Wenn RICE nicht reicht: Vier Methoden zur Bewertung von KI-Projekten

Im ersten Teil dieser Serie haben wir fünf KI-Projektvorschläge mit der RICE-Formel durchgerechnet: Patent-Intelligence für Konstrukteure, ein digitales Zeichnungs-Archiv, ein Multi-Agent Innovation-Scout, ein Norm-Checker und ein Datenblatt-Extractor. RICE hat klar entschieden – aber auch Grenzen gezeigt.

Das Multi-Agent-System als strategisch wichtigstes Projekt landete auf dem letzten Platz. Der Norm-Checker wurde trotz Compliance-Relevanz niedrig bewertet. Die Formel sieht nur operative Durchschlagkraft pro investiertem Aufwand.

Wenn man dieselben fünf Projekte mit anderen Methoden bewertet, verschiebt sich das Bild. Das ist kein Widerspruch, sondern ein Hinweis: Jede Methode beantwortet eine andere Frage. Hier sind vier, die RICE sinnvoll ergänzen.

Methode 1: Impact-Effort-Matrix

Die einfachste aller Methoden – und oft der beste Workshop-Einstieg. Zwei Achsen, vier Quadranten. Auf der X-Achse der Aufwand, auf der Y-Achse der geschäftliche Nutzen. Jedes Projekt wird als Punkt eingetragen.

Quick Wins sitzen oben links (hoher Nutzen, geringer Aufwand). Big Bets oben rechts (hoher Nutzen, hoher Aufwand). Fill-Ins unten links (geringer Nutzen, geringer Aufwand). Der Quadrant unten rechts heißt je nach Autor „Money Pit" oder schlicht „nicht machen".

Die Stärke der Matrix ist ihre Sichtbarkeit. Ein Team, das fünfzehn Ideen auf ein Whiteboard klebt, hat in zehn Minuten einen gemeinsamen Überblick. Die Schwäche ist offensichtlich: Confidence fehlt. Das Multi-Agent-System erscheint hier als attraktives Big Bet, obwohl RICE zeigt, dass die Umsetzungswahrscheinlichkeit heute niedrig ist.

Methode 2: WSJF (Weighted Shortest Job First)

WSJF stammt aus dem Scaled Agile Framework und wird vor allem in größeren Entwicklungsorganisationen genutzt. Die Formel:

Der entscheidende Unterschied zu RICE: Zeitliche Dringlichkeit ist eine eigene Dimension. Ein Projekt mit Deadline wird anders bewertet als eines ohne.

Beim Norm-Checker wirkt sich das sofort aus. Der EU AI Act ist seit August 2026 vollständig in Kraft – Hochrisiko-KI-Systeme brauchen seither nachweisbare Compliance. Ein KI-gestützter Norm-Checker, der Konstruktionen gegen DIN-, ISO- und VDI-Normen prüft, fällt potenziell in diesen Bereich. Das erzeugt echten, messbaren Zeitdruck. User-Business Value 5, Time Criticality 9, Risk Reduction/Opportunity Enablement 9, Job Size 8 – WSJF-Score: 2,88. Bei RICE lag dasselbe Projekt auf Platz 4. In der WSJF-Bewertung rückt es in die obere Hälfte.

Beim Multi-Agent-System ist der Effekt geringer. User-Business Value 9, Time Criticality 5 (kein akuter Zeitdruck, aber mittelfristig strategisch wichtig), Risk Reduction/Opportunity Enablement 8, Job Size 8 – WSJF-Score: 2,75. Besser als bei RICE, aber nicht dramatisch anders, weil die akute Dringlichkeit fehlt.

Methode 3: Business Value vs. AI Feasibility Matrix

Dieser Ansatz ist speziell für KI-Projekte gedacht und wird in Varianten von Gartner, McKinsey und anderen Beratungen genutzt. Wieder eine Zwei-Achsen-Matrix, diesmal mit einer KI-spezifischen Dimension.

Auf der X-Achse steht die AI Feasibility – zusammengesetzt aus Datenverfügbarkeit, Reifegrad der Modelle, Integrationsaufwand und interner Expertise. Auf der Y-Achse der Business Value. Das Ergebnis für unsere fünf Projekte:

Die Stärke dieser Matrix ist ihre KI-Spezifik. Sie zwingt Teams, technische Machbarkeit getrennt vom Wunschdenken zu bewerten. Das ist besonders wertvoll, wenn die Organisation wenig KI-Erfahrung hat und Gefahr läuft, jedes Projekt zu starten, bei dem jemand „mit KI" sagt.

Der Multi-Agent Innovation-Scout sitzt oben links: hoher Business Value, niedrige Machbarkeit. Das ist der Quadrant „Monitor and prepare". Nicht ignorieren, aber auch nicht mit Vollgas angehen. Ein kleines Team sollte Erfahrung sammeln, ohne den Ruf des ganzen KI-Programms zu riskieren.

Methode 4: Weighted Scoring Model

Wenn die drei bisherigen Methoden nicht passen, bleibt das flexibelste Werkzeug: ein gewichtetes Bewertungsmodell mit selbst definierten Kriterien. Fünf bis sieben Kriterien, jedes mit einem Gewicht, jedes Projekt auf einer Skala von 1 bis 5 – der gewichtete Mittelwert entscheidet.

Für die fünf Beispielprojekte könnten die Kriterien so aussehen: Compliance-Relevanz (25 %), Business Value (25 %), technische Machbarkeit (20 %), Datenverfügbarkeit (15 %), strategischer Fit (15 %).

Interessant ist, wie sich die Rangfolge gegenüber RICE verschiebt. Wenn Compliance wichtig ist, rückt der Norm-Checker nach vorne. Wenn strategischer Fit hoch gewichtet wird, profitiert das Multi-Agent-System. Wenn Datenverfügbarkeit entscheidend ist, steigt der Datenblatt-Extractor.

Das ist zugleich die Stärke und die Schwäche der Methode. Die Gewichte bestimmen das Ergebnis. Wer die Gewichte wählt, entscheidet implizit die Rangfolge. Ein ehrliches Team nutzt das bewusst: Die Diskussion über die Gewichte ist oft wertvoller als die Rechnung danach.

Zwei weitere, kurz eingeordnet

Die richtige Methode hängt von der Entscheidungssituation ab – nicht vom persönlichen Favoriten.

Welche Methode wann?

Die ehrliche Antwort ist, dass keine einzelne Methode alle Fragen beantwortet. Eine praktische Orientierung:

Die beste Praxis: Zwei bis drei kombinieren

Impact-Effort-Matrix zur visuellen Filterung, danach RICE oder AI-Feasibility-Matrix für die Top-Kandidaten, ergänzt durch WSJF bei Compliance-Themen – und die 70/30-Regel aus dem ersten Artikel für strategische Lerninvestitionen.

Das ist keine Methodendiskussion um ihrer selbst willen. Es ist die Antwort auf die Frage, die in jedem Priorisierungs-Meeting unausgesprochen bleibt: Messen wir hier eigentlich dasselbe?

Meistens nicht. Und sobald das klar ist, wird die Diskussion produktiver.