Der größte Flaschenhals der Unternehmensinformationsabteilung ist wirklich nicht die Effizienz der Forschung und Entwicklung.
Die Fachabteilung gibt an, die Anfrage sei dringend, die IT-Abteilung arbeitet Überstunden für die Entwicklung und die Inbetriebnahme – und dann nutzt das System niemand. Der Engpass liegt nicht darin, wie schnell das Produkt fertiggestellt wird, sondern ob der Wertkreislauf vollständig geschlossen werden kann.
Dieses Szenario kommt den meisten IT-Abteilungen von Unternehmen sehr bekannt vor: Die Fachabteilung eilt herbei und sagt, dass ihre Anfrage besonders dringend ist. Die Digitalisierungsabteilung arbeitet rund um die Uhr und stellt das System innerhalb weniger Tage in Betrieb. Und dann? Das System, dessen Dringlichkeit die Fachabteilung behauptet hat, liegt einfach auf dem Server und wird von niemandem genutzt. Zwei Wochen später kommt die Fachabteilung wieder und stellt eine noch „dringendere“ Anfrage..........
Warum wird das entwickelte System nicht genutzt? Manchmal schieben die Fachabteilungen die Schuld auf die Entwicklungsabteilung, weil „die Effizienz der Forschung und Entwicklung noch nicht hoch genug ist“. Daraufhin setzt die Entwicklungsabteilung alles auf Low-Code und AI-Coding, um die Liefergeschwindigkeit weiter zu steigern und den „Anforderungen“ der Fachabteilung gerecht zu werden. Aber die Realität sieht oft enttäuschend aus: Früher wurde ein System, das einen Monat zur Inbetriebnahme brauchte, von niemandem genutzt – heute wird es in einer Woche in Betrieb genommen und wird trotzdem nicht genutzt. Je fortschrittlicher die Technologie und je höher die Entwicklungseffizienz ist, desto mehr nutzlose Müllsysteme entstehen.
Daraus geht klar hervor: Der wahre Engpass der IT-Abteilung liegt nicht darin, „wie schnell etwas fertiggestellt wird“, sondern darin, „ob das entwickelte Produkt den Anforderungen entspricht, ob es Nutzer gibt und ob es nach der Nutzung einen messbaren Mehrwert erzeugt“. Diese drei Punkte zusammen bilden den sogenannten geschlossenen Wertkreislauf. Die Effizienz ist nur das am wenigsten knappe Glied in diesem Kreislauf.
I. Hohe Effizienz bedeutet nicht automatisch einen Mehrwert
Wenn die Liefergeschwindigkeit bei der Unternehmensdigitalisierung zu niedrig ist, gibt es definitiv Probleme. Hohe Effizienz bedeutet aber nicht automatisch einen hohen Wert. Viele IT-Abteilungen von Unternehmen stecken in einem Teufelskreis: Die Fachabteilung erklärt eine Anfrage für dringend, die Entwicklungsabteilung arbeitet Überstunden, um das System in Betrieb zu nehmen, das System wird nicht genutzt, dann wird eine neue Anfrage gestellt, und die Entwicklungsabteilung arbeitet wieder Überstunden, um es in Betrieb zu nehmen. Das ist nie ein reines Effizienzproblem, sondern es fehlt der zweite Teil des geschlossenen Wertkreislaufs.
Mit dem Aufkommen von AI-Coding hat sich die Geschwindigkeit „von der Anfrage zum Code“ noch einmal deutlich verbessert, aber es löst keine folgenden Probleme: Sind die Fachabteilungen bereit, das System zu nutzen? Gibt es nach der Inbetriebnahme entsprechende betriebliche Ergebnisse? Hält die Datenqualität den Anforderungen stand? Sind die Organisationsprozesse bereit, sich zu ändern?
Je leistungsfähiger die Werkzeuge sind, desto leichter fällt es der IT-Abteilung, „schneller mehr Systeme zu produzieren, die niemand nutzt“. Die Effizienz der Forschung und Entwicklung ist eine grundlegende Fähigkeit, nicht der zentrale Engpass. Der zentrale Engpass der Unternehmensdigitalisierung liegt im geschlossenen Wertkreislauf: Ob die gesamte Kette von der Anfrageerkennung, über die Validierung, die Inbetriebnahme, die Nutzung bis hin zu den betrieblichen Ergebnissen reibungslos funktioniert.
