Ich habe dieses Gespräch inzwischen oft geführt. Ein CTO, ein CIO, manchmal der CEO selbst. Es beginnt fast immer mit demselben Satz.
Der Satz, mit dem es anfängt
„Wir müssen jetzt auch AI einführen."
Manchmal in Varianten. Der Verwaltungsrat will es. Die Konkurrenz macht es. Ein Entwickler hat etwas gezeigt, das beeindruckend aussah. Das Budget ist da, es muss nur noch ausgegeben werden.
Ich verstehe den Satz. Er ist ehrlich. Aber er ist kein Ziel. Er ist ein Gefühl, dass man etwas verpasst. Und ein Gefühl kann man nicht umsetzen.
Meine vier Gegenfragen
Ich stelle dann immer dieselben vier Fragen. Nicht, um jemanden vorzuführen, sondern weil die Antworten mir sagen, ob wir zusammenarbeiten können.
Welche Entscheidung soll am Ende schneller oder besser getroffen werden? Nicht welches Tool, nicht welches Modell. Welche Entscheidung.
Wer ist in Ihrem Haus für die Daten verantwortlich, auf denen das laufen soll? Ein Name, keine Abteilung. Jemand, der sagen kann, wo sie herkommen, wer sie schreibt, wer sie ändert, und welches System gilt, wenn zwei Systeme Verschiedenes sagen.
Kennt jemand die Datenqualität Ihres Unternehmens, mit Zahlen? Nicht „wir haben viele Daten". Wie vollständig sie sind, wie aktuell, wie eindeutig. Wie viele Kunden es doppelt gibt. Wie viele Pflichtfelder leer sind. Wie oft Stammdaten in zwei Systemen nicht übereinstimmen. Und ob das jemand regelmässig misst, oder ob wir es heute zum ersten Mal fragen.
Was passiert, wenn die KI falsch liegt? Denn sie wird falsch liegen. Wer prüft das Ergebnis, bevor es wirkt? Woran merkt man einen Fehler, und wie schnell? Und was ist der Weg zurück: an einen Menschen, in eine Warteschlange, oder gar nichts?
Was die Antworten verraten
Bei der ersten Frage kommt oft eine Pause. Dann eine Liste von Ideen: Chatbot, Dokumentensuche, Code-Assistent. Das sind Werkzeuge, keine Entscheidungen. Wenn wir gemeinsam von der Liste zu einer Entscheidung kommen, ist das schon der halbe Erfolg. „Wir wollen, dass ein Sachbearbeiter einen Antrag in zwei Minuten statt zwanzig prüft" ist eine Entscheidung. Damit kann man arbeiten.
Bei der zweiten Frage kommt meistens ein Name, und dann: „Aber der hat keine Zeit." Das ist die wichtigste Information des ganzen Gesprächs. Fakt ist: Wenn die Person, die die Daten verantwortet, keine Zeit hat, wird das Projekt scheitern. Egal, wie gut das Modell ist. Ich sage das offen. Und wenn kein Name kommt, sondern „das ist verteilt", dann ist das auch eine Antwort: Dann gehört die Daten niemandem, und was niemandem gehört, pflegt niemand.
Bei der dritten Frage wird es meistens still. Fast niemand kennt die Datenqualität seines Unternehmens in Zahlen. Das ist nicht schlimm. Schlimm ist, es nicht wissen zu wollen. Ohne Datenqualität bringt alles nichts, das beste Modell rechnet mit dem, was es bekommt. Deshalb ist der erste Schritt nie das Modell. Der erste Schritt ist messen: Doppelte, Lücken, Widersprüche, Alter der Daten. Dann festlegen, welche Quelle gilt, wer sie pflegt, was bei Widersprüchen passiert. Das nennt man Konfigurationsmanagement, und es klingt langweiliger, als es ist. Und dann muss jemand den Besen in die Hand nehmen und aufräumen. Das ist unspektakulär, es dauert, und es ist der Teil, den jeder überspringen will. Wer ihn überspringt, trainiert ein Modell auf Müll und wundert sich über das Ergebnis.
Bei der vierten Frage merke ich, ob jemand schon einmal ein System betrieben hat, das Fehler macht. Wer sagt „das darf nicht passieren", hat es noch nicht. Wer sagt „dann geht es an einen Menschen, und wir loggen es", der hat verstanden, worum es geht. Ein Modell ist kein Programm, das richtig oder falsch ist. Es ist meistens richtig. Und für das Meistens braucht es einen Menschen, der die Ausnahme sieht, eine Stelle, an der man den Fehler erkennt, und einen Weg, wie die Sache trotzdem erledigt wird. Wer das am Anfang nicht plant, plant es nach dem ersten Vorfall, unter Druck.
Wann ich Nein sage
Es gibt Gespräche, nach denen ich absage. Nicht viele, aber es gibt sie.
Wenn das Ziel ist, in einem Quartal etwas vorzeigen zu können, egal was. Wenn niemand die Daten kennt und niemand jemanden freistellen will. Wenn die Vorstellung ist, dass KI ein Tool ist, das man installiert, und danach läuft es. In diesen Fällen würde ich Geld nehmen für etwas, das nicht funktionieren wird. Das mache ich nicht mehr.
Ich sage dann meistens: Fangen Sie kleiner an, ohne mich. Nehmen Sie einen Entwickler und einen Coding Agent und ein echtes Ticket. Schauen Sie, was passiert. Rufen Sie mich an, wenn Sie wissen, welche Entscheidung Sie verbessern wollen.
Wie ein gutes Gespräch endet
Ein gutes Gespräch endet nicht mit einem Angebot. Es endet mit einer Aufgabe. Für den CTO.
Finden Sie die eine Entscheidung. Sprechen Sie mit der Person, die die Daten kennt, und fragen Sie, was sie bräuchte. Lassen Sie sich ehrlich sagen, wie gut die Daten sind, und planen Sie das Aufräumen ein. Überlegen Sie, wer den ersten Fehler sehen soll. Dann reden wir weiter.
Die, die das machen, kommen wieder. Und dann bauen wir etwas, das im Tagesgeschäft läuft. Die anderen haben ein Quartal später ein Tool gekauft, das niemand benutzt. Beides habe ich oft genug gesehen.
„AI einführen" ist kein Projekt. Eine Entscheidung verbessern ist eines. Und ohne zu wissen, wie gut die Daten sind, ist es keines von beiden. Der Unterschied entscheidet sich im ersten Gespräch, und meistens in den ersten zehn Minuten.
Geschrieben von mir. Die Gedanken, die Werte, die Learnings, die Fehler: alles meins. Grammatik und Rechtschreibung korrigiert unser eigenes Twin-Modell, das auf meinen Texten trainiert ist. Manchmal bleibt ein Hüpfer drin. Das ist dann auch von mir.