Vom KI-Potenzial über KI-Use-Cases zur belastbaren Managemententscheidung
Im Wintersemester 2026/27 begleitet FITLO | Institute for AI Transfer das Bachelor-Wahlpflichtmodul „Management betrieblicher KI-Use-Cases“ am Lehrstuhl für Wirtschaftsinformatik II der Universität Stuttgart. Gemeinsam mit der Klingele Paper & Packaging Group als industriellem Praxispartner bewerten Studierende reale und praxisvalidierte KI-Anwendungsfälle und entwickeln daraus begründete Go-, No-Go- oder Anpassungsempfehlungen.
KI-Use-Cases zu finden, reicht nicht aus
In vielen Organisationen entstehen inzwischen zahlreiche Ideen für den Einsatz von Künstlicher Intelligenz. Die größere Herausforderung besteht häufig nicht mehr darin, mögliche Anwendungsfälle zu identifizieren. Entscheidend ist vielmehr, diejenigen Vorhaben auszuwählen, die technisch realisierbar, organisatorisch umsetzbar, regulatorisch verantwortbar und wirtschaftlich sinnvoll sind.
Gerade bei KI reichen einzelne Nutzenversprechen oder überzeugende Demonstratoren nicht aus. Eine belastbare Entscheidung muss unter anderem berücksichtigen:
Welches betriebliche Problem soll gelöst werden?
Welche Daten stehen zur Verfügung und in welcher Qualität?
Lässt sich die geplante KI-Funktion technisch realisieren?
Wie kann die Lösung in Prozesse und bestehende Systeme integriert werden?
Welche rechtlichen, ethischen und organisatorischen Anforderungen sind zu beachten?
Welche wirtschaftlichen, ökologischen und sozialen Wirkungen sind zu erwarten?
Welche Verantwortlichkeiten und Kompetenzen werden für Umsetzung und Betrieb benötigt?
An dieser Entscheidungslücke setzt das neue Lehrformat an.
Eine Lehrkooperation zwischen Universität, Industrie und FITLO
Das Modul wird vom Lehrstuhl für Wirtschaftsinformatik II des Betriebswirtschaftlichen Instituts der Universität Stuttgart angeboten. FITLO bringt als Lehrkooperationspartner aktuelle Forschung, methodische Ansätze und Erfahrungen aus organisationalen KI-Vorhaben in die Veranstaltung ein.
Mit der Klingele Paper & Packaging Group steht den Studierenden zugleich ein Praxispartner aus der Industrie zur Seite. Die studentischen Teams arbeiten nicht mit abstrakten Musterfällen, sondern mit realen beziehungsweise praxisvalidierten Problemstellungen aus betrieblichen Prozessen.
Mögliche Fallkorridore umfassen unter anderem:
KI-gestützte Bearbeitung von Kundenanfragen und Angeboten
Produktionsplanung und Reihenfolgeoptimierung
Customer Intelligence und Next Best Action im Vertrieb
Energieprognosen und energieeffiziente Produktion
Qualitäts- und Ursachenanalysen
KI-Assistenz für Verpackungsentwicklung und Materialoptimierung
Die Fälle sind bewusst nicht vollständig vorstrukturiert. Die Studierenden müssen vorhandene Evidenz, plausible Annahmen und offene Informationsbedarfe voneinander unterscheiden. Fehlende Informationen werden nicht durch Vermutungen ersetzt, sondern in gezielte Rückfragen an den Praxispartner überführt.
Acht Schritte von der Ausgangslage zur Empfehlung
Im Mittelpunkt des Moduls steht eine achtstufige Bewertungsmethode. Sie führt die Teams systematisch von der betrieblichen Ausgangslage bis zu einer dokumentierten Managementempfehlung.
1. Scope, Kontext und Referenzprozess klären
Die Teams formulieren die konkrete Entscheidungsfrage, bestimmen Systemgrenzen und analysieren den technischen, organisatorischen und regulatorischen Kontext. Der bestehende Prozess und relevante Ausgangskennzahlen werden als Vergleichsbasis dokumentiert.
2. KI-Use-Cases identifizieren und beschreiben
Aus Prozessproblemen und Pain Points werden mögliche KI-Anwendungsfälle abgeleitet. Dabei unterscheiden die Studierenden zwischen dem betrieblichen Problem, der technischen Lösung und dem jeweiligen KI-Aufgabentyp.
3. Bewertungsrahmen festlegen
Die Teams entwickeln einen fallspezifischen Kriterienrahmen und gewichten die Kriterien anhand der Unternehmensziele und des konkreten Entscheidungskontexts.
4. KI-Use-Cases vorselektieren
Mögliche Anwendungsfälle werden vergleichbar gemacht und zu einer begründeten Auswahl verdichtet.
5. KI-Eignung bewerten
Die ausgewählten Use Cases werden aus technischer, organisatorischer und regulatorischer Perspektive beurteilt. Dazu gehören unter anderem Datenverfügbarkeit, Systemintegration, Governance, Compliance und betriebliche Umsetzbarkeit.
6. KI-Wirkung bewerten
Die erwarteten Auswirkungen werden nicht nur wirtschaftlich, sondern auch ökologisch und sozial betrachtet. Damit geht die Bewertung über eine klassische Wirtschaftlichkeitsrechnung hinaus.
7. Ergebnisse aggregieren und priorisieren
Die einzelnen Bewertungen werden zu einem nachvollziehbaren Gesamtbild zusammengeführt und in ein priorisiertes Use-Case-Portfolio überführt.
8. Empfehlung ableiten und validieren
Am Ende entwickeln die Teams eine begründete Go-, No-Go- oder Anpassungsempfehlung. Dabei benennen sie auch offene Voraussetzungen, Risiken und mögliche nächste Schritte.
Unterschiedliche Rollen schaffen unterschiedliche Perspektiven
Die Gruppenarbeit greift das von Dr. Florian Härer entwickelte Modell der KI-Rolleneinheiten auf und ergänzt es um eine moderierende Funktion. Alle Teammitglieder bearbeiten gemeinsam sämtliche Bewertungsschritte, betrachten diese jedoch aus unterschiedlichen Perspektiven:
Der Orchestrator vertritt die wirtschaftliche und strategische Perspektive, prüft die Tragfähigkeit und priorisiert Vorhaben.
Der Deliverer beurteilt technische Machbarkeit, Datenverfügbarkeit und mögliche Lösungsansätze.
Der Enabler betrachtet organisationale Voraussetzungen, Governance, Compliance und den späteren Betrieb.
Der Connector bringt soziale und ökologische Auswirkungen sowie Akzeptanzfragen ein.
Der Facilitator strukturiert den Bewertungsprozess, moderiert die Gruppe und verantwortet die Dokumentation.
Damit lernen die Studierenden, dass eine belastbare KI-Entscheidung nicht aus einer einzigen fachlichen Perspektive entstehen kann. Technische, wirtschaftliche, organisationale, regulatorische und soziale Bewertungen müssen miteinander verbunden werden.
Fallbasiertes Lernen über ein gesamtes Semester
Das Lehrformat verbindet fachlichen Input unmittelbar mit der Anwendung auf einen semesterbegleitenden Gruppenfall. Auf den Kick-off folgen zehn gebündelte Vorlesungs- und Übungseinheiten. Neue Konzepte werden direkt auf den jeweiligen Unternehmensfall übertragen.
Die Bearbeitung wird in drei aufeinander aufbauenden Etappen dokumentiert:
Vorbereitung und Scoping
Bewertung von KI-Eignung und KI-Wirkung
Empfehlung und Implementierung
Die Gruppen erhalten im Verlauf des Semesters formatives Feedback. Der individuelle Kompetenznachweis erfolgt durch eine 90-minütige schriftliche Prüfung. Darin übertragen die Studierenden die erlernte Bewertungslogik auf einen neuen betrieblichen Anwendungskontext.
Was Studierende aus dem Modul mitnehmen
Nach Abschluss des Moduls können die Studierenden:
betriebliche KI-Use-Cases systematisch identifizieren und abgrenzen,
den Entscheidungskontext und relevante Stakeholder analysieren,
technische, organisatorische und regulatorische Eignung bewerten,
wirtschaftliche, ökologische und soziale Wirkungen einordnen,
Evidenz, Annahmen und Informationslücken unterscheiden,
Bewertungsdimensionen zu einer nachvollziehbaren Entscheidung zusammenführen,
und begründete Empfehlungen gegenüber Management und Praxispartnern vertreten.
Damit vermittelt das Modul nicht nur Wissen über Künstliche Intelligenz. Es entwickelt die Fähigkeit, unter unvollständigen Informationen strukturierte und verantwortbare Managemententscheidungen vorzubereiten.
AI Transfer in der Hochschullehre
Die Lehrkooperation zeigt, was FITLO unter AI Transfer versteht. Forschungsergebnisse und methodische Ansätze werden nicht lediglich vermittelt, sondern auf konkrete Fragestellungen aus der Unternehmenspraxis übertragen.
Gleichzeitig entstehen neue Erkenntnisse darüber, wie KI-Anwendungsfälle systematisch bewertet, Verantwortlichkeiten strukturiert und unterschiedliche fachliche Perspektiven in einem Entscheidungsprozess zusammengeführt werden können.
Das Modul verbindet damit drei Bereiche:
Wissenschaftliche Fundierung, reale Unternehmensfragen und die Entwicklung zukünftiger Fach- und Führungskräfte.
Betreut wird das Lehrformat von Prof. Dr. Georg Herzwurm, Dr. Florian Härer, Dr. Dimitri Petrik und Sarah Merz. FITLO freut sich auf die Zusammenarbeit mit den Studierenden, der Universität Stuttgart und der Klingele Paper & Packaging Group sowie auf die Empfehlungen, die im Laufe des Semesters entstehen werden.
