AI-Readiness - Decision Data, Decision-Log & KPI-Set (1 Tag)
Du willst KI nicht nur „testen“, sondern im Betrieb steuern. In diesem Deep Dive machst du deine Entscheidungslogik maschinenlesbar: Du baust ein sauberes Decision-Log als Datenobjekt und ein KPI-Set, das Wirkung, Risiko und Kontrolle sichtbar macht.
AI-Readiness (Deep Dive)
Das Problem: Dark Data
Du willst KI sinnvoll einsetzen, aber die wichtigsten Informationen sind für Maschinen unsichtbar. Entscheidungen entstehen in Meetings, Chats und E-Mails. Ergebnis: KI bekommt Prosa, aber keine Struktur - und du kannst Wirkung nicht messen.
- Entscheidungen sind nicht als Datenobjekte erfasst.
- Alternativen, Restriktionen und Reviews fehlen.
- Erfolg wird als Gefühl diskutiert, nicht als KPI.
Ohne Decision Data bleibt KI ein Spielzeug ohne Gedächtnis.
Die Lösung: Decision-Log + KPI-Set
Du baust in einem Tag die Datenstruktur, die KI und Führung gleichermaßen brauchen: ein Decision-Log mit klaren Feldern, plus ein KPI-Set, das Geschwindigkeit, Qualität, Risiko und Wirkung sichtbar macht.
Ergebnis: Du kannst Entscheidungen forensisch nachvollziehen - und du steuerst Piloten über Zahlen.
Was du in 1 Tag baust
Du erzeugst Decision Data: sauber, eindeutig, wiederverwendbar. Das ist der Unterbau für jeden KI-Piloten.
Decision-Log als Datenobjekt
Du definierst Felder, Begriffe und Status-Logik: Trigger, Optionen, Restriktionen, DRI, Forum, Review, Outcome - nicht als Text, sondern als Struktur.
KPI-Set für Steuerung
Du legst messbare KPIs fest: Time-to-Decision, Reopen-Rate, SLA-Quote, Outcome-Impact und Decision Debt - mit klarer Definition und Datenerhebung.
Mess-Rhythmus
Du verankerst Reviews: wann du misst, wer berichtet, wo entschieden wird und wie du Kurskorrekturen machst - ohne Tool-Overhead.
Deliverables - das bleibt bei dir
Du gehst mit Vorlagen und Definitionen raus, die du sofort in Notion, Confluence oder Sheets abbilden kannst.
Decision-Log Template
Felder, Status, Pflichtangaben, Definitionen. So gebaut, dass du Entscheidungen später durchsuchen, vergleichen und reviewen kannst.
KPI-Set (mit Definitionen)
Klare KPI-Namen, Formel/Herleitung, Datenquelle, Messfrequenz, Owner und Schwellenwerte für „grün/gelb/rot“.
Review- und Reporting-Plan
Ein kleiner Rhythmus: welche KPI wann in welches Forum kommt - und welche Entscheidung daraus folgt.
Kontext: Decision-OS - ADIAMO - Coaching-Glossar
Ablauf 09:00-17:00
Du baust erst Struktur, dann Messung. Am Ende ist klar, was du loggst - und was du damit steuerst.
09:00-11:00 - Decision Data
Du definierst Begriffe, Felder und Status. Was ist eine „Decision“ bei dir - und was ist nur Diskussion?
Output: Log-Felder + Status-Definition
11:15-14:00 - Decision-Log Template
Du baust das Template aus: Trigger, Optionen, Constraints, DRI, Forum, Review, Outcome. Du definierst Pflichtfelder und Qualitätsregeln.
Output: Decision-Log Template (v1)
14:30-17:00 - KPI-Set & Reviews
Du definierst KPIs inkl. Formel, Quelle, Frequenz, Owner und Schwellenwerten. Du legst fest, wann gemessen und wann korrigiert wird.
Output: KPI-Set + Review-Plan
FAQ
Brauche ich dafür ein bestimmtes Tool?
Nein. Du kannst das Decision-Log in Notion, Confluence, Google Sheets oder jedem System abbilden. Wichtig ist die Struktur, nicht das Tool.
Welche KPIs definierst du konkret?
Du definierst ein Set aus Geschwindigkeit (z.B. Time-to-Decision), Qualität (z.B. Reopen-Rate), Verbindlichkeit (z.B. % DRI+Termin), Risiko (z.B. SLA-Quote) und Wirkung (z.B. Outcome-Impact) - mit klaren Definitionen.
Was ist der Unterschied zu „normalen“ KPI-Dashboards?
Du misst nicht nur Output, sondern Entscheidungsmechanik. Du siehst, wo Entscheidungen steckenbleiben, wo sie kippen und wo Follow-through fehlt.
Wie passt das zu Workshop 1?
Workshop 1 baut Governance. Dieser Workshop baut die Datenstruktur. Danach kannst du Piloten sauber messen und steuern.
Workshop anfragen
Wenn du KI wirklich steuern willst, brauchst du Decision Data. Danach sind Piloten keine Bauchentscheidungen mehr, sondern messbare Eingriffe.
Wirksam statt technisch - Wirkung vor Tool.
Warum du für AI-Readiness Decision Data brauchst - nicht mehr Tools
Wenn du KI im Unternehmen ernst meinst, brauchst du mehr als Demos und Prompting. Du brauchst Daten, die Entscheidungen abbilden - sauber, eindeutig und wiederverwendbar. In vielen Organisationen entsteht die wichtigste Logik jedoch in Gesprächen, Meetings, Chats und E-Mails. Für Menschen ist das Alltag. Für Maschinen ist es Dark Data. Du kannst weder nachvollziehen, warum entschieden wurde, noch kannst du Wirkung messen oder Risiken sauber steuern.
AI-Readiness bedeutet deshalb nicht „mehr KI“, sondern bessere Entscheidungsdaten. Genau hier setzt dieser Workshop an: Du baust ein Decision-Log als Datenobjekt mit klaren Feldern und einer Status-Logik. Du definierst Trigger, Optionen, Restriktionen, Verantwortlichkeit (DRI), Forum, Review und Outcome so, dass du Entscheidungen später durchsuchen, vergleichen und reviewen kannst. Und du setzt ein KPI-Set auf, das Steuerung möglich macht: Geschwindigkeit (Time-to-Decision), Qualität (Reopen-Rate), Verbindlichkeit (% DRI+Termin), Risiko (SLA-Quote) und Wirkung (Outcome-Impact) - jeweils mit Definition, Formel, Quelle, Frequenz und Owner.
Wenn du Workshop 1 bereits gemacht hast, ist das der logische zweite Schritt: Governance wird jetzt messbar. Und erst danach lohnt sich ein Pilot, der wirklich kontrolliert läuft. Wenn du den Kontext vertiefen willst, lies Decision-OS, nutze das Coaching-Glossar oder sieh dir weitere Seminare & Workshops an. Der schnellste Einstieg bleibt ein kurzes Gespräch: Schmerzpunkt klären, Workshop wählen, Start festnageln.
Ein sauberer Next Step
20 Minuten reichen: Du klärst deinen Schmerzpunkt, wählst den passenden KI-Workshop und nagelst den Start fest.
Start
Erstgespräch
Fit, Scope, Starttermin - danach bekommst du einen klaren Vorschlag.
Konditionen
Preise B2B
Tagessatz, Pakete, Staffelung, Storno - gebündelt.
Workshops
Seminare & Workshops
Alle Formate im Überblick - 1 Tag, konkret, messbar.