II. Neben der Anfragequalität und der Systemnutzung gibt es acht weitere Fallstricke
Wenn Sie glauben, dass die wichtigsten Probleme, die ein Unternehmen bei der digitalen Transformation lösen muss, die Qualität der Anfragen und die tatsächliche Nutzung der Systeme sind, ist Ihr Verständnis bereits gut. Aber neben diesen beiden Punkten muss die IT-Abteilung noch acht weitere große Fallstricke bewältigen:
Erstens: Fehlender Mehrwert
Vor der Inbetriebnahme vieler Systeme wird niemand klar, wessen Problem gelöst werden soll, was die Erfolgskriterien sind, welche Indikatoren gemessen werden und wo die Daten herkommen. Die Inbetriebnahme wird bereits als Abschluss angesehen, und bei der Jahresberichterstattung kann man nur zählen, „wie viele Systeme in Betrieb genommen wurden“, aber nicht „wie viel betriebliche Verbesserung damit erzielt wurde“.
Zweitens: Echtheit und Falschheit von Anfragen vermischen sich, die Priorisierung ist ungeordnet
Die Quelle falscher Anfragen ist sehr feststehend: Anfragen, die aufgrund eines einzigen Satzes der Führungskraft entstehen, Anfragen, die Fachabteilungen nur stellen, um Prüfungen zu bestehen, Anfragen, die man stellt, nur weil Konkurrenten es auch tun, Anfragen, die den lokalen Interessen einer Abteilung dienen, und Anfragen, die das Technikteam nur stellt, um selbst zu üben. All diese werden als „dringend“ verpackt, aber nie von echten Nutzern validiert.
Drittens: Fehlender Systembetrieb
Viele Systeme haben nach der Inbetriebnahme keinen Förderplan, keine Schulungen, keine Sammlernutzer, keine Feedbackkanäle und keinen Iterationsmechanismus. Sobald das Entwicklerteam abgezogen wird, stirbt das System natürlich ab.
Viertens: Schlechte Datenbasis
Die Digitalisierung und die Umsetzung von KI hängen beide von Daten ab. Aber in vielen Unternehmen gibt es starke Dateninseln, widersprüchliche Indikatorendefinitionen, chaotische Stammdaten, verunreinigte historische Daten und keine Vernetzung zwischen den Systemen. Nach der Inbetriebnahme sind die Daten ungenau und die Nutzererfahrung schlecht, sodass das System schließlich nicht mehr genutzt wird – die Ursache liegt meist hier.
Fünftens: Organisation und Zusammenarbeit funktionieren nicht reibungslos
Fachabteilung und IT reden aneinander vorbei, die IT nimmt Aufträge nur passiv entgegen und hat keine Entscheidungsgewalt, es fehlen „Übersetzer“, die sowohl das Fachgeschäft als auch die Technik verstehen. Die Fachabteilung übernimmt keine Verantwortung für die von ihr gestellten Anfragen und schiebt die gesamte Schuld auf die IT.
Sechstens: Technische Schulden und Architekturausbreitung
Um „schnell zu reagieren“ werden ständig neue Funktionen hinzugefügt, es entstehen immer mehr isolierte Einzelsysteme, die Wiederholungsaufbauten sind gravierend, die Integrationskomplexität steigt rasant und die Kernsysteme werden immer instabiler. Nach drei bis fünf Jahren dauert die Umsetzung einer einzigen Anfrage extrem lange, und die Effizienz wird durch diese selbst verursachten Probleme ausgebremst.
Siebtens: Risiken im Bereich der Sicherheit, Compliance und KI-Governance
Mit der Einführung von KI kommen neue Probleme hinzu: Verletzung des Datenschutzes, Fehlentscheidungen aufgrund von Halluzinationen von Modellen, unkontrollierte Zugriffsrechte, algorithmische Vorurteile und nicht erklärbare Modelle. Wenn diese Punkte nicht im Voraus bewertet werden, können später große Probleme entstehen.
Achtens: Ungenaue Auswahl der KI-Anwendungsfälle
Zu viele Unternehmen suchen nach Anwendungsfällen für die Technik, statt nach passender Technik für ihre Anwendungsfälle. Sie wählen Anwendungsfälle mit cooler Technik aber geringem betrieblichem Mehrwert aus, setzen KI ein, obwohl die erforderlichen Daten nicht vorhanden sind, und die Fachabteilung arbeitet nicht mit, sodass die Ergebnisse der KI von niemandem genutzt werden. Außerdem werden zu hohe Erwartungen gesetzt, und man glaubt, KI könne komplexe Entscheidungen anstelle von Menschen treffen.
