KKC_0194 | Make, Buy or Partner? KI-Entscheidungen

Sie stehen vor der Frage, ob Sie KI besser selbst entwickeln, eine Plattform einkaufen oder mit einem Dienstleister umsetzt. In diesem Seminar bauen Sie dafür eine Entscheidungslogik auf, die nicht auf Bauchgefühl basiert, sondern auf nachvollziehbaren Kriterien, Zahlen und Risiken. Sie starten mit der Einordnung von Use Cases nach Reifegrad: Welche Daten sind wirklich verfügbar, wie stabil sind die Prozesse, wie lässt sich Nutzen messen und welche Abhängigkeiten entstehen im Betrieb.

Für Make analysieren Sie, was Eigenentwicklung in der Praxis bedeutet: Zielarchitektur mit Datenpipeline und MLOps, Rollen und Teamzuschnitt, sowie laufende Aufgaben wie Monitoring, Model Drift und Incident-Prozesse. Sie lernen, Kostenblöcke über einen realistischen Zeitraum zu modellieren, inklusive Run- und Change-Aufwänden. Für Buy bewerten Sie Plattformen und Standardlösungen entlang von Integrationsaufwand, Sicherheitsanforderungen, Datenresidenz, Logging und Portabilität.

Sie arbeiten heraus, welche Funktionen Sie wirklich brauchen und wo versteckte Abhängigkeiten entstehen. Für Partner entwickeln Sie Steuerungsmechanismen: Liefermodelle, RACI, SLAs und KPIs, Abnahme- und Teststrategien sowie klare Regelungen zu IP, Nutzungsrechten und Trainingsdaten. Regulatorik wie EU AI Act und Datenschutz wird dabei nicht als Blocker behandelt, sondern als Teil der Entscheidung.

Am Ende können Sie eine Entscheidungsvorlage erstellen, die Business Case, Risiko, Governance und Roadmap sauber verbindet.

• KI-Use-Cases nach Reifegrad, Datenlage und messbarem Nutzen bewerten
• Eigenentwicklung mit Architektur, Rollen, MLOps und Betriebsaufwand einordnen
• Plattform- und Standardlösungen nach Integration, Sicherheit und Portabilität prüfen
• Partner-Modelle mit RACI, SLAs, KPIs und Abnahmestrategien steuern
• Kostenblöcke, Risiken, IP, Nutzungsrechte und Trainingsdaten berücksichtigen
• EU AI Act und Datenschutz in Entscheidungslogiken integrieren
• Eine Entscheidungsvorlage mit Business Case, Risiko, Governance und Roadmap erstellen

Das Seminar richtet sich an Geschäftsführung, IT- und Digitalverantwortliche, Einkauf, Projektleitungen, Innovationsmanagement und Entscheider/innen für KI-Vorhaben.

Vorausgesetzt wird ein grundlegendes Verständnis für Unternehmensprozesse, Investitionsentscheidungen oder digitale Projekte. Technische Spezialkenntnisse sind nicht erforderlich.

• Entscheidungsrahmen für KI-Initiativen
  • Use-Case-Reifegrad: Daten, Prozesse, Nutzen
  • Build-vs-Buy-vs-Partner als Portfolio-Entscheidung
  • Entscheidungskriterien: Time-to-Value, Risiko, Lock-in
  • Governance: Rollen, Freigaben, Verantwortlichkeiten
• Eigenentwicklung realistisch planen (Make)
  • Zielarchitektur: Datenpipeline, Feature Store, MLOps
  • Teamzuschnitt: Product, Data, ML, Plattform
  • Betrieb: Monitoring, Drift, Incident-Prozesse
  • Kostenblöcke: Build, Run, Change über 24 Monate
• Plattformen und Standardlösungen bewerten (Buy)
  • LLM- und AI-Plattformen: Abgrenzung, Stärken, Grenzen
  • Integrationsaufwand: Identity, Datenzugriff, APIs
  • Sicherheit und Compliance: Logging, Datenresidenz
  • Exit-Strategien: Portabilität und Vertragshebel
• Partner- und Dienstleistermodelle steuern (Partner)
  • Liefermodelle: Projekt, Produktteam, Managed Service
  • RACI, SLAs, KPIs: messbar statt vage
  • IP, Nutzungsrechte, Trainingsdaten, Prompt-Artefakte
  • Qualitätssicherung: Abnahme, Tests, Red-Teaming
• Risiko, Recht und Regulatorik in Entscheidungen
  • EU AI Act: Risikoklassen und Pflichten ableiten
  • Datenschutz: Zweckbindung, TOMs, Auftragsverarbeitung
  • Security by Design: Secrets, Zugriff, Supply Chain
  • Modellrisiken: Halluzinationen, Bias, Prompt Injection
• Business Case und Entscheidungsvorlage
  • ROI-Logik: Nutzenarten, Annahmen, Sensitivität
  • Make/Buy/Partner-Scorecard und Gewichtungen
  • Roadmap: Pilot, Skalierung, Betriebsübergabe
  • Vorlage: Entscheidungsvorlage für Steering Committees