Von der Geschäftsstrategie zu Data- & KI-Produkten

Das Data & AI Strategy Framework Canvas

Visualisieren und steuern Sie Ihre Data- & KI-Strategie-Workshops mit dem Data & AI Strategy Framework. Dieses Tool führt Sie von der strategischen Vision zur praktischen Umsetzung und integriert zentrale Ergebnisse in eine durchgängige Roadmap.

Zum Canvas

Kontakt aufnehmen

Was ist das Data & AI Strategy Framework Canvas?

Das Data & AI Strategy Framework Canvas dient als zentrale Grundlage für die Planung, Durchführung und Nachbereitung eines Data- & KI-Strategie-Workshops. Es bietet eine übersichtliche Darstellung der wichtigsten Ziele, relevanten Materialien und erwarteten Ergebnisse – sowohl zur Vorbereitung als auch zur späteren Auswertung der erzielten Fortschritte.

Zu Beginn hilft das Canvas, Erwartungen zu klären, indem es die Hauptziele des Workshops und die angestrebten Ergebnisse (Deliverables) festhält. Es erfasst relevante Vorbereitungsmaterialien und definiert die beteiligten Stakeholder, sodass alle Teilnehmenden mit einem gemeinsamen Verständnis für Zweck und Umfang des Workshops starten. Nach Abschluss dient dasselbe Canvas als Referenz, um den finalen Umfang der Data- & KI-Strategie festzulegen, konkrete Ergebnisse zu dokumentieren und deren Umsetzung nachzuverfolgen.

Das Framework bildet zudem die Top-Down- und Bottom-Up-Dynamik der Strategieentwicklung und -umsetzung ab. Zu Beginn des Workshops werden zunächst übergeordnete Ziele, Werttreiber und angestrebte Data- & KI-Produkte definiert. Darauf aufbauend werden organisatorische und technologische Anforderungen erarbeitet – ein klarer Top-Down-Prozess, der bei der strategischen Ausrichtung beginnt und mit den technologischen, organisatorischen und personellen Voraussetzungen endet.

Nach der strategischen Festlegung unterstützt das Canvas die anschließende Bottom-Up-Umsetzung. Es leitet an, wie Ressourcen, Organisationsstrukturen und technische Fähigkeiten optimal eingesetzt werden, um die definierten Ziele zu erreichen. Durch diese kohärente Struktur sorgt das Framework für klare Zielausrichtung, messbare Verantwortlichkeiten und eine durchgängige Sichtbarkeit aller Schritte auf dem Weg zu einer ganzheitlichen Data- & KI-Strategie.

Der Canvas im Detail

Den Canvas als PDF herunterladen

Den Canvas als PNG herunterladen

Das Data & AI Strategy Framework Canvas steht kostenlos unter einer Creative-Commons-Lizenz zur Verfügung:
Sie dürfen das Canvas nutzen und anpassen, solange Sie Datentreiber als Quelle nennen.

Wann sollte das Data & AI Strategy Framework Canvas verwendet werden?

Vor dem Workshop:
Dokumentiere die Ziele des Workshops, die geplanten Deliverables und vorhandene Vorbereitungsmaterialien. Kläre frühzeitig, wer beteiligt ist und welche Erwartungen bestehen – so entsteht eine solide Grundlage für produktive Diskussionen.
Nach dem Workshop:
Überprüfe die erarbeiteten Ergebnisse, aktualisiere das Canvas mit den finalen Outputs und stelle sicher, dass alle gesetzten Ziele erreicht wurden. So lassen sich Fortschritte nachvollziehen, Erfolge sichtbar machen und offene Schritte zur Umsetzung der Data- & KI-Strategie identifizieren.

Durch den gezielten Einsatz des Data & AI Strategy Framework Canvas an diesen Schlüsselpunkten bleibt der gesamte Strategieprozess strukturiert, konsistent und nachvollziehbar.

Wie wird das Data & AI Strategy Framework Canvas genutzt?

