Als UX-Beraterin im dx.house von DB Systel hatte ich die Gelegenheit, an einem Training von Datentreiber zur Data & AI Business Design Methode teilzunehmen. Dank eines von Gaetano Rizzo geleiteten Projekts konnte ich diese Methode direkt testen und anwenden. Das Projekt bot eine hervorragende Gelegenheit, um herauszufinden, wie der strukturierte Ansatz des Data & AI Business Design – in Kombination mit den frei verfügbaren Tools von Datentreiber – beim Entwickeln datengetriebener Produkte helfen kann, die gleichermaßen auf die Bedürfnisse der Nutzer und die Ziele des Unternehmens abgestimmt sind. Diese Erfahrung war äußerst wertvoll, um neue Wege zu entdecken, wie sich Analytics, nutzerzentriertes Denken und Geschäftsnutzen verbinden lassen.
Nutzerverständnis als zentrales Fundament
Das Nutzerverständnis ist der Grundstein für die Gestaltung wirkungsvoller Datenprodukte. Der Prozess beginnt damit, die Nutzer zu identifizieren und ihre Arbeitsabläufe, Ziele und Schmerzpunkte genau zu verstehen. Mithilfe gezielter Methoden wie Interviews und Beobachtungen werden Erkenntnisse gesammelt, die dabei helfen, datengetriebene Lösungen exakt auf die Bedürfnisse der Nutzer auszurichten. So stellt man sicher, dass das Produkt echte Mehrwerte liefert, indem es konkrete Probleme löst und die Arbeitsabläufe der Nutzer verbessert.
Dieser Fokus auf das Nutzerverständnis überbrückt auch die Kluft zwischen Technologie und praktischer Anwendung. Indem man Feedback der Nutzer in den Designprozess einbezieht, entstehen Lösungen, die sowohl intuitiv als auch effektiv sind. Viele Projekte scheitern aufgrund geringer Akzeptanz – oft deshalb, weil die Nutzerperspektive übergangen wird. Ein nutzerzentrierter Ansatz sorgt nicht nur für höhere Akzeptanz, sondern auch dafür, dass Datenprodukte stärker an die übergeordneten Ziele der Organisation gekoppelt sind.
Geschäfts- und Prozessanalyse
Zu Beginn führten wir eine Geschäfts- und Prozessanalyse durch, um den Ist-Zustand festzuhalten. Dazu haben wir die Geschäftsprozesse visuell im Detail abgebildet (zum Beispiel einen Antragsprozess mit klar definierten Start- und Endpunkten). Anschließend wurden bestehende Use Cases sowie bereits implementierte Anwendungen herausgearbeitet.
Ein konkretes Beispiel: Für einen Prozess, dessen Ziel es war, die Effizienz in der Antragsbearbeitung zu erhöhen, haben wir den Workflow skizziert und dabei zentrale Entscheidungsschritte sowie beteiligte Stakeholder hervorgehoben. Auf diese Weise konnten wir mögliche Optimierungspotenziale identifizieren. Eine umfassende Analyse des Ist-Zustands, einschließlich aller bestehenden Anwendungen, gab zudem Aufschluss über den KI-Reifegrad der Organisation.
Nutzerzentrierter Fokus
Im nächsten Schritt rückte der Nutzer in den Mittelpunkt:
Wir wählten den nächstgelegenen Use Case aus und bestimmten die potenzielle Nutzergruppe. Durch gezielte Interviews sammelten wir detaillierte Informationen zu den Arbeitsabläufen, Zielen und Herausforderungen der Nutzer. Dieses Nutzerverständnis ist entscheidend, um eine analytische Lösung aus der Perspektive der Nutzer zu entwickeln und Mehrwerte zu schaffen. Häufig scheitern analytische Projekte an geringer Nutzerakzeptanz oder mangelndem Mehrwert, weil sie ohne Einbezug der Nutzer entwickelt werden.
Damit ein Use Case erfolgreich umgesetzt werden kann, ist es notwendig, die technischen Voraussetzungen des Produkts oder Dienstes zu prüfen. Im Rahmen der Analyse der Datenlandschaft wurden daher bestehende Datenquellen gesichtet, um alle relevanten Datensätze zu identifizieren. Dazu zählten unter anderem Projektlisten und weitere Dokumente. Abschließend wurden die Daten und Informationen zusammengeführt, um ein technisch-analytisches Konzept zu erstellen.
Iterativer Prozess und Ergebnisse
Die Data & AI Business Design Methode hat sich in unseren Workshops als äußerst wirkungsvoll erwiesen, insbesondere durch ihren starken Fokus auf das Nutzerverständnis. Dadurch konnten wir ein technisch-analytisches Konzept für ein Produkt bzw. einen Service entwickeln. In einem iterativen Vorgehen lieferten wir wertvolle Erkenntnisse zu Geschäftsprozessen, Nutzerbedürfnissen und Datenstrategie und schufen somit eine solide Basis für ein KI-Produkt.
Ich freue mich darauf, diese Methode weiter zu verfeinern und auch in zukünftigen Projekten anzuwenden.
About the author
Madlen Kirsten (Senior User Experience Designerin || DB Enterprise Applications || Human-Centered-AI bei DB Systel GmbH)
Verpassen Sie keine weiteren Blog-Beiträge und abonnieren Sie unseren Newsletter.
