Der Vorteil der KI: Von der Experimentierphase zur Umsetzung

Künstliche Intelligenz muss in den Vorstandsetagen längst nicht mehr vorgestellt werden. Die meisten Führungskräfte haben bereits einen Chatbot ausprobiert, ein Pilotprojekt genehmigt oder miterlebt, wie ein Team eine Präsentation in einem Bruchteil der üblichen Zeit erstellt hat. Der Reiz des Neuen ist verflogen; nun beginnt die schwierigere Phase.

Die Frage für das Jahr 2026 lautet nicht, ob ein Unternehmen KI einsetzt, sondern ob diese die Art und Weise verändert, wie Arbeit organisiert, Entscheidungen getroffen und Kunden betreut werden. Der KI-Index 2025 der Stanford University ergab, dass 78 Prozent der Unternehmen im Jahr 2024 KI in mindestens einem Geschäftsbereich einsetzten – ein Anstieg gegenüber 55 Prozent im Jahr zuvor. Jüngste Unternehmensstudien deuten jedoch darauf hin, dass die regelmäßige Nutzung auf Mitarbeiterebene nach wie vor weitaus uneinheitlicher ist. IBM berichtete im Jahr 2026, dass nur ein Viertel der Beschäftigten KI routinemäßig im Rahmen ihrer Arbeit einsetzte, obwohl 86 Prozent der Geschäftsführer der Ansicht waren, ihre Belegschaft sei dazu bereit.

Diese Kluft erklärt, warum manche Unternehmen bereits nennenswerte Erfolge verzeichnen, während andere weiterhin in Workshops, Lizenzen und lose miteinander verbundenen Experimenten feststecken. Der Zugang zu einem fortschrittlichen Modell ist relativ einfach zu erwerben. Die Neugestaltung eines Arbeitsablaufs auf dieser Grundlage, die Festlegung der Verantwortung für das Ergebnis und die Überzeugung der Mitarbeiter, eingefahrenen Gewohnheiten abzuschwören, sind hingegen wesentlich schwieriger.

Beginnen Sie mit der Arbeit, nicht mit der Technologie

Die nützlichsten KI-Projekte wirken oft weniger spektakulär als die am wenigsten nützlichen.

Ein Unternehmen kündigt vielleicht einen ambitionierten virtuellen Berater an, während seine Mitarbeiter weiterhin Stunden damit verbringen, interne Dokumente zu suchen, Besprechungsnotizen umzuschreiben und Informationen zwischen Systemen zu übertragen. In einer solchen Situation ist es sinnvoll, nicht mit einem Mitarbeiter im Kundenservice zu beginnen, sondern mit den wiederkehrenden internen Arbeitsabläufen, die kostspielig und langsam sind und sich aufgrund ihrer Standardisierung gut optimieren lassen.

Für ein Kommunikationsteam könnte dies bedeuten, ein zugelassenes KI-System zu nutzen, um die tägliche Medienberichterstattung zu vergleichen, sich abzeichnende Narrative zu identifizieren und einen ersten Entwurf eines Themenpapiers zu erstellen. Eine Public-Affairs-Abteilung könnte es nutzen, um Verpflichtungen, Termine und Positionen von Interessengruppen aus einem Konsultationsdokument zu extrahieren. Ein Dienstleistungsunternehmen könnte relevantes Wissen aus seinen eigenen Archiven abrufen, anstatt Mitarbeiter zu beauftragen, jahrelange Akten zu durchsuchen.

Morgan Stanley hat diesen kontrollierteren Weg eingeschlagen. Die internen KI-Tools des Unternehmens ermöglichen es Finanzberatern und anderen Mitarbeitern, genehmigte Forschungsergebnisse und Wissen zu durchsuchen, während das „Debrief“-System Besprechungsnotizen erstellen und Entwürfe für Folgematerialien erstellen kann. Das Ziel besteht nicht darin, das Urteilsvermögen des Beraters oder die Kundenbeziehung zu ersetzen. Vielmehr soll der Zeitaufwand für das Abrufen, Organisieren und Dokumentieren von Informationen reduziert werden.

JPMorgan Chase hat ein ähnliches Modell in größerem Maßstab umgesetzt. Die firmeneigene „LLM Suite“ ermöglicht den Mitarbeitern den Zugriff auf generative KI in einer kontrollierten Umgebung. Bis 2025 hatten mehr als 200.000 Mitarbeiter Zugriff darauf, wobei die Bank angab, dass einige Teams dadurch jede Woche mehrere Stunden einsparen konnten. Mehr als 65.000 Mitarbeiter im Firmenkunden- und Investmentbanking-Bereich nutzten das System aktiv, und über 90 Prozent der Ingenieure setzten KI-Codierungsassistenten ein.

