Planungs-Dashboard – vorher und nachher mit KI-gestützter Durchsicht

Das Dashboard links ist das, was das Planungsteam vor der Durchsicht betrachtete. Siebenunddreißig KPIs. Vier Zeitreihen-Diagramme. Zwei Pivot-Tabellen. Alles technisch vorhanden; nichts priorisiert.

Die Prompt-Kette lief in drei Stufen: zuerst ein vollständiges Lesen der Dashboard-Spezifikation, dann eine Kritik-Durchsicht mit der Frage, was ein erfahrener Prüfer streichen würde, dann eine Wiederaufbau-Durchsicht mit nur den zehn Kennzahlen, die überlebt hatten. Das Ergebnis ist rechts.

Was sich änderte: siebenundzwanzig Kennzahlen entfernt, nicht weil sie falsch waren, sondern weil sie nicht entscheidungsrelevant waren. Die beiden verbliebenen Zeitreihen-Diagramme wurden um die tatsächliche Planungsentscheidung herum neu gerahmt (Meldebestand vs. aktuelle Lagerposition) statt um das, was einfach aus dem System zu ziehen war.

Was das gekostet hat: Vierzig Minuten, eine Claude-Sitzung, eine gut strukturierte Prompt-Kette. Die KI verstand den Planungskontext nicht – er wurde ihr gegeben. Der Prompt enthielt die Entscheidung, die das Dashboard unterstützen sollte, und das Publikum, das es lesen würde. Dieser Kontext war es, der die Arbeit leistete.

Was sie nicht getan hat: Die KI hatte keine Einsicht in die zugrunde liegenden Daten. Sie prüfte die Struktur und die Rahmung, nicht die Zahlen. Ein Mensch musste weiterhin verifizieren, dass die zehn überlebenden Kennzahlen korrekt berechnet waren. Automatisierung übernimmt die Struktur; Urteilsvermögen übernimmt die Genauigkeitsprüfung.

Fehlermodus: Die erste Version des Kritik-Prompts war zu aggressiv – sie markierte zwölf Kennzahlen zur Entfernung, die tatsächlich tragend für einen nachgelagerten Prozess waren, von dem der Prompt nichts wusste. Die zweite Version fügte eine Einschränkung hinzu: “Schlagen Sie keine Entfernung einer Kennzahl vor, die in das wöchentliche S&OP-Paket einfließt.” Das brachte ein nützlicheres Ergebnis.