Produktvision · KI-Projekte · Umsetzung
„Das bauen wir uns jetzt selbst.“ Eine Website, ein Kundenportal, ein internes Tool. Mit KI lässt sich aus einer Idee schneller etwas machen, das man anklicken und ausprobieren kann. Für Unternehmen ist das eine große Chance. Die entscheidende Frage bleibt: Was soll dadurch eigentlich besser werden?
Wer KI-Projekte umsetzen möchte, braucht eine Vorstellung davon, wie die Lösung im Alltag funktionieren soll. Und jemanden, der diese Vorstellung in Entscheidungen, klare Aufgaben und überprüfbare Ergebnisse übersetzt. Genau dort treffen unternehmerisches Denken, Kreativität, Produktentwicklung und Technologie aufeinander.
Unsere These: Wenn das Herstellen leichter wird, gewinnt die Qualität der Entscheidungen davor und währenddessen an Bedeutung. Welche Aufgabe lösen wir? Für wen? Was lassen wir bewusst weg? Und woran erkennen wir, dass die Anwendung ihren Zweck erfüllt?
01 · Neue Möglichkeiten, dieselbe Verantwortung
KI kann beim Bauen helfen. Die Richtung braucht eine Begründung.
Ein Team kann heute erste Oberflächen entwerfen, Abläufe simulieren und mit KI Code erzeugen lassen. Eine Idee muss deshalb nicht mehr monatelang abstrakt bleiben. Ein früher Prototyp macht sie diskutierbar. Menschen sehen, was gemeint ist, und können etwas ausprobieren, statt über dieselben Begriffe Unterschiedliches zu verstehen.
Damit wird auch mehr vorstellbar. Ein kleiner Betrieb entdeckt vielleicht einen besseren Weg, Anfragen zu bearbeiten. Ein Vertriebsteam möchte Informationen zusammenführen, die bisher in verschiedenen Dateien liegen. Ein Unternehmen mit hochwertigen Produkten will einen digitalen Beratungsprozess entwickeln, der seinem Anspruch gerecht wird.
Die Freiheit, etwas bauen zu können, beantwortet allerdings noch keine dieser Fragen: Braucht es dafür eigene Software? Reicht eine vorhandene Anwendung? Ist ein unklarer Prozess das eigentliche Problem? Und wer kümmert sich später um das Ergebnis?
Der DORA-Bericht 2025 beschreibt KI als Verstärker vorhandener organisatorischer Stärken und Schwächen. Für uns folgt daraus: Gute Werkzeuge verdienen einen ebenso guten Rahmen aus Zielen, Zusammenarbeit und Verantwortung.
02 · Vision wird konkret
Eine Produktvision beschreibt einen besseren Alltag
„Wir brauchen ein eigenes Projektmanagement-Tool“ ist zunächst eine Lösungsidee. Sie sagt wenig darüber aus, welche Schwierigkeit dahinterliegt. Vielleicht gehen Freigaben unter. Vielleicht fehlen Zuständigkeiten. Vielleicht nutzt das Team sein vorhandenes System kaum, weil es zu kompliziert eingerichtet wurde.
Eine brauchbare Produktvision verbindet das unternehmerische Ziel mit einer konkreten Situation. Sie beschreibt, für welche Menschen sich was verändern soll. Daraus lässt sich ableiten, was die erste Version leisten muss und welche Funktionen vorerst warten können.
„Bau uns ein Kundenportal.“
Das kann alles Mögliche bedeuten: Dateien, Nachrichten, Rechnungen, Termine und ein Dashboard. Die Funktionsliste wächst schnell. Der Nutzen bleibt unscharf.
Freigaben ohne Sucherei.
Kunden sollen den aktuellen Entwurf finden, kommentieren und freigeben können. Das Team soll eindeutig erkennen, welche Fassung gilt und was als Nächstes zu tun ist.
Vereinfachtes, fiktives Beispiel zur Veranschaulichung.
Jetzt werden sinnvolle Entscheidungen möglich: Für den ersten Test reichen vielleicht ein Projekt, eine aktuelle Datei und ein nachvollziehbarer Freigabestatus. Rechnungen und Chat können warten. Ob das eine eigene Anwendung rechtfertigt, lässt sich gegen vorhandene Lösungen prüfen.
