KI-Initiativen taggen: Eine praktische Taxonomie für Operators

Von Tracy N · Aktualisiert am 24. April 2026

Die meisten Organisationen wählen ihr KI-Portfolio nicht aus. Es sammelt sich an.

Der Vertrieb pilotiert ein Outreach-Tool. Der Support kauft einen Chatbot. Die Finanzabteilung beginnt, einen Ausgabenklassifizierer zu nutzen. Das Marketing ergänzt ein Abonnement für Content-Generierung. Jede Entscheidung ergab für sich Sinn. Doch sechs Monate später hat niemand einen klaren Überblick darüber, was das Unternehmen tatsächlich besitzt, was sich überschneidet, was nicht gemessen wird und was still ohne Prüfstufe läuft.

Wenn die Führung nach „der KI-Strategie“ fragt, ist die ehrliche Antwort meist eine nach Abteilungen sortierte Liste von Anbieternamen. Das ist keine Strategie. Es ist eine Beschaffungsspur. Und sie übersteht weder ein Board-Gespräch noch eine ernsthafte Governance-Frage.

Das zugrunde liegende Problem ist nicht, dass Teams KI-Tools kaufen. Es fehlt ein gemeinsames Vokabular, um zu beschreiben, was jedes Tool tut, und zwar in vergleichbaren Begriffen. Ohne dieses Vokabular können Sie weder Duplikate erkennen noch Lücken finden, Risiken prüfen oder Fortschritte berichten. Was Sie nicht beschreiben können, können Sie nicht steuern.

Eine Tagging-Taxonomie löst das. Sie gibt jeder Initiative einen gemeinsamen Satz von Feldern: welche Fähigkeiten sie nutzt, welche Daten sie verbraucht, welchem Muster sie folgt, wo der Mensch im Loop sitzt. Führen Sie die Übung einmal durch, und aus einem Portfolio, das wie Rauschen aussah, wird ein lesbares. Und lesbare Portfolios lassen sich managen.

Warum Tracking ohne Taxonomie zusammenbricht

Der natürliche Instinkt ist, KI-Initiativen nach Anbietername zu katalogisieren („wir haben Gong, Intercom und das Ausgaben-Ding") oder nach Team („Vertrieb hat zwei Tools, Support hat eines"). Das funktioniert bei drei Initiativen. Bei acht bricht es zusammen.

Ohne eine gemeinsame Taxonomie landet man bei:

• Zwei Teams, die nahezu identische Generate-Tools betreiben, weil niemand sie verglichen hat
• Einem Execute-Workflow ohne menschliches Review, von dem jemand annahm, es gäbe eines
• Null Predict-Fähigkeit, obwohl 40.000 € jährlich für „KI-gestützte Analytik" ausgegeben werden
• Fünf Initiativen im Vertrieb, keine im Customer Success, und niemand bemerkt die Unausgewogenheit

Tagging macht Ihr Portfolio lesbar. Lesbare Portfolios werden gesteuert. Unkontrollierte Portfolios driften, duplizieren sich und verfallen.

Die 7 Tagging-Felder

Das ACE Framework gibt Ihnen das Vokabular. Diese sieben Felder machen aus diesem Vokabular einen praktischen Katalog.

1. Genutzte ACE-Fähigkeiten. Welche der fünf Kernfähigkeiten nutzt diese Initiative? Ingest nimmt Rohdaten auf. Analyze klassifiziert und extrahiert Bedeutung. Predict bewertet und prognostiziert. Generate entwirft Text, Bilder oder Code. Execute sendet, committet, aktualisiert oder leitet weiter. Ein KI-Outreach-Tool ist Ingest + Analyze + Generate. Ein Betrugserkennungssystem ist Ingest + Analyze + Predict + Execute. Zu wissen, welche Fähigkeiten aktiv sind, sagt Ihnen, welche Governance-Kategorie eine Initiative benötigt.

