Die KI-Ambition ist hoch. Der Scope ist noch zu vage.

Die meisten Unternehmen sind über die Frage „Sollen wir KI nutzen?“ hinaus. Budgets sind freigegeben, Vorstandspräsentationen erwähnen Agents, und jemandem in der Führungsetage wurde aufgetragen, „dieses Quartal etwas mit KI zu machen“. Der Druck zu handeln ist real.

Und trotzdem stocken die Projekte — nicht weil die Ambition fehlt, sondern weil niemand die nächste Frage präzise beantworten kann: Was genau bauen wir zuerst, und woran erkennen wir, dass es funktioniert hat?

Das Problem ist nicht fehlende Ambition. Das Problem ist fehlende gescopte Umsetzung. Die Ambition nennt Ihnen das Ziel. Der Scope nennt Ihnen die ersten zehn Schritte, wer sie geht und woran Sie erkennen, dass Sie auf dem richtigen Weg sind. Überspringen Sie das, kommen Sie nicht schneller zu KI-Wert — Sie kommen zu einem teuren Piloten, der die Demo nie verlässt.

Die Ambition ist real. Der Scope ist es nicht.

Das Gesamtbild bestätigt das. In McKinseys State-of-AI-Studie ist die Adoption inzwischen weit verbreitet, aber die meisten Organisationen experimentieren noch, statt dauerhaften Wert zu realisieren — und die, die sich absetzen, sind diejenigen, die Workflows um KI herum neu gestalten, nicht die, die ein Modell an einen unveränderten Prozess anflanschen.

BCG bringt denselben Punkt in Are You Generating Value from AI? The Widening Gap noch deutlicher: Der Abstand zwischen KI-Vorreitern und allen anderen wächst, und Agentic AI vergrößert ihn weiter. Die Vorreiter sind nicht die mit den meisten Piloten. Es sind die, die eine kleine Zahl von Workflows tief gescopet und skaliert haben, was funktionierte.

Und die Vorsicht ist berechtigt. Ein vielzitierter Bericht aus 2025 — MITs Project NANDA „GenAI Divide“ — warnte, dass ein großer Teil der Enterprise-GenAI-Piloten noch keinen nachhaltigen Business-Impact erzielt hat. Die Schlagzeilen-Zahl lässt sich leicht sensationalisieren; die nützliche Lektion ist enger: Piloten, die nicht gegen einen Owner, eine Kennzahl und einen echten Workflow gescopet sind, sterben leise — egal wie gut die Technologie ist.

Die Lücke ist also nicht Ambition versus Vorsicht. Es ist vager Scope versus gescopte Umsetzung.

Was ist ein Minimal Viable Agent (MVA)?

Das Gegenmittel zu einem vagen Scope ist ein kleiner, beweisbarer. Genau das ist die Aufgabe eines Minimal Viable Agent.

Ein Minimal Viable Agent (MVA) ist der kleinste nützliche KI-Agent, der einen Workflow End-to-End beweist — die benötigten Daten, die menschlichen Review-Punkte und den Business-Wert, den er schafft —, bevor Sie skalieren. Eine Aufgabe. Gut genug erledigt, um mit Beweisen zu entscheiden, nicht mit Meinungen.

Ein MVA ist keine abgespeckte Version Ihrer späteren Plattform und keine Wegwerf-Demo. Er ist ein bewusst schmaler KI-Prototyp, der zuerst Ihr größtes Risiko ausräumen soll. Wenn die Annahme, die Ihnen am meisten Sorgen macht, lautet „Wird das Modell auf unseren unordentlichen Daten präzise genug sein?“, dann beweist der MVA genau das. Wenn sie lautet „Wird das an einem Dienstagmorgen überhaupt jemand nutzen?“, dann beweist der MVA das stattdessen.

Agentic AI macht diese Disziplin wichtiger, nicht unwichtiger. Ein Agent, der über Systeme hinweg Aktionen ausführt, hat mehr Möglichkeiten, falsch zu liegen, als ein Chatbot, der eine Frage beantwortet — was bedeutet, dass Workflow, Datenzugriff und Human-in-the-Loop-Kontrollpunkte vor dem Bauen gescopet werden müssen, nicht erst in Produktion entdeckt.

Die sechs Fragen, die Ambition in Scope verwandeln

Wenn die Ambition hoch und der Scope vage ist, bleiben Teams an denselben sechs Fragen hängen. Ein guter Scope beantwortet sie alle auf einer Seite.

1. Welcher Use Case ist es wert, zuerst gebaut zu werden?

Nicht der glanzvollste — sondern der, bei dem sich die Kennzahl eines benannten Owners bewegt, die Daten bereits existieren und der Workflow klein genug ist, um ihn in Wochen zu prototypisieren. Das ist Use-Case-Priorisierung, und es ist die Entscheidung mit dem größten Hebel. Ein strukturierter AI Scoping Workshop existiert genau dafür: dieses Ranking zu erzwingen, bevor Geld gebunden wird.

