Strategiepapiere erzeugen keine operative Hebelwirkung. Deployete Workflows schon. Die 90-Tage-KI-Betriebssystem-Installation ist ein 13-Wochen-Umsetzungskalender, der eine Organisation von der initialen Bewertung zu einem governed, produktiven KI-Workflow mit Lernschleifen bringt — der Infrastruktur, die für Aufaddierung nötig ist.
Das ist kein theoretisches Framework. Es ist der exakte Kalender, den wir mit Kunden durchlaufen. Er entspricht Teil III von The AI Operating System, wo der vollständige Implementierungsleitfaden inklusive Templates, Decision Gates und Fehlerbehebungsmustern im Detail dokumentiert ist.
Der 90-Tage-Kalender entspricht Plan 3 (OS Build) auf der KI-Betriebssystem-Seite. Plan 1 (Discovery) und Plan 2 (Accelerator) decken Phase 1 bzw. die Phasen 1+2 ab — dieselbe Methodik, zugeschnitten auf das Engagement-Level, das zum Startpunkt der Organisation passt.
Die drei Phasen
Die 13 Wochen gliedern sich in drei Phasen, jede mit eigenen Zielen, Deliverables und Decision Gates.
Phase 1: Discovery (Wochen 1–2). Alle sechs Dimensionen bewerten. Den Workflow mit der größten Hebelwirkung identifizieren. KPIs definieren. Einen Deployment-Plan erstellen.
Phase 2: Accelerator (Wochen 3–8). Den ersten produktiven Workflow bauen und deployen. Delegationsregeln und Review-Zyklen etablieren. Messbare operative Hebelwirkung erzielen.
Phase 3: OS Build (Wochen 9–13). Governance-Baseline installieren. Lernschleifen aktivieren. Auf 2–3 Workflows skalieren. Den operativen Rhythmus etablieren, der trägt und aufaddiert.
Jede Phase endet mit einem Decision Gate. Das Gate ist binär: zur nächsten Phase fortschreiten oder stoppen und blockierende Themen adressieren. Gates zu überspringen ist der Weg, wie 90-Tage-Pläne zu 12-Monats-Projekten werden.
Phase 1: Discovery — Wochen 1–2
Das Ziel der Discovery ist nicht, Möglichkeiten zu erkunden. Es ist, eine Entscheidung zu treffen: Welchen Workflow zuerst deployen.
Woche 1: Die sechs Dimensionen bewerten
Jedes Engagement beginnt mit einer strukturierten Bewertung der sechs Dimensionen: Workflow-Readiness, Datenzugänglichkeit, Entscheidungsautorität, Compliance-Posture, Teamkapazität und Operating-Model-Klarheit.
Deliverables:
- Dimensionen-Scorecard (jede Dimension bewertet als blockierend/schwach/adäquat/stark)
- Datenlandschaftskarte: Wo liegen die relevanten Daten, wie werden sie abgerufen, wie ist der Pfad zum KI-Workflow?
- Stakeholder Map: Wer ist der Executive Sponsor, wer sind die Domänenexperten, wer ist der technische Counterpart?
- Compliance-Vorbewertung: EU-AI-Act-Risikoklassifizierung für die Kandidaten-Workflows, DSGVO-Implikationen, Datenverarbeitungsanforderungen
Aktivitäten:
- Stakeholder-Interviews (Executive Sponsor, Bereichsleiter, Domänenexperten, IT-Leitung) — typischerweise 6–8 Interviews à 45 Minuten
- Technische Datenbewertung: Zugang zu aktuellen Systemen, API-Verfügbarkeit evaluieren, Datenqualität für Kandidaten-Workflows bewerten
- Prozessdokumentation prüfen: bestehende Workflow-Dokumentation, aktuelle KPIs, bekannte Engpässe
Team: 2 Remote-Native-Berater (Strategy Lead + Technical Lead), kundenseitiger Executive Sponsor, 2–3 Domänenexperten (20 % Allokation), IT-Counterpart
Häufiger Fehlermodus: Woche 1 mit strategischen Alignment-Meetings verbringen statt mit Hands-on-Assessment. Discovery ist eine Untersuchung, kein Workshop. Wenn die Datenlandschaft bis Ende Woche 1 nicht bewertet wurde, wird der Zeitplan abrutschen.
Woche 2: Workflow auswählen und KPIs definieren
Basierend auf der Woche-1-Bewertung wählt das Team das Deployment-Ziel aus und erstellt den Deployment-Plan.
