.jpg)
Was mir 50 Kilometer auf dem Rennrad über KI-Strategie beigebracht haben
Manchmal entstehen die besten Gedanken über Strategie nicht am Schreibtisch.
Bei mir entstanden sie diesmal auf dem Rennrad.
Nach einer längeren Pause wollte ich wieder eine größere Tour fahren. Mein eigentliches Ziel sind irgendwann wieder 150 Kilometer.
Aber direkt mit 150 Kilometern starten?
Keine besonders gute Strategie.
Also plante ich zunächst einen Pilot: 50 Kilometer von München Richtung
Starnberger See und zurück.
Was zunächst einfach nach einer Fahrradtour klingt, hatte erstaunlich viele Parallelen zu dem, womit ich mich aktuell intensiv beschäftige: Wie entwickelt man eine gute KI-Strategie?
Und noch etwas wurde mir dabei bewusst:
Eine Strategie beginnt nicht mit dem Weg.
Sie beginnt mit der Frage, warum ich überhaupt losfahren möchte.
1. Vision: Warum steige ich überhaupt aufs Fahrrad?
Am Morgen war meine Motivation zunächst überschaubar.
Mein innerer Schweinehund hatte durchaus überzeugende Argumente dafür, noch ein bisschen zu Hause zu bleiben.
Und genau an diesem Punkt wurde meine Vision wichtig.
Ich wollte nicht einfach nur 50 Kilometer auf meiner Sport-App sehen.
Ich wollte raus. Bewegung. Natur. Energie tanken. Den Kopf freibekommen. Am See sitzen, die Umgebung beobachten und anschließend mit neuen Gedanken zurückkommen.
Die 50 Kilometer waren also nicht meine Vision.
Sie waren lediglich ein messbares Ziel auf dem Weg dorthin.
Das ist ein wichtiger Unterschied – auch in Unternehmen.
Eine KI-Strategie sollte nicht mit der Aussage beginnen:
„Wir wollen KI einsetzen.“
KI ist genauso wenig eine Vision wie „50 Kilometer Fahrrad fahren“.
Die wichtigere Frage lautet:
Was wollen wir dadurch erreichen?
Bessere Prozesse? Schnellere Entscheidungen? Mehr Zeit für wertschöpfende Aufgaben? Ein besseres Kundenerlebnis? Neue Geschäftsmodelle?
Erst wenn das Warum klar ist, ergibt es Sinn, über den Weg zu sprechen.
2. Strategie: Die Vision allein plant noch keine Route
Zu wissen, warum ich fahren möchte, bringt mich noch nicht automatisch an den See.
Jetzt musste ich entscheiden:
Wie komme ich dorthin?
Ich suchte eine Route aus. Prüfte die Distanz. Schaute auf die Wettervorhersage. Da für den Nachmittag Regen angekündigt war, musste ich früh starten.
Plötzlich hatte ich nicht nur ein Ziel, sondern auch Rahmenbedingungen.
Und genau hier beginnt Strategie.
Bei einer KI-Initiative ist es ähnlich.
Ich muss beispielsweise verstehen:
Welche Ausgangssituation haben wir?
Welche Ressourcen stehen zur Verfügung?
Welche Risiken und Abhängigkeiten gibt es?
Welche Fähigkeiten und Daten benötigen wir?
Welche Alternative haben wir, wenn eine Annahme nicht funktioniert?
Die Route ist also nicht die Vision.
Sie ist der geplante Weg zur Vision.
3. Der Pilot: Warum ich nicht gleich 150 Kilometer gefahren bin
Nach einer längeren Rennradpause direkt 150 Kilometer zu fahren, wäre theoretisch möglich gewesen.
Strategisch sinnvoll wäre es nicht gewesen.
Also entschied ich mich für 50 Kilometer als Pilot.
Kann ich die Strecke gut fahren?
Wie reagiert mein Körper?
Passt meine Planung?
Was habe ich vergessen?
Was würde ich beim nächsten Mal anders machen?
Genau diese Funktion sollte auch ein Pilotprojekt im KI-Kontext haben.
Ein Pilot ist nicht einfach eine kleinere Version des späteren Projekts.
Er soll Annahmen überprüfen und Lernen ermöglichen, bevor größere Ressourcen gebunden werden.
In meiner KI-Roadmap würde das zur Foundation-Phase passen: Voraussetzungen schaffen, einen begrenzten Anwendungsfall testen, erste KPIs definieren und anschließend bewusst entscheiden, ob angepasst, gestoppt oder skaliert wird.
4. Monitoring: Nicht nur fahren – beobachten
Unterwegs hatte ich ständig Informationen.
Kilometer. Zeit. Geschwindigkeit. Wetter. Strecke.
Aber mindestens genauso wichtig war eine Kennzahl, die meine App nicht vollständig erfassen konnte:
Wie fühle ich mich?
Genau das finde ich auch bei KI-Projekten spannend.
Wir können viele KPIs – Key Performance Indicators, also Schlüsselkennzahlen – definieren.
Kosten. Zeitersparnis. Qualität. Nutzungsquote. Geschwindigkeit.
Aber Kennzahlen ergeben nur dann Sinn, wenn sie vorher mit dem eigentlichen Ziel verbunden wurden.
50 Kilometer sind zunächst nur eine Zahl.
Wenn mein Ziel jedoch lautet, nach einer längeren Pause zu testen, ob ich wieder bereit für längere Touren bin, bekommen diese 50 Kilometer eine völlig andere Bedeutung.
Ein KPI ist deshalb nicht automatisch ein Erfolgskriterium. Er muss zeigen, ob wir unserem strategischen Ziel näherkommen.
5. Lernen und anpassen: Eine Roadmap ist kein starres Navi
Eine Sache funktioniert auf dem Fahrrad genauso wenig wie in einem Projekt:
Davon auszugehen, dass alles exakt so läuft wie geplant.
Wetter verändert sich. Eine Strecke ist unangenehmer als gedacht. Die eigene Leistung ist an diesem Tag anders als erwartet.
Dann muss ich entscheiden.
Weiterfahren? Tempo ändern? Route anpassen? Pause machen?
Eine gute KI-Roadmap funktioniert ähnlich.
Sie gibt Richtung und Prioritäten vor, aber sie ist kein unveränderbarer Projektplan. Neue Daten, technische Erkenntnisse, Risiken oder Ergebnisse aus einem Pilot können dazu führen, dass der weitere Weg angepasst wird. Genau diese Lern- und Anpassungslogik ist Bestandteil der Roadmap in meinem Strategy-Modul.
Das ist kein Scheitern der Strategie.
Das ist Strategiearbeit.
6. Rollout: Von 50 auf 150 Kilometer
Wenn der Pilot funktioniert, kommt der nächste Schritt.
Bei mir bedeutet das irgendwann:
150 Kilometer.
Im Unternehmen würde man von Skalierung sprechen.
Aber auch hier gilt:
Nur weil ein Pilot funktioniert hat, sollte man nicht blind alles vergrößern.
Die Erkenntnisse aus dem Pilot müssen in die nächste Planung einfließen.
Was hat funktioniert?
Wo gab es Schwierigkeiten?
Welche Voraussetzungen fehlen noch?
Welche Risiken verändern sich bei größerem Umfang?
Die Roadmap beschreibt diesen Übergang als Weg von Foundation zu Scale: Erst belastbar lernen, dann erfolgreiche Lösungen integrieren und ausrollen.
Was Unternehmen von einer Fahrradtour lernen können
Natürlich ist eine 50-Kilometer-Radtour kein KI-Projekt.
Aber die Denklogik dahinter ist erstaunlich ähnlich:
Vision → Ziel → Rahmenbedingungen → Route → Pilot → Messen → Lernen → Anpassen → Skalieren.
Und vielleicht liegt genau hier eines der Probleme bei manchen KI-Initiativen.
Wir beginnen zu schnell beim Tool.
Dabei würden wir eine längere Fahrradtour auch nicht damit planen, welches Fahrrad-Navi gerade am meisten gehypt wird.
Wir würden zuerst fragen:
Wo will ich eigentlich hin?
Und danach entscheiden, welches Werkzeug uns auf diesem Weg sinnvoll unterstützt.
Mein Fazit am Starnberger See
Am Ende war mein wichtigstes Learning nicht die Zahl auf meiner App.
Es waren 50,75 Kilometer – aber die Zahl allein erzählt nicht die Geschichte.
Entscheidend war, dass ich überhaupt gestartet bin.
Meine Vision hat mich nicht die 50 Kilometer gefahren.
Das musste ich selbst tun.
Aber sie hat mir einen Grund gegeben, morgens aufs Fahrrad zu steigen.
Und vielleicht ist genau das eine der wichtigsten Aufgaben einer guten Vision:
Eine Vision bringt uns nicht automatisch ans Ziel.Aber sie gibt uns einen Grund, überhaupt loszufahren.
Die Strategie macht daraus einen Weg.
Und unterwegs?
Messen. Lernen. Anpassen. Weiterfahren.
Kommentare