2. Verarbeitete Datentypen. Auf welche Art von Datentypen läuft diese Initiative? Text / Strukturiert / Bild / Audio / Video / Code / Zeitreihe. Die meisten Initiativen laufen auf einem oder zwei. Das Feld zeigt, ob Ihre Datenbereitschaft tatsächlich vorhanden ist.

3. Dominantes Muster. Das ist die Brücke zu Ebene 2 des ACE Frameworks. Etwa zehn Muster decken 90 % der Business-KI-Use-Cases ab:

• RAG Assistant (Ingest + Analyze + Generate): internes Wissen Q&A
• Scoring + Routing (Ingest + Analyze + Predict + Execute): Lead-Triage, Ticket-Priorisierung
• Vision Extract (Ingest + Analyze + Execute): OCR-zu-Datenbank für Rechnungen, Verträge
• Meeting Intelligence (Ingest + Analyze + Generate + Execute): Anrufzusammenfassungen ins CRM geschrieben
• Anomaly Agent (Ingest + Analyze + Predict + Execute): Betrugserkennung, Ausgaben-Alerting

4. Human-in-Loop-Rolle. Wo sitzt ein Mensch im Workflow? Review Gate (genehmigt vor Aktion), Monitor (sieht Output, genehmigt aber nicht jede Instanz) oder Absent (KI handelt ohne Checkpoint). Die meisten Organisationen entdecken beim Taggen, dass sie mehr „Absent"-Schleifen haben, als sie dachten. Das ist die Erkenntnis, die ein Governance-Gespräch auslöst.

5. Business-Funktion. Vertrieb / Support / Marketing / Finanzen / HR / Operations / IT / Produkt / Legal. Dieses Feld zeigt Abdeckungslücken schnell. Wenn sieben von zehn Initiativen im Vertrieb liegen und keine im Customer Success, sollte das eine bewusste Entscheidung sein, kein Zufall.

6. Phase. Idee / Pilot / Rollout / Skaliert / Eingestellt. Phasensichtbarkeit verhindert den häufigsten Portfolio-Fehler: Initiativen, die 18 Monate lang in „Pilot" feststecken, ohne dass jemand die Entscheidung besitzt, zu skalieren oder einzustellen.

7. ROI-Status. Nicht gemessen / Positiv gemessen / Negativ gemessen. Die meisten Organisationen entdecken, dass die Mehrzahl ihrer KI-Initiativen nicht gemessen ist. Das ist kein Versagen. Es ist Information. Und Sie können nicht managen, was Sie nicht sehen.

Das Tagging-Template

Hier ist ein praktisches Format, das Sie in eine Tabelle oder Notion-Datenbank einfügen können.

initiative: "Auto-Entwurf Vertriebsoutreach"
ace_capabilities: [ingest, analyze, generate]
data_types: [text, structured]
pattern: ad-hoc
human_in_loop: review-gate
function: sales
stage: pilot
roi_status: measured-positive
owner: "Sarah Chen, Sales Ops"
notes: "Vertriebsmitarbeiter genehmigen jede E-Mail vor dem Senden. ~40 Min. gespart pro Mitarbeiter pro Woche."

Führen Sie dies für jede Initiative durch. Auch für diejenigen, bei denen Sie sich nicht sicher sind. Unvollständige Informationen sind immer noch nützlicher als keine.

Warum das funktioniert

Vergleichbarkeit. Sobald jede Initiative dasselbe Vokabular nutzt, können Sie sortieren, filtern und gruppieren. „Zeig mir alles, was Execute ohne menschliches Review nutzt" ist eine Frage, die Sie in 30 Sekunden beantworten können. Ohne Tags ist es ein 45-minütiges Gespräch.

Überlappungserkennung. Zwei Teams, die Generate + Text-Initiativen betreiben, tun oft dasselbe mit verschiedenen Anbietern. Die Tag-Ansicht macht das sichtbar. Ob Sie konsolidieren, ist eine Geschäftsentscheidung. Aber Sie sollten sie bewusst treffen.

