginnen (Risiko-Overlay eindeutig Grün, hoher Score, schnelle Amortisation).

Industrie & Fertigung

In einem produzierenden Unternehmen verschiebt sich das Bild: Wartungsauftrag-Erstellung (H=5, R=5, W=4 → Score 100): täglich, vollständig regelbasiert (Fehlerbild → Wartungsanleitung → Ersatzteil), hoher Wert durch Maschinenausfallzeiten — klarer Top-Kandidat. Qualitätskontrollprotokoll (H=5, R=4, W=4 → Score 80): täglich, gut strukturiert, hoher Wert. Lieferantenbestellungen (H=4, R=4, W=3 → Score 48): regelmäßig, gut regelbasiert, moderater Wert. Produktionsbericht (H=5, R=5, W=3 → Score 75): täglich, vollständig standardisiert, moderater Wert. Maschineneinstellung (H=4, R=2, W=5 → Score 40): häufig, aber zu viel Erfahrungsurteil nötig. Die Fertigung zeigt typischerweise höhere Regelbasiertheit als die Wissensarbeit — deshalb sind dort oft noch bessere Scores erreichbar. Der Einstiegspilot sollte bei Wartungsauftrag-Erstellung oder Qualitätskontrollprotokoll liegen.

Finanzdienstleistung & Versicherung

In einer Bank oder Versicherung dominieren Compliance-Anforderungen die Prozesslandschaft. Kontoeröffnungs-Dokumentenprüfung (H=5, R=5, W=4 → Score 100): täglich, vollständig geregelt durch Gesetz (KYC/AML), hoher Wert — aber Risiko-Overlay Gelb, weil Fehler bei der Identitätsprüfung schwerwiegende Konsequenzen haben. Standardantworten auf Kundenanfragen (H=5, R=4, W=3 → Score 60): täglich, FAQ-basiert, moderater Wert — Risiko-Overlay Grün. Schadenmeldungs-Erstklassifikation (H=4, R=3, W=4 → Score 48): häufig, teilweise regelbasiert, hoher Wert — Risiko-Overlay Gelb. Vertragsprüfung (H=3, R=2, W=5 → Score 30): zu urteilsbasiert für direkten Pilot. Kreditwürdigkeitsprüfung Standardfälle (H=4, R=4, W=5 → Score 80): gut regelbasiert für Standardfälle, hoher Wert — Risiko-Overlay Rot für vollständige Automatisierung, Gelb für Unterstützung mit menschlicher Entscheidung. Empfehlung: Mit FAQ-Standardantworten beginnen (Grün, Score 60), dann Schadenmeldung (Gelb mit Governance).

Öffentliche Verwaltung

In Behörden und Kommunen ist die Prozesslandschaft durch Rechtsnormen stark strukturiert — was die Regelbasiertheit erhöht, aber auch die Implementierungskomplexität. Bürgeranfragen zu Standardleistungen (H=5, R=4, W=4 → Score 80): täglich, FAQ-basiert, hoher Wert durch Entlastung der Sachbearbeitung — Risiko-Overlay Grün für Informationsauskünfte. Antragseingangsbestätigung und Vollständigkeitsprüfung (H=5, R=5, W=3 → Score 75): vollständig regelbasiert, moderater Wert. Interne Weiterleitung von Dokumenten (H=4, R=4, W=3 → Score 48): gut regelbasiert, moderater Wert. Bescheidserstellung für Standardfälle (H=3, R=4, W=5 → Score 60): regelbasiert für Standardfälle, hoher Wert — Risiko-Overlay Gelb bis Rot je nach Bescheidsart. Personalentscheidungen (H=1, R=1, W=5 → Score 5): vollständig urteilsbasiert, nicht für KI-Automatisierung geeignet. Empfehlung: Mit Bürgeranfragen zu Standardleistungen beginnen — niedrigstes Risiko, sofortiger Mehrwert.

Gesundheitswesen & Pharma

In Kliniken und pharmazeutischen Unternehmen sind zwei Aspekte der Potenzialmatrix besonders relevant: hohe Dokumentationspflicht (erhöht Häufigkeit vieler Prozesse) und starke regulatorische Einschränkungen (senkt oft die Risiko-Overlay-Klasse). Dokumentenmanagement und Qualitätssicherung (H=5, R=4, W=4 -> Score 80): täglich, stark reguliert durch GxP-Anforderungen (GMP, GLP, GCP), hoher Wert durch Compliance-Risikoreduktion. Risiko-Overlay: Gelb (Compliance-relevante Dokumente verlangen menschliche Prüfung). Patientenaufklärungsdokumentation (H=5, R=5, W=3 -> Score 75): täglich und hochgradig standardisiert durch gesetzliche Vorgaben, moderater KI-Mehrwert. Medikamentöse Wechselwirkungsprüfung in der Apotheke (H=5, R=4, W=5 -> Score 100): täglich, gut regelbasiert durch etablierte Interaktionsdatenbanken, hoher Wert. Risiko-Overlay: Gelb bis Rot — Fehler haben unmittelbare Patientensicherheitskonsequenzen. Empfehlung: Einstiegspilot im administrativen Bereich (Dokumentenmanagement), keine direkte klinische KI ohne vollständiges Validierungskonzept und regulatorische Abstimmung.

