#122 Erfolg durch KI? Entdecke den Jobs-to-be-Done Ansatz! ­čîč
By Holger Gelhausen profile image Holger Gelhausen
6 min read

#122 Erfolg durch KI? Entdecke den Jobs-to-be-Done Ansatz! ­čîč

Der Blogpost erkl├Ąrt den Jobs to be Done Ansatz mit Desired Outcome Statements von Ulwick und zeigt wie ich die KI daf├╝r nutze solche Outcome Statements zu entwickeln

Als Strategie und Innovationsberater habe ich umfangreiche Erfahrungen mit dem Jobs to be Done Framework (Ulwick, Christensen, Clement) gesammelt. Bisher war es ein zeitaufw├Ąndiger Prozess, potenzielle Verbesserungen in einem Produktansatz zu verstehen und daraus M├Âglichkeiten abzuleiten. Die Erstellung einer solchen Tabelle hat mich normalerweise zwei bis drei Tage gekostet.

Outcome Statements

K├╝nstliche Intelligenz (KI)-L├Âsungen k├Ânnen uns dabei helfen, unsere Ideen besser zu verstehen und neue Perspektiven einzuf├╝hren. In diesem Blogbeitrag werde ich einen ├ťberblick ├╝ber die Jobs to be Done Theorie nach Ulwick und Outcome Statements geben und anhand eines praktischen Beispiels zeigen, wie ich KI nutzen kann. In dem folgenden Artikel erkl├Ąren die Autoren Outcome Statements.

Giving Customer a Fair Hearing

Alan Clement beschreibt die Jobs mit einem anderen Ansatz und betrachtet auch die wirkenden Kr├Ąfte im Kontext eines Jobs. Wer mehr wissen m├Âchte: When Coffee and Kale compete von Alan Clement.

Das Kr├Ąftfeld ├Ąhnelt dem Ansatz von Alex Hormozi

#119 So l├Âst Du Alex HormoziÔÇÖs Value Equation mit KI: Schritt-f├╝r-Schritt ­čÜÇ
Tauchen Sie mit mir ein in die faszinierende Welt der k├╝nstlichen Intelligenz. Gemeinsam erkunden wir, wie ich die Value Equation von Alex Hormozi in 11 Kategorien und 60 Fragen zerlegt und in einem KI-Workflow optimiert habe.

Einleitung

In der heutigen schnelllebigen Gesch├Ąftswelt ist Innovation der Schl├╝ssel zum Wachstum. Unternehmen m├╝ssen die Bed├╝rfnisse ihrer Kunden verstehen, um erfolgreich neue Produkte und Dienstleistungen entwickeln zu k├Ânnen. Doch was genau ist ein Kundenbed├╝rfnis? ├ťberraschenderweise sind sich viele Unternehmen dar├╝ber nicht einig. Die Jobs-to-be-Done Theorie von Anthony W. Ulwick bietet hier einen vielversprechenden Ansatz.

Was ist die Jobs-to-be-Done Theorie?

Die Grundidee der Jobs-to-be-Done Theorie ist, dass Kunden Produkte und Dienstleistungen "anheuern", um bestimmte Jobs bzw. Aufgaben zu erledigen. Sie kaufen keine Produkte, sondern L├Âsungen f├╝r ihre Probleme. Um erfolgreich innovieren zu k├Ânnen, m├╝ssen Unternehmen genau verstehen, welche Jobs ihre Kunden erledigen wollen.

Ulwick definiert einen Job als die Aufgabe, die ein Kunde in einer bestimmten Situation erledigen m├Âchte. Ein Job hat immer ein gew├╝nschtes Ergebnis, dass der Kunde erreichen will. Dabei geht es nicht um Produkteigenschaften, sondern um das ├╝bergeordnete Ziel des Kunden.

Die Jobs-to-be-Done Theorie stellt eine fundamentale Verschiebung der Perspektive dar - weg von Produkten und Technologien, hin zu den Aufgaben und gew├╝nschten Ergebnissen des Kunden. Das Produkt ist nur ein Mittel zum Zweck, um den Job des Kunden zu erledigen.

Warum bisherige Ans├Ątze oft scheitern

Viele Unternehmen scheitern mit ihren Innovationen, weil sie sich zu sehr auf Produktfeatures und neue Technologien konzentrieren. Sie befragen zwar Kunden, erhalten aber oft unklare oder widerspr├╝chliche Aussagen dar├╝ber, was diese wirklich wollen.

