Ein Maschinenbauer mit 200 Mitarbeitenden bekommt aus der IT einen Vorschlag: Ein KI-System soll vorhersagen, wann Spindeln an den Fräszentren ausfallen. Die Geschäftsführung gibt das Projekt frei, ohne genau zu wissen, welche Datenbasis es braucht und wer für die Prognosen geradesteht. Sechs Monate später fehlt das Budget für die zweite Phase. In der Fertigung traut niemand den Warnmeldungen. KI-Management im Unternehmen scheitert selten an der Technik. Es scheitert, wenn das Management den Einsatz künstlicher Intelligenz wie eine Bestellung an die IT behandelt.
Geschäftsführer, die KI-Projekte steuern wollen, brauchen deshalb ein eigenes Urteil darüber, welche Anwendungen sich lohnen und welche Pflichten auf das Unternehmen zukommen. Eine KI-Manager-Ausbildung liefert dafür ein Gerüst aus Bewertungskriterien für Use Cases und Regulierung, mit dem sich solche Entscheidungen strukturiert treffen lassen statt aus dem Bauch. Die folgenden Fragen zeigen, worauf es ankommt.
Was bedeutet KI-Management, und warum gehört es in die Chefetage?
KI-Management heißt, KI-Systeme auszuwählen und ihren Betrieb laufend zu kontrollieren. Dazu gehören eine KI-Strategie, die zu den Zielen des Unternehmens passt, und die Verantwortung für die Ergebnisse. Wichtig ist die Reihenfolge: erst das Ziel festlegen, dann die Technologie wählen. Stellt ein Vertrieb seine Kundenanalysen auf Automatik um, verschieben sich Zuständigkeiten, manchmal sogar das Geschäftsmodell. Solche Weichen stellt, wer auch über Investitionen und Marktposition entscheidet. Die IT kann bewerten, ob etwas funktioniert. Ob es sich rechnet und zur Organisation passt, muss die Führung beantworten. Diese Aufgabe lässt sich nicht delegieren, weil sie Prozesse quer durch alle Abteilungen berührt.
Der Unterschied zur klassischen IT-Verwaltung liegt im Verhalten der Systeme. Eine Warenwirtschaft arbeitet feste Regeln ab. Ein Modell aus dem Machine Learning lernt aus großen Datenmengen und liefert Ergebnisse mit einer Fehlerquote, die sich mit jedem neuen Datensatz verschieben kann. Das verlangt laufende Beobachtung statt einmaliger Abnahme. Für die Rolle des Managements heißt das: Es reicht nicht, ein Projekt freizugeben und auf den Abschlussbericht zu warten. Wie sich KI-Lösungen in die übrige Digitalisierung im Mittelstand einfügen, ist eine Frage der digitalen Transformation und damit der Strategie.
Welche Fragen muss die Geschäftsführung vor dem Start beantworten?
Zwischen technischer Machbarkeit und geschäftlichem Nutzen klafft in vielen Projekten eine Lücke. Entwickler bauen ein Modell, das sauber rechnet und trotzdem am eigentlichen Problem vorbeigeht, weil niemand den Use Case vorher an den bestehenden Prozessen gespiegelt hat. Die Wahl des Anwendungsfalls entscheidet öfter über den Erfolg als die gewählte Technologie.
Vier Fragen gehören vor jede Freigabe:
| Frage | Worauf es ankommt |
|---|---|
| Welches Geschäftsproblem lösen wir? | Business Case mit konkreter Kennzahl, etwa Stillstandszeit in Stunden oder Bearbeitungsdauer je Vorgang |
| Reicht die Datenbasis? | Vollständigkeit, Aktualität, Verzerrungen; lückenhafte Informationen erzeugen plausibel klingende Fehlschlüsse |
| Welche Rechtsfragen stellen sich? | Personenbezogene Daten nach DSGVO, Art. 22 DSGVO bei automatisierten Einzelentscheidungen |
| Wer muss mitreden? | Betriebsrat nach § 87 Abs. 1 Nr. 6 und § 90 BetrVG, Datenschutzbeauftragte, Fachbereich |
Die Mitbestimmung wird gern übersehen. § 90 BetrVG nennt den Einsatz von künstlicher Intelligenz seit 2021 ausdrücklich als Thema, über das der Arbeitgeber den Betriebsrat rechtzeitig unterrichten muss. Eine Lizenz zu kaufen und den Betriebsrat danach zu informieren, kostet in der Regel Monate. Sitzt er möglichst früh mit am Tisch, hilft er eher dabei, das Projekt in der Belegschaft zu erklären.
Welche Kompetenzen brauchen Führungskräfte für KI?
Technisches Grundwissen allein reicht nicht. Führungskräfte, die KI-Projekte verantworten, brauchen eine Mischung, die klassische Managementausbildungen bislang selten abdecken:
- Strategisches Urteil: Anwendungen nach Nutzen und Risiko priorisieren und fundierte Entscheidungen treffen, auch gegen die Begeisterung des eigenen Teams.
- Change Management: Jede Einführung verändert operative Abläufe. Die Kunst liegt darin zu erkennen, wann eine Information an die Mitarbeitenden reicht und wann echte Beteiligung nötig ist.
- Übersetzen: Ein Vorstand erwartet andere Argumente als der Betriebsrat oder ein Investor. Dasselbe Projekt je nach Publikum erklären zu können, verkürzt Abstimmungen spürbar.
- Realismus über Grenzen: Modelle formulieren auch bei dünner Datenlage überzeugend. Eine Führungskraft, die das weiß, baut Kontrollen ein und prüft Ergebnisse, bevor sie ihnen folgt.
Menschliche Urteilskraft bleibt dabei der Kern, auch wenn intelligente Systeme immer mehr Routinearbeit übernehmen. Neue Aufgaben entstehen für Führungskräfte vor allem dort, wo eine Maschine eine Empfehlung abgibt und ein Mensch sie verantworten muss. Wie die Belegschaft mit den neuen Werkzeugen umgehen lernt, ist eine eigene Baustelle; Wege dazu beschreibt der Beitrag zur KI-Weiterbildung für Mitarbeitende.
Was verlangt die KI-Verordnung von Unternehmen?
Mit der europäischen KI-Verordnung ist KI-Kompetenz keine freiwillige Kür mehr, und die Entwicklung künstlicher Intelligenz wird damit auch zur Compliance-Frage. Artikel 4 verpflichtet Anbieter und Betreiber von KI-Systemen, für ausreichende KI-Kompetenz ihres Personals zu sorgen, gleich welcher Branche und Größe. Erfasst sind auch Chatbots für allgemeine Zwecke, die in vielen Büros bereits im Einsatz sind. Damit betrifft die Pflicht fast jeden Betrieb. Die Bundesnetzagentur empfiehlt zur KI-Kompetenz als Grundsteine, zuerst den Bedarf zu ermitteln, dann Maßnahmen zu gestalten und diese zu dokumentieren und regelmäßig aufzufrischen.
Hinzu kommt die Einteilung nach Risiko. Die Verordnung kennt vier Stufen: verbotene Praktiken, Hochrisiko-Systeme, Systeme mit Transparenzpflichten und Anwendungen mit minimalem Risiko. Ein Tool zur Bewerberauswahl landet schnell in der Hochrisiko-Klasse, ein Assistent für Produktbeschreibungen eher nicht. Diese Einordnung ist Chefsache, weil an ihr Aufwand und Haftung hängen.
Weiterbildung oder Selbststudium: Was bringt schneller voran?
Eine strukturierte Weiterbildung ordnet Themen in eine Reihenfolge, die aufeinander aufbaut. Beim Selbststudium aus Fachartikeln und einzelnen Videokursen bleibt die Frage offen, welche Quellen verlässlich sind und wie die Teile zusammenpassen.
| Kriterium | Strukturierte Weiterbildung | Selbststudium |
|---|---|---|
| Methoden und Frameworks | gebündelt, erprobt | einzeln recherchiert |
| Nachweis gegenüber Beirat, Investoren | Zertifikat | kaum belegbar |
| Austausch | Lerngruppe mit anderen Führungskräften | meist allein |
| Zeitliche Flexibilität | feste Termine | hoch, verlangt Disziplin |
Unterschätzt wird der Austausch. Ein geplantes KI-Projekt in einer Lerngruppe mit Führungskräften aus anderen Branchen durchzusprechen, liefert einen Realitätscheck, den das eigene Haus selten bietet. Für Geschäftsführer, die in den nächsten zwölf Monaten erste Projekte freigeben, ist die strukturierte Weiterbildung der schnellere Weg. Das Selbststudium lohnt sich eher als Ergänzung, um einzelne Themen zu vertiefen. Eine Weiterbildung zum KI-Manager stärkt außerdem die eigene Position gegenüber Dienstleistern, die KI-Lösungen verkaufen wollen.
Wie wird aus einem Pilotprojekt eine Lösung für das ganze Unternehmen?
Der sicherste Einstieg ist ein begrenzter Pilot mit messbaren Zielen. Ein Logistikunternehmen könnte etwa die Tourenplanung einer einzigen Niederlassung von einem KI-System unterstützen lassen, während alle anderen Standorte wie bisher planen. Sinken dort Fahrzeiten und Planungsaufwand, folgt der nächste Standort. Scheitert der Test, bleibt der Schaden überschaubar, und die Erkenntnisse fließen in den zweiten Anlauf.
Damit das gelingt, braucht es interdisziplinäre Teams, in denen Fachleute aus Geschäft und Technik vom ersten Tag an zusammenarbeiten. Nur so entstehen Kennzahlen, die beide Seiten ernst nehmen. Diese Ziele müssen feststehen, bevor das Unternehmen skaliert. Sinnvoll ist, schon im Pilot festzuhalten, welche bestehenden Prozesse sich ändern und wer im Team welche Rolle übernimmt. Fehlt der Maßstab, lässt sich später nicht sagen, ob die Ausweitung Mehrwert gebracht hat oder nur Aufwand.
Einen eigenen Chief AI Officer braucht ein Betrieb mit 200 Mitarbeitenden dafür meist nicht. Das Geld ist in saubere Datensätze und Schulungen besser angelegt. Die Verantwortung bleibt oben. So lässt sich die Organisation Schritt für Schritt entwickeln, ohne eine neue Hierarchieebene zu schaffen. Externe Unterstützung kann trotzdem sinnvoll sein; Hinweise zu Ablauf und Förderprogrammen gibt der Beitrag über Digitalisierungsberatung.
Checkliste für die nächste Geschäftsleitungssitzung
- Liegt für jedes geplante KI-Projekt ein Business Case mit Kennzahl vor?
- Ist geklärt, welche Daten genutzt werden und wer für ihre Qualität verantwortlich ist?
- Sind Betriebsrat und Datenschutz vor der Beschaffung eingebunden?
- Ist das System einer Risikoklasse der KI-Verordnung zugeordnet?
- Gibt es einen dokumentierten Plