KI-Werkzeuge setze ich mittlerweile in fast jedem Projekt ein, von der Konsolidierung internationaler Kundenanforderungen bis zur Auswertung mehrstufiger Experteninterviews. Die interessante Frage ist inzwischen nicht mehr "Soll ich KI nutzen?", sondern "Wofür genau, und wo ziehe ich die Grenze?".
Wo KI heute zuverlässig hilft
Konsolidierung großer, unstrukturierter Inputmengen. Wenn Anforderungen aus mehreren Märkten, Interviews oder Workshop-Protokollen zusammenkommen, ist die erste Hürde nicht die Analyse, sondern schlicht das Volumen. KI-gestützte Auswertung leistet hier zuverlässig Vorarbeit. Sie clustert Themen, markiert Redundanzen und macht Widersprüche zwischen Quellen sichtbar.
Konsistenz- und Kohärenzprüfung. Nach einem Entscheidungsworkshop mit mehreren Experten unterscheiden sich Formulierungen, Detailtiefe und implizite Annahmen typischerweise stark. KI-Werkzeuge sind gut darin, diese Inkonsistenzen aufzudecken, bevor sie in einer Entscheidungsvorlage landen.
Strukturierung nach einem festen Format. Rohe Beschreibungen in ein einheitliches, nachvollziehbares Format zu bringen spart in der Praxis am meisten Zeit, ohne dass fachliche Substanz verloren geht.
Wo die Grenze liegt
Was KI nicht kann, ist Kontextverantwortung übernehmen. Sie kann fachliche Annahmen aus unterschiedlichen Domänen vermischen, ohne dass es auffällt. Sie kann implizite Standards einbauen, die für den konkreten Kunden oder Markt gar nicht gelten. Und sie liefert Texte, die sprachlich überzeugend, aber fachlich falsch sind. Das ist in Anforderungsdokumenten gefährlicher als ein offensichtlicher Fehler, weil es seltener hinterfragt wird.
KI verbessert die Aufbereitung. Die inhaltliche Verantwortung für das, was am Ende in eine Entscheidung einfließt, bleibt bei der Person, die das fachliche Umfeld tatsächlich versteht.
Wie ich damit arbeite
In der Praxis heißt das für mich: KI als Sparringspartner und Beschleuniger einsetzen, nicht als Autor. Konkret nutze ich sie, um Experteninterviews vorzukonsolidieren, Roadmap-Vorschläge auf Machbarkeit und Konsistenz zu prüfen und domänenspezifisches Wissen strukturiert aufzubereiten, etwa in einer mehrstufigen Analyse-Pipeline. Die Bewertung, Priorisierung und letztlich die Entscheidung bleiben dort, wo sie hingehören: bei den Menschen, die für das Ergebnis geradestehen.
Genau dieser Doppel-Ansatz ist inzwischen selbst Teil des Mehrwerts, den ich in Projekte einbringe. Technisches Verständnis dafür, was ein KI-Werkzeug tatsächlich leisten kann, kombiniert mit der fachlichen Erfahrung, seine Grenzen zu erkennen.