Kreativität steckt hier im Entdecken einer besseren Möglichkeit. Sie verbindet Beobachtung, Vorstellungskraft und die Fähigkeit, etwas verständlich zu gestalten. Ein schöner Bildschirm allein löst die Aufgabe noch nicht. Eine gut gestaltete Bedienung kann dagegen darüber entscheiden, ob Menschen den neuen Ablauf überhaupt nutzen.
03 · Vier Kompetenzen gehören zusammen
KI-Projekte umsetzen: Diese vier Kompetenzen gehören zusammen
Die richtige Aufgabe finden
Geschäftsziel, Nutzerbedürfnisse und bestehende Abläufe zusammenbringen. Annahmen offenlegen und entscheiden, welche davon zuerst geprüft werden muss.
Absichten präzise machen
Aus einer Vorstellung klare Anforderungen, verständliche Abläufe und geeignete Prompts ableiten. Festlegen, was die Lösung können soll und was ausdrücklich außerhalb des Auftrags liegt.
Ein gemeinsames Ergebnis führen
Prioritäten, Zuständigkeiten und Entscheidungen bündeln. Beiträge von Menschen und KI so koordinieren, dass sie zu einer zusammenhängenden Lösung werden.
Ergebnisse prüfen können
Nutzen und Bedienbarkeit mit Anwendern prüfen. Technische Fachleute passend zu Architektur, Daten, Sicherheit und Betrieb einbinden. Offene Fragen vor dem Einsatz klären.
Diese Fähigkeiten sind nicht erst mit KI entstanden. Sie gehören seit Langem zu guter Produktentwicklung. KI macht ihre Bedeutung sichtbarer: Es kann schneller mehr entstehen. Damit steigen auch die Anforderungen an Auswahl, Zusammenhang und Prüfung.
Die pauschale Vorhersage, Programmierer würden überflüssig, greift deshalb zu kurz. Code erzeugen ist ein Teil der Arbeit. Technische Zusammenhänge verstehen, Fehler beurteilen und eine Anwendung verantwortbar betreiben bleiben anspruchsvolle Aufgaben. Die Verteilung verändert sich je nach Projekt, Werkzeug und Erfahrung.
04 · Prompting als Arbeitskompetenz
Ein guter Prompt beginnt mit einem guten Briefing
Prompting wird manchmal auf die richtige Formulierung reduziert. Im Projektalltag geht es um mehr: relevanten Kontext auswählen, Widersprüche klären, Aufgaben sinnvoll zerlegen und Ergebnisse bewerten. Eine elegant geschriebene Anweisung kann eine ungeklärte Entscheidung nicht ersetzen.
Für unser fiktives Kundenportal könnte ein erster Arbeitsauftrag so aussehen:
Beispiel · Auftrag für einen Prototyp
Ziel: Kunden sollen den aktuellen Entwurf eindeutig erkennen und eine Freigabe nachvollziehbar erteilen können.
Erster Umfang: Eine Projektansicht mit Beispieldatei, Kommentar und Status. Rechnungen und Chat bleiben vorerst außen vor.
Rahmen: Zunächst eine abgegrenzte Testumgebung mit erfundenen Daten. Echte Kundendaten und der produktive Einsatz sind nicht Teil dieses Schritts.
Prüfung: Wir spielen eine Freigabe durch und prüfen, ob Fassung, Entscheidung und nächster Schritt verständlich sind. Zugriffsrechte und weitere technische Anforderungen werden vor einer produktiven Umsetzung gesondert spezifiziert und geprüft.
Das ist noch keine vollständige Spezifikation. Es ist ein gemeinsamer Ausgangspunkt. Im nächsten Schritt werden offene Fragen sichtbar, der Prototyp wird getestet und das Briefing wird angepasst.
Auch Anthropics Arbeit mit länger laufenden Coding-Agenten zeigt für die dort untersuchten Aufgaben die Bedeutung kleiner Arbeitsschritte, dokumentierten Fortschritts und tatsächlicher Funktionstests. Ein großer Auftrag allein war dort kein verlässlicher Weg zur fertigen Anwendung.