Das Data & AI Strategy Framework Canvas unterstützt die Entwicklung einer Data- & KI-Strategie, die sich konsequent an den zentralen Geschäftsfragen orientiert:

Wertorientiert: Warum setzt unser Unternehmen auf Daten und KI?
Nutzerzentriert: Wer im Unternehmen nutzt Daten und KI?
KI-gestützt: Wie setzen wir Analytics und KI ein?
Datengetrieben: Welche Daten nutzen wir?

Das Framework stellt sicher, dass die Data- & KI-Strategie eng mit der Unternehmensstrategie verzahnt ist – und dass das Geschäftsmodell ganzheitlich und systematisch weiterentwickelt wird. 🚀

1a Header

Der Header legt fest, welchen Inhalt das Canvas abbildet und sollte die folgenden Informationen enthalten:

Designed for: Für welche Organisation (Unternehmen, Abteilung, Team etc.) gilt der Inhalt des Canvas?
Designed by: Welche Organisation (Unternehmen, Abteilung, Team etc.) hat den Inhalt erstellt?
Date: Wann wurde der Inhalt erstellt oder zuletzt aktualisiert?
Focused on: Auf welchen Bereich/Thema/Fall/etc. konzentriert sich dieses Canvas?

Es sollten keine Kopien desselben Canvas mit identischem Header existieren. Der Header kennzeichnet eindeutig eine Version des Canvas (eine Kopie) und dokumentiert den aktuellen Stand des Inhalts.

2 Business Strategy

Eine Business Strategy beantwortet (mindestens) drei Kernfragen:

Why does the company exist (i.e., what is its purpose or value)?
Die Vision beschreibt eine positive Veränderung für Kunden und das Unternehmen in der Zukunft.
How does the company „play to win“ (e.g., win customers against its competitors)?
Die Mission erklärt, wie das Unternehmen seine Vision mithilfe strategischer Initiativen umsetzen will.
What does the company need to achieve (e.g., product, process, or service innovations)?
Die Milestones definieren zeitlich gesetzte, abgestufte Ziele entlang der Mission (strategische Business Initiatives).

3 Business Model

Wie wird die Business Strategy in den operativen Betrieb überführt?

Das Business Model bildet eine Wertschöpfungskette ab, in der die primären Aktivitäten des Unternehmens vernetzt sind, um Kundennutzen (Benefits) sowie Erlöse und Vorteile (Revenues & Advantages) zu generieren. Ein Unternehmen kann verschiedene Business Models betreiben (z. B. B2C und B2B). Die Struktur des Business Models folgt in der Regel der gewählten Business Strategy („Structure follows strategy“) und definiert die entscheidenden Business Domains.

a-e) Business Domain
Welche Business Domains sind verantwortlich für:

Das Umsetzen der (strategischen) Business Initiatives?
Die Durchführung der (operativen) Geschäftsaktivitäten?

Eine Business Domain verantwortet zusammenhängende Geschäftsaktivitäten mit einem bestimmten Ziel und steuert die zugehörigen Geschäftsprozesse, um Key Results zu liefern. Diese Ziele und Key Results sollten mit den strategischen Business Initiatives abgestimmt sein.

Die Ergebnisse entstehen durch Entscheidungen und Handlungen (den Business Process) der jeweiligen Stakeholder, also der handelnden und entscheidenden Personen für diesen Prozess. Diese Stakeholder sind potenzielle Nutzer von Daten und KI, um Entscheidungen, Prozesse, Produkte und das Business Model zu verbessern.

Jede Business Domain besitzt einen relevanten Satz an Data- und AI-Use(r)-Cases. Ein Use Case beschreibt, wie ein User Analytics und KI auf Daten anwendet, um ein Business-Ziel zu erreichen oder ein Key Result zu erzeugen. Er definiert ein Problem, eine nutzerzentrierte Lösung und einen daraus entstehenden Nutzen.

Die domain-spezifischen Use Cases legen fest, welche Data und AI Products (auch datengetriebene und analytische Lösungen genannt) benötigt werden. Ein einzelnes Data oder AI Product kann mehrere Use Cases abdecken und kann in bestehende operative Business-Anwendungen integriert oder über verschiedene analytische Business-Anwendungen bereitgestellt werden.

Eine Business Domain kann sich über mehrere Organisationseinheiten erstrecken, um sicherzustellen, dass relevante Aktivitäten und Prozesse effektiv gesteuert und mit der übergeordneten Business Strategy verknüpft werden.