Deliverables:
- Ausgewählter Workflow mit dokumentierter Begründung (warum dieser Workflow, warum jetzt, was ist der erwartete Impact)
- Baseline-Messung: aktueller Durchsatz, Fehlerquote, Zykluszeit und Kosten pro Einheit für den ausgewählten Workflow
- KPI-Ziele: erwartete Verbesserung pro Metrik nach 30, 60 und 90 Tagen Post-Deployment
- Deployment-Plan: Datenpipeline-Architektur, Integrationspunkte, Delegationsframework-Entwurf, Compliance-Ansatz, Teamzuordnungen
- Decision-Gate-Dokument: Go-/No-Go-Empfehlung für Phase 2
Workflow-Auswahlkriterien:
- Höchster Score bei Workflow-Readiness (klare Inputs, Outputs und Erfolgsdefinition)
- Daten zugänglich innerhalb von 2–3 Wochen (keine Multi-Monats-Infrastrukturvoraussetzung)
- Executive Sponsor mit klarer Autorität und Engagement
- Volumen ausreichend für messbaren Impact (typischerweise 50+ Einheiten pro Woche)
- Compliance-Profil im Zeitrahmen handhabbar (idealerweise nicht hochriskant per EU AI Act für das erste Deployment)
Decision Gate 1: Hat der ausgewählte Workflow adäquate Scores über alle sechs Dimensionen? Ist die Baseline gemessen? Genehmigt der Executive Sponsor den Deployment-Plan? Wenn ja, weiter zu Phase 2. Wenn nein, die blockierenden Dimensionen adressieren, bevor fortgefahren wird.
Phase 2: Accelerator — Wochen 3–8
Der Accelerator ist kein Pilot. Er ist ein Produktions-Deployment-Programm. Das Ziel ist ein Workflow, der täglich läuft, echtes Volumen verarbeitet und messbare operative Hebelwirkung produziert.
Wochen 3–4: Kontext-Layer und Workflow-Prototyp bauen
Deliverables:
- Produktions-Datenpipeline: automatisiert, zuverlässig, Aktualitätsanforderungen erfüllend
- Kontext-Layer: Wissensbasis mit Domänenregeln, Ausnahmen und Referenzdaten
- Workflow-Prototyp: End-to-End-Verarbeitung realer Inputs mit KI-generierten Outputs
- Erster Delegationsmatrix-Entwurf
Aktivitäten:
- Datenpipeline-Engineering: An Quellsysteme anbinden, Extraktions- und Transformationslogik bauen, Validierungschecks implementieren, Monitoring deployen
- Wissensbasis aufbauen: Domänenexperten interviewen, um Entscheidungsheuristiken zu erfassen, strukturierte Wissensdokumente bauen, RAG-Retrieval implementieren
- Workflow-Entwicklung: Prompt Engineering, Output-Format-Design, Integration mit vor- und nachgelagerten Systemen
- Compliance-Integration: Logging, Audit-Trails und Datenverarbeitung gemäß DSGVO-Anforderungen implementieren
Teamzusammensetzung verschiebt sich: Engineering-Kapazität wird hochgefahren. Domänenexperten steigern auf 30 % Allokation für den Wissensbasis-Aufbau. Compliance-Review läuft parallel — nicht nach dem Build.
Häufiger Fehlermodus: Das Modell bauen, bevor die Datenpipeline zuverlässig ist. Wenn die Datenpipeline bis Ende Woche 4 nicht stabil ist, wird der Workflow-Prototyp auf unzuverlässigen Fundamenten gebaut. Erst die Pipeline fixen.
Wochen 5–6: Deployen, messen, kalibrieren
Deliverables:
- Produktions-Deployment: Der Workflow verarbeitet täglich reale Inputs
- 14-Tage-Performance-Daten: Genauigkeit, Durchsatz, Konfidenzwert-Verteilungen, Eskalationsraten
- Kalibrierte Entscheidungsarchitektur: Konfidenz-Schwellenwerte angepasst basierend auf initialer Performance
- Finalisierte Delegationsmatrix mit Eskalationsregeln
Aktivitäten:
- Produktions-Deployment mit Monitoring und Alerting
- Tägliche Output-Prüfung durch Domänenexperten (30 Minuten pro Tag)
- Schwellenwert-Kalibrierung: Konfidenz-Schwellenwerte anpassen basierend auf beobachteter Genauigkeit bei verschiedenen Konfidenzleveln
- Eskalationspfad-Tests: Verifizieren, dass eskalierte Fälle die richtigen Handler mit dem richtigen Kontext erreichen
- Operating-Model-Kommunikation: Das betroffene Team briefen, wie sich seine Arbeit verändert
Häufiger Fehlermodus: Ohne Baseline-Messung deployen. Wenn die Baseline in Woche 2 nicht erfasst wurde, gibt es keine Basis zur Verbesserungsmessung. Zurückgehen und messen — auch eine schnelle 3-Tage-Stichprobe ist besser als nichts.
