Projektkontext & Auftrag
Sechs Wochen, vier Organisationen aus der Freien Wohlfahrt, acht Tech-Expert:innen aus Produktmanagement, Software-, UX- und Service Design – in dieser Case Study nehme ich dich mit durch unseren kompletten Prozess bei der Tech Exploration der Bertelsmann Stiftung. Für den schnellen Überblick zum Ergebnis gibt es die Projektseite sowie die Seite der Tech Exploration für weitere Infos– hier geht es ums Wie: welche Methoden wir eingesetzt haben, welche Ideen wir wieder verworfen haben und warum.
Unser Tandem arbeitete mit der Paulinenpflege e.V. zusammen, einem Träger der Jugend- und Behindertenhilfe mit Ausbildungs-, Wohn- und Werkstattangeboten. Zusammen mit meinem Tandempartner Markus Kreutzer, einem systemischen Designer, habe ich den Fokus auf eine Frage gelegt: Welche Rolle können KI-Systeme für Menschen auf dem Autismusspektrum innerhalb der Paulinenpflege spielen?
Der Ablauf des Projekts gliederte sich in fünf Phasen:
1) Verstehen
Folgende Methoden haben wir eingesetzt, um ein umfassendes Verständnis über die Paulinenpflege mit ihren Herausforderungen und Klient:innen zu bekommen: Systemmap, Best Practices, Pain Points, Tech-Analyse, Interviews & Observierung sowie Zukunftswerkstatt.
2) Problemfeld rahmen
Nach der Analysephase haben wir aus den gesammelten Erkenntnissen Problemfelder gerahmt. Dabei haben wir die Probleme mit ihrem Ursprung und ihren Auswirkungen skizziert und in einen Kontext zueinander gestellt. Die Problemfelder helfen zu verstehen, wo eine KI-Lösung die größte Hebelwirkung hätte.
3) Lösungsansätze überlegen
Neben den Problemfeldern haben wir außerdem zusammen mit den Klient:innen und Mitarbeitenden der Paulinenpflege eine Vision sowie Lösungsansätze entwickelt. Ziel der Phase war, ein systemisches Portfolio mit Handlungsoptionen aufzuskizzieren.
4) Fokus und Details
Aus einem Portfolio von Lösungsansätzen haben wir drei Ideen ausgewählt, die am besten auf die Bedürfnisse der Klient:innen passten und eine hohe Skalierbarkeit aufwiesen. Diese drei Ideen haben wir mit der Methode AI Canvas (ähnlich dem Business Model Canvas) ausgearbeitet. Am Ende gab es eine Idee, die den größten Mehrwert und das größte Potenzial aufwies.
5) Pitch Deck
Die finale Idee wurde am letzten Tag der Tech Exploration als Pitch Deck präsentiert. Dabei hatten die Teilnehmer:innen der Abschlusspräsentation die Möglichkeit, weiteres Feedback zu geben und Fragen beantwortet zu bekommen. Mit dem Pitch Deck bewerben wir uns nun für Fördermittel, um die Idee zum Produkt weiterentwickeln zu können.
Verstehen – Analyse des aktuellen Zustands
Die Organisation
Durch die Analyse von Prozessstrukturen (Abb. 1), das Aufstellen einer Stakeholdermap (Abb. 2) und eine ausführliche Führung durch die Räumlichkeiten und Angebote der Paulinenpflege Winnenden haben wir uns ein Verständnis rund um die Organisation geschaffen. Besonders die internen Abläufe sowie die unterschiedlichen Klient:innen der Paulinenpflege haben uns interessiert.
Prozessmodelle
Zwei Prozesse der Paulinenpflege haben wir besonders in den Fokus gesetzt: die Studienassistenz für Menschen mit Autismus sowie das CCM (Care & Case Management). Diese Prozesse haben wir mit Hilfe der beiden Methoden „Service Blueprint" (Abb. 3) und „Customer Journey" (Abb. 4) visualisiert, um die Nutzerreise der Klient:innen im Zusammenhang mit den Arbeitsschritten der Paulinenpflege sichtbar zu machen. Beim Service Blueprint visualisiert man außerdem parallel zu den internen Schritten die aktuell genutzten technischen Systeme sowie weitere angehängte Prozesse. Die Methoden haben uns geholfen, die Prozesse und Abläufe gesamtheitlich zu verstehen und Probleme sowohl aus Sicht der Klient:innen als auch der Mitarbeitenden der Paulinenpflege herauszuarbeiten.