Übung 1 — Eigene Prozesse bewerten und priorisieren

Übung 1 — Eigene Prozesse bewerten und priorisieren

Aufgabe: Bewerten Sie fünf Prozesse aus Ihrem Arbeitsalltag anhand der drei Achsen der KI-Potenzialmatrix und erstellen Sie eine priorisierte Shortlist.

Material: Bewertungsvorlage (Tabelle mit Spalten: Prozessname | H (1–5) | R (1–5) | W (1–5) | Score | Risiko | Kommentar).

Schritt-für-Schritt: 1. Notieren Sie fünf Prozesse, die Sie in einer typischen Arbeitswoche mindestens einmal ausführen. 2. Bewerten Sie Häufigkeit: Wie oft führen Sie diesen Prozess aus? (1–5 gemäß Skala). 3. Testen Sie Regelbasiertheit selbstkritisch: Kann eine Person ohne Ihre Erfahrung diesen Prozess nach einer schriftlichen Anleitung korrekt durchführen? 4. Schätzen Sie den Wert: Was würde sich verbessern, wenn dieser Prozess automatisiert wäre? 5. Berechnen Sie den Score: H × R × W. 6. Fügen Sie ein Risiko-Overlay hinzu: Grün / Gelb / Rot. 7. Sortieren Sie nach Score und markieren Sie die Top 2 als Pilot-Kandidaten. 8. Diskutieren Sie Ihre Top-2-Auswahl mit einer anderen teilnehmenden Person: Sind die Bewertungen plausibel?

Erwartetes Ergebnis: Ausgefüllte Bewertungstabelle mit fünf Prozessen, berechneten Scores, Risikoklassifikation und begründeter Top-2-Auswahl.

Musterlösung:

Top-Kandidat: Wochenbericht (Score 80, Risiko Grün) → Sofort für Pilot geeignet.

Merksatz

Die Potenzialmatrix ist kein Orakel — sie ist ein strukturiertes Gespräch. Zwei Teams, die denselben Prozess bewerten und zu verschiedenen Ergebnissen kommen, lernen dabei mehr über implizites Prozesswissen als durch jede Analyse allein.

Anwendungshinweis — Potenzialmatrix für das eigene Unternehmen kalibrieren

Bevor die Potenzialmatrix in Ihrer Organisation eingesetzt wird, lohnt ein Kalibierungsschritt mit einem bekannten Prozess: Nehmen Sie einen Prozess, der bereits mit KI unterstützt wird (oder in einer Testphase war), und bewerten Sie ihn mit der Matrix. Wie gut stimmt der Score mit den tatsächlichen Erfahrungen aus dem Einsatz überein? Wenn die Matrix einen Score von 80 für einen Prozess berechnet hat, der in der Praxis schlecht funktioniert hat — liegt das an der Bewertung (zu optimistisch bei Regelbasiertheit?) oder an der Implementierung (schlechtes Prompt-Engineering, fehlende Schulung)? Diese Kalibrierung macht die Matrix für zukünftige Bewertungen verlässlicher.

Übung 2 — Kalibrierungsworkshop: Wo weichen Ihre Bewertungen ab?

Übung 2 — Kalibrierungsworkshop

Aufgabe: Vergleichen Sie Ihre Bewertungen aus Übung 1 mit denen einer anderen Person, die denselben oder einen ähnlichen Prozess kennt. Analysieren Sie die Abweichungen und ziehen Sie Schlüsse über implizites Prozesswissen.

Schritt-für-Schritt: 1. Tauschen Sie Ihre Bewertungstabelle mit einer anderen Person aus. 2. Identifizieren Sie alle Dimensionen, bei denen Ihre Bewertungen um mehr als einen Punkt voneinander abweichen. 3. Diskutieren Sie jede Abweichung: Was sieht die andere Person anders? 4. Einigen Sie sich auf eine gemeinsame Bewertung für jeden abweichenden Wert. 5. Berechnen Sie, wie stark sich der Score durch die Kalibrierung verändert. 6. Halten Sie fest: Welche impliziten Annahmen haben Sie gemacht, die erst durch das Gespräch sichtbar wurden?