III. Wie kann man die Situation verbessern?
Das ist ein Thema, das schon oft diskutiert wurde. Lao Yang hat es in seinen früheren Artikeln mehrfach erwähnt, hier ist eine kurze Zusammenfassung:
1. Neue Positionierung: Von der Lieferzentrale zum Wertzentrum
Die Aufgabe der IT-Abteilung besteht nicht darin, „Systeme zu entwickeln“, sondern darin, „durch Digitalisierung messbaren Mehrwert für das Fachgeschäft zu erzeugen“.
2. Einrichtung von Mechanismen zur Anfrageverwaltung und Wertprüfung
Keine subjektive Idee oder Anfrage einer Fachabteilung darf direkt entwickelt werden. Es muss klar dokumentiert werden: Was ist das fachliche Problem? Wen betrifft es? Wie groß ist der aktuelle Schaden? Welche Ergebnisse werden erwartet? Was sind die Erfolgskriterien? Woher kommen die Daten? Wie viele Ressourcen ist die Fachabteilung bereit, zur Unterstützung einzusetzen. Es muss ein Digitales Produktausschuss eingerichtet werden, der aus Vertretern der Fachabteilung, der IT, der Datenabteilung und der Finanzabteilung besteht, um alle Anfragen einheitlich zu prüfen und zu priorisieren. Außerdem muss das „Prinzip der Verantwortung des Anfragestellers“ umgesetzt werden: Die Fachabteilung, die eine Anfrage stellt, muss für die Nutzungsrate und die Ergebnisse verantwortlich sein. Wenn das System nach der Inbetriebnahme von niemandem genutzt wird, muss die Fachabteilung die Verantwortung übernehmen und die Schuld nicht auf die IT-Abteilung schieben.
3. Validierung von Anfragen mit Lean- und Produkt-Denkweise
Entwickeln Sie keine großen, umfassenden Lösungen auf einmal, sondern prüfen Sie die Echtheit der Anfrage zuerst mit geringen Kosten: Nutzerinterviews, Feldbeobachtungen, DEMOs, Graue-Veröffentlichung, A/B-Tests. Das einzige Prinzip lautet: Zuerst validieren, dass „jemand das System nutzt, es gerne nutzt und es Probleme lösen kann“, bevor große Ressourcen für die Entwicklung eingesetzt werden. AI-Coding kann hier seine Stärken ausspielen: Schnelle Erstellung von Prototypen, internen Werkzeugen und Daten-Dashboards, sodass die Fachabteilung das System zuerst testen kann, bevor entschieden wird, ob das Projekt offiziell gestartet wird.
4. Aufbau des geschlossenen Betriebskreislaufs
Die Inbetriebnahme ist nicht das Ende, sondern der Beginn des Betriebs. Förderpläne, Sammlernutzer, Schulungen, Feedbackkanäle, Überwachung wichtiger Verhaltensweisen und regelmäßige Nachbesprechungen dürfen nicht fehlen.
5. Umstellung vom Projektmodell zum Produktmodell
Bei wichtigen Systemen darf man nicht „nach der Fertigstellung weggehen“. Es muss einen klaren Produktmanager, eine langfristige Roadmap und kontinuierliche Iterationen geben. Nur so werden die Systeme mit der Nutzung immer besser, statt nach der Inbetriebnahme ihren Höhepunkt zu erreichen und danach zu veralten.
Abschließende Zusammenfassung:
Der größte Engpass der Digitalisierungsabteilung ist nicht die Effizienz der Forschung und Entwicklung, sondern der geschlossene Wertkreislauf. AI-Coding macht die Effizienz nicht mehr zum Hauptproblem, aber es rückt die Frage „ob die Richtung stimmt und der Mehrwert validiert wurde“ noch deutlicher in den Fokus. Unternehmen sollten nicht mehr Werkzeuge einführen, sondern ihre Positionierung, Bewertungsmechanismen, Governance und Betriebskultur anpassen, damit die Digitalisierung von der „Lieferung von Projekten“ zur „Lieferung von betrieblichen Ergebnissen“ gelangt.