4 Data Monetization

Warum, wie und welche Daten werden (über Analytics/KI) genutzt, um (monetären) Wert für die Business Domains zu schaffen?

Data Monetization kann auf zwei Arten erfolgen:

Intern: Informationen aus Daten werden genutzt, um Umsatz zu steigern, Kosten zu senken oder Risiken zu minimieren.
Extern: Daten, Data Products oder Informationen werden an Kunden lizenziert.

4a Data Value

Welchen Wert haben die Daten für das (Strategie-/Modell-/Domain-)Geschäft?

Daten besitzen (Informations-)Wert, wenn sie die Geschäftsentscheidungen, Handlungen, Ergebnisse und Ziele entlang der Data Value Chain unterstützen:

Data → Analytics → Information → Decisions → Actions → Results → Objectives

4b Data Products

Welche Data und AI Products benötigt das Unternehmen in seinen Business Domains?

Ein Data Product ist das Ergebnis von Analytics auf Daten, um Informationen zu gewinnen. Wird eine einmalige, manuelle Auswertung vorgenommen, nennt man das Ad-hoc-Analyse (AHA). Data Products sind hingegen wiederverwendbare, skalierbare und softwaregestützte Analyse-Lösungen, die als nutzerfreundliche Anwendung bereitgestellt werden und mehrere Use Cases abdecken.

Ein AI Product entsteht, indem Machine-Learning-Modelle mithilfe von Daten trainiert werden.

4c Data Analytics

Welche Data-Analytics-Fähigkeiten sind notwendig, um die gewünschten Informationen zu erhalten?

Data Analytics bezeichnet die rechnergestützte Analyse von Daten mit Methoden wie statistischen Verfahren oder Machine Learning. Dieser Prozess – auch Data Mining genannt – umfasst viele Verarbeitungsschritte:

Data Sourcing → Cleansing → Transformation → Integration → Modeling → Visualization → Utilization

Data Analytics wird nach dem Analytics Domain (z. B. Marketing Analytics, Supply Chain Analytics) unterteilt, das sich auf einen Geschäftsbereich bezieht, und nach dem Reifegrad:

Descriptive
Diagnostic
Predictive
Prescriptive
Autonomous Analytics

Ein höherer Reifegrad bedeutet mehr Komplexität, aber auch mehr Wert, da die Data Value Chain weiter ausgereizt wird.

Abhängig vom Analytics-Reifegrad, der verwendeten mathematischen, statistischen oder probabilistischen Technik und der Analytics Domain müssen spezifische Datenanalyse-Pipelines entwickelt werden, um etwa generative KI zu ermöglichen:

Web Scraping → Word Embedding → Large-Language Model Training → Model Evaluation → Model Deployment

4d Data Sets

Welche Data Sets dienen als Input für Data Analytics?

Ein Data Set ist eine Sammlung (zusammenhängender) Daten und stammt aus einer Data Source, z. B. einer operativen Datenbank (etwa einem relationalen Datenbanksystem) oder einem analytischen Datenbanksystem (Data Warehouse, Data Lake etc.). Eine Data Source kann mehrere Data Sets enthalten und ihre Daten können strukturiert (z. B. tabellarisch), semistrukturiert (z. B. Key-Value-Paare) oder unstrukturiert (z. B. Textdokumente) sein.

Data Sources lassen sich in Roh- oder abgeleitete Daten sowie in Owned, Earned (0th & 1st Party), Paid (2nd & 3rd Party) oder Public/Open Data klassifizieren. Wenn Daten als Data Product monetarisiert werden, spricht man von einem Data Asset. Sind Daten erforderlich, aber nicht verfügbar, liegt eine Data Gap vor. Sind Daten vorhanden, weisen jedoch Probleme bei Qualität, Zugänglichkeit, Datenschutz, Sicherheit etc. auf, handelt es sich um eine Data Issue.

5 TOP Initiatives

Welche technologischen, organisatorischen und personellen (TOP) Initiatives sind nötig, um die erforderlichen Fähigkeiten für ein datengetriebenes und KI-gestütztes Unternehmen aufzubauen?