Erwartetes Ergebnis: Kalibrierte Bewertungstabelle und eine schriftliche Reflexion (3–5 Sätze) darüber, welche impliziten Annahmen durch den Austausch explizit gemacht wurden.

Musterlösung: Typisches Ergebnis: Die bewertende Person schätzt Regelbasiertheit höher ein als ihre Kollegin, weil sie den Prozess beherrscht und die Ausnahmen als selbstverständlich internalisiert hat. Die Kollegin sieht dieselben Ausnahmen als echte Unterbrechungen, die Urteil erfordern. Nach Kalibrierung sinkt R von 4 auf 3, der Score von 80 auf 60. Der Prozess bleibt Priorität, aber die Erwartungen an den KI-Automatisierungsgrad müssen angepasst werden.

Cheatsheet — Die wichtigsten Punkte

Score-Formel: H × R × W = Potenzial-Score (max. 125)

Priorisierungsschwelle: Score > 50 = guter Kandidat; Score > 80 = Priorität

Regelbasiertheit-Test: Kann eine neue Person nach schriftlicher Anleitung dasselbe Ergebnis erzielen?

Häufigkeits-Hebel: Tägliche Prozesse amortisieren KI-Investitionen 20× schneller als monatliche

Risiko-Overlay: Hoher Score + rotes Risiko = erst Governance klären, dann piloten

Sweet Spot: H ≥ 4, R ≥ 3, W ≥ 3 (Score ≥ 48)

Kalibrierung: Immer im Team bewerten — individuelle Einschätzungen überschätzen Regelbasiertheit

Shortlist: Nicht mehr als 3 Piloten gleichzeitig starten

„Nicht jetzt”-Liste: Prozesse mit Score < 30 explizit von der Liste streichen

Erste Priorität: Grün-Risiko + hoher Score = idealer Einstiegspilot

Reflexionsfragen

Welcher Prozess in Ihrem Team hätte intuitiv einen hohen KI-Score erhalten, fällt aber nach der Bewertung überraschend niedrig aus — und warum?

Wie können Sie verhindern, dass der Prozess der Potenzialmatrix-Erstellung selbst zum bürokratischen Selbstzweck wird?

Welche Rolle sollte die Geschäftsführung bei der Validierung der Prioritätsliste spielen?

Was machen Sie mit Prozessen, die hohen strategischen Wert haben, aber zu wenig regelbasiert für eine direkte Automatisierung sind?

Wie gehen Sie damit um, wenn zwei Personen denselben Prozess um mehr als 30 Punkte unterschiedlich bewerten — welche Konsequenz hat das für Ihre Implementierungsplanung?

Welche Kriterien ausser H, R und W könnte Ihre Organisation als vierte Bewertungsachse einfuehren, die für Ihren spezifischen Kontext besonders relevant ist?

Prompt-Vorlage — KI-Potenzialmatrix: Prozesse bewerten und priorisieren

Prompt für einen KI-Assistenten:

Ich arbeite in [Branche] bei einem Unternehmen mit [Mitarbeitende]. Ich habe fünf Prozesse aus meinem Arbeitsalltag identifiziert: [Prozessliste]. Bewerte jeden dieser Prozesse auf den drei Achsen der KI-Potenzialmatrix: Häufigkeit (H, 1–5), Regelbasiertheit (R, 1–5) und Wert (W, 1–5). Berechne den Score (H × R × W) und ordne jedem Prozess eine Risiko-Overlay-Klasse (Grün / Gelb / Rot) zu. Empfiehl die zwei Prozesse mit dem höchsten Pilotpotenzial und begründe, warum die übrigen Prozesse (noch) nicht priorisiert werden sollten.”

Erwartetes Ergebnis: Eine vollständige Bewertungstabelle mit Scores, Risikoklassen und einer begründeten Empfehlung für die ersten zwei KI-Piloten — geeignet als Diskussionsgrundlage im Team. Hinweis: Kalibrieren Sie die KI-generierten Bewertungen im nächsten Schritt mit einer Kollegin oder einem Kollegen. Abweichungen von mehr als zwei Punkten auf einer Achse zeigen implizites Prozesswissen, das explizit gemacht werden sollte.

Quellen & Weiterlesen

Übung 3 — Benchmark-Vergleich: Externe KI-Potenziale als Kalibrierungsinstrument

Übung 3 — Externe Benchmarks zur Kalibrierung

Aufgabe: Vergleichen Sie Ihre internen Bewertungen mit externen Branchenbenchmarks und überprüfen Sie die Konsistenz Ihrer Einschätzungen.

Hintergrund: McKinseys Studie zur wirtschaftlichen Bedeutung von generativer KI (2023) identifiziert vier Funktionsbereiche mit besonders hohem Automatisierungspotenzial: Customer Operations (60–70 % der Aktivitäten potenziell automatisierbar), Sales und Marketing (50–60 %), Software-Entwicklung (40–50 %), Knowledge Work allgemein (30–40 %).

Schritt-für-Schritt: 1. Ordnen Sie jeden Ihrer fünf bewerteten Prozesse einem dieser vier Bereiche zu (oder dem nächstverwandten Bereich). 2. Vergleichen Sie Ihren internen W-Score (Wert-Dimension) mit dem externen Benchmark-Wert für diesen Bereich. 3. Wenn Ihre Bewertung um mehr als eine Stufe vom Benchmark abweicht: Was erklärt die Abweichung? Ist Ihr Prozess besonders einfach oder besonders komplex? 4. Passen Sie Ihre Bewertungen wenn nötig an — oder begründen Sie schriftlich, warum die Abweichung gerechtfertigt ist.

Erwartetes Ergebnis: Eine schriftliche Reflexion (4–6 Sätze) zu den Abweichungen zwischen Ihrer internen Einschätzung und den externen Benchmarks — mit begründeter Anpassung oder Begründung der Abweichung.

Hinweise für AI Champions — So vermitteln Sie das Thema — UE 86

Timing (45 Min): 5 Min Einstieg (Priorisierungsproblem: warum ohne Methode immer die lauteste Stimme gewinnt), 15 Min Lerntext (drei Achsen + Risiko-Overlay), 15 Min Übung 1 (individuelle Bewertung), 8 Min Kalibrierung in Paaren, 2 Min Puffer.

Methodische Empfehlung: Die „stille Auftaktphase” ist entscheidend: Übung 1 muss vollständig ohne Austausch durchgeführt werden, bevor die Kalibrierungsrunde beginnt. Das verhindert den Senioritäts-Bias und sorgt für deutlich authentischere Ergebnisse. Kommunizieren Sie dies explizit: „Bitte keine Absprachen, bis ich das Signal gebe.”

Häufige Stolpersteine: (a) Teilnehmende wollen direkt Lösungen diskutieren — auf die Bewertungsphase vertrösten. (b) Regelbasiertheit wird systematisch überschätzt — den „Fremde-Person-Test” als Korrektiv einsetzen. (c) Alle Prozesse erhalten hohe W-Werte — darauf hinweisen, dass Differenzierung nur mit ehrlicher Skalierung funktioniert.

Diskussionsfragen für Plenum: (1) „Welcher Ihrer Prozesse hat Sie am meisten überrascht — warum?” (2) „Was würden Sie als Ergebnis erwarten, wenn Sie denselben Workshop mit Ihrer Führungskraft durchführen würden?”

Tafelbild-Vorschlag: Koordinatensystem mit Häufigkeit (x-Achse) und Regelbasiertheit (y-Achse), drei fiktive Prozesse als farbige Punkte eingetragen. Grüner Bereich oben rechts, roter Bereich unten links.

Differenzierung Power-User ↔ Einsteiger: Power-User ergänzen die strategische Fit-Dimension (SF 1,0–1,5) und berechnen den erweiterten Finalscore. Einsteiger konzentrieren sich auf die Basisbewertung und den Kalibrierungsschritt.

Materialliste: Bewertungsvorlage als Tabelle (ausgedruckt oder digital), Beamer für Bubble-Chart-Demo, optionales Excel-Template mit vorbereiteten Formeln.

Übergang zur nächsten UE: „Sie haben jetzt eine priorisierte Liste mit zwei bis drei Use-Case-Kandidaten. In UE 87 beschreiben wir jeden dieser Kandidaten so präzise, dass drei verschiedene Personen nach dem Lesen dieselbe Vorstellung haben — mit dem Use-Case-Canvas.”

Tipp zur Branchenauswahl: Für Industrie-Kunden ist das Scoring-Beispiel aus der Fertigung (Wartungsauftrag-Erstellung Score 100) oft ein Aha-Moment — weil die hohe Regelbasiertheit physischer Prozesse überrascht. Für Verwaltungskunden ist die Kombination aus hoher Häufigkeit und hoher Regelbasiertheit bei Standardanfragen ein guter Einstieg. Wählen Sie die Vignette, die den stärksten Wiedererkennungseffekt bei Ihrer Gruppe erzeugt.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.