Lückenidentifikation. Null Execute-Tools bedeutet, dass alle Ihre KI-Gewinne aus Entwürfen und Zusammenfassungen kommen. Jemand führt immer noch jede folgenreiche Aktion manuell durch. Das könnte Ihrer Risikotoleranz entsprechen. Aber es ist es wert, es zu wissen.

Executive Reporting. „Unser KI-Portfolio: 6 Generate-Tools, 2 Predict, 1 Execute mit Review Gate, 3 nicht gemessen" ist ein Ein-Satz-Board-Update, das etwas bedeutet. Vergleichen Sie das mit dem Auflisten von Anbieternamen.

Tagging in der Praxis: Ein 10-Initiativen-Audit

So sieht ein realistisches Portfolio-Audit aus. Das ist eine Zusammensetzung aus Mustern, die regelmäßig beobachtet werden, keine Daten eines einzelnen Unternehmens.

Das Portfolio vor dem Tagging:

Nach dem Tagging:

Was das Audit offenbarte:

Sieben der zehn Initiativen nutzen Generate. Das Unternehmen investiert stark in Zusammenfassungen und Content-Entwürfe, und fast nichts anderes. Niemand hat diese Entscheidung bewusst getroffen.

Initiativen 3 und 4 (ChatGPT + Jasper) sind beide Analyze + Generate für Marketing-Content. Zwei Anbieter, dasselbe Muster. Ein Konsolidierungsgespräch ist angebracht.

Initiative 9, der „Rechnungsbot", ist ein Execute-Workflow ohne Human-in-Loop. Niemand hat es flaggt, weil der Name harmlos klang. Die Tagging-Übung hat es aufgedeckt.

Null Initiativen dienen dem Customer Success. Acht von zehn sind nicht gemessen. Die zwei, die gemessen sind, Gong und Ramp AI, hatten beide Operations-Eigentümer, die vor dem Start Baselines gesetzt haben. Das ist kein Zufall.

Die überraschende Erkenntnis: Dieses Unternehmen dachte, es hätte ein diversifiziertes KI-Portfolio. Es hatte ein Schreibtool-Portfolio mit ein paar Analytik-Add-ons.

Wie man die Tagging-Übung durchführt

Sie brauchen keinen Berater. Sie brauchen 30 Minuten mit den richtigen Personen im Raum: Ihren Operations-Leiter, wer auch immer den Tech-Stack besitzt, und einen Vertreter aus jeder wichtigen Funktion mit einer aktiven KI-Initiative.

Öffnen Sie eine gemeinsame Tabelle. Arbeiten Sie live gemeinsam durch jede Initiative. Schicken Sie sie nicht asynchron heraus und sammeln Sie Antworten. Das Gespräch, das beim Taggen stattfindet, ist der Ort, wo der Wert liegt. Meinungsverschiedenheiten darüber, wie etwas zu klassifizieren ist, sind die nützlichsten Momente. Wenn zwei Personen sich nicht einigen können, ob etwas „Pilot" oder „Rollout" ist, ist das ein Zeichen, dass die Initiative keinen klaren Eigentümer hat. Notieren Sie es. Diese Ambiguität ist Information.

30 Minuten decken 8-12 Initiativen ab, wenn jemand moderiert. Die ersten dauern am längsten, da das Team das Vokabular lernt. Es wird schneller.

Nach der Übung generieren Sie die Aggregatansicht. Wie viele Initiativen pro Fähigkeit? Pro Funktion? Was ist nicht gemessen? Suchen Sie nach den Überraschungen. Das sind die Tagesordnungspunkte für Ihr nächstes KI-Strategie-Gespräch.

Quartalsrhythmus und wann man aufhört

Einmal taggen. Dann quartalsweise neu taggen. Ein Pilot wird zum Rollout. Ein Rollout wird eingestellt, wenn ein besseres Tool kommt. Phase und ROI-Status veralten schnell. Ein quartalsweises Neu-Tagging dauert 15 Minuten, wenn die ursprüngliche Sitzung gründlich war. Sie aktualisieren nur die Deltas: neue Initiativen, Phasenänderungen, neu gemessener ROI.