Eine Initiative ist eine Reihe priorisierter, zusammenhängender und aufeinander abgestimmter Maßnahmen (Projekt(e), wiederkehrende oder laufende Aktivitäten), die darauf abzielen, technische, organisatorische und personelle Ressourcen bereitzustellen bzw. Veränderungen umzusetzen. Die TOP Initiatives schaffen die notwendige technologische Infrastruktur, Organisationsstruktur sowie Personalstruktur und -kultur für Data Monetization, wobei Data und AI Products auf dieser strukturellen Basis aufsetzen. Da „Structure follows strategy“, orientieren sich diese Data- und AI-Maßnahmen an der Business Strategy sowie an der Data und AI Monetization.

Um die technologische Infrastruktur zu implementieren und zu betreiben, braucht es eine passende Organisationsstruktur, die wiederum durch eine angemessene Personalstruktur getragen wird. Die TOP-Struktur wird von oben nach unten geplant, aber von unten nach oben iterativ und inkrementell aufgebaut.

Typische TOP Data und AI Initiatives sind:

Data and AI Management and Governance
Data and AI Literacy and Culture
Data and AI Architecture and Infrastructure

Zusätzlich empfiehlt sich eine spezifische TOP Initiative für Data und AI Strategy sowie Data und AI Products, um die technischen, organisatorischen und personellen Voraussetzungen zur Weiterentwicklung der Data- und AI-Strategie und -Produkte zu schaffen.

5a Technology

Welche Initiatives sind nötig, um die technologische Infrastruktur für die Entwicklung und den Betrieb aktueller und zukünftiger Data und AI Products zu schaffen oder anzupassen?

Technologische Initiatives konzentrieren sich auf:

Technical Infrastructure: Welche Hard- und Softwarekomponenten werden benötigt, damit die Anforderungen der Data und AI Products erfüllt werden?
Technical Architecture: Wie fügen sich diese Komponenten zu einem zuverlässigen, skalierbaren, wartbaren, anpassungsfähigen, sicheren und leistungsstarken System zusammen?

Die technische Infrastruktur und Architektur werden für Folgendes benötigt:

Entwicklung von Data und AI Products: Dazu gehören Programmiersprachen, Frameworks, Bibliotheken und Tools für Softwareentwicklung, Data Science, ETL, Dashboarding, Reporting usw.
Betrieb von Data und AI Products: Dazu gehören Datenbanken, Cloud Computing, Feature Stores und Tools für (Meta)Data-Management, DataOps, MLOps, ModelOps usw.

Um nicht in die „Fool with a Tool“-Falle zu tappen, müssen Tools und Schulungen gemeinsam eingeführt werden, damit die nötigen Fähigkeiten vorhanden sind.

Ein weiterer häufiger Fehler ist „Boys need toys“ – wenn Tools angeschafft werden, ohne einen konkreten Verwendungszweck zu haben. Die technische Infrastruktur sollte auf die Anforderungen der Data Monetization abgestimmt sein, um unnötige Investitionen und Folgekosten zu vermeiden. Gleichzeitig darf sie nicht zu klein bemessen sein, um Probleme bei Performance, Sicherheit, Compliance und Wartung zu verhindern.

Systems Design und Systems Thinking sind Methoden zur Gestaltung soziotechnischer Systeme. Ziel der TOP Initiatives ist es, ein einzelnes System zu realisieren – anstatt mehrere konkurrierende Systeme um Budget, Personal oder Datenressourcen aufzubauen.

5b Organization

Welche Initiatives sind nötig, um die Organisation zu verändern oder neue Einheiten zu schaffen, die für die Entwicklung und den Betrieb der technischen Infrastruktur sowie der Data und AI Products verantwortlich sind?

Eine Organization ist eine Gruppe von Personen, die sich zu einem bestimmten Zweck zusammenschließt, zum Beispiel um ein bestimmtes Data oder AI Product zu entwickeln und zu betreiben. Eine Organisationseinheit kann ein rechtlich eigenständiges Unternehmen sein, ein Bereich oder eine Abteilung innerhalb der Firma oder eine temporäre, bereichs- oder unternehmensübergreifende Arbeitsgruppe.