Diese Beispiele sind wichtig, weil sie zeigen, wo der Einsatz in Unternehmen zunehmend glaubwürdig wird: innerhalb festgelegter Arbeitsabläufe, unter Verwendung regulierter Informationen und mit einem Menschen, der weiterhin für das Ergebnis verantwortlich ist.

Produktivität ist nicht dasselbe wie Wert

KI kann eine einzelne Aufgabe beschleunigen, ohne dass dadurch die Organisation effektiver wird.

Zehn Kampagnenkonzepte in fünf Minuten zu entwickeln, klingt zwar effizient, doch der Nutzen ist vernachlässigbar, wenn das Team anschließend zwei Stunden damit verbringt, allgemeine Ideen zu überarbeiten. Die Zusammenfassung aller veröffentlichten Artikel über ein Unternehmen schafft zwar mehr Material, führt aber nicht unbedingt zu mehr Erkenntnissen. Ein Chatbot, der Kundenanfragen schnell abwickelt, kann dennoch die Kundenbindung beeinträchtigen, wenn Kunden keinen Ansprechpartner erreichen können, sobald das Problem komplizierter wird.

Führungskräfte müssen daher die Ergebnisse auf der Ebene der Arbeitsabläufe messen. Je nach Aufgabe kann dies Zeitersparnis, weniger Fehler, schnellere Reaktionszeiten, eine höhere Konversionsrate, eine verbesserte Kundenzufriedenheit oder eine bessere Einhaltung von Vorschriften bedeuten. “Die Mitarbeiter haben das Tool genutzt” ist eine Kennzahl zur Akzeptanz. Sie ist kein Beweis für den geschäftlichen Nutzen.

Diese Unterscheidung gewinnt noch mehr an Bedeutung, wenn KI-Agenten nicht mehr nur eine einzelne Frage beantworten, sondern mehrere miteinander verbundene Aktionen ausführen. Ein Agent kann Informationen abrufen, ein System aktualisieren, eine Empfehlung erstellen und einen Folgeprozess auslösen. Das kann den Verwaltungsaufwand erheblich verringern, führt aber auch zu einer längeren Kette, in der sich ein Fehler weiter ausbreiten kann, bevor er bemerkt wird.

Die Unternehmen, die Fortschritte erzielen, beschränken sich daher nicht darauf, KI einfach nur in bestehende Aufgaben zu integrieren. Sie legen fest, in welchen Fällen ein Mensch die Arbeit überprüfen muss, welche Maßnahmen einer Genehmigung bedürfen und was geschieht, wenn das System unsicher ist.

Die besten Anwendungsfälle sind oft schon erkennbar

Führungskräfte müssen die Zukunft der künstlichen Intelligenz nicht vorhersagen, um einen nützlichen Ansatzpunkt zu finden. Sie können nach Aufgaben suchen, die vier Merkmale aufweisen: Sie kommen häufig vor, beanspruchen die Zeit von Fachkräften, folgen einem erkennbaren Muster und können von einer kompetenten Person überprüft werden.

Im Vertrieb kann KI Kundenanalysen erstellen und einen ersten Entwurf individuell anpassen, ohne zu entscheiden, welcher Kunde Aufmerksamkeit verdient. Im Kundenservice kann sie einfache Anfragen klären und komplexe Fälle an einen Mitarbeiter weiterleiten. Im Finanzbereich kann sie Abweichungen erklären und ungewöhnliche Transaktionen kennzeichnen, ohne eine Zahlung zu genehmigen. In der Kommunikation kann sie die Berichterstattung analysieren und Botschaften testen, ohne zu entscheiden, was das Unternehmen öffentlich sagen soll.

Klarna wurde zu einem der am meisten beachteten Beispiele, nachdem das Unternehmen einen KI-Kundenservice-Assistenten in großem Maßstab eingeführt hatte. Seine anfänglichen Angaben zum Umfang der bearbeiteten Anfragen und zur Zeitersparnis erregten großes Aufsehen, doch ebenso aufschlussreich war die anschließende Betonung des Unternehmens, den menschlichen Support beizubehalten. Automatisierung kann Geschwindigkeit und Kosten verbessern; sie kann jedoch nicht davon ausgehen, dass jede Kundeninteraktion jeglichen menschlichen Kontakt ausschließen sollte.

Die Lehre, die man daraus ziehen kann, ist nicht, dass KI versagt oder Erfolg hatte. Vielmehr hängt das richtige Gleichgewicht von der jeweiligen Situation ab. Ein Kunde, der ein Zahlungsdatum überprüft, freut sich vielleicht über eine sofortige automatisierte Antwort. Jemand, der eine hohe Abbuchung beanstandet, wird das Unternehmen wahrscheinlich danach beurteilen, ob sich eine kompetente Person der Angelegenheit annimmt.

