Anforderungen an KI-Systeme: Wie ein durchdachtes Vorgehensmodell Projekte zum Erfolg führt 

Spirit in Projects begleitet seit Jahren Unternehmen und öffentliche Auftraggeber bei der Konzeption, Ausschreibung und Umsetzung von KI-Systemen. Dabei hat sich eines immer wieder bestätigt: Ein strukturiertes, daten- und nutzenorientiertes Vorgehensmodell ist der Schlüssel zum Erfolg – unabhängig davon, ob das Projekt nach V-Modell XT, Scrum oder einem individuellen Hybridmodell abläuft. 

Viele KI-Projekte scheitern nicht an der Technologie – sondern am fehlenden methodischen Vorgehen bei der Anforderungserhebung und der Umsetzung. 

Vom Bauchgefühl zur strukturierten Anforderung 

In klassischen Projekten reichen oft Lastenhefte mit klaren Funktionalitäten – bei KI-Systemen funktioniert das so nicht. Hier braucht es einen anderen Denkansatz: 

• Was ist das eigentliche Erkenntnisziel der KI? 

• Welche Daten stehen wirklich zur Verfügung? 

• Wie genau muss ein Modell sein, um den späteren Mehrwert zu liefern? 

Wir nutzen dafür intern einen methodischen Rahmen, der sich stark am CRISP-DM-Modell orientiert – angepasst auf moderne KI-Projekte mit Anforderungen wie MLOps, Re-Training und kontinuierlicher Verbesserung. Dieses Modell strukturiert unsere Workshops und Interviews mit Stakeholdern – vom Business Understanding über Data Understanding bis hin zu konkreten Evaluierungskriterien für KI-Modelle. 

Vorgehen mit Plan – auch im agilen oder klassischen Kontext 

Unsere Kunden arbeiten mit unterschiedlichen Vorgehensmodellen: Manche setzen auf Scrum, andere auf das V-Modell XT. Für KI-Projekte empfiehlt sich jedoch, zusätzlich eine KI-spezifische Struktur zu verwenden. Wir integrieren dazu unsere CRISP-DM-basierte Logik in das bestehende Rahmenwerk: 

• In agilen Projekten bringt sie Ordnung in explorative Datenarbeit. 

• Im klassischen Umfeld (z. B. öffentlicher Ausschreibungen) dient sie als inhaltlicher Bauplan für KI-spezifische Anforderungen. 

Entscheidend ist: Wir schaffen eine gemeinsame Sprache zwischen Fachbereich, Data Scientists und IT – und sorgen dafür, dass Anforderungen nicht nur geschrieben, sondern auch verstanden und später überprüfbar gemacht werden. 

Anforderungen brauchen Iterationen – und Daten 

Ein weiterer Praxisleitsatz: KI-Anforderungen entstehen nicht auf dem weißen Blatt Papier, sondern durch Iteration, Diskussion – und durch das, was die Daten hergeben. Ein ideales Vorgehensmodell berücksichtigt genau das: 

• Datenexploration führt oft zu neuen Erkenntnissen, die Anforderungen verändern. 

• Modelltests zeigen, ob eine Zielgenauigkeit realistisch ist – oder ob nachjustiert werden muss. 

• Die Rückkopplungsschleifen mit den Stakeholdern sind nicht lästig, sondern wertvoll. 

In unseren Projekten haben wir diese Schleifen bewusst eingeplant – nicht als Ausnahme, sondern als Regel. Das erhöht nicht nur die Qualität der Ergebnisse, sondern auch die Akzeptanz beim späteren Einsatz. 

Fazit: Struktur gibt Sicherheit 

Ein KI-Projekt ohne strukturiertes Vorgehen ist wie ein Flug ohne Flugplan – man kommt selten dort an, wo man hinwollte. Mit einem durchdachten, auf KI abgestimmten Vorgehensmodell helfen wir unseren Kunden, frühzeitig Klarheit zu schaffen, realistische Anforderungen zu definieren und belastbare Ausschreibungen aufzusetzen.