Kurz gesagt
Zwei Checklisten, ein Fragebogen zur Verfolgung und ein Interviewleitfaden, um herauszufinden, was ein Technikprojekt schwierig macht. Nutzen Sie sie, um eine KI-Einführung mit den Menschen zu planen, die sie betrifft.
Für die Person, die die Diagnose durchführt: eine Leitung aus Personal oder Betrieb, ein internes Projektteam oder eine externe Beratung.
Was es misst
Der Name steht für die Arten, auf die ein Technikprojekt scheitern kann: Es wird nicht angenommen, es wird aufgegeben, oder es wächst nicht über den ersten Standort hinaus, breitet sich nicht aus oder hält nicht. Die vier Teile fragen, wie komplex ein Projekt in mehreren Bereichen ist, darunter die Technik, der Nutzen, den sie bietet, die Menschen, die sie annehmen müssen, die Organisation und das weitere Umfeld.
Die Teile sind:
- SHORT: eine schnelle Checkliste für ein erstes Gespräch.
- LONG: eine ausführliche Checkliste mit Platz für einen Maßnahmenplan.
- PROJECT: ein Formular mit 35 Fragen, um ein Projekt über die Zeit zu verfolgen.
- INTERVIEW: Fragen für teilstrukturierte Interviews.
Die Idee dahinter ist einfach. Projekte, die in vielen Bereichen zugleich komplex sind, werden selten zur Routine. Finden Sie die Komplexität früh und verringern Sie sie, oder planen Sie sie ein.
Wie Sie es nutzen
- Beginnen Sie mit SHORT in einer Besprechung des Projektteams.
- Nutzen Sie LONG für die Bereiche, die sich als schwierig erwiesen haben.
- Nutzen Sie INTERVIEW mit Beschäftigten verschiedener Ebenen und Berufe, Führungskräfte eingeschlossen.
- Verfolgen Sie das Projekt mit PROJECT.
Die Teile stammen aus dem Gesundheitswesen. Ein Bereich fragt nach der behandelten Krankheit. In einem Unternehmen ersetzen Sie ihn durch das geschäftliche Problem, das die KI lösen soll, oder lassen ihn weg.
Was es nicht misst
- Wer was entscheidet, zwischen Menschen und KI. Eine Übersicht über Rahmenwerke für KI fand, dass dieser Rahmen die Abhängigkeit von Daten, menschliche Aufsicht und gemeinsame Entscheidungen nicht abdeckt.
- Was Menschen im Alltag tun. Er beobachtet kein Verhalten.
- Einen Wert für die Bereitschaft. Das Ergebnis ist eine Liste von Schwierigkeiten und Maßnahmen.
Wie es geprüft wurde
- Der Rahmen wurde zuerst auf sechs Technikprogramme in 20 Organisationen angewandt, die bis zu drei Jahre lang begleitet wurden. Programme, die in vielen Bereichen komplex waren, gingen nicht in den Routinebetrieb über.
- Eine Übersicht fand 57 Studien, die den Rahmen nutzten. Die Hindernisse häuften sich in zwei Bereichen: der Organisation und den Menschen, die die Technik annehmen sollten.
- Er wurde genutzt, um KI in Krankenhäusern zu untersuchen. In einer Studie mit 29 Interviews halfen Kultur, Führung, Vertrauen zwischen Leitung und Teams sowie Fürsprecher vor Ort. Widersprüchliche Ansichten darüber, was die KI wert ist, bremsten sie.
- Die vier Teile wurden in Workshops mit 50 Menschen entworfen, die an solchen Projekten beteiligt waren, und in echten Projekten erprobt.
Es gibt hier keine Werte, die sich so prüfen ließen wie ein Fragebogen. Die Bewertung spiegelt die breite Nutzung des Rahmens und die schwächere Evidenz für die vier Teile selbst.
Lizenz und Zugang
Alle vier Teile sind kostenlos herunterladbar, ohne förmliche Lizenz. Der Leitfaden der Autoren sagt, dass Forschende die Interviewfragen nach Bedarf anpassen und die Quelle nennen sollen. Für die anderen drei fragen Sie die Erstautorin, bevor Sie eine Übersetzung oder angepasste Fassung veröffentlichen.
