Über die KI-Gilde
Die KI-Gilde sieht sich in erster Linie als lernendes Unternehmen. Real-Experimente, Aufklärung und Bildung stehen im Vordergrund. Der Name „KI-Gilde“ bezieht sich auf den Ansatz, in Organisationen Menschen fachübergreifend für das Thema „KI“ zu begeistern und es in dieser Gruppe gemeinsam zu erkunden. Die KI-Gilde ist mit eigenem Podcast, Youtube-Kanal, Meetups und Lernplattform präsent und unterstützt Unternehmen und Bildungseinrichtungen.
Zielstellung des Praxisprojekts
Ziel des Praxisprojekts war es, ein konzeptionelles Fundament für eine KI-gestützte Anwendung zu entwickeln, die individuelle Anliegen und Bedarfe von Nutzenden erkennt und gezielt darauf reagiert. Im Mittelpunkt stand dabei nicht nur die technische Umsetzung, sondern auch ein tiefgehendes Verständnis von Bedürfnissen, Nutzungskontext und sinnvollen Interventionen/Methoden, sodass das die geplante Anwendung stärker an den individuellen Bedarfen von Nutzenden ausgerichtet wird.
Vorgehen und Methoden
Das Vorgehen im Praxisprojekt war schrittweise aufgebaut, um von einem allgemeinen Verständnis hin zu konkreten, nutzbaren Ergebnissen zu gelangen und lässt sich auch in kleineren Projekten anwenden, um KI-Anwendungen stärker an realen Bedarfen von Nutzenden auszurichten und eine interne Logik einer Interaktion mit einer KI zu definieren:
1. Nutzerreise (User Journey) definieren
Zu Beginn des Projektes wurde eine typische Nutzerreise ausgearbeitet. Dabei wurde betrachtet, mit welchem Anliegen oder Ausgangszustand Personen sich an die KI wenden und welches Ziel sie im Verlauf der Interaktion erreichen möchten.
Im Fokus stand insbesondere der Prozess dazwischen, also welche Schritte die Nutzenden durchlaufen, welche Formen von Unterstützung sinnvoll sein können und wie sich das Anliegen im Laufe der Nutzung weiterentwickelt.
Die Nutzerreise wurde somit nicht als einmalige Interaktion verstanden, sondern als dynamischer Prozess, in dem sich Bedürfnisse und Bedarfe verändern und schrittweise geklärt werden können.
2. Nutzungskontexte verstehen
Im nächsten Schritt wurde der Nutzungskontext näher betrachtet. Dabei wurde analysiert, in welchen Situationen sich Nutzende befinden, mit welchen Anliegen sie sich an die KI-basierten Anwendung wenden und welche Rahmenbedingungen ihr Handeln beeinflussen.
Ziel war es, ein möglichst ganzheitliches Verständnis der Nutzungssituationen zu entwickeln. So konnten die erarbeiteten Ansätze nicht nur auf abstrakten Annahmen, sondern auf realistischen und nachvollziehbaren Kontexten aufbauen.
Die Anliegen der Nutzenden wurden anschließend zur Zielgruppendefinition und -beschreibung herangezogen.
3. Problemszenarien entwickeln
Auf Basis der zuvor erarbeiteten Nutzungskontexte und Zielgruppen wurden im nächsten Schritt konkrete Problemszenarien ausgearbeitet. Dabei kam der Ansatz des Scenario-based Designs zum Einsatz.
Ziel dieser Szenarien ist es, typische Situationen möglichst greifbar zu beschreiben, in denen Nutzende mit einem bestimmten Anliegen konfrontiert sind. Der Fokus liegt dabei nicht auf der technischen Lösung, sondern auf der Perspektive der Nutzenden. Es wurde dabei die Person beschreiben, in welcher Situation sie sich befindet, was sie beschäftigt und mit welchen Herausforderungen sie konfrontiert ist.
Die Szenarien beschreiben somit realitätsnahe Ausgangssituationen und bilden eine wichtige Grundlage, um im weiteren Verlauf gezielt passende Unterstützungsansätze zu entwickeln und zu bewerten.
4. Interventionen und Methoden entwickeln
Aufbauend auf den entwickelten Szenarien wurden im nächsten Schritt mögliche Interventionen und Methoden erarbeitet, die Nutzende im Verlauf ihrer Nutzung unterstützen können.
