Vom Plan zur Wirkung – Das Drei-Phasen-Modell für erfolgreiche KI-Projekte

Hierzulande liebt man Pläne. Roadmaps, Gantt-Charts, Meilensteine – das gute Gefühl, alles im Griff zu haben. Dabei weiß man doch aus Erfahrung, dass das eigentliche Risiko selten im Plan steckt, sondern in den eigenen Annahmen.

Insbesondere bei KI-Projekten, bei denen Unsicherheit zum Spiel gehört, hängt der Erfolg davon ab, wie schnell wir lernen, uns abstimmen und anpassen können. Wir empfehlen Ihnen die Arbeit in drei Phasen, die sich bewährt haben: Prototyp, Konzept & Alignment, agile Umsetzung. Kein Selbstzweck, sondern eine pragmatische Choreografie aus schnellem Lernen, gemeinsamer Ausrichtung und fokussierter Entwicklung.

Phase 1: Prototyp, Proof of Concept, ein frühes Modell – you name it

Wir beginnen mit etwas, das man zeigen kann. Nicht, weil wir einen ausgeprägten Spieltrieb hätten, sondern weil ein früher Prototyp Unschärfen gnadenlos ans Licht holt. Ob Datenqualität, Modellgrenzen oder schlichte UX-Missverständnisse; in Tagen statt Monaten sehen wir, was trägt und was Illusion war. Und natürlich nutzen wir AI für AI! Wir bauen klickbare Dummies, entwickeln kleine Modelle oder betrachten einen engen Datenausschnitt in kürzester Zeit.

Dieses Vorgehen ist nicht neu. Die Build-Measure-Learn-Schleife des Lean-Startup-Denkens (siehe theleanstartup.com) hat genau dafür ein robustes Vorgehen geliefert. Im Unternehmenskontext wird das jedoch immer noch unterschätzt. Der "Wow-Effekt" der Demo ist wichtig für das Board, natürlich, aber noch viel mehr die Evidenz, die sie stiftet. Wir beenden liebgewonnene Ideen ohne Drama, wenn die Signale klar sind; und wir schärfen die guten, bis sie belastbar werden.

Das sagt der Fuchs dazu: Nutze KI-Tools, um die Anfangsphase zu beschleunigen: AutoML, Vibe Coding oder synthetische Daten. Doch Vorsicht: Auch dein erster Prototyp sollte später skalierbar sein. Baue daher klein, aber denke groß. Wir verwenden eine umfassende Suite von Tools namens FoxSprint, um diese Phase zu unterstützen.

Phase 2: Konzept und Alignment – Orientierung ohne Korsett

Aus diesem Kern wächst Phase zwei: Konzept & Alignment. Wir halten fest, was wir wissen und was nicht. Probleme in den Daten, Potenzial Ihres Business Case, Möglichkeiten des KI-Modells, Architektur und Schnittstellen. Wir schreiben gemeinsam mit Ihnen ein Konzept. Das klingt nach Wasserfall? Keinesfalls. Die Linien sind klar, die Kanten bewusst weich. Das Dokument ist kein Korsett, sondern ein Nordstern: verbindlich genug, um Orientierung zu geben, offen genug, um neue Erkenntnisse zu integrieren.

Hier entstehen gemeinsame Bilder. Fachbereich, Produkt, Data/AI-Engineering, UX – alle sehen dasselbe, sprechen dieselbe Sprache und einigen sich darauf, woran wir Wert messen. Der Effekt ist bemerkenswert profan: weniger Reibung später, weniger „Das haben wir anders verstanden“, weniger kostspielige Korrekturen im Nachgang. Datenwissenschaftler, Ingenieure, Fachexperten, Designer und Produktleiter wissen dann alle, was „Wert“ tatsächlich bedeutet.

Das sagt der Fuchs dazu: Lass KI als zweiten Prüfer fungieren. Verwende große Sprachmodelle, um Dokumentationen zu analysieren, Widersprüche zu finden oder Randfälle zu simulieren. Maschinen sind großartig darin, Lücken zu erkennen, die wir Menschen übersehen. Frage uns nach EchoFox, wenn du daran interessiert bist, wie KI-basierte Stakeholder-Simulationen funktionieren.

Phase 3: Agile Umsetzung – Ein Plan bis zum Ziel … mit den Änderungen, die die Realität erfordert

Dann beginnt Phase drei, die agile Umsetzung. Und sie beginnt nicht im luftleeren Raum. Wir liefern in kurzen Zyklen, zeigen früh, hören zu, korrigieren. Unser Konzept bleibt leitend, nicht hemmend. Discovery und Delivery laufen teilweise parallel: Was nächste Woche gebaut werden soll, wird heute noch geprüft; was heute gebaut wird, wird gegen echte Nutzung gespiegelt.

Genau hier trifft sich unser Dreischritt mit dem, was als Dual-Track Agile beschrieben wird – ein kontinuierliches Wechselspiel aus Erkenntnis und Lieferung, damit wir das Richtige richtig bauen. Für uns ist das kein Framework, sondern gelebter Pragmatismus.