Wochen 7–8: Stabilisieren und dokumentieren
Deliverables:
- 30-Tage-Performance-Report: Alle KPIs gegen Baseline gemessen, Trendanalyse
- Dokumentierte Betriebsverfahren: Wie der Workflow läuft, wer ihn überwacht, wie Ausnahmen behandelt werden
- Review-Rhythmus etabliert: tägliche Stichproben, wöchentliche Qualitätsreviews, monatliche Performance-Reviews
- ROI-Berechnung: Gemessene Verbesserung × Stückökonomie = annualisierter Wert
Aktivitäten:
- In Wochen 5–6 aufgetauchte Themen adressieren: Prompt-Verfeinerungen, Wissensbasis-Updates, Prozessanpassungen
- Review-Verfahren formalisieren: Wer macht was, wann, wie werden Ergebnisse dokumentiert
- Das Operating Team trainieren: nicht an der Technologie, sondern am neuen Workflow — Review-Verfahren, Eskalationspfade, Ausnahmebehandlung
- 30-Tage-Ergebnisse dem Executive Sponsor mit Skalierungsempfehlung präsentieren
Decision Gate 2: Produziert der Workflow messbare operative Hebelwirkung? Sind die Betriebsverfahren dokumentiert und funktionsfähig? Betreibt das Team den Workflow ohne externe Unterstützung? Wenn ja, weiter zu Phase 3. Wenn der Workflow mehr Stabilisierungszeit braucht, Phase 2 um 2 Wochen verlängern, bevor fortgefahren wird.
Phase 3: OS Build — Wochen 9–13
Phase 3 installiert die Betriebssystem-Infrastruktur, die KI aufaddierend statt einmalig macht. Ein einzelner Workflow ist ein Projekt. Ein Betriebssystem ist eine Fähigkeit.
Wochen 9–10: Governance-Baseline und Lernschleifen
Deliverables:
- KI-Governance-Framework: Dokumentierte Richtlinien für Datenverarbeitung, Modell-Management, Entscheidungsautorität und Compliance
- Lernschleifen-Architektur: Ergebniserfassungsmechanismus, Analyse-Rhythmus, Verbesserungs-Tracking
- Zweiter Workflow-Kandidat identifiziert und bewertet (unter Nutzung der Learnings vom ersten Deployment)
- Aktualisierte Dimensionen-Scorecard: Alle sechs Dimensionen mit der Erfahrung des ersten Deployments neu bewerten
Aktivitäten:
- Governance-Dokumentation: Delegationsregeln, Review-Verfahren und Compliance-Ansatz in wiederverwendbare Richtlinien kodifizieren
- Ergebniserfassung für den ersten Workflow implementieren: KI-Outputs mit nachgelagerten Ergebnissen verbinden
- Erste Lernanalyse durchführen: 60 Tage Ergebnisdaten prüfen, Verbesserungskandidaten identifizieren, Schnelle Erfolge umsetzen
- Zweiten Workflow-Kandidaten gegen die sechs Dimensionen bewerten, unter Nutzung bestehender Dateninfrastruktur
Häufiger Fehlermodus: Governance als Dokumentationsübung behandeln. Governance ist operativ — es ist die Delegationsmatrix, der Review-Rhythmus, die Eskalationsregeln, die Lernschleifen. Wenn sie nur in einem Dokument existiert, das im Tagesgeschäft niemand referenziert, ist es keine Governance. Es ist Papierkram.
Wochen 11–12: Auf zweiten Workflow skalieren
Deliverables:
- Zweiter Workflow in Produktion deployt (unter Nutzung bestehender Dateninfrastruktur und Governance-Framework)
- Cross-Workflow-Monitoring-Dashboard: Beide Workflows in einer Ansicht sichtbar
- Aktualisiertes Governance-Framework: An zwei Workflows getestet, für Wiederverwendbarkeit verfeinert
Aktivitäten:
- Zweiten Workflow bauen und deployen (signifikant schneller als den ersten — typischerweise 2 Wochen statt 6, weil Datenpipelines, Governance-Framework und Teamfähigkeit bereits existieren)
- Cross-Workflow-Analyse: Gemeinsame Datenabhängigkeiten, gemeinsame Eskalationsmuster, wiederverwendbare Komponenten identifizieren
- Governance-Stresstest: Funktioniert das Governance-Framework für zwei Workflows? Wo bricht es?
Warum der zweite Workflow wichtig ist: Der erste Workflow beweist, dass KI in Ihrer Organisation funktioniert. Der zweite Workflow beweist, dass Sie ein System zum Deployen von KI haben — nicht ein einmaliges Projekt. Wenn der zweite Workflow genauso lange dauert wie der erste, ist das Betriebssystem nicht installiert. Wenn er einen Bruchteil der Zeit braucht, hat die Aufaddierung begonnen.