Ihre Daten entscheiden darüber, wie nützlich das System wird

Generative KI vermittelt den Eindruck, dass ein Unternehmen Jahre chaotischer Informationsverwaltung einfach überspringen könnte. Das ist jedoch nicht möglich.

Wenn Dateien doppelt vorhanden sind, die Zugriffsrechte unklar sind und wichtiges Wissen in privaten Posteingängen schlummert, kann es vorkommen, dass ein KI-System die falsche Version einer Richtlinie abruft oder Material jemandem zugänglich macht, der es nicht sehen sollte. Eine ausgefeilte Antwort kann eine schwache Faktengrundlage verschleiern, was unzuverlässige Daten besonders gefährlich macht.

Bevor KI in einen wichtigen Arbeitsablauf integriert wird, sollten Führungskräfte festlegen, welche Quellen sie nutzen darf, wem diese gehören, wie oft sie aktualisiert werden und wer Zugriff auf die Ergebnisse hat. Außerdem sollten sie klären, ob vertrauliche Informationen in ein externes System eingegeben werden dürfen. Andernfalls treffen die Mitarbeiter diese Entscheidungen individuell, oft ohne zu wissen, wohin ihre Eingaben und Dokumente gelangen könnten.

Dies ist ein Grund, warum sichere Unternehmensumgebungen immer wichtiger werden als die neueste Funktion eines öffentlichen Chatbots. Das Modell ist zwar wichtig, doch erst die begleitenden Kontrollmechanismen entscheiden darüber, ob man ihm echte Aufgaben anvertrauen kann.

Die Regulierung hat den Sprung von der Theorie in die Praxis geschafft

Auch europäische Unternehmen sehen sich mit einem konkreteren Zeitplan für die Einhaltung der Vorschriften konfrontiert. Das EU-KI-Gesetz trat im August 2024 in Kraft, wobei die Verpflichtungen schrittweise in Kraft treten. Die Vorschriften zu verbotenen Praktiken und zur KI-Kompetenz traten im Februar 2025 in Kraft; die Verpflichtungen für Allzweck-KI-Modelle folgten im August 2025, und ab August 2026 gelten weitere wesentliche Bestimmungen, wobei Teile der Regelungen für Hochrisikobereiche bis ins Jahr 2027 hineinreichen.

Nicht jede Anwendung generativer KI wird als risikoreich eingestuft, dennoch müssen Unternehmen wissen, wo KI eingesetzt wird und von wem. Dazu ist eine Bestandsaufnahme erforderlich, die sowohl genehmigte Systeme als auch inoffizielle Tools und KI-Funktionen umfasst, die in Software integriert sind, die die Mitarbeiter bereits nutzen.

Der Bereich Kommunikation birgt ganz eigene Risiken. Synthetische Bilder, geklonte Stimmen und bearbeitete Videos können rechtliche Probleme und Reputationsschäden verursachen, selbst wenn die ursprüngliche Absicht harmlos war. Teams benötigen Richtlinien zur Offenlegung von KI-generierten Inhalten, ein Genehmigungsverfahren für realistisch wirkende synthetische Medien sowie klare Grenzen für die Verwendung des Bildnisses oder der Stimme von Mitarbeitern, Kunden und Persönlichkeiten des öffentlichen Lebens.

Bei der KI-Kompetenz geht es daher nicht mehr nur darum, den Mitarbeitern ein optionales Webinar zum Verfassen von Prompts anzubieten. Die Mitarbeiter benötigen konkrete Regeln: Welche Systeme sind zugelassen, welche Informationen dürfen niemals eingegeben werden, welche Ergebnisse müssen überprüft werden und wer trägt die Verantwortung, wenn KI zu einer Entscheidung beiträgt?.

Führungskräfte brauchen vor allem Urteilsvermögen – mehr noch als fachliche Kompetenz

Ein Vorstandsvorsitzender muss sich nicht mit Modellarchitektur auskennen. Auch sollte der Vorstand seine Zeit nicht damit verbringen, KI-Abonnements für Endverbraucher zu vergleichen. Führung ist an anderer Stelle gefragt.

Die Unternehmensleitung muss entscheiden, welche Probleme es wert sind, gelöst zu werden, welches Risikoniveau akzeptabel ist und ob ein KI-Projekt die übergeordnete Strategie des Unternehmens unterstützt. Sie muss sich zudem gegen verlockende Demonstrationen wehren, die sich in der Praxis – mit echten Daten, echten Kunden oder echten regulatorischen Anforderungen – nicht bewähren können.