Zukunftswerkstatt
Nachdem wir die Prozesse der Fokusbereiche Studienassistenz und CCM verstanden hatten, ging es weiter mit dem Workshopformat „Zukunftswerkstatt". Die Zukunftswerkstatt ist eine besondere Form der Zusammenarbeit und des Ideenaustauschs. Hier kommen Menschen unterschiedlicher Hintergründe und Erfahrungen zusammen, um gemeinsam über die Zukunft nachzudenken und kreative Lösungen zu entwickeln. In diesem Fall haben wir eng mit den Klient:innen der Paulinenpflege zusammengearbeitet, um herauszufinden, wie KI ihr zukünftiges Leben bereichern könnte. Dabei haben wir in drei Phasen gearbeitet: einer Kritikphase, um aktuelle Probleme und Herausforderungen zu verstehen, einer Phantasiephase, um die Zukunftswünsche zu erfragen, und einer Verwirklichungsphase, um Handlungsoptionen zu erarbeiten.
Interviews und Observierung
Um Hypothesen aus der Zukunftswerkstatt sowie aus Gesprächen mit verschiedenen Klient:innen während der Observierung der Organisationsstätte zu validieren, haben wir zusätzlich qualitative Interviews mit Klient:innen auf dem Autismusspektrum geführt.
Problemfelder & erste Ideen
Problemfelder erkennen
Im ersten Schritt haben wir die Herausforderungen der Klient:innen, aber auch der Mitarbeitenden der Paulinenpflege dokumentiert (Abb. 5), um sie im zweiten Schritt mit einer Problem Map (Abb. 6) in einen Kontext zu stellen. Beim Problem Mapping schaut man, welche Herausforderungen zusammenhängen und wie sie untereinander verknüpft sind. Dadurch entstehen Problemfelder wie z. B. in der oberen Abbildung rechts das Feld „Arbeit".
Erste Ideen und Bewertung
Schon während der Befragung der Klient:innen und Mitarbeitenden der Paulinenpflege sowie während der Zukunftswerkstatt sind viele Ideen entstanden, die wir auf unserem Kollaborationsboard dokumentiert haben. Für die Priorisierung der Ideen haben wir zunächst mit der Problem Map abgeglichen, welche Idee die größte Hebelwirkung innerhalb der Problemfelder hätte. Die übrigen Ideen waren dann:
1. Der „Lotse" durch das Sozialsystem
Menschen mit Behinderung sind oft auf soziale Leistungen angewiesen. Für diese müssen Anträge ausgefüllt und Daten immer wieder angegeben werden. Der „Lotse" würde Menschen mit Behinderung dabei unterstützen, die passende Leistung zu finden und Anträge auszufüllen. Dazu gehört z. B. die Übersetzung von Anweisungen in leichte Sprache, die automatische Datenübernahme sowie eine intelligente Ausfüllhilfe.
2. Der „Lebensplaner"
Auch der „Lebensplaner" ist eine Idee, die Menschen mit Behinderung bei der Beantragung von Leistungen unterstützen soll, indem sie mit Prognosen arbeitet. Diese Prognosen sollen helfen, Leistungen, die im Laufe des Lebens benötigt werden, zu identifizieren und rechtzeitig zu beantragen. So kann z. B. schon im Kindesalter ein Platz für ein betreutes Wohnen gesichert werden.
3. „Universeller Übersetzer"
Diese Idee kam auf, da die Paulinenpflege auch unterschiedliche Ausbildungen für Menschen mit Behinderung anbietet, dabei jedoch mit Fachliteratur arbeiten muss, die nicht auf die individuellen Bedürfnisse der Auszubildenden eingeht. Der Übersetzer würde je nach Einschränkung die Fachliteratur anpassen. So können Fachtexte z. B. auch in einfache Sprache umgewandelt oder als Audio abgespielt werden.
4. „Kommunikationshelfer"
Diese Idee entstand, da viele der Klient:innen mit Autismus ihre Herausforderungen in der menschlichen Interaktion und Kommunikation geschildert haben. Da die Herausforderung oft darin besteht, dass Missverständnisse durch fehlende Interpretation aufkommen, soll der „Kommunikationshelfer" bei Konversationen und Interaktionen helfen, indem z. B. eine Konversation in leichte Sprache übersetzt wird.
