Zu schnell in die KI-Umsetzung

Viele KI-Initiativen beginnen mit einer konkreten Lösung: einem Copiloten, einer Agenten-Plattform oder einem ersten Pilotprojekt. Doch bevor Unternehmen Technologie auswählen und die Umsetzung planen, müssen sie erst einmal klären, welches Geschäftsziel sie verfolgen, welche Prozesse und Daten betroffen sind und welche Regeln gelten. Das Architektur-Framework TOGAF gibt dafür mit seiner Architecture Development Method (ADM) eine klare Abfolge von Phasen vor, Phase A bis Phase H.

Dennoch starten viele Unternehmen in der TOGAF-Logik nicht mit Phase A, sondern direkt mit Phase E. Dieser Beitrag zeigt, warum es vor allem bei KI-Initiativen riskant ist, direkt mit Phase E zu starten, also bereits über Lösungen, Work Packages und Roadmaps zu sprechen.

Kurz erklärt: Was ist Phase E bei TOGAF?

Phase E, „Opportunities & Solutions“, bildet die Brücke zwischen Architekturplanung und Umsetzung. In dieser Phase werden die Ergebnisse der zuvor entwickelten Zielarchitektur auf ihre Realisierbarkeit geprüft, konkrete Lösungsoptionen bewertet und zu umsetzbaren Initiativen beziehungsweise Work Packages gebündelt. Dabei entstehen erste Prioritäten und eine übergeordnete Roadmap, die zeigt, wie sich die identifizierten Architektur-Gaps schrittweise schliessen lassen.

Warum Unternehmen immer wieder mit Phase E starten wollen

Der Druck auf Unternehmen ist hoch: Management und Fachbereiche erwarten sichtbare Ergebnisse, Anbieter präsentieren leistungsfähige KI-Plattformen und erste Pilotprojekte vermitteln den Eindruck, dass nur noch die passende Technologie ausgewählt werden muss.

Dadurch verschiebt sich die Diskussion schnell auf Produkte, Lizenzen und technische Funktionen, bevor geklärt ist, welchen Beitrag KI tatsächlich zur Unternehmensstrategie leisten soll.

Ein einfaches Beispiel

Viele Unternehmen starten mit der Aussage:

„Wir brauchen einen Unternehmens-Copilot.“

Der direkte Sprung zu Phase E führt meist zu Fragen wie:

• Welche Lizenz benötigen wir?

• Wie schnell können wir starten?

• Wer implementiert die Lösung?

Der strategische Weg stellt zunächst andere Fragen:

• Welches Problem möchten wir lösen?

• Welche Nutzergruppen profitieren?

• Welche Prozesse sollen verbessert werden?

• Welche Daten werden benötigt?

• Sind die Daten qualitativ geeignet?

• Welche Governance-Anforderungen gelten?

• Welche KPIs definieren Erfolg?

Meist stellt sich dadurch erst heraus, ob ein Copilot tatsächlich die richtige Lösung ist. Manchmal zeigt sich jedoch auch, dass zunächst Datenqualität, Wissensmanagement oder Prozessstandardisierung verbessert werden müssen, bevor KI überhaupt nachhaltig Mehrwert erzeugen kann.

Die Risiken eines direkten Einstiegs in Phase E

Die meisten dieser Probleme sind keine Technologieprobleme.

Es sind Strategie-, Governance- und Architekturprobleme.

Der eigentliche Zweck der Phasen A bis D

TOGAF verfolgt einen einfachen Grundsatz: Bevor Lösungen definiert werden, müssen Ziele, Anforderungen und Rahmenbedingungen verstanden werden.

Für die Umsetzung einer KI-Strategie bedeutet das:

Phase A: Architecture Vision

Hier entsteht das KI-Zielbild.

Folgende Fragen stehen im Mittelpunkt:

• Welche Geschäftsziele sollen unterstützt werden?

• Welche Stakeholder sind betroffen?

• Welche KI-Prinzipien gelten?

• Welche Risiken und Leitplanken müssen berücksichtigt werden?

Phase A schafft die strategische Grundlage für alle weiteren Entscheidungen.

Phase B: Business Architecture

Hier wird definiert, welche Fähigkeiten, Prozesse und Geschäftsbereiche durch KI verbessert werden sollen.

Der Fokus liegt nicht auf Technologien, sondern auf:

• Business Value

• Prozessverbesserungen

• Produktivitätsgewinnen

• Nutzerbedürfnissen

• Erfolgskriterien

Erst wenn der Nutzen klar beschrieben ist, entsteht eine belastbare Entscheidungsgrundlage.

Phase C: Information Systems Architecture

In vielen KI-Projekten entscheidet die Datenbasis über Erfolg oder Misserfolg.

Deshalb wird untersucht:

• Sind die benötigten Daten vorhanden?

• Sind die Daten ausreichend hochwertig?

• Wer verantwortet die Daten?

• Welche Anwendungen und Integrationen werden benötigt?

Oft zeigt sich an dieser Stelle, dass nicht die KI-Technologie, sondern fehlende Datenreife die eigentliche Herausforderung darstellt.

Phase D: Technology Architecture

Erst jetzt wird bewertet, welche Technologien geeignet sind. Die Auswahl erfolgt auf Basis klar definierter Anforderungen und nicht aufgrund von Markttrends oder einzelnen Produktdemonstrationen.

Die zentrale Frage lautet nun nicht mehr: „Welche KI-Plattform gefällt uns?“

Sondern:

„Welche Technologie unterstützt unsere Strategie, unsere Datenlandschaft und unsere Governance-Anforderungen am besten?“

Erst jetzt wird Phase E wertvoll

An diesem Punkt verändert sich die Rolle von Phase E grundlegend. Jetzt geht es nicht mehr darum, irgendeine KI-Lösung auszuwählen. Jetzt geht es darum, die identifizierten Anforderungen, Architektur-Gaps und Prioritäten in konkrete Umsetzungsmaßnahmen zu überführen.

• Aus der KI-Strategie entsteht ein Portfolio.

• Aus identifizierten Gaps entstehen Work Packages.

• Aus Einzelinitiativen entsteht eine Roadmap.

Phase E ist damit nicht der Beginn der KI-Strategie. Phase E ist der Moment, in dem die KI-Strategie erstmals systematisch in die Umsetzung übersetzt wird.

Fazit

Die größte Herausforderung bei der Umsetzung einer KI-Strategie ist selten die Technologie. Die größte Herausforderung besteht darin, den Sprung zu Phase E zu vermeiden.

Wer sofort über Copiloten, Agenten und Plattformen spricht, bevor Zielbild, Business Value, Datenreife und Governance geklärt sind, riskiert Fehlinvestitionen, Pilotfriedhöfe und mangelnde Akzeptanz.

Erfolgreiche KI-Strategien folgen deshalb einer anderen Reihenfolge:

• Vision vor Lösung.

• Business Value vor Technologie.

• Datenreife vor Automatisierung.

• Governance vor Skalierung.

Erst dann wird Phase E zu dem, was sie im TOGAF ADM sein soll: Die Brücke zwischen einer fundierten KI-Strategie und ihrer erfolgreichen Umsetzung.

Sie planen die Umsetzung einer KI-Strategie und möchten vermeiden, dass Technologieentscheidungen der eigentlichen Strategie vorauslaufen?

Wir unterstützen Unternehmen dabei, aus Vision, Business Value, Datenreife, Governance und Architekturprinzipien eine belastbare KI-Roadmap abzuleiten, die nicht bei einem Pilotprojekt endet, sondern messbaren Geschäftswert erzeugt.