KI-Implementierungs-Cases: Beginne beim Business-Problem

Kandidaten hören „KI“ und schwenken sofort zur Technologie. Sie fragen nach Modellgenauigkeit, Datenpipelines und Make-or-Buy-Entscheidungen, bevor sie das Business-Problem diagnostiziert haben. Interviewer bei MBB-Beratungen bemerken das sofort, und es signalisiert oberflächliches Denken.

Denk an ein Krankenhaus, das ein nagelneues MRT-Gerät kauft, bevor irgendjemand gefragt hat, warum Patienten falsch diagnostiziert werden. Das Gerät mag außergewöhnlich sein. Aber wenn das eigentliche Problem ist, dass die Radiologie unterbesetzt und überlastet ist, bewirkt das MRT nichts. Du hast eine Lösung gekauft, bevor du die Krankheit verstanden hast. Genau das passiert, wenn ein Kandidat mit KI-Fähigkeiten beginnt statt mit der Business-Entscheidung, die der Kunde verbessern will.

Die Korrektur im Framework ist einfach: Diagnostiziere zuerst die Entscheidung. Unter jedem KI-Implementierungs-Case liegt eine menschliche oder organisatorische Entscheidung. Finde diese Entscheidung, bevor du die Technologie anfasst.

---

Die erste Frage in einem KI-Case sollte nicht die Daten betreffen. Sie sollte lauten: Welche Entscheidung trifft das Unternehmen derzeit schlecht?

Stell dir einen Fluss mit einem undichten Damm vor. Du kannst Monate damit verbringen, einen stärkeren Damm zu konstruieren, aber wenn du nie herausgefunden hast, warum der ursprüngliche leckte, wird auch der neue versagen. Deine Diagnose ist die Inspektion dieses ursprünglichen Damms. Du willst verstehen, welche Entscheidung der Kunde wiederholt trifft, wie er sie heute trifft, was es ihn kostet, wenn er sie falsch trifft, und wie viel besser sie werden muss.

In Case-Sprache: Definiere die Entscheidung, beziffere die Kosten des Status quo und setze eine Leistungsmarke für den Erfolg. Erst danach fragst du, ob KI das richtige Werkzeug ist, um die Lücke zu schließen.

---

Wenn du mit der Technologie beginnst, zwingt dich das in einen Lösungsraum, bevor du den Problemraum kartiert hast. Deine Struktur bricht zusammen, weil dir der Anker fehlt.

Eine gute Case-Struktur funktioniert wie ein solides Gerüst: Jede Planke ist mit dem zentralen Mast verbunden, und das ist das Kern-Business-Problem. Wenn du die KI zum zentralen Mast machst, hast du nichts Stabiles, an dem du deine Analyse befestigen kannst. „Wird das Modell generalisieren?“ hängt womit zusammen, genau? „Sind die Daten sauber genug?“ Wofür? Die Fragen schweben im Leeren.

Wenn du dich stattdessen am Business-Problem verankerst, verdient sich jede nachgelagerte Frage ihren Platz. Datenqualität zählt, weil schlechte Daten schlechte Vorhersagen erzeugen, die schlechte Entscheidungen erzeugen, die den Kunden einen bezifferbaren Betrag kosten. Das Gerüst hält.

Übe dieses Framework an einem echten Case. Die Drills zum Methodengerüst auf BoardroomIQ setzen dich mit in den Raum.

---

Jeder KI-Implementierungs-Case hat drei Ebenen, und du musst sie der Reihe nach durcharbeiten.

Ebene 1: Das Business-Problem. Welche Entscheidung muss sich verbessern, um wie viel, und was passiert, wenn sie es nicht tut? Das ist dein Nordstern für den gesamten Case.

Ebene 2: Die Passung der Lösung. KI ist ein Werkzeug in einem größeren Werkzeugkasten. Bevor du dich darauf festlegst, prüfe, ob das Problem tatsächlich KI-förmig ist: hohes Entscheidungsvolumen, stabile Muster in historischen Daten und eine spürbare Leistungslücke, die Automatisierung schließen kann.

Ebene 3: Die Implementierungsrisiken. Jetzt, und erst jetzt, sprichst du über Technologie. Modellgenauigkeit, Datenreife, Change Management und Make-or-Buy gehören alle hierher. Interviewer belohnen Kandidaten, die diese Ebene mit einer klaren Begründung erreichen, nicht Kandidaten, die gleich zu Beginn hierher springen.

---

KI-Cases belohnen Kandidaten, die die Reihenfolge verinnerlicht haben. So baust du diesen Muskel vor dem Interviewtag auf.

Zerleg echte Einführungen rückwärts. Nimm eine bekannte KI-Einführung (etwa Amazons Nachfrageprognose oder ein Modell zur Vorhersage von Wiederaufnahmen im Krankenhaus) und arbeite rückwärts. Schreib die Business-Entscheidung auf, die es verbessern sollte, die Kosten des Status quo und die Leistungsmarke, die es überspringen musste. Mach das für fünf Beispiele, und das Muster wird automatisch.

Mach getimte Drills zur Problemdefinition. Stell einen Timer auf zwei Minuten. Lies eine Case-Fragestellung. Schreib einen Satz, der die zugrunde liegende Business-Entscheidung definiert, nicht die Technologie. Wenn du das nicht in zwei Minuten schaffst, ist dein Diagnosemuskel noch nicht bereit.

Übe das Strukturieren in Ebenen laut. Nimm eine beliebige KI-Case-Fragestellung und geh alle drei Ebenen der Reihe nach mündlich durch, bevor du das Framework anfasst. Nimm dich dabei auf. Wenn du auf Ebene 1 einen Technologiebegriff erwähnst, fang von vorn an.

Am besten übst du KI-Implementierungs-Cases unter realistischem Druck, mit einem Case, der sich wehrt. Strukturierte Drills, die das tatsächliche Tempo eines MBB-Interviews simulieren, schließen die Lücke zwischen dem Kennen des Frameworks und seiner sauberen Ausführung an dem Tag, der zählt.