5. „Alltagshelfer"
Dieses Tool könnte mehrere Funktionen anbieten, wie z. B. einen Planer mit Erinnerungsfunktion für Menschen mit Autismus oder Demenz, die Probleme haben, ihren Alltag zu bewältigen. Alle Aufgaben und Termine werden entweder alleine oder mit fachlicher Unterstützung in das Tool eingetragen, und der „Alltagshelfer" erstellt einen Plan, der individuell an die Bedürfnisse des Menschen angepasst ist. So ist es z. B. bei manchen Autist:innen wichtig, dass der Planer immer die gleiche Struktur verwendet und bei einer Veränderung der Struktur die Nutzenden darauf vorbereitet.
6. Der „Optionengenerator"
Bei dieser Idee geht es darum, im aktuell noch relativ starren und standardisierten System innerhalb der Job- und Ausbildungslandschaft (aber auch in weiteren Bereichen wie Freizeit) ein individuelles und flexibles Angebot für Menschen mit Behinderung zu schaffen. Dazu werden z. B. Stellenausschreibungen genommen und mit den Fähigkeiten und Interessen der Menschen mit Behinderung abgeglichen. Aus dem Abgleich sollen neue Job-Optionen generiert werden, und Unternehmen bekommen z. B. durch Inklusionsleitfäden Werkzeuge an die Hand, mit denen sie Inklusion real umsetzen können.
Da die ersten beiden Ideen „Lotse" und „Lebensplaner" vor allem auf die Herausforderungen der Mitarbeitenden statt der Klient:innen zielten, haben wir diese zunächst ausgeklammert, um den Fokus vollständig auf die Klient:innen zu setzen. Die restlichen Ideen haben wir in Ideen-Templates (Abb. 7) beschrieben, sodass Nutzergruppe, Nutzen, Ziel, Vision und Roadmap ersichtlich sind. Mit Unterstützung der Ideen-Templates haben wir die Ideen dann nach den Faktoren Umsetzbarkeit, Wirkungsorientierung, Refinanzierbarkeit und Skalierbarkeit bewertet (Abb. 8).
Die Bewertung machte deutlich, dass vor allem die Ideen „Alltagshelfer" und „Optionengenerator" das höchste Potenzial aufwiesen. Daher führten wir für diese Ideen eine kurze Wettbewerbsanalyse durch und sahen schnell, dass es für die Richtung „Alltagshelfer" (explizit für Menschen mit Behinderung) bereits einige Lösungen gab. Im Gegensatz dazu gab es für den „Optionengenerator" noch keine Lösung, die Menschen mit Behinderung einbezieht.
Die finale Idee – KRAK•E
Entstehung & Name
Bei der Ausarbeitung der Idee des Optionengenerators haben wir auch die Funktionalitäten und den Prozess skizziert, wie Optionen generiert werden (Abb. 9).
Der Kerngedanke: Statt nur die Klient:innen an ein starres System anzupassen, dreht das Tool die Richtung um. Es nimmt Fähigkeiten, Wünsche und Bedürfnisse der Klient:innen (z. B. Menschen auf dem Autismus-Spektrum) auf und gleicht sie mit Jobbeschreibungen von Unternehmen ab. Gleichzeitig bekommen Unternehmen konkrete Tipps und Anleitungen, wie sie ihre Angebote inklusiver gestalten können. Das Prinzip ist also zweiseitig: Nicht nur die Klient:innen sollen sich anpassen, auch die Jobprofile selbst verändern sich – dadurch entstehen Optionen, die es vorher schlicht nicht gab.
Den Namen haben wir uns nicht leicht gemacht. Eine Krake verknüpft mit ihren acht Armen viele Dinge gleichzeitig – genau das macht auch unser Tool: Daten aus unterschiedlichen Quellen zusammenbringen, um neue Optionen zu schaffen. Dass der Begriff „Datenkrake" im deutschen Sprachraum negativ aufgeladen ist, fanden wir dabei reizvoll statt abschreckend: Wir wollten zeigen, dass Daten nicht zwangsläufig Kontrolle bedeuten, sondern – richtig eingesetzt – auch ein Mittel zu mehr Teilhabe sein können.
Das AI Canvas
Da die Idee des „Optionengenerators" bei der Bewertung am höchsten abgeschlossen hat, haben wir sie detailliert mit der Methode „AI Canvas" (Abb. 10) ausgearbeitet. Die Methode basiert auf der Methode des Business Model Canvas und ergänzt diesen um den Einsatz von KI. So ist es im AI Canvas z. B. wichtig, die infrastrukturellen Voraussetzungen mitzudenken, da diese beim Einsatz von KI mehr bzw. speziellere Aufwände und Ressourcen benötigen als ein Projekt ohne KI. Es ist außerdem wichtig, die beteiligten und benötigten Akteure genau zu überlegen, um mit all den Informationen aus dem AI Canvas besser abschätzen zu können, was der Aufwand und die Kosten des Projekts sein könnten.
Service Blueprint – Soll-Zustand
Um die Idee sowie Prozesse und Nutzerinteraktionen von KRAK•E für Außenstehende verständlicher zu machen, haben wir einen weiteren Service Blueprint für den zukünftigen Soll-Zustand erstellt (Abb. 11). Dieser zeigt jedoch keinen vorhandenen Prozess, sondern skizziert grob, wie der zukünftige Prozess mit dem Einsatz von KRAK•E aussehen könnte. Als Nutzergruppe haben wir Menschen mit Autismus definiert, die zum ersten Mal mit KRAK•E in Kontakt kommen. Zusätzlich zeigt der Blueprint, an welcher Stelle die KI im Tool zum Einsatz kommt und welche Aufgaben sie übernimmt. In der letzten Ebene haben wir außerdem die Anbindungen, unsere sekundäre Nutzergruppe und ihre Aktionsschritte und Schnittstellen zu KRAK•E festgehalten.
Pitch Präsentation
Am letzten Projekttag hat jedes Team seine Idee als Pitch-Präsentation in großer Runde bei der Bertelsmann Stiftung vor Ort vorgestellt. Die Runde bestand nicht nur aus unseren Teams und Projektpartnern, sondern auch aus Interessent:innen, weiteren Wohlfahrtsverbänden und Stakeholdern der Bertelsmann Stiftung. Lass dich durch unseren Pitch von KRAK•E überzeugen!
Abschluss & Fazit
Rückblickend war die Tech Exploration für mich ein Lernprojekt in mehrfacher Hinsicht. Fachlich habe ich zum ersten Mal intensiv mit KI als Gestaltungsgegenstand gearbeitet – und gemerkt, wie sehr sich Service Design und KI-Entwicklung ergänzen: Ohne die vorgelagerte Prozess- und Problemanalyse hätten wir vermutlich eine technisch elegante, aber am Bedarf vorbeigehende Lösung gebaut. Genauso wichtig war mir, dass wir die Klient:innen der Paulinenpflege nicht nur befragt, sondern in der Zukunftswerkstatt aktiv mitgestalten haben lassen – gerade bei einem Thema wie KI, über das sonst oft über die Köpfe der Betroffenen hinweg entschieden wird.
Wie es mit KRAK•E weitergeht?
Seit dem Projektabschluss hat sich beim technischen Prototyping viel getan: Dank aktueller KI-Tools können wir mittlerweile eine funktionsfähige Version des Optionengenerators bauen, ohne zuerst auf Fördermittel warten zu müssen. Fördermittel suchen wir weiterhin – allerdings mit einem anderen Ziel: Ging es anfangs darum, überhaupt einen Prototypen zu realisieren, geht es jetzt darum, die App auf die nächste Stufe zu bringen und marktreif zu machen.
Für die erste App-Version soll es in eine Testphase mit Nutzer:innen gehen. Parallel möchte ich mit einer Kollegin von Little Ears e.V. eine Stärkenanalyse für Menschen mit Hörbehinderung aber auch weiteren Einschränkungen entwickeln und testen. Steht diese Stärkenanalyse, kann KRAK•E in eine erste marktfähige Version gehen.
Wenn du als Organisation oder Unternehmen an einer Kooperation interessiert bist – als Testpartner, als Förderer oder für den späteren Einsatz von KRAK•E – melde dich gerne bei mir.
