Die Freigaben dauern zu lange. Sie geben den Satz in einen KI-Assistenten ein und erhalten fünf sauber aufeinander aufbauende Ursachen. Am Ende fehlt meistens ein Standard, eine Schulung oder eine eindeutige Zuständigkeit. Das klingt vertraut. Vielleicht stimmt es sogar. Aber woran erkennen Sie, ob die Erklärung zu Ihrem Betrieb passt?
Für Lean Six Sigma ist genau diese Unterscheidung entscheidend. Eine sprachlich überzeugende Antwort ist zunächst ein Untersuchungsangebot. Erst Ihre Beobachtungen, Daten und gezielten Prüfungen machen daraus eine tragfähige Grundlage für eine Veränderung. Dieser Artikel zeigt an einem fiktiven Büroprozess, wie Sie KI dabei sinnvoll einsetzen können.
Kurz erklärt
Nutzen Sie KI bei 5 Why und Ishikawa zum Strukturieren und Hinterfragen. Verlangen Sie für jede vorgeschlagene Ursache einen möglichen Beleg und eine Gegenprüfung. Eine Warum-Kette gilt erst dann als belastbar, wenn ihre Verbindungen anhand Ihres tatsächlichen Prozesses untersucht wurden.
Was eine KI-Antwort belegt – und was sie offenlässt
Sprachmodelle können falsche Inhalte überzeugend darstellen. NIST beschreibt dieses Risiko als Konfabulation. Ein selbstsicher formulierter Absatz ist deshalb kein verlässlicher Hinweis auf die Richtigkeit einer Prozessdiagnose.1
Für Ihre Arbeit folgt daraus eine einfache Regel: Kennzeichnen Sie jede Aussage entweder als Beobachtung, als Interpretation oder als noch offene Frage. „Zwölf Vorgänge wurden zurückgegeben“ ist eine Beobachtung, wenn sie im System nachvollziehbar ist. „Die Mitarbeiter verstehen die Regel nicht“ ist eine Interpretation. „Welche Angaben fehlten bei diesen Vorgängen?“ ist eine Untersuchungsfrage.
Diese Trennung wirkt unspektakulär. Im Workshop verhindert sie jedoch, dass eine gut formulierte Vermutung unbemerkt zum gemeinsamen Wissensstand wird. Lassen Sie die KI eine zusätzliche Spalte „Status der Aussage“ führen. Die Einstufung prüfen Sie selbst; auch eine von der KI angehängte Quellenangabe muss zur tatsächlich verfügbaren Unterlage passen.
Beginnen Sie mit einer Abweichung, nicht mit einer Schuldzuweisung
Im fiktiven Beispiel benötigt ein Einkaufsteam für bestimmte Rechnungen ungewöhnlich lange bis zur Freigabe. „Die Fachbereiche reagieren zu spät“ wäre bereits eine Erklärung. Als Ausgangspunkt eignet sich: „Von 80 im September abgeschlossenen Rechnungen überschritten 24 die intern vereinbarte Freigabefrist von drei Arbeitstagen.“ Diese Zahlen sind ausschließlich ein Lernbeispiel.
Ergänzen Sie, wann die Uhr beginnt und endet, welche Rechnungen dazugehören und wie Feiertage behandelt werden. Wurden nur abgeschlossene Vorgänge betrachtet, fehlen die noch offenen Fälle. Gerade die besonders langsamen könnten dadurch aus der Auswertung verschwinden. Halten Sie diesen Ausschnitt ausdrücklich fest, bevor Sie Zusammenhänge suchen.
Die KI kann die Beschreibung auf fehlende Angaben prüfen. Geben Sie ihr aber nicht den Auftrag, eine wahrscheinlichste Ursache zu erraten. Bitten Sie zunächst um Rückfragen zur Messdefinition. Damit setzen Sie im DMAIC-Ablauf bei Define und Measure an, bevor Sie in Analyze nach Gründen suchen.
Machen Sie aus jedem Warum eine prüfbare Verbindung
Die 5-Why-Methode vertieft eine Fragestellung durch wiederholtes Nachfragen. ASQ weist ausdrücklich darauf hin, dass weniger oder mehr als fünf Fragen erforderlich sein können. Die Zahl fünf ist also keine Abbruchregel.2
Für unseren Fall könnte die erste Vermutung lauten: Rechnungen warten auf eine Zuordnung zur Bestellung. Fragen Sie nun, was diese Vermutung stützen würde. Beispielsweise müssten die betroffenen Vorgänge tatsächlich eine Rückfrage zur Bestellnummer enthalten. Eine lange Liegezeit allein genügt dafür nicht.
Die nächste Frage gilt der Entstehung dieser fehlenden Angabe. Stammt sie aus einem Importfehler, einem besonderen Beschaffungsweg oder einer unklaren Anforderung? Hier kann die Kette verzweigen. Sie müssen sich nicht für eine einzige schöne Geschichte entscheiden. Eine lückenhafte, aber ehrlich dokumentierte Analyse ist nützlicher als fünf vollständig ausformulierte Behauptungen.
Tabelle seitlich scrollen, um alle Spalten zu sehen.
| Vermutung | Möglicher Beleg | Gegenprüfung |
|---|---|---|
| Fehlende Bestellnummer verzögert Freigaben | Rückfrage mit Zeitstempel und betroffener Rechnung | Sind vollständige Rechnungen ebenfalls langsam? |
| Ein Import verliert die Bestellnummer | Vergleich von Original und importiertem Datensatz | Tritt der Verlust auch bei schnell freigegebenen Fällen auf? |
| Ein Pflichtfeld verhindert die Rückfrage | Begrenzter Test mit dokumentierter Fehlerquote | Entstehen stattdessen falsche Platzhaltereinträge? |
Jede Ursache braucht eine Prüfung.
Passt der fehlende Eintrag zum betroffenen Vorgang?
Welche alternative Erklärung müssen Sie prüfen?
Ein Arbeitsauftrag, der Unsicherheit sichtbar macht
Ein brauchbarer Auftrag für einen freigegebenen KI-Assistenten könnte so lauten: „Arbeite ausschließlich mit der folgenden Problembeschreibung und den beigefügten Beobachtungen. Trenne belegte Angaben von Vermutungen. Formuliere drei unterschiedliche Ursachenhypothesen. Nenne je Hypothese einen möglichen Mechanismus, einen benötigten Beleg und eine Beobachtung, die gegen sie sprechen würde. Erfinde keine Daten. Frage nach, wenn Informationen fehlen.“
Übergeben Sie nur Informationen, die Sie für diesen Zweck im verwendeten System verarbeiten dürfen. Für einen ersten Versuch reichen häufig abstrahierte Abläufe und künstliche Beispiele. Namen, Rechnungsinhalte und vertrauliche Lieferantenangaben sind für die Frage nach einer fehlenden Bestellnummer meist nicht nötig.
Speichern Sie den verwendeten Auftrag mit dem Arbeitsstand. Wenn Sie ihn später ändern, können sich auch die vorgeschlagenen Hypothesen ändern. Das ist kein methodischer Fortschritt an sich. Entscheidend bleibt, ob die neuen Vorschläge zu besseren Prüfungen führen. Eine zweite KI-Antwort ist noch kein unabhängiger Nachweis.
Ishikawa öffnet den Blick, bevor Sie eine Spur vertiefen
Wenn Ihr Team sich früh auf „mangelnde Disziplin“ festlegt, kann eine breitere Sammlung helfen. Lassen Sie mögliche Einflüsse aus Prozessregeln, Systemen, Informationen, Arbeitsbedingungen und Messung getrennt zusammentragen. Nutzen Sie Kategorien als Denkstütze, nicht als Pflicht, jede Schublade mit einer Ursache zu füllen.
Bitten Sie anschließend die Beteiligten um konkrete Gegenbeispiele. Gibt es Tage mit hoher Auslastung und trotzdem kurzen Freigaben? Funktioniert derselbe Ablauf in einer anderen Warengruppe? Werden Zeitstempel automatisch oder nachträglich geschrieben? Solche Fragen helfen, die Sammlung an der Wirklichkeit zu prüfen.
Priorisieren Sie nach Bedeutung und Prüfbarkeit. Eine schnell überprüfbare Hypothese mit großer möglicher Wirkung ist häufig ein guter Anfang. Die KI darf Informationen ordnen und Widersprüche markieren. Die Entscheidung, welche Spur weiterverfolgt wird, sollte das Team mit Prozesskenntnis begründen können. Sammeln allein reduziert noch keine Wartezeit.
Prüfen Sie die Maßnahme, nicht nur die Erklärung
Angenommen, die fehlende Bestellnummer erweist sich als häufige Ursache für Rückfragen. Dann bleibt offen, welche Maßnahme geeignet ist. Ein Pflichtfeld könnte helfen. Es könnte aber auch dazu führen, dass Nutzer irgendeine Nummer eintragen, um weiterzukommen. Messen Sie deshalb neben der Vollständigkeit auch die sachliche Richtigkeit.
Für einen begrenzten Versuch definieren Sie vorab die betroffene Fallgruppe, die Laufzeit, den Verantwortlichen und die Ergebnisgrößen. Dokumentieren Sie gleichzeitig andere Änderungen, etwa neue Freigabegrenzen oder Personalwechsel. Sonst schreiben Sie eine Verbesserung möglicherweise der falschen Maßnahme zu.
Nach dem Versuch betrachten Sie Freigabezeit, Rückfragen und fehlerhafte Zuordnungen gemeinsam. Halten Sie fest, welche Beobachtung Ihre Erklärung stützt und was weiterhin unklar ist. Auch eine erfolglose Maßnahme liefert Wissen, wenn Sie nachvollziehen können, warum sie nicht geholfen hat. Aus einer KI-Idee wird so ein kontrollierter Lernschritt.
Was am Ende in Ihrer Projektdokumentation stehen sollte
Bewahren Sie die geprüfte Problembeschreibung, die betrachteten Fälle, verworfene Hypothesen und die Belege für Ihre Entscheidung auf. Ein exportierter Chatverlauf kann ergänzen, ersetzt diese Dokumentation aber nicht. Eine andere Person sollte die Argumentation ohne erneute Unterhaltung mit der KI nachvollziehen können.
Legen Sie außerdem fest, wer nach der Einführung kontrolliert, ob die Verbesserung bestehen bleibt. Wenn Rückfragen wieder zunehmen, brauchen Sie eine Reaktion: Stichprobe prüfen, Eingaberegel untersuchen oder den Prozessverantwortlichen einbeziehen. Eine dauerhaft gepflegte Kennzahl ist hilfreicher als eine einmalig überzeugende Präsentation.
Für Green-Belt-Projekte ist das eine gute Übung: Sie lernen, zwischen Ideenfindung und Nachweis zu unterscheiden. Die KI beschleunigt möglicherweise das Formulieren. Ihre eigentliche Methodenkompetenz zeigt sich darin, welche Fragen Sie stellen, welche Daten Sie verlangen und welche Schlussfolgerungen Sie bewusst noch nicht ziehen.
Fragen Sie Ihre KI nicht nur nach möglichen Ursachen. Fragen Sie vor allem, welche Beobachtung eine Erklärung stützen oder widerlegen würde. Genau dort beginnt die belastbare Analyse.
Häufige Fragen
Kann ich mit einem KI-Chat eine vollständige 5-Why-Analyse erstellen?
Sie können einen Entwurf erstellen. Für eine belastbare Analyse benötigen Sie zusätzlich Beobachtungen und Belege aus dem betroffenen Prozess. Jede Verbindung zwischen den einzelnen Warum-Antworten bleibt zunächst zu prüfen.
Muss eine Ursachenanalyse genau fünf Warum-Fragen enthalten?
Nein. Entscheidend sind der nachvollziehbare Zusammenhang und ein sinnvoller Ansatz für die Verbesserung. Eine vorgegebene Zahl darf Sie weder zu Spekulationen verleiten noch eine notwendige Vertiefung abbrechen lassen.
Welche Aufgabe bleibt beim Green Belt?
Problem und Messung sauber definieren, Hypothesen prüfen, Maßnahmen bewerten und die Wirkung überwachen. Die Verantwortung für diese Entscheidungen lässt sich nicht an den Chat delegieren.
Green Belt
Sie lernen, eigene Projekte zur Prozessoptimierung systematisch zu bearbeiten: Prozesse analysieren, Daten einordnen und begründete Lösungen entwickeln.
Fußnoten und Quellen
Verlinkte Primärquellen, geprüft am 19.10.2026. Methodische Empfehlungen und eigene Einordnungen stammen aus der Campus-Redaktion. Fiktive Beispiele und Rechenannahmen sind im Text gekennzeichnet; Anbieterangaben können sich ändern.