01 · Geschäftsproblem und Ziel klären
Welche Einschränkung oder neue Anforderung gibt es? Welche Folgen entstehen heute und woran wäre eine Verbesserung erkennbar?
KI-Beratung & Enablement
KI-Workshop: Probleme verstehen, Lösungen entwickeln
Wir beginnen den KI-Workshop nicht mit einer Liste von Tools. Wir klären zuerst, welchen Prozess Sie verbessern wollen, wo die Ursachen liegen und welche Anforderungen die Lösung erfüllen muss.
Wir analysieren reale Fragestellungen gemeinsam mit Fachbereichen und IT, vergleichen Prognosemodelle, Computer Vision, LLM-Integrationen, klassische Automatisierung und Softwareanpassungen und definieren den nächsten Schritt. Die Methode folgt dem Problem – nicht umgekehrt.
Erst das Problem. Dann die Methode.
Ein Workshop zur Entscheidungsfindung, keine Produktvorführung.
Wenn Daten in mehreren Systemen doppelt gepflegt werden, hilft womöglich eine Schnittstelle mehr als ein Sprachmodell. Wenn Materialbedarf ungenau geplant wird, kommen Prognoseverfahren infrage. Bei visuellen Qualitätsabweichungen können klassische Bildverarbeitung und Computer Vision sinnvoll sein.
Wir erfassen die betroffenen Abläufe und prüfen, welche Entscheidungen heute zu langsam, unzuverlässig oder zu aufwendig sind. Anschließend bewerten wir Prozessänderungen, Datenintegration, Software und KI-Verfahren gegeneinander.
Ablauf eines problemorientierten KI-Workshops
Der Umfang richtet sich nach der Komplexität der Aufgaben und den Beteiligten.
02 · Prozess und Ursachen untersuchen
Abläufe, beteiligte Rollen, Eingaben, Ausnahmen, Datenquellen, Systeme und mögliche Ursachen gemeinsam erfassen.
03 · Lösungsräume entwickeln
Regeln, Systemintegration, klassische Software, statistische Verfahren, Machine Learning und generative KI als echte Alternativen betrachten.
04 · Optionen bewerten
Nutzen, Datenreife, Fehlerkosten, Integrationsbedarf, Sicherheit, Wartbarkeit und Betriebsaufwand gegenüberstellen.
05 · Nächste Schritte festlegen
Offene Annahmen benennen, Optionen priorisieren und festlegen, ob eine technische Prüfung, ein Prototyp oder eine direkte Implementierung sinnvoll ist.
Der Lösungsraum bleibt bewusst offen
Eine LLM-Integration kann helfen, wenn relevante Informationen unstrukturiert vorliegen und die Qualität kontrolliert geprüft werden kann. Eine API-Verbindung kann sinnvoller sein, wenn Daten bereits strukturiert und zuverlässig vorhanden sind. Machine Learning kann Prognosen verbessern, benötigt aber geeignete historische Daten und eine überprüfbare Baseline.
Computer Vision erfordert geeignete Bilddaten und klar definierte Fehlerfälle. Edge AI ist nur dann relevant, wenn Ausführung am Gerät, Latenz oder Konnektivität dies rechtfertigen. Bei wiederkehrenden Entscheidungen kann eine regelbasierte Automatisierung genügen. Wir bewerten jeweils den gesamten Prozess, nicht nur die isolierte Modellleistung.
Wenn der Use Case nach der Prüfung tragfähig ist, gehen wir in die KI-Entwicklung über: mit Datenqualität, Evaluation, fachlichen Grenzwerten und kontrollierter Integration.
Was der Workshop konkret liefert
Kein vorgefertigter Lösungsplan, sondern eine belastbare Basis für die nächste Entscheidung.
Gemeinsam geschärftes Problemverständnis
Prozess, Engpass, Ursachenannahmen, fachliche Ziele und relevante Beteiligte dokumentiert.
Bewertete Handlungsoptionen
Realistische Lösungswege mit Voraussetzungen, Grenzen, offenen Fragen und Alternativen.
Prüfbare Erfolgskriterien
Baseline, fachliche Qualitätsmaßstäbe, akzeptable Fehler und Abnahmekriterien skizziert.
Priorisierte nächste Schritte
Datenprüfung, Architektur-Assessment, Wirtschaftlichkeitsprüfung oder erste technische Umsetzung mit Verantwortlichkeiten.
Wer sollte teilnehmen und was wird vorbereitet?
Wir bringen die fachlich Verantwortlichen mit IT und Data Teams zusammen. Je nach Aufgabe beteiligen wir Operations, Produktion, Qualitätsmanagement oder Finance – so prüfen wir Prozesswissen, Datenlage und technische Grenzen gemeinsam.
Hilfreich sind reale Prozessbeispiele, vorhandene Kennzahlen, Systemübersichten, typische Fehlerfälle und Informationen zu Datenzugängen. Eine fertige KI-Idee ist nicht nötig. Vertrauliche Daten müssen nicht unkontrolliert in externe Tools übertragen werden, um Anforderungen und Lösungsräume zu klären.
Von der Analyse zu möglichen technischen Wegen
Daten, Modelle und Anwendungen als integriertes System entwickeln.
Visuelle Prüfentscheidungen technisch bewerten und umsetzen.
Zeitabhängige Prozesse und Entscheidungen mit geeigneten Baselines untersuchen.
Dokumente kontrolliert extrahieren, prüfen und in Fachsysteme übergeben.
Vertiefte technische Bewertung oder Architekturentscheidung anschließen.
Häufige Fragen zum KI-Workshop
Ist der KI-Workshop ein ChatGPT- oder LLM-Training?
Nein. Wir analysieren Geschäftsprobleme und Prozesse. Sprachmodelle sind nur eine der möglichen Lösungen; der Workshop ist keine Schulung für ein bestimmtes Produkt.
Muss schon feststehen, welche KI eingesetzt werden soll?
Nein. Die Auswahl eines geeigneten Ansatzes gehört zur Analyse. Auch ein Ergebnis ohne KI ist möglich und ausdrücklich zulässig.
Was unterscheidet den Workshop von einer KI-Strategie?
Im Workshop untersuchen wir eine oder mehrere konkrete Problemstellungen. Eine KI-Strategie verbindet mehrere priorisierte Vorhaben, technische Grundlagen und Verantwortlichkeiten zu einem übergreifenden Fahrplan.
Was ist das Ergebnis?
Ein geschärftes Problemverständnis, bewertete Lösungsoptionen, dokumentierte Annahmen und ein konkreter nächster Schritt. Eine vollständig implementierte Lösung ist kein automatischer Workshop-Bestandteil.
Können Produktion und IT gemeinsam teilnehmen?
Ja. Gerade die Verbindung aus Prozesswissen, Datensicht und Engineering macht eine Lösung bewertbar.
Welches Problem möchten Sie zuerst untersuchen?
Skizzieren Sie den betroffenen Ablauf und die offene Frage. Wir besprechen die passenden Beteiligten und den sinnvollen Rahmen für einen technologieoffenen Workshop.
Aleksandar Basara
Managing Director
aleks@valanor.co
+49 (0) 711 16 44 6 83
Lindenspürstrasse 22, 70176 Stuttgart
