Ausgangslage
KI-Anwendungen, eingekaufte KI-Tools und laufende Anwendungsfälle lagen verteilt bei verschiedenen Teams. Weder in der Anwendungslandschaft noch im Betriebsmonitoring waren sie vollständig erfasst.
Damit fehlte eine gemeinsame Grundlage, um Risiken einzuschätzen, Kosten zuzuordnen und zu entscheiden, welche Vorhaben ausgebaut werden sollen.
Ziel: Ein durchgängiger Prozess von der Aufnahme eines Anwendungsfalls über die Governance-Bewertung bis zur laufenden Übersicht über Portfolio, Nutzung und Kosten.
Vorgehen
-
01Anforderungen aufnehmen und ein Datenmodell schaffen
Fachliche und technische Anforderungen habe ich aufgenommen, strukturiert und geclustert.
Daraus entstand ein einheitliches Datenmodell für KI-Anwendungsfälle, Tools, Modelle, Datenkategorien und Verantwortlichkeiten – die gemeinsame Sprache für alle weiteren Schritte.
-
02Einen Bewertungsrahmen einführen
Jeder Anwendungsfall durchläuft eine mehrstufige Bewertung: Risikoklasse nach EU AI Act, Datenschutz, Security, Architekturkonformität und Geschäftsnutzen.
Am Ende steht eine klare Entscheidung: Freigabe, Freigabe mit Auflagen oder Ablehnung. Wechselt das Modell, kommen neue Daten hinzu oder steigen die Kosten sprunghaft, wird neu bewertet.
-
03Portfolio und Nutzung sichtbar machen
In LeanIX ist jede KI-Anwendung als Fact Sheet mit eigenen Governance-Feldern erfasst – verknüpft mit Business Capability, Fachbereich, dem Modell als IT Component, Anbieter, Datenobjekten und dem Freigabestatus. Daraus entstand eine gemeinsame Übersicht über die KI-Nutzung.
Datadog-Dashboards zeigen Nutzung, Latenzen, Fehlerraten und Token-Kosten der angebundenen LLM-Dienste. Beide Welten verbindet eine gemeinsame Use-Case-ID als Tag: Ein Python- bzw. n8n-Job schreibt Nutzung und Kosten aus Datadog per API zurück in das LeanIX-Fact-Sheet. Monitore in Datadog melden, wenn Budgetschwellen erreicht werden.
-
04Entscheidungen vorbereiten
Für Architektur- und Security-Gremien habe ich Entscheidungsvorlagen erstellt.
Fachbereiche und IT-Steuerung erhalten regelmäßig Kosten- und Budgetübersichten der KI-Initiativen.
1 Aufnahme
- Anwendungsfall
- Tools und Modelle
- Datenkategorien
- Verantwortliche
2 Bewertung
- Risikoklasse (EU AI Act)
- Datenschutz
- Security
- Architektur
- Geschäftsnutzen
3 Entscheidung
- Freigabe
- Freigabe mit Auflagen
- Ablehnung
4Laufende Steuerung
LeanIX
KI-Anwendung als Fact Sheet
- Business Capability · Fachbereich
- Modell als IT Component · Anbieter
- Datenobjekte · Freigabestatus
Datadog
Dashboards der LLM-Dienste
- Nutzung · Latenzen · Fehlerraten
- Token-Kosten
- Monitore bei Budgetschwellen
Neubewertung bei Modellwechsel, neuen Daten oder Kostensprung
Ergebnis
KI-Anwendungsfälle durchlaufen einen nachvollziehbaren Prüf- und Freigabeprozess. Das KI-Portfolio ist mit Verantwortlichkeiten, Risiken und Nutzungsdaten zentral dokumentiert.
Fachbereiche und IT haben eine gemeinsame Grundlage für Priorisierung, Kostenkontrolle und den weiteren Ausbau der KI-Landschaft.