CV
Current Value
Nutzen den Kunden gerade?
UV
Unrealized Value
Welches Potenzial verschenken wir?
A2I
Ability to Innovate
Wie schnell können wir neue Dinge lernen?
T2M
Time to Market
Wie schnell kommt der Wert zum Kunden?
Current Value
Unrealized Value
Ability to Innovate
Time to Market
Current Value — Nutzen den Kunden gerade?
1. Regulatory First-Pass Yield (FPY)
Quote der Features, die beim 1. regulatorischen Check bestehen
Aktuell (Status Quo / „Chaos")
30%
Hohe Rückweisungen, Nacharbeiten, „Panic-Loops"
Ziel (12 Monate / TOM-Optimiert)
85%
Standardisierte Prozesse durch Zulassungsplattform
Messmethode & Datenquelle
Jira / QA-Logs: Features, die durch 1. Audit ohne Mängel gehen / Gesamtzahl Releases
Rationale & HealthTech-Bezug
In MedTech ist ein unzulässiges Feature wertlos. Messbare Qualität statt bloßer Masse. Senkt das „Regulatorik-Schock"-Risiko.
2. Mean Time Between Failures (MTBF) / Clinical Safety Index
Zuverlässigkeit der KI-Software im Betrieb
Aktuell (Status Quo / „Chaos")
24 Stunden
Häufige Systemabstürze, Patches im Feuerwehrmodus
Ziel (12 Monate / TOM-Optimiert)
720 Stunden
30 Tage — Stabilität durch reduzierte Technical Debt
Messmethode & Datenquelle
Monitoring (Prometheus/Grafana) & Support Tickets: Zeitraum zwischen kritischen Ausfällen
Rationale & HealthTech-Bezug
Technische Schulden (Systemabstürze) zerstören Vertrauen. Stabilität ist Voraussetzung für Skalierung. Verhindert Fehldiagnosen durch Systemausfälle.
Unrealized Value — Welches Potenzial verschenken wir?
1. Top-Talent Retention Rate
Bindung der kritischen Entwickler & KI-Experten
Aktuell (Status Quo / „Chaos")
75%
25% Fluktuation bei High-Performern → Wissensverlust
Ziel (12 Monate / TOM-Optimiert)
92%
Fluktuation <8% durch WOL & eigenverantwortliche Teams
Messmethode & Datenquelle
HRIS (People Ops): Anzahl High-Performer die bleiben / Gesamtzahl High-Performer
Rationale & HealthTech-Bezug
Das größte Risiko von HealthTech ist der Verlust von KI-Wissen. Neue Leute brauchen 6 Monate (Onboarding-Tax). Weniger Fluktuation = direkter Gewinn an Kapazität.
2. Time-to-Productivity (Onboarding Efficiency)
Dauer bis ein neuer Dev echte Werte liefert
Aktuell (Status Quo / „Chaos")
180 Tage
6 Monate — Reverse Engineering des Systems
Ziel (12 Monate / TOM-Optimiert)
30 Tage
1 Monat — DevEx Platform & Dokumentation
Messmethode & Datenquelle
Git / Jira: Zeit vom 1. Arbeitstag bis zum 1. Merge eines relevanten PRs
Rationale & HealthTech-Bezug
Unmengen an Gehaltszahlungen werden verbrannt, während Leute versuchen, das Chaos zu verstehen. Direkter Hebel für Time-to-Market und Reaktionsfähigkeit.
Ability to Innovate — Wie schnell können wir neue Dinge lernen?
1. Strategic Lead Time (Decision Latency)
Zeit von Founder-Idee bis zur Priorisierung im Team
Aktuell (Status Quo / „Chaos")
21 Tage
Gründer-Flaschenhals, „waitFor Okay"
Ziel (12 Monate / TOM-Optimiert)
3 Tage
Delegation an PO, klare Guardrails im TOM
Messmethode & Datenquelle
Jira / Confluence: Zeitstempel „Idea erstellt" vs. „Aufnahme im Backlog"
Rationale & HealthTech-Bezug
Gründer sind die Bremse. Dieser KPI misst, ob wir den Flaschenhals tatsächlich geöffnet haben. Innovation muss schneller reagieren als medizinischer Wandel.
2. Experiment Success Rate (Hypothesis Validation)
Anteil erfolgreicher neuer KI-Modelle/Features im Beta
Aktuell (Status Quo / „Chaos")
15%
Viele falsche Ideen, da keine klaren Validierungs-Strategien
Ziel (12 Monate / TOM-Optimiert)
40%
Stream-Aligned Teams validieren direkt am Kunden
Messmethode & Datenquelle
Product Analytics: Anzahl Features mit Product-Market-Fit / Anzahl gestarteter Experimente
Rationale & HealthTech-Bezug
Haben Teams die Macht, sinnvolle Dinge zu bauen? Oder nur viele Dinge? Verhindert Verschwendung von Ressourcen an KI-Modellen, die Kliniker nicht wollen.
Time to Market — Wie schnell kommt der Wert zum Kunden?
1. Lead Time for Change (Regulated)
Idee bis Zulassung & Produktion
Aktuell (Status Quo / „Chaos")
6 Monate
Entwicklung + Chaos + Audit
Ziel (12 Monate / TOM-Optimiert)
8 Wochen
Stream-Teams mit integrierter Compliance-Automatisierung
Messmethode & Datenquelle
CI/CD Pipelines / Jira: Commit bis Deployment in „Live" inkl. Audit-Sign-off
Rationale & HealthTech-Bezug
Die ultimative Währung im Wettbewerb. Misst die Effektivität der TOM (Stream Teams vs. Handovers). Ermöglicht schnelle Anpassung an neue Leitlinien der Gesundheitsämter.
2. Release Frequency (Safe Deployments)
Wie oft pro Woche wird produktiv updated?
Aktuell (Status Quo / „Chaos")
1× / Monat
Big Bang — wegen Angst vor Audit-Desaster
Ziel (12 Monate / TOM-Optimiert)
Wöchentlich / On-Demand
Stream Teams können eigenständig deployen
Messmethode & Datenquelle
CI/CD Logs: Anzahl erfolgreicher Deploys pro Woche
Rationale & HealthTech-Bezug
Das „Big Bang"-Risiko muss eliminiert werden. Häufige, kleine Releases sind sicherer. Ermöglicht schnelle Sicherheitspatches (Critical Security).
Über dieses Dashboard
Dies ist ein Entwurf für ein Evidence-Based Management (EBM)-Dashboard, das speziell auf die Situation von HealthTech Solutions zugeschnitten ist.
Das Ziel ist, die Illusion der Agilität („wir sind so schnell, Features fluten raus") durch harte Fakten zur Effektivität zu ersetzen („wie viel davon ist nutzbar, wie viel schadet uns und wie schnell lernen wir?").
Das Dashboard ist so konzipiert, dass es den Transformationsfortschritt von der aktuellen „Chaos-Agilität" hin zur skalierbaren „Team Topologies"-Organisation misst.