05 · Projektwissen aufbauen
Die KI braucht Zugang zum richtigen Projektwissen
Ein guter erster Prompt reicht für ein längeres Vorhaben selten aus. Über mehrere Arbeitsschritte hinweg müssen Ziel, Anforderungen und Entscheidungen verfügbar bleiben. Sonst wird dieselbe Frage immer wieder geklärt oder auf einem veralteten Stand weitergearbeitet. Dieses Projektwissen muss jemand zusammenstellen und pflegen.
Für ein überschaubares Vorhaben kann eine schlanke, geordnete Ablage genügen. Entscheidend ist, dass das verwendete KI-Werkzeug auf die benötigten Inhalte zugreifen kann und klar ist, welcher Stand gilt. Je nach Werkzeug müssen Quellen ausdrücklich eingebunden oder relevante Auszüge bereitgestellt werden.
Was in die Projektgrundlage gehört
- Ziel und Rahmen: Welches Problem lösen wir, für wen, mit welchem erwarteten Nutzen? Was gehört zum Vorhaben und was vorerst nicht?
- Verlässliche Wissensquellen: Beschreibungen der heutigen Abläufe, Begriffsdefinitionen, freigegebene Gestaltungsregeln und technische Dokumentation. Mit Herkunft, Datum und erkennbarem Status. Ungeprüfte Annahmen werden als solche markiert.
- Entscheidungen und Arbeitsstand: Was wurde beschlossen und warum? Was ist umgesetzt, was offen, was hat sich geändert? Eine kurze gepflegte Übersicht hilft beim nächsten Arbeitsschritt und bei der Übergabe.
- Prüfkriterien: Welche Anforderungen muss die Lösung erfüllen? Welche Abläufe wurden tatsächlich getestet und welche Fragen brauchen noch eine fachliche Prüfung?
Beim Kundenportal aus unserem Beispiel könnten das ein Projektbrief, der bisherige Freigabeablauf, eine Liste der Rollen und Zugriffsregeln sowie die Ergebnisse der Prototyp-Tests sein. Echte Kundendaten werden nur eingebunden, wenn das für die Aufgabe erforderlich und für die eingesetzte Umgebung geklärt ist.
Zur Projektführung gehört deshalb auch eine einfache Regel: Änderungen werden dokumentiert, widersprüchliche Quellen geklärt und überholte Stände erkennbar gehalten. Eine verantwortliche Person prüft die Aktualität. Aussagen der KI wie „gespeichert“ oder „fertig“ werden am tatsächlichen Ablageort beziehungsweise am Ergebnis überprüft. Ob ein Werkzeug Wissen über Sitzungen hinweg behält, muss im konkreten System geprüft werden.
Genau hier wird Begleitung praktisch: Unternehmenswissen in eine brauchbare Arbeitsgrundlage übersetzen, die passenden Quellen einbinden und dafür sorgen, dass Menschen und KI auf demselben Stand arbeiten.
06 · Unser eigener Ausgangspunkt
Contexta: Die Vorstellung kam vor der Anwendung
Mit Contexta entwickeln wir bei Onmind ein internes Framework, um Informationen, Daten und Zusammenhänge für unsere Arbeit sichtbar und nutzbar zu machen. Ausgangspunkt war unsere Vorstellung davon, wie wir arbeiten und Erkenntnisse miteinander verbinden wollen.
Für die Umsetzung nutzen wir KI-gestützte Entwicklungswerkzeuge. Wir haben also nicht jede Zeile selbst programmiert. Unser Beitrag liegt darin, die Richtung zu bestimmen, Anforderungen zu formulieren, Zwischenstände zu beurteilen und die Weiterentwicklung anzuleiten.
Als ein Kunde Contexta sah, war seine Reaktion sinngemäß: So etwas wäre für uns auch interessant. Wie kommt man dahin? Genau diese Frage ist spannend. Ein anderes Unternehmen braucht seine eigene Antwort, ausgehend von den eigenen Abläufen und Zielen.
Contexta ist für uns vor allem ein internes Arbeitsframework. Die Erfahrung daraus ist ein Ausgangspunkt für die Begleitung anderer Vorhaben. Sie ist kein Beleg dafür, dass jede Anwendung mit KI unkompliziert oder ohne technische Expertise gebaut werden könnte.