Das sagt der Fuchs dazu: Baue frühzeitig dein MLOps-Fundament auf. Selbst ein kleiner Prototyp sollte Metriken protokollieren, Abweichungen erkennen oder automatisch neu trainieren. So entwickeln sich Experimente zu Produktionssystemen. Bei Spryfox verwenden wir hierfür gerne unsere schnell einzurichtende Dashboard-Lösung, die uns frühzeitig Einblicke in Datenprobleme verschafft.

Wirkung statt Schönheit

Dass diese Dramaturgie funktioniert, merken wir immer dann, wenn Projekte nicht in Schönheit, sondern mit Wirkung enden. Im Versicherungsbereich etwa, wo wir gemeinsam mit Fetch Pet Insurance aus jahrzehntelang gesammelten Leistungsdaten ein System gebaut haben, das Krankheitsrisiken bei Hunden vorhersagt - erklärbar, skalierbar, als API verfügbar und in verschiedene Anwendungen integriert. Der Weg dorthin war genau unser Dreiklang: frühe Prototypen auf Echtdaten; ein Konzept, das Ontologie, Datenaufbereitung und Qualitätskriterien sauber verband; und eine inkrementelle Umsetzung, die klinische Plausibilität nicht dem Philosophieseminar überließ.

Oder im industriellen Umfeld bei thyssenkrupp Mining Technologies: vorausschauende Wartung für schwere Maschinen. Der Reiz liegt hier nicht im Buzzword, sondern im robusten Design unter rauen Bedingungen – Sensorlücken, Datenartefakte, dröhnender Echtbetrieb. Auch hier galt: erst klein, aber echt; dann Konzept mit Zielgrößen und Fallback-Logik; anschließend Ausrollung mit Edge-/Cloud-Architektur und Monitoring. Das Ergebnis: weniger Überraschungen, bessere Planbarkeit, Vertrauen bei den Menschen, die mit den Modellen arbeiten.

Warum das funktioniert

Diese Abfolge vermeidet zwei Extreme, in die Projekte so gerne kippen: das eine ist Planungsromantik – präzise Spezifikationen über unsichere Wirklichkeiten zu stülpen. Das andere der Experimentier-Dauerzustand, in dem immer Neues ausprobiert wird und nie live geht.

Unser Prototyp erzwingt frühe Realität, unser Konzept schafft ein gemeinsames Gedächtnis, unsere agile Lieferung bringt Fokus und Takt. Scrum liefert dafür die Handläufe: Transparenz, Inspektion, Adaption. Doch ohne den Validierungsnerv aus Phase eins und die Leitplanken aus Phase zwei wäre Scrum allein ein reines Ritual.

Einwände?

• „Sind Prototypen nicht Zeitverschwendung?“ Ein guter Prototyp verhindert unnötige Investitionen. Vergessen Sie nicht, dass der Einsatz von KI den Prototyping-Prozess heutzutage erheblich beschleunigt.
• „Verlangsamt ein Konzept nicht den Prozess?“ Nicht, wenn Sie es wie eine lebendige Dokumentation behandeln: versioniert, kommentiert, änderbar.
• „Ist Dual-Track Agile nicht chaotisch?“ Chaos entsteht durch die Umsetzung unvalidierter Ideen, nicht durch das parallele Lernen und Liefern.

Fazit – Tempo mit Ruhe

Was bleibt, ist ein Gefühl, das viele unserer Kundinnen und Kunden beschreiben: Tempo mit Ruhe. Das Tempo kommt aus frühen Entscheidungen, aus greifbaren Zwischenergebnissen, aus kurzen Schleifen. Die Ruhe kommt aus dem Wissen, dass wir nicht blind rennen, sondern Hypothesen testen, Einigkeit schaffen und entlang eines transparenten Rahmens liefern.

In Zeiten, in denen KI-Projekte zwischen Over-Promise und Under-Deliver zerrieben werden, ist das mehr als Methodik – es ist Risikomanagement. Und noch etwas: Unser Dreischritt macht Verantwortung sichtbar. In Phase eins stehen wir gemeinsam zu unseren Hypothesen. In Phase zwei unterschreiben wir sinnbildlich unser gemeinsames Bild. In Phase drei messen wir Wirkung, nicht nur Output. Wirkung schlägt Output.

Am Ende eines Projekts gibt es selten Applaus für saubere Artefakte. Es zählt, was in Betrieb ist, was Menschen nutzen, was Prozesse besser macht. Genau dorthin führt uns diese Dreiteilung. Sie ist nicht spektakulär, aber sie hält. Und wenn man einmal erlebt hat, wie ein kleines, echtes Stück Software in Woche zwei eine ganze Roadmap verändert, dann versteht man, warum wir so arbeiten, wie wir arbeiten – und warum wir es wieder tun werden.

Wenn Sie herausfinden möchten, wie dieses Modell Ihre eigene KI-Reise begleiten kann, gehen wir diesen Schritt gerne gemeinsam mit Ihnen.