Woche 13: Operativer Rhythmus und Übergabe
Deliverables:
- Operating-Cadence-Dokument: Wöchentliche, monatliche und quartalsweise Rhythmen für das KI-Workflow-Management
- Dritter Workflow-Kandidat bewertet und vorbereitet
- 90-Tage-Performance-Report: Alle KPIs für beide Workflows, Trendanalyse, ROI-Berechnung
- Capability Assessment: Was das interne Team jetzt ohne externe Unterstützung kann
- Skalierungs-Roadmap: Nächste 3–6 Monate an Workflow-Kandidaten mit Priorisierung
Aktivitäten:
- Den operativen Rhythmus etablieren: Wer trifft sich wann, was wird geprüft, welche Entscheidungen werden getroffen
- Wissenstransfer: Sicherstellen, dass das interne Team die Betriebsverfahren, den Review-Rhythmus und die Lernanalyse eigenverantwortlich beherrscht
- 90-Tage-Ergebnisse dem Executive Sponsor und dem Führungsteam präsentieren
- Skalierungsplan definieren: Welche Workflows als Nächstes, welche Infrastrukturinvestition nötig ist, welche Teamkapazität benötigt wird
Decision Gate 3: Hat die Organisation ein funktionierendes KI-Betriebssystem — nicht nur deployete Workflows, sondern Governance, Lernschleifen und einen operativen Rhythmus, der ohne externe Unterstützung trägt und aufaddiert? Wenn ja, ist die Installation abgeschlossen. Die Organisation ist bereit, eigenständig zu skalieren.
Wie das Team aussieht
Die 90-Tage-Installation erfordert eine spezifische Teamstruktur. Unterbesetzung in jeder Rolle verlängert den Zeitplan.
Kundenseite:
- Executive Sponsor: 10 % Zeitallokation, verfügbar für wöchentliche Entscheidungsfindung
- Domänenexperten: 2–3 Personen, 20–30 % Zeitallokation, essenziell für Wissensbasis-Aufbau und Output-Qualitätsprüfung
- IT-Counterpart: 1 Person, 15–20 % Zeitallokation, verantwortlich für Datenzugang und Systemintegration
- Workflow-Owner: 1 Person (kann ein Domänenexperte sein), 30 % Zeitallokation ab Woche 5, verantwortet den täglichen Betrieb
Remote-Native-Seite:
- Strategy Lead: Verantwortet das Engagement, moderiert Decision Gates, managt Stakeholder-Alignment
- Technical Lead: Architektur der Datenpipeline, Workflow-Design, Implementierung
- Engineering-Team: 2–3 Ingenieure für Entwicklungs- und Integrationsarbeit (Wochen 3–12)
Was schiefgeht und wie Sie sich erholen
Woche 2 stockt, weil die Organisation keinen Workflow auswählen kann. Das bedeutet, der Executive Sponsor hat nicht genug Autorität oder die Organisation ist nicht bereit. Lösung: Die Kandidaten auf zwei eingrenzen. Beide dem Geschäftsführer mit Empfehlung präsentieren. Entscheidung innerhalb von 48 Stunden einholen.
Woche 4 stockt, weil Daten nicht zugänglich sind. Der häufigste Blocker. Lösung: Einen Workaround für das erste Deployment finden (manueller Export, CSV-Upload, direkter Datenbankzugriff). Die ordentliche Pipeline parallel bauen. Nicht auf die perfekte Datenpipeline warten, um den Workflow-Build zu starten.
Woche 6 zeigt, dass die Genauigkeit unter den Erwartungen liegt. Erwartbar. Lösung: Die Fehlermuster analysieren. 80 % der Fehler kommen typischerweise von 3–4 Grundursachen. Diese Ursachen adressieren (meist Kontext-Layer-Lücken oder fehlende Domänenregeln) und neu messen.
Woche 10 zeigt, dass Governance als Overhead wahrgenommen wird. Das Team folgt den Review-Verfahren, weil man es ihm gesagt hat, nicht weil es den Wert sieht. Lösung: Die Lerndaten zeigen. Wenn das Team sieht, dass seine Review-Erkenntnisse zu Verbesserungen geführt haben, die seine eigene Arbeitslast reduziert haben, wandelt sich Governance von Compliance-Pflicht zu operativem Werkzeug.
Den vollständigen 90-Tage-Kalender mit Woche-für-Woche-Checklisten, Template-Deliverables und Recovery-Playbooks finden Sie in Kapitel 09 von The AI Operating System. Für die detaillierten Frameworks, die in diesem Kalender referenziert werden — Kontext-Layer, Entscheidungsarchitektur, Delegation und Review, Lernschleifen — siehe Kapitel 04–08.
Für ein Gespräch über die Durchführung der 90-Tage-Installation in Ihrer Organisation vereinbaren Sie ein Erstgespräch.