Aber Tagging hat Overhead. Wenn Sie ein oder zwei KI-Tools haben, überspringen Sie es. Sie brauchen ein Entscheidungsgespräch, keine Taxonomie. Und wenn Tagging bürokratisch wird (Felder werden für Vollständigkeit hinzugefügt, nicht für Einsicht), hören Sie auf. Kürzen Sie auf die Felder, die Ihr Team tatsächlich nutzt. Eine Vier-Felder-Tabelle, die quartalsweise überprüft wird, schlägt eine Zwölf-Felder-Datenbank, die niemand öffnet.

Das richtige Signal, dass Tagging funktioniert: Menschen nutzen das Vokabular in anderen Gesprächen. Wenn Ihr Head of Finance sagt „das ist ein Execute-Workflow, wir brauchen ein Review Gate", ist die Taxonomie Teil der Denkweise des Teams geworden. Das ist das Ziel.

Der Meta-Vorteil: Tagging als Schulung

Die Tagging-Übung zu führen, produziert mehr als eine Tabelle. Sie lehrt Ihr Führungsteam, strukturiert über KI nachzudenken.

Teams, die ihre Initiativen konsistent taggen, entwickeln KI-Kompetenz schneller als Teams, die es nicht tun. Wenn Sie zehn Initiativen mit ACE-Vokabular klassifiziert haben, versteht Ihr Head of Operations die Generate-vs.-Execute-Grenze besser als die meisten Menschen, die fünf KI-Bücher gelesen haben. Ihr Finance-Lead versteht, warum der Rechnungsbot ein Review Gate brauchte. Ihr Head of Sales versteht, warum das Lead-Scoring-Tool keine Ergebnisse liefert, weil saubere Daten nie Teil des Deployments waren.

Sie bekommen eine Portfolio-Ansicht. Sie bekommen auch ein Team, das Anbietern bessere Fragen stellt, Überlappungen früher erkennt und KI-Workflows mit mehr Präzision steuert. Das ist der enge Anspruch für Tagging. Er ist real.

Was als nächstes kommt: Ebene-2-Muster

Diese Kollektion hat das ACE Framework und seine Foundation eingeführt. Tagging ist die Brücke aus ihr heraus.

Sobald Ihr Team Initiativen mit ACE-Vokabular taggen kann, ist der natürliche nächste Schritt, die Muster zu verstehen, denen diese Initiativen folgen. Das ACE Framework organisiert diese in Ebene 2: zehn wiederkehrende Fähigkeitskombinationen, die branchen- und funktionsübergreifend erscheinen. Wenn Sie Meeting Intelligence oder Scoring + Routing in Ihrem Portfolio-Audit gefunden haben, wird die nächste Kollektion sich wie ein formaler Name für etwas anfühlen, mit dem Sie schon gelebt haben.

Verwandte Lektüre in dieser Kollektion:

• Einen KI-Use-Case lesen: ACE auf Anbieter-Pitches und interne Vorschläge anwenden
• Die Generate-vs.-Execute-Grenze: die Governance-Frage, die Ihre Tagging-Übung aufdecken wird
• Die 7 Datentypen, die Business-KI antreiben: was Ihre Initiativen speist
• Warum die meisten KI-Frameworks scheitern: ehrlicher Kontext, warum dieses anders gebaut ist

Tagging ist der Übergang von „wir probieren etwas KI" zu „wir haben ein KI-Portfolio." Das ist keine kleine Verschiebung. Ein Portfolio kann gesteuert, gemessen und verbessert werden. Eine Sammlung von Experimenten häuft sich einfach an.

Beginnen Sie dieses Quartal. Die Übung dauert 30 Minuten. Die Klarheit hält an.