An der Schnittstelle zwischen Business und IT

Der Bernerhof wurde für 100 repräsentative Regierungstreffen pro Jahr gebaut. Inzwischen sind es 1000. Das bestehende Kundenmanagement konnte dieses Volumen nicht mehr fassen, eine neue Lösung musste her.

Erst die bestehenden Prozesse vollständig verstehen, dann das Tool darauf anpassen — nicht umgekehrt.

Ich arbeitete eng mit meinem Praxisbildner zusammen. Wir haben die bestehenden Abläufe zuerst vollständig aufgenommen — dann erst gebaut. In Acta Nova haben wir keinen simplen Workflow eingepflegt, sondern die Prozesse selbst neu strukturiert, damit sie das neue Volumen tragen.

Wir haben einen skalierbaren Prozess im System abgebildet. Die digitale Abwicklung fängt das zehnfache Eventvolumen heute ab und entlastet das Team spürbar.

Ich sollte Daten für einen Auftrag aufbereiten, merkte aber schnell: Die Datenqualität reichte dafür gar nicht aus. Das Problem war zu gross, um es als Lernender auf einmal zu lösen.

Scope reduzieren statt verzetteln. Rat bei den erfahrenen Lagerleitern einholen, dann fokussiert auf einen Bereich vertiefen.

Ich fokussierte mich nur auf den Bereich „Crossdocking". Dort erhob ich selbstständig die Daten, analysierte die Schwachstellen und erarbeitete einen Bericht inklusive konkretem Projektkonzept zur Lösung.

Das Konzept war solide — das Projekt scheiterte an externen Abhängigkeiten, die ich nicht kontrollieren konnte. Das war das erste Mal, dass ich verstanden habe: Die beste Analyse bringt nichts, wenn die Rahmenbedingungen nicht stimmen. Heute stelle ich Ressourcen- und Lizenzfragen früher.

Die Produktion wollte die Grundlagen schaffen, um in Zukunft KI-Lösungen einzusetzen. Dafür fehlte aber eine saubere, strukturierte Datenbasis.

Vor der KI-Lösung zuerst das Datenfundament. Im Team mit Praxisbildner und externem Experten denken statt allein.

Ich analysierte gemeinsam mit Praxisbildner und einem externen Experten, welche Daten vorhanden sind, wo Lücken bestehen, und wie man eine strukturierte Erhebung aufbaut. Konkrete Details bleiben intern.

Die Abteilung hat jetzt eine strukturierte Datenbasis, auf der zukünftige KI-Projekte aufbauen können. Was ich mitgenommen habe: Datenqualität ist keine technische Frage — sie ist eine organisatorische.