Eine Organization definiert sich durch:

Purpose: Warum existiert diese Organisationseinheit? Genau wie ein Unternehmen eine Business Strategy hat, benötigt auch eine untergeordnete Einheit eine Strategie. Beispielsweise verantwortet die Data- und AI-Einheit die Data und AI Strategy.
Roles: Wer hat welche Ziele (Verantwortung), muss welche Key Results liefern (Erwartungen), darf welche Handlungen vornehmen (Fähigkeiten), trifft welche Entscheidungen (Autorität), erhält welche Informationen (Kommunikation) und arbeitet wie mit wem zusammen (Kollaboration)?
Structure: Wie sind die Beziehungen (Reporting, Anforderungen, Verantwortung usw.) zwischen den Rollen und Einheiten? Beispiele sind Matrix-, Hierarchie-, Hub-&-Spoke-, Holacracy- oder (Data) Mesh-Organisationen.
Processes: Wie laufen Entscheidungen und Handlungen verschiedener Rollen zusammen, um die erwarteten Ergebnisse zu liefern? Zum Beispiel: Wie werden Datenfehler erkannt, behoben und vermieden? Wie werden Vorschläge für Data- und AI-Use-Cases bewertet, priorisiert und zur Umsetzung eingeplant?

Das Conway’s Law besagt: „Organizations which design systems (in the broad sense used here) are constrained to produce designs which are copies of the communication structures of these organizations.“

Daher sollte die organisatorische Struktur auch in der Systemarchitektur abgebildet werden, zum Beispiel in einem Data Warehouse oder Data Lake.

5c People

Welche Personen benötigen wir, um die erforderlichen Kompetenzen und Kapazitäten in der Organization aufzubauen?

People sind das Fundament eines Unternehmens – insbesondere eines datengetriebenen und KI-gestützten. Sie bringen die benötigten Qualifikationen und Ambitionen mit.

Damit eine Organization reibungslos funktioniert, braucht sie die richtige:

Personnel Structure: Welche fachlichen und persönlichen Kompetenzen, Berufserfahrungen, Personalkapazitäten und Verfügbarkeiten werden benötigt (oder nicht mehr)? Überdenken Sie Ihre Personalstrategie, um T-förmige Personen zu finden, die sich in einem Bereich besonders gut auskennen, aber auch Grundwissen in anderen Bereichen haben.
Personnel Culture: Welche Werte, Regeln, Glaubenssätze, Normen, Prinzipien, Verhaltensmuster, Rituale, Führungs- und Kommunikationsstile herrschen vor? Legt das Führungsteam beispielsweise mehr Wert auf Autonomie statt auf Autorität – ein entscheidendes Prinzip in datengetriebenen Organisationen?

Um effektiv zusammenzuarbeiten, benötigen Menschen ein gemeinsames Mindset. Dazu gehören:

Joint Purpose: Eine klare, geteilte und akzeptierte Business Strategy. Nicht die strategische Qualität, sondern vor allem die Umsetzung ist entscheidend – alle müssen aktiv daran arbeiten.
Shared Knowledge: Um Missverständnisse zu vermeiden und effizient zu kommunizieren, braucht es gemeinsame Grundlagen, insbesondere zu Daten und KI (Data und AI Literacy).
Mutual Understanding: Data und AI Products sind komplexe Innovationsprojekte mit hohem Risiko des Scheiterns. Sie erfordern interdisziplinäre Teams, die gemeinsam konzipieren, entwickeln und betreiben.
Common Values: Konflikte, z. B. kultureller Art oder Interessenkonflikte, sind unvermeidlich. Gemeinsame, auf Werten basierende Regeln sind entscheidend, um solche Konflikte zu lösen.

Data-driven and AI-powered business is people business.

Wo finde ich weitere Informationen?

Detaillierte Anleitungen und Praxisbeispiele zur Nutzung des Canvas im Kontext einer ganzheitlichen Daten- & KI-Strategie finden Sie in unserer Data & AI Design Bench.
Data Thinker Group (LinkedIn)

train. think. transform.

Kontakt | Rechtliche Hinweise | Datenschutzerklärung | Haftungsausschluss | Allgemeine Geschäftsbedingungen

Train. Think. Transform.

To the top