2. Wie sollte der Minimal Viable Agent tatsächlich aussehen?

Definieren Sie den einen Workflow, die Inputs, die Outputs und den Moment, in dem ein Mensch in der Schleife bleibt. Ein Minimal Viable Agent (MVA) Sprint baut oder koordiniert dann diesen MVA, um die riskanteste Annahme zu testen — statt eine v1 zu überbauen, die nie hätte existieren müssen.

3. Was muss validiert werden — Workflow, Daten und menschliches Review?

Drei Dinge lassen die meisten KI-Projekte scheitern: Der Workflow passt nicht dazu, wie Menschen wirklich arbeiten; die Daten sind nicht so verfügbar oder sauber wie angenommen; und es gibt keinen klaren Punkt, an dem ein Mensch den Agent überprüft oder übersteuert. Ein guter Scope benennt jeden dieser Punkte als expliziten Test — was meist ein Stück KI-Workflow-Redesign bedeutet, bevor ein einziges Modell trainiert wird.

4. Welcher Partnertyp passt zum Scope?

FDE-Boutiquen, KI-Agenturen, Produktstudios, Automatisierungsspezialisten, Freelancer und große Beratungen lösen unterschiedliche Probleme. Der richtige KI-Implementierungspartner hängt vom Scope und der bindenden Beschränkung ab — Geschwindigkeit, Compliance, Integration oder Kosten. Bringen Sie zuerst den Scope in Ordnung; dann ist die unabhängige Partnerauswahl eine kurze, evidenzbasierte Übung statt Raterei. (Wenn Sie speziell eingebettete Engineers abwägen, erklärt unser Beitrag zu Forward Deployed Engineering, wann dieses Modell passt.)

5. Welches Budget ist angemessen?

Ein erster Schritt sollte aussehen wie ein Scoping-Workshop im niedrigen fünfstelligen Bereich und ein fokussierter Prototyp im niedrigen bis mittleren fünfstelligen Bereich — kein sechsstelliger Plattform-Build, bevor irgendetwas bewiesen ist. Wenn ein Angebot direkt zu einem großen Programm springt, findet ein unabhängiger AI Proposal Review das Over-Scoping in der Regel schnell.

6. Wie vermeiden wir Overbuilding, Vendor-Lock-in und Piloten, die nie skalieren?

Bleiben Sie anbieterneutral, bis die Daten etwas anderes sagen, halten Sie den ersten Build klein und kartieren Sie die breitere Tooling-Landschaft vor jeder Festlegung — unsere AI-Ecosystem-Karte ist dafür da, dass Sie Komponenten nach Verdienst auswählen, nicht nach dem, wer zuerst gepitcht hat. Die versteckten Kosten des falschen KI-Partners sind selten die Rechnung; es sind der Lock-in und das halbfertige Ding, das niemand wegwerfen kann.

Zum Scope gehört inzwischen Governance

Gerade in Europa ist Scope nicht mehr nur „was funktioniert“ — sondern „was vertretbar ist“. Das NIST AI Risk Management Framework mit seinem Generative-AI-Profil versteht KI-Governance als Lebenszyklus-Arbeit: Evaluation, Vertrauenswürdigkeit und menschliche Aufsicht von Anfang an mitgedacht. Der EU AI Act drängt in dieselbe Richtung — KI-Entscheidungen brauchen zunehmend risikobewusstes Scoping, nicht nur Experimente.

Sie brauchen dafür keine Compliance-Abteilung. Sie brauchen einen Scope, der benennt, wo ein Mensch den Agent überprüft, welche Daten er berührt und wie Sie eine Entscheidung erklären würden, wenn Sie gefragt werden. Das ist von vornherein günstiger zu designen als später nachzurüsten.

Bevor Sie den Partner engagieren: Definieren Sie den Scope

Diesen Satz sollten Sie sich merken: Bevor Sie den Partner engagieren, definieren Sie den Scope. Ein geprüfter Partner kann fast alles bauen. Was er nicht kann, ist Ihnen — unabhängig — sagen, ob das Ding gebaut werden sollte, wie klein es starten sollte oder ob sein eigenes Angebot über-gescopet ist. Das ist die Arbeit, die zuerst passieren muss — und sie muss unabhängig von demjenigen sein, der am Ende liefert.

Bringen Sie den Scope in Ordnung, und der Rest ist Einkauf. Machen Sie ihn falsch, kaufen Sie Lottoscheine mit angehängtem Projektplan.

Die wichtigsten Erkenntnisse

• Ambition ist nicht mehr der Engpass. Ein vager Scope ist es.
• Ein Minimal Viable Agent beweist einen Workflow — Daten, menschliches Review und Wert —, bevor Sie skalieren.
• Beantworten Sie die sechs Fragen (Use Case, MVA-Form, was zu validieren ist, Partnertyp, Budget, Anti-Overbuild) auf einer Seite.
• Governance ist inzwischen Teil des Scopes, keine spätere Phase.
• Definieren Sie den Scope, bevor Sie den KI-Implementierungspartner wählen — unabhängig.