Leistungsmanagement ist die Dimension, die misst, ob eine Organisation sieht, was KI bewirkt, und ob diese Information irgendwo landet. Nicht ob ein Dashboard vorhanden ist, sondern ob jemand betrachtet, was eine KI-Anwendung an Durchlaufzeit, Qualität oder Fehlerquote verändert, und ob dieses Ergebnis Einfluss auf die nächste Entscheidung hat. Eine Stufe höher kostet keinen festen Betrag, da der Abstand zwischen den Stufen je Organisation unterschiedlich ist. Eine Organisation, die noch nichts misst, muss etwas anderes aufbauen als eine Organisation, die bereits misst, die Ergebnisse aber nirgendwo nutzt. Was jedoch feststeht: Die Kosten liegen selten in der Software. Sie liegen in Zeit, Wiederholung und der Bereitschaft, Ergebnisse auch dann ernst zu nehmen, wenn sie enttäuschen.
Die Dimension betrachtet drei Dinge. Erstens, ob ein Ergebnis definiert ist, bevor eine KI-Anwendung startet — was soll besser werden, und wie ist das erkennbar. Zweitens, ob dieses Ergebnis nach einiger Zeit tatsächlich gemessen wird, statt angenommen. Drittens, ob die Messung eine Konsequenz hat: wird eine Anwendung angepasst, ausgeweitet oder gestoppt aufgrund dessen, was gemessen wurde, oder bleibt das Ergebnis eine Zahl in einem Bericht, den niemand erneut öffnet. Viele Organisationen erzielen einen niedrigen Wert nicht, weil sie nicht messen, sondern weil die Messung keinen Platz in einer Entscheidung hat.
Auf Baseline-Niveau gibt es keine Beschreibung dessen, was Erfolg bedeutet, bevor eine KI-Anwendung beginnt. Man schaut nachträglich, ob sich etwas "besser anfühlte", ohne festen Maßstab. Was das in der Praxis für eine Organisation bedeutet, die sich auf diesem Niveau befindet, steht beschrieben auf der Seite über was das Niveau Baseline in der Praxis bedeutet.
Auf Foundation-Niveau ist zwar ein Ergebnis benannt, aber die Messung erfolgt einmalig oder zufällig. Jemand prüft nach ein paar Wochen, ob es funktioniert, aber es gibt keine Wiederholung und keine feste Form. Die Seite über was das Niveau Foundation in der Praxis bedeutet zeigt, wie sich diese Situation von Baseline und von der darauffolgenden Stufe unterscheidet.
Ab Activation wird Messen zur Gewohnheit statt zur Ausnahme: derselbe Maßstab wird zu festen Zeitpunkten erneut betrachtet. Bei Insight wird dieses Ergebnis mit einer Entscheidung verknüpft — eine Anwendung, die nicht liefert, was vorab erwartet wurde, wird angepasst oder gestoppt. Bei Intelligence ist die Messung in einen breiteren Rhythmus eingebettet: Leistungen von KI-Anwendungen werden nebeneinander gelegt und verglichen, sodass die Organisation lernt, welcher Anwendungstyp anschlägt und welcher nicht.
Leistungsmanagement hängt von Dimensionen ab, die früher in der Reihenfolge stehen. Ohne eine Organisation, die weiß, wer für ein Ergebnis verantwortlich ist, bleibt eine Messung eine Zahl ohne Eigentümer — das beginnt bei der Frage, wie ausgereift die Organisation in Sachen KI ist, zu beantworten über die Organisationsdimension. Ohne Infrastruktur, die es ermöglicht, Daten über Nutzung und Ergebnis zu erfassen, gibt es nichts zu messen — siehe die IT-Infrastrukturdimension. Und ohne Datenmanagement, das bestimmt, welche Daten zuverlässig genug sind, um darauf aufzubauen, liefert eine Messung vielleicht eine Zahl, aber keinen Halt — siehe die Datenmanagement-Dimension. Wer Leistungsmanagement steigen lassen möchte, ohne diese Fundamente in Ordnung zu haben, misst etwas, aber nicht etwas, worauf sich aufbauen lässt.
Der Schritt von Baseline zu Foundation erfordert vor allem eine Vereinbarung: benennen Sie, bevor eine Anwendung startet, was Erfolg bedeutet, und legen Sie das an einer Stelle fest, wo es später wiederzufinden ist. Das ist keine Investition in Technik, sondern in Gewohnheit.
Der Schritt von Foundation zu Activation erfordert Wiederholung: derselbe Maßstab kehrt zu festen Zeitpunkten zurück, statt eines einmaligen Blicks. Das kostet Zeit von jemandem, der das auf die Agenda setzt und auch weiterhin danach fragt.
Der Schritt zu Insight erfordert etwas Schwierigeres: die Bereitschaft, eine Anwendung zurückzunehmen oder anzupassen, wenn die Messung enttäuscht, auch wenn dort bereits investiert wurde. Das ist weniger ein Kostenposten als eine Kulturfrage.
Der Schritt zu Intelligence erfordert schließlich einen Vergleich zwischen Anwendungen untereinander, sodass die Organisation nicht pro Fall lernt, sondern Muster erkennt. Das verlangt einen festen Ort, an dem dieser Vergleich stattfindet, und Menschen, die dafür Zeit bekommen.
Die Reifegradmessung von hybridresourcing zeigt, ob eine Organisation in der Lage ist zu tragen, was KI bewirkt — ob die Fundamente stehen, und ob Leistungsmanagement darauf aufbauen kann. Sie sagt nichts darüber aus, welche Aufgaben innerhalb der Arbeit selbst geeignet sind, von KI übernommen zu werden, und in welchem Maße. Diese Frage beantwortet der Werkscan von FTE TO AI, der pro Aufgabe berechnet, welcher Teil davon an KI übertragen werden kann. Wer einmal weiß, wo die Organisation auf dieser Dimension steht, hat damit auch einen Hinweis darauf, ob die Ergebnisse eines solchen Werkscans später irgendwo landen, oder in einem Bericht verschwinden, den niemand erneut öffnet.
Die Reifegradmessung, mit der Plot-Runde, bei der mehrere Personen getrennt bewerten und die Streuung zwischen ihren Antworten sichtbar wird, ist noch in Entwicklung. Wer die Messung nutzen möchte, sobald sie verfügbar ist, kann sich für die Warteliste anmelden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.