KLARSICHT
Priorisierung von KI-Vorhaben — Fakten statt Bauchgefühl
Ein geführtes Priorisierungswerkzeug für die Automatisierung von Arbeitsprozessen mit KI. Es unterstützt KI-Berater und Fachbereiche dabei, die richtigen Entscheidungen zu treffen. Teams können mit KLARSICHT besser einschätzen, welche Arbeitsprozesse sie überhaupt automatisieren und priorisieren sollten; und zwar anhand von Fakten, nicht nach Bauchgefühl.
Das Problem
Fehlende Systematik: In vielen klassischen Workshops scheitert die Auswahl von zu automatisierenden Arbeitsprozessen an fehlender Systematik. Man priorisiert die Arbeitsprozesse, die am meisten Zeit oder Geld kosten oder im Meeting am lautesten artikuliert werden, ohne dieselben relevanten Fragen für die übrigen Arbeitsprozesse. Entschieden wird, bevor verglichen wird.
Keine Berücksichtigung von Risiken und Machbarkeit: Wer einen Arbeitsprozess im Blick hat, fragt oft einen KI-Chatbot mit generischem Prompt: „Wie automatisieren wir das?“ Die Antwort kommt ohne den konkreten Ablauf, ohne klare Risiko-Einschätzung und ohne Trennung zwischen heutigem Aufwand und erwartetem Nutzen. Oft prüft niemand, ob Datengrundlage und Systeme sofortige Automatisierung überhaupt zulassen. Lösungsvorschläge klingen dann zwar zunächst überzeugend, tragen aber nicht, weil weder die Kriterien für erfolgreiche Automatisierung noch für die Priorisierung vorab definiert wurden.
Projekt-Highlights & kreativer Prozess
Die Lösung:
KLARSICHT übersetzt Alltagswissen in eine strukturierte Priorisierungsschicht entlang dreier analytischer Dimensionen:
- Faktenbasiertes Scoring: Sechs konkrete Fragen statt Selbstnoten: Häufigkeit, Dauer, beteiligte Personen, Auswirkung, Datenlage, Wiederholbarkeit. Daraus entstehen ein Nutzen- und ein Machbarkeits-Score plus ein Richtwert für die gebundene Arbeitszeit (Häufigkeit × Dauer × Personen, in Stunden pro Monat). Risiko ist kein siebtes Scoring-Kriterium, sondern eine eigene Einschätzung zum KI-Einsatz: Welche Folgen hat ein fehlerhaftes Ergebnis, und wie viel menschliche Kontrolle braucht die Automatisierung? Standardmäßig prägt das nicht den Gesamt-Score; in der Rangliste kann man optional nach Risiko sortieren.
- Archetyp-Klassifikation (nur im Backend): Der beschriebene Ablauf wird intern einem von sieben Mustern zugeordnet — unsichtbar für den Nutzer, als Leitplanke gegen frei erfundene KI-Versprechen. Zweiphasig: Phase 1 liefert Archetyp und Risiko-Vorschlag im Hintergrund; Phase 2 erzeugt nach Fakten und gewähltem Risiko 2–4 Automatisierungsoptionen (KI-Agent, Workflow, Assistenz, Sonstiges) inklusive Fallstricke, Hauptrisiken und einer begründeten Empfehlung. Das LLM läuft über Groq (gpt-oss), mit striktem JSON-Schema und A/B-Evaluation über echte Testfälle.
- Portfolio-Rangliste: Fälle speichern, per Suche und Filter eingrenzen und nach Priorisierung, Status, Gesamt-Score oder Risiko sortieren; alternativ die Reihenfolge per Drag-and-drop manuell festlegen. Ergebnisansicht mit Score, Arbeitszeit-Richtwert und Beispielrichtungen direkt in der Ansicht. Speicherung lokal im Browser, bewusst ohne Aufgabenverwaltung und ohne Umrechnung in monetäre Kosten.
Das Ergebnis ist eine Auflistung von potenziell zu automatisierenden Arbeitsprozessen, priorisiert nach nachvollziehbaren Kriterien.