07 · Vom Prototyp in den Alltag
KI-Projekte brauchen Entscheidungen zwischen den Bauphasen
Wir würden ein solches Vorhaben in überschaubare Etappen gliedern. Nach jeder Etappe wird entschieden, ob und wie es weitergeht. So bleibt die Möglichkeit erhalten, eine Idee zu ändern oder rechtzeitig zu verwerfen.
Problem und Nutzen klären
Den heutigen Ablauf verstehen, Betroffene einbeziehen und eine konkrete Verbesserung benennen. Bestehende Software, eine Prozessänderung und Eigenentwicklung gegeneinander abwägen. Auch Zeit, laufende Kosten und interne Betreuung zählen.
Die kleinste sinnvolle Lösung entwerfen
Einen Ablauf auswählen, Anforderungen und Grenzen festhalten und mit Testdaten einen Prototyp entwickeln. Die wichtigste offene Annahme zuerst prüfen.
Mit echten Anwendern lernen
Menschen die Aufgabe selbst lösen lassen. Beobachten, wo sie stocken, was fehlt und ob die Lösung gegenüber dem bisherigen Vorgehen hilft. Bei Bedarf zurück zum Entwurf.
Produktiven Einsatz vorbereiten
Technische Architektur, Berechtigungen, Datenschutzanforderungen, Schnittstellen und Fehlerfälle angemessen prüfen lassen. Verantwortung für Betrieb, Pflege, Kosten und Ausstieg festlegen. Ein funktionierender Test ist noch keine Freigabe.
Der Secure Software Development Framework des NIST beschreibt Sicherheitspraktiken über den Entwicklungsprozess hinweg. Auch mit KI erzeugte Software braucht einen solchen, dem Risiko angemessenen Entwicklungs- und Prüfprozess.
Erfolg lässt sich anschließend an der ursprünglichen Aufgabe messen: Finden Kunden die richtige Fassung? Werden Freigaben eindeutiger? Entstehen weniger Rückfragen? Ausgangswert, Ziel und Beobachtungszeitraum sollten vor dem Einsatz vereinbart werden.
08 · Wo Begleitung sinnvoll ist
Eine gute Idee braucht nicht sofort ein eigenes Entwicklungsteam
Für viele mittelständische Unternehmen fehlt zunächst jemand, der Fachwissen, Nutzerperspektive und Umsetzung zusammenführt. Eine Person kennt den Ablauf. Eine andere hat mit einem KI-Werkzeug experimentiert. Die Geschäftsführung sieht eine Chance. Daraus muss ein gemeinsamer Auftrag werden.
Hier sehen wir einen passenden Ansatz für unsere Arbeit: eine Idee schärfen, ihren Nutzen prüfen, die Lösung greifbar machen und ihre Umsetzung mit den passenden Beteiligten begleiten. Unser Hintergrund in strategischer Beratung, Design und Produktdenken hilft uns, diese Perspektiven zusammenzubringen. Technische Spezialfragen gehören dabei in fachkundige Hände.
Eine Begleitung ist besonders sinnvoll, wenn die Idee unternehmerisch relevant ist, intern aber Zeit oder Erfahrung für diese verbindende Rolle fehlen. Für einen einfachen, austauschbaren Standardprozess kann eine vorhandene Anwendung die wirtschaftlichere Wahl sein. Diese Entscheidung sollte am Anfang stehen.
Von der Idee zum nächsten sinnvollen Schritt
Ihr wisst, was besser werden könnte. Aber noch nicht, wie?
Bringt eure Idee oder einen ersten Prototyp mit. Gemeinsam klären wir das Problem, den möglichen Nutzen und die offenen Fragen. Daraus lässt sich ableiten, ob sich ein eigenes KI-Projekt lohnt und welche Begleitung dafür gebraucht wird.
Über eure Idee sprechenWeiterlesen: Unser Beitrag Softwareentwicklung mit KI: Chancen, Risiken und Grenzen für Unternehmen vertieft die technischen und organisatorischen Grundlagen.
Quellen und Einordnung: DORA 2025 zur Bedeutung organisatorischer Voraussetzungen; Anthropic zu Erfahrungen mit länger laufenden Coding-Agenten; NIST SP 800-218 zu sicherer Softwareentwicklung. Der hier beschriebene Projektablauf ist unsere fachliche Einordnung. Contexta ist ein eigenes Praxisbeispiel. Stand: Oktober 2026.