Alternativen
Andere Diagnoseinstrumente mit ähnlicher Aufgabe, und wann Sie welches vorziehen sollten.
- Was wird die Einführung fördern oder bremsen? Consolidated Framework for Implementation Research (CFIR) Nehmen Sie es, wenn Ihr Umfeld weit vom Gesundheitswesen entfernt ist oder Sie eine größere Sammlung von Interviewfragen wollen. Menschen auf mehreren Ebenen, in Interviews · Interviews zu den Faktoren, die Sie auswählen, aus 48 Frei nutzbar, vor Änderungen fragen
- Ist alles bereit, bevor ein KI-System in Betrieb geht? AI readiness pre-implementation checklist (SID and ADE) Nehmen Sie es, wenn Sie eine einzige Checkliste wollen, die für KI geschrieben ist, mit einem Abschnitt zur Bereitschaft der Beschäftigten. Das Team, das für die Einführung verantwortlich ist · Eine Checkliste in 8 Bereichen Frei nutzbar und anpassbar
Praktiken, die es nutzen
Die Einzelheiten
- Prüfung
- Der zugrunde liegende Rahmen wurde in mindestens 57 Studien genutzt, darunter KI-Projekte in Krankenhäusern. Die Checklisten, der Fragebogen und der Leitfaden selbst wurden mit 50 Menschen entworfen, die an solchen Projekten beteiligt waren, und in echten Projekten erprobt. Keine Ergebnisse zeigen, dass ihre Nutzung die Ergebnisse verbessert.
- Betrachtet
- Organisation
- Wie die Antworten erhoben werden
- Workshops, Checklisten, die ein Projektteam ausfüllt, und Interviews.
- Länge
- Eine kurze und eine lange Checkliste, ein Fragebogen zur Verfolgung mit 35 Fragen und eine Reihe von Interviewfragen
- Kosten
- Kostenlos
- Lizenz
- Keine förmliche LizenzAlle vier Teile sind kostenlos herunterladbar. Der Interviewleitfaden darf mit Quellenangabe geändert werden. Für die Checklisten und den Fragebogen zur Verfolgung sind die Bedingungen nicht geklärt: Fragen Sie die Erstautorin, bevor Sie eine Übersetzung veröffentlichen.
- Sprachen
- Englisch
- Von
- Greenhalgh and colleagues, 2020
Quellen
- Greenhalgh, Maylor, Shaw, Wherton, Papoutsi and colleagues (2020). The NASSS-CAT Tools for Understanding, Guiding, Monitoring, and Researching Technology Implementation Projects in Health and Social Care: Protocol for an Evaluation Study in Real-World Settings. JMIR Research Protocols. doi:10.2196/16861
- Greenhalgh, Wherton, Papoutsi, Lynch, Hughes and colleagues (2018). Analysing the role of complexity in explaining the fortunes of technology programmes: empirical application of the NASSS framework. BMC Medicine. doi:10.1186/s12916-018-1050-6
- Shin, Hamovitch, Gatov, MacKinnon and colleagues (2025). The NASSS framework use over time: A scoping review. PLOS Digital Health. doi:10.1371/journal.pdig.0000418
- Alami, Lehoux, Papoutsi, Shaw, Fleet and colleagues (2024). Understanding the integration of artificial intelligence in healthcare organisations and systems through the NASSS framework. BMC Health Services Research. doi:10.1186/s12913-024-11112-x
- Gama, Tyskbo, Nygren, Barlow, Reed and Svedberg (2022). Implementation Frameworks for Artificial Intelligence Translation Into Health Care Practice: Scoping Review. Journal of Medical Internet Research. doi:10.2196/32215
Verwandte Studien auf dieser Website
- Welche Hindernisse bremsen die KI-Reife? Eine Umfrage unter 108 Fachleuten van Veen, Zhu and Ravesteyn (2026). How AI Implementation Barriers Shape AI Maturity? The Interacting Roles of Skilled Employees, Technological Infrastructure and Data Quality. CONF-IRM 2026 Proceedings, 17.
- Sagt Veränderungsbereitschaft Erfolg voraus? Eine Übersicht über 47 Studien Caci, Nyantakyi, Blum, Sonpar, Schultes, Albers and Clack (2025). Organizational readiness for change: A systematic review of the healthcare literature. Implementation Research and Practice, 6.