AI Landscape
AI Landscape ist ein Canvas-basiertes Workshop-Werkzeug, mit dem ein Team die Stellen in einem bestehenden Service findet, an denen sich KI einbauen ließe. Das Team legt die Phasen des Service, die Akteure sowie die Frontstage- und Backstage-Interaktionen aus, markiert, wo die Probleme liegen, und entwickelt dann für diese Punkte KI-Chancen – sortiert danach, ob die KI Menschen erweitert, sie unterstützt oder eine Aufgabe automatisiert. Das Werkzeug wurde vom Studio oblo auf Service Design Tools veröffentlicht.
Moderationsablauf
- 1
Rahme die Session: welcher Service, welche Grenzen und wofür das Ergebnis verwendet wird. Erkläre die drei Arten von KI-Rollen (erweitern, unterstützen, automatisieren) mit je einem Alltagsbeispiel.
10 Min. - 2
Kartiert den aktuellen Service auf dem Canvas: Phasen als Spalten, dann für jede Phase Akteure, Frontstage- und Backstage-Interaktionen.
30 Min. - 3
Ergänzt pro Phase Probleme und Verbesserungsfelder in einer eigenen Zettelfarbe. Markiert die drei bis fünf Schritte, die die Gruppe für die problematischsten hält.
20 Min. - 4
Entwickelt KI-Chancen für die markierten Schritte, eine Idee pro Zettel, zuerst einzeln geschrieben und dann geteilt. Ordnet jede den Kategorien Erweitern, Unterstützen oder Automatisieren zu.
30 Min. - 5
Seht euch die Chancen an. Besprecht für jedes Cluster Wirkung, Risiko und Aufwand, einschließlich der benötigten Daten und der Folgen eines falschen Ergebnisses. Wählt die vielversprechendsten aus.
20 Min. - 6
Haltet die ausgewählten Chancen fest, weist jeder eine verantwortliche Person zu und listet die Fragen auf, die vor dem nächsten Schritt zu beantworten sind.
10 Min.
Tipps
Kürze die Kartierung des Ist-Zustands nicht ab, um schneller bei den KI-Ideen zu sein; die Chancen sind nur so gut wie das gemeinsame Bild der Gruppe davon, wie der Service heute funktioniert.
Sorge dafür, dass mindestens eine Person im Raum ist, die weiß, was heutige KI-Systeme zuverlässig können und was nicht, und eine, die die besprochene Arbeit selbst macht.
Landet eine Idee in der Zeile Automatisieren, frage, wer das Ergebnis prüft und mit wem die Kund:innen sprechen, wenn es falsch ist.
Typische Stolperfallen
Von den KI-Fähigkeiten statt von den Problemen des Service ausgehen – das ergibt eindrucksvoll klingende Ideen für Schritte, die gut funktioniert haben
Nur die Schritte mit Kundenkontakt kartieren: Viele der umsetzbaren Chancen liegen in der Backstage-Arbeit und tauchen dann nie auf dem Canvas auf
Jede Chance als Automatisierung behandeln, sodass die Gruppe die günstigeren und risikoärmeren Optionen überspringt, bei denen KI einen Menschen unterstützt, der verantwortlich bleibt
Nach Begeisterung auswählen, ohne über Daten, Fehlerfolgen und Verantwortlichkeit zu sprechen, sodass die gewählten Ideen an der ersten Machbarkeitsprüfung hängen bleiben
Die Session ohne die Menschen durchführen, die die Arbeit machen – das führt zu Chancen, die die falschen Aufgaben abschaffen und später auf Widerstand stoßen
Variationen
Remote: Baut das Canvas auf einem gemeinsamen Whiteboard auf, kartiert den Ist-Zustand in einer Session und führt die Chancen-Runde in einer zweiten durch, damit die Beteiligten dazwischen Fakten prüfen können. Kurzversion (90 Minuten): Bringt eine fertige Journey Map oder einen fertigen Service Blueprint mit und steigt beim Problem-Schritt ein. Größere Gruppen: Teile nach Phasen des Service auf, lass jede Untergruppe Chancen für ihre Phase entwickeln und seht sie euch dann im Plenum phasenübergreifend an. Ein Kartenset mit KI-Fähigkeiten, etwa das begleitende Set aus derselben Quelle, kann Optionen anstoßen, wenn der Gruppe die Ideen ausgehen.
Einsatzbereiche
Wann einsetzen
Die Führung hat gefragt „Wo sollten wir KI einsetzen?“, und das Team braucht eine Antwort, die darauf beruht, wie der Service funktioniert, und keine Liste von Tools
Fachbereich, Service und Technik haben jeweils ein anderes Bild vom Service und davon, was KI darin leisten könnte
Es gibt mehrere isolierte KI-Piloten, und niemand hat betrachtet, wie sie über den gesamten Service hinweg zusammenpassen
Du stehst am Anfang eines KI-Strategie- oder Discovery-Projekts und brauchst ein erstes Chancen-Backlog zur Bewertung
Zu einem bekannten Schmerzpunkt kommt immer wieder der Vorschlag „Lass das die KI machen“, und die Gruppe muss das mit anderen Optionen vergleichen
Wann nicht einsetzen
Den Service gibt es noch nicht, oder niemand im Raum weiß, wie er abläuft: Kartiert ihn zuerst mit einem Service Blueprint oder interviewt die Menschen, die ihn betreiben
Die Entscheidung, ein bestimmtes KI-Feature zu bauen, ist bereits gefallen: Geht in die Konzept- und Prototyping-Arbeit statt in eine breite Chancensuche
Niemand der Anwesenden kann technische Machbarkeit oder Datenverfügbarkeit beurteilen: Das Ergebnis wird eine Wunschliste, also lade diese Personen ein oder verschiebe den Termin
Das eigentliche Problem ist, dass bestehende KI-Piloten nicht angenommen werden: Seht euch die Hindernisse beim Skalieren an, statt weitere Chancen zu entwickeln
Ähnliche Methoden
Häufig gestellte Fragen
Was ist AI Landscape?▾
AI Landscape ist ein Workshop-Canvas, mit dem sich herausfinden lässt, wo KI in einen bestehenden Service integriert werden könnte. Ein gemischtes Team kartiert die Phasen, Akteure und Interaktionen des Service, markiert die Probleme und entwickelt KI-Chancen für die problematischsten Schritte. Jede Chance wird danach eingeordnet, ob sie Menschen erweitert, sie unterstützt oder eine Aufgabe automatisiert; anschließend wählt die Gruppe die vielversprechendsten aus.
Wer sollte an einer AI-Landscape-Session teilnehmen?▾
Plane mit vier bis zehn Personen, die zusammen drei Arten von Wissen abdecken: wie der Service im Alltag läuft, was das Geschäft von ihm braucht und was KI-Systeme mit den verfügbaren Daten leisten können. Hole mindestens eine Person dazu, die die Arbeit im Kundenkontakt oder im Backoffice selbst macht. Ohne diese Mischung liefert die Session entweder unrealistische Ideen oder Ideen, die niemand will.
Was ist der Unterschied zwischen Erweitern, Unterstützen und Automatisieren?▾
Die drei Begriffe beschreiben, wie viel von der Aufgabe die KI übernimmt. In der Praxis heißt Erweitern, dass ein Mensch mit KI-Unterstützung etwas besser oder etwas Neues tun kann; Unterstützen heißt, dass die KI einen Teil der Aufgabe übernimmt, während der Mensch die Verantwortung behält; Automatisieren heißt, dass die Aufgabe läuft, ohne dass ein Mensch sie ausführt. Diese Einordnung bringt die Gruppe dazu, für jede Idee über Verantwortung und Risiko zu sprechen.
Worin unterscheidet sich AI Landscape von einem Service Blueprint?▾
Ein Service Blueprint dokumentiert, wie ein Service über Frontstage und Backstage hinweg erbracht wird. AI Landscape nimmt einen ähnlichen Überblick als Ausgangspunkt und ergänzt dann einen Ideenfindungs- und Auswahlschritt mit Fokus auf KI. Wenn es bereits einen Blueprint gibt, kannst du ihn in die Session mitbringen und den Großteil der Kartierungszeit sparen.
Was passiert nach der Session?▾
Das Ergebnis ist eine Shortlist von Chancen, kein Plan. Jede braucht eine Machbarkeitsprüfung zu Daten, Kosten und Risiko und in der Regel einen kleinen Prototyp oder Test, bevor sich jemand festlegt. Benenne noch im Raum eine verantwortliche Person pro Chance, damit die Shortlist nicht auf dem Canvas liegen bleibt.
Plane deinen nächsten Workshop mit KI
Workshop Weaver kombiniert Methoden wie AI Landscape zu einer vollständigen, zeitlich geplanten Agenda. In Minuten.
Kostenlos testenMethod descriptions on Workshop Weaver are original content written by our team, based on established facilitation practices. This method was inspired by work from oblo (Service Design Tools).