Dazu bedarf es ausreichender Sprachkenntnisse, um sinnvolle Fragen zu stellen. Welcher Prozess verändert sich? Welche Anhaltspunkte deuten darauf hin, dass er sich verbessert? Auf welche Informationen greift das System zurück? Wo kann man eingreifen? Wer ist für einen Fehler verantwortlich? Kann das Unternehmen den Anbieter austauschen, ohne den gesamten Betrieb neu aufbauen zu müssen?

Die IBM-Studie aus dem Jahr 2026 verdeutlicht den sich derzeit abzeichnenden Druck im Bereich der Governance. In einer Studie gaben zwei Drittel der befragten Führungskräfte aus dem Technologiebereich an, dass sie für KI-Systeme zur Verantwortung gezogen würden, über die sie keine vollständige Kontrolle hätten, während nur 11 Prozent der Meinung waren, dass ihre Unternehmen vollständig auf den Umfang des Einsatzes von KI-Agenten vorbereitet seien, der im Laufe des folgenden Jahres erwartet werde. Es geht nicht mehr nur um Begeisterung oder technische Fähigkeiten. Es geht um Kontrolle.

Die Frage nach den Arbeitskräften erfordert mehr Ehrlichkeit

Die beruhigende Aussage, dass KI den Menschen “ergänzen, nicht ersetzen” werde, ist zu allgemein, um als Leitlinie für eine Personalstrategie zu dienen. Einige Aufgabenbereiche werden an Bedeutung gewinnen, andere an Bedeutung verlieren, und bei vielen wird zwar die Berufsbezeichnung gleich bleiben, doch die damit verbundenen Aufgaben werden sich grundlegend ändern.

Der ’Future of Jobs Report 2025“ des Weltwirtschaftsforums schätzt, dass der strukturelle Wandel auf dem Arbeitsmarkt bis 2030 170 Millionen neue Arbeitsplätze schaffen und 92 Millionen Arbeitsplätze verdrängen könnte. Arbeitgeber gingen davon aus, dass sich 39 Prozent der bestehenden Kompetenzen der Arbeitnehmer im gleichen Zeitraum verändern oder überholt sein werden. KI- und Big-Data-Kompetenzen gehören zu den am schnellsten wachsenden technischen Fähigkeiten, doch analytisches Denken, Belastbarkeit, Führungsqualitäten und soziale Kompetenz bleiben wichtig, da Unternehmen nach wie vor Menschen benötigen, die Situationen einschätzen, andere überzeugen und Verantwortung übernehmen können.

Ein glaubwürdiger Arbeitgeber sollte seinen Mitarbeitern daher mitteilen, welche Aufgaben automatisiert werden, welche weiterhin von Menschen übernommen werden und wie sich die Leistungserwartungen ändern werden. Mitarbeiter werden schnell skeptisch, wenn Führungskräfte KI intern als “Befähigung” beschreiben, sie gegenüber Investoren jedoch in erster Linie als Kosteneinsparungsmaßnahme präsentieren.

Die Schulung sollte zudem an die tatsächliche Arbeit geknüpft sein. Ein allgemeiner Kurs mag zwar das Bewusstsein schärfen, doch erst durch die Anwendung von KI bei wiederkehrenden Aufgaben, die Analyse von Fehlern und das Erlernen, wann man den Ergebnissen nicht vertrauen sollte, werden die Mitarbeiter kompetent.

Was vor der Genehmigung eines weiteren KI-Pilotprojekts zu tun ist

Ein sinnvoller Vorschlag sollte auf einer Seite verständlich sein.

Darin sollten das geschäftliche Problem, die derzeitigen Kosten oder Verzögerungen, die vorgeschlagene Änderung sowie die Kennzahl, anhand derer sich der Erfolg des Projekts messen lässt, dargelegt werden. Außerdem sollten die betroffenen Daten, die für das Ergebnis verantwortliche Person und der Punkt, an dem weiterhin eine menschliche Genehmigung erforderlich ist, genannt werden. Ferner sollte angegeben werden, unter welchen Umständen die Organisation das Projekt abbrechen würde.

Auch wenn diese Fragen noch nicht beantwortet werden können, kann das Projekt dennoch interessant sein. Es ist noch nicht bereit für eine Skalierung.

Der Wettbewerbsvorteil im Bereich der KI liegt zunehmend weniger im frühzeitigen Zugang zu einem Modell, das auch die Konkurrenz erwerben kann. Er besteht vielmehr darin, das eigene Unternehmen gut genug zu kennen, um die richtigen Aufgaben auszuwählen, diese sorgfältig neu zu gestalten und menschliches Urteilsvermögen dort beizubehalten, wo es einen echten Mehrwert bietet. Bis 2026 wird genau darin der Unterschied zwischen einem Unternehmen liegen, das KI einsetzt, und einem, das dadurch besser wird.