Im Fokus stand dabei die Frage, welche Formen der Unterstützung in unterschiedlichen Situationen sinnvoll sein können und wie diese entlang der Nutzerreise eingesetzt werden können. Die Interventionen beschreiben dabei konkrete Ansatzpunkte innerhalb des Prozesses, also Momente, in denen die Anwendung zum Beispiel Impulse geben, Orientierung bieten oder zur weiteren Auseinandersetzung anregen kann.
Dabei wurde berücksichtigt, dass Unterstützung nicht zwangsläufig einmalig erfolgt, sondern sich über mehrere Schritte hinweg entwickeln kann. Je nach Situation können unterschiedliche Ansätze relevant sein, die im Verlauf angepasst oder kombiniert werden.
5. Bewertung mit Claims-Analysis
Die entwickelten Interventionen und Methoden wurden im nächsten Schritt mithilfe einer Claims Analysis systematisch bewertet.
Dabei wurde für jede Methode betrachtet, welche positiven Effekte im besten Fall erzielt werden können, aber auch, welche möglichen negativen Auswirkungen im ungünstigsten Fall auftreten könnten. So wurde beispielsweise analysiert, inwiefern eine Intervention unterstützend wirken kann, aber auch, wo Risiken wie Fehlinterpretationen oder Überforderung bestehen könnten.
Ziel der Claims-Analysis ist es, nicht nur potenzielle Nutzen zu identifizieren, sondern auch frühzeitig mögliche Risiken und Nebenwirkungen sichtbar zu machen. Auf diese Weise konnten fundierte Entscheidungen darüber getroffen werden, welche Ansätze weiterverfolgt werden sollten und an welchen Stellen Anpassungsbedarf besteht sowie Designentscheidungen abgeleitet werden.
6. Matching-Matrix erstellen
Abschließend wurden die erarbeiteten Erkenntnisse in einer Matching-Matrix zusammengeführt. In dieser wurden Szenarien, Bedürfnisse, Interventionen sowie deren Nutzen, Risiken und Prioritäten systematisch miteinander verknüpft.
Ziel war es, eine strukturierte Grundlage zu schaffen, auf deren Basis entschieden werden kann, welche Form der Unterstützung in welcher Situation sinnvoll ist. Die Matrix dient damit nicht nur der Übersicht, sondern bildet auch die Grundlage für eine mögliche Entscheidungslogik innerhalb einer KI-gestützten Anwendung.
Dabei wurden zusätzlich Aspekte wie notwendige Daten, mögliche Einschränkungen sowie Anforderungen an die Ausgestaltung der Interventionen berücksichtigt. So konnte ein ganzheitliches Bild entstehen, das sowohl die Perspektive der Nutzenden als auch die Anforderungen an eine Umsetzung einbezieht.
Ergebnisse und Erkenntnisse
Das Praxisprojekt hat gezeigt, wie sich durch ein strukturiertes und nutzerzentriertes Vorgehen eine fundierte Grundlage für KI-gestützte Unterstützungssysteme entwickeln lässt.
Ein zentrales Ergebnis ist die entwickelte Matching-Matrix, die Bedürfnisse, Nutzungssituationen und passende Interventionen systematisch miteinander verknüpft. Sie bildet die konzeptionelle Basis für eine Entscheidungslogik, mit der eine KI situationsabhängig sinnvolle Unterstützung anbieten kann.
Darüber hinaus wurde deutlich, wie wichtig es ist, nicht nur potenzielle Nutzen, sondern auch Risiken frühzeitig mitzudenken. Methoden wie die Claims-Analysis haben dabei geholfen, Interventionen reflektiert zu bewerten und verantwortungsvoll weiterzuentwickeln.
Ein weiterer zentraler Aspekt ist das Verständnis, dass Bedürfnisse von Nutzenden nicht immer klar formuliert sind, sondern sich im Verlauf der Interaktion entwickeln können. Daraus ergibt sich die Notwendigkeit, Unterstützung als dynamischen Prozess zu gestalten, der flexibel auf unterschiedliche Situationen reagieren kann.
Für kleine und mittlere Unternehmen zeigt das Projekt, dass der Mehrwert von KI-Anwendungen nicht primär in der Technologie selbst liegt, sondern in der konsequenten Ausrichtung an realen Anliegen von Nutzenden. Ein strukturiertes Vorgehen, von Nutzungskontext über Szenarien bis hin zu bewerteten Interventionen, kann dabei helfen, sinnvolle und durchdachte Lösungen zu entwickeln.