Das Problem ist, dass Kunden in Bezug auf m├Âgliche L├Âsungen befragt werden, nicht in Bezug auf ihre eigentlichen Jobs und gew├╝nschten Ergebnisse. Dadurch erhalten Unternehmen ein verzerrtes und unvollst├Ąndiges Bild der Kundenbed├╝rfnisse.

Au├čerdem verwenden Unternehmen oft mehrdeutige Begriffe und interpretieren Kundenaussagen falsch. Auch werden L├Âsungen und Features mit Bed├╝rfnissen vermischt, was zu Verwirrung f├╝hrt. All dies macht es schwierig, die eigentlichen Jobs und Bed├╝rfnisse der Kunden zu identifizieren.

Die L├Âsung: Outcome-Driven Innovation

Um diese Probleme zu l├Âsen, hat Ulwick den Outcome-Driven Innovation (ODI) Prozess entwickelt. Kern des Ansatzes ist es, die Jobs und gew├╝nschten Ergebnisse (Outcomes) der Kunden in den Mittelpunkt zu stellen.

Dazu wird zun├Ąchst der Job des Kunden genau analysiert und in einzelne Prozessschritte zerlegt. F├╝r jeden Schritt werden dann vom Kunden die gew├╝nschten Ergebnisse erhoben, anhand derer er den Erfolg der Aufgabenerf├╝llung misst.

Diese Ergebnisse werden als "Desired Outcome Statements" formuliert. Sie folgen klaren Regeln, um Mehrdeutigkeiten zu vermeiden:

  • Sie sind l├Âsungsfrei formuliert und stabil ├╝ber die Zeit
  • Sie enthalten eine Richtung der gew├╝nschten Ver├Ąnderung (minimieren/erh├Âhen)
  • Sie enthalten eine Messgr├Â├če (Zeit, Menge, Wahrscheinlichkeit etc.)
  • Sie sind spezifisch und gleichzeitig kurz und pr├Ągnant
  • Sie verwenden eine konsistente Terminologie

Durch Interviews und Beobachtungen der Kunden bei der Aufgabenerledigung werden so alle wichtigen Outcomes identifiziert und priorisiert. Daraus ergeben sich dann die M├Âglichkeiten f├╝r Innovationen, mit denen diese Outcomes besser erf├╝llt werden k├Ânnen als mit bestehenden L├Âsungen.

Zwischenfazit

Die Jobs-to-be-Done Theorie erm├Âglicht es Unternehmen, sich auf das Wesentliche zu konzentrieren - die Jobs und gew├╝nschten Ergebnisse ihrer Kunden. Durch die Formulierung als standardisierte Outcome Statements k├Ânnen Kundenbed├╝rfnisse klar, vollst├Ąndig und einheitlich erfasst werden.

Praktisches Beispiel:

Ein Automobilhersteller m├Âchte ein neues Modell f├╝r junge Familien entwickeln. Anstatt sich auf technische Features zu fokussieren, analysiert er zun├Ąchst die wichtigsten Jobs, die junge Familien rund ums Auto erledigen m├Âchten, z.B. "Kinder sicher und bequem transportieren" oder "Eink├Ąufe und Gep├Ąck verstauen".

F├╝r jeden Job werden nun in Interviews die gew├╝nschten Outcomes erhoben, z.B:

  • "Minimiere die Zeit, die ben├Âtigt wird, um das Kind im Kindersitz anzuschnallen."
  • "Minimiere das Risiko, dass sich das Kind beim Einsteigen verletzt."
  • "Maximiere den verf├╝gbaren Stauraum bei voller Besetzung."

Insgesamt werden so 150 Outcome Statements priorisiert. Daraus ergeben sich mehrere Ansatzpunkte f├╝r Innovationen, z.B. ein neuartiges Gurtsystem, mehr Platz zwischen den Sitzen sowie ein flexibles Kofferraum-Konzept.

Das Ergebnis ist ein Auto, das konsequent auf die Jobs und Outcomes der Zielgruppe ausgerichtet ist und sich damit klar vom Wettbewerb differenziert. Durch den stringenten ODI-Prozess konnten die Entwicklungszeiten und -kosten reduziert werden, gleichzeitig wird eine hohe Akzeptanz bei den Kunden erreicht.

Wie kann uns die KI bei Formulierung von Outcome Statements helfen?

In der PDF finden wir diese gute ├ťbersicht zur Struktur von Desired Outcome Statements

Idealerweise geben wir eine schwach formulierte Idee ein:

Wir wollen ein Miroboard aufbauen das einem Projektleiter hilft zu untersuchen wie KI-L├Âsungen ihm helfen k├Ânnen Projekte zu planen. Das Board ist nur f├╝r den Projektleiter

Output der KI:

Kreative Exploration f├╝r ein Miroboard f├╝r Projektleiter zur Planung von KI-Projekten

Beschreibung der Idee/Produkts:

Das vorgeschlagene Miroboard ist eine interaktive Plattform, die Projektleitern speziell dabei hilft, den Einsatz von KI in ihren Projekten zu planen und zu visualisieren.

Zielgruppe:

Projektleiter, die in technologieorientierten Unternehmen t├Ątig sind und KI-L├Âsungen in ihre Projekte integrieren m├Âchten.

Jobs to be Done:

  1. Verstehen, wie KI in verschiedenen Aspekten des Projekts eingesetzt werden kann.
  2. Planung und Visualisierung des Einsatzes von KI in Projekten.
  3. Effiziente Organisation und Priorisierung von Projektaufgaben durch KI-Einsatz.

Potenzielle Einschr├Ąnkungen ohne das Produkt:

Projektleiter k├Ânnten Schwierigkeiten haben, die Potenziale von KI in ihren Projekten zu erkennen und zu visualisieren. Die Planung k├Ânnte ohne spezielle Tools un├╝bersichtlich und zeitaufwendig sein.

Verbesserungsm├Âglichkeiten durch das Produkt:

Das Miroboard kann durch spezifische Tools und Vorlagen die Visualisierung und Planung von KI-Integration in Projekten vereinfachen und beschleunigen.

Daten f├╝r Outcome Statements:

  1. Direction of Improvement: Minimieren
    Performance Metric: Zeitverbrauch f├╝r die Erstellung von KI-Integrationspl├Ąnen
    Object of Control: Planungswerkzeuge im Miroboard
    Contextual Clarifier: f├╝r komplexe Projekte
    Outcome Statement: "Minimiere den Zeitverbrauch f├╝r die Erstellung detaillierter KI-Integrationspl├Ąne durch den Einsatz spezifischer Planungswerkzeuge im Miroboard f├╝r komplexe Projekte."
  2. Direction of Improvement: Maximieren
    Performance Metric: Klarheit und Verst├Ąndlichkeit der KI-Projektvisualisierung
    Object of Control: Visualisierungswerkzeuge im Miroboard
    Contextual Clarifier: bei der Planung von KI-Projekten
    Outcome Statement: "Maximiere die Klarheit und Verst├Ąndlichkeit der Visualisierung von KI-Projekten durch fortschrittliche Visualisierungswerkzeuge im Miroboard."
  3. Direction of Improvement: Minimieren
    Performance Metric: Einarbeitungszeit f├╝r neue KI-Technologien
    Object of Control: Lernressourcen und -module im Miroboard
    Contextual Clarifier: f├╝r Projektleiter ohne vorherige KI-Erfahrung
    Outcome Statement: "Minimiere die Einarbeitungszeit in neue KI-Technologien f├╝r Projektleiter durch integrierte Lernmodule und Ressourcen im Miroboard."
  4. Direction of Improvement: Maximieren
    Performance Metric: Effizienz der Projektplanung
    Object of Control: Automatisierte Planungsfunktionen im Miroboard
    Contextual Clarifier: bei der Integration von KI in Projekte
    Outcome Statement: "Maximiere die Effizienz der Projektplanung durch den Einsatz automatisierter Planungsfunktionen im Miroboard bei der Integration von KI in Projekte."
  5. Direction of Improvement: Minimieren
    Performance Metric: Fehlerquote bei der KI-Integration
    Object of Control: Fehlererkennungstools im Miroboard
    Contextual Clarifier: w├Ąhrend der Projektumsetzung
    Outcome Statement: "Minimiere die Fehlerquote bei der Integration von KI in Projekte durch fortschrittliche Fehlererkennungstools im Miroboard w├Ąhrend der Projektumsetzung."

Fazit

Wenn wir die KI-Analyse des Desired Outcome Statements in einen Workflow legen, k├Ânnen wir mit halbfertigen Ideen starten und die KI hilft uns diese Ideen anzureichern, zu bewerten oder auch neue Ideen dazu zu entwickeln.

By Holger Gelhausen profile image Holger Gelhausen
Updated on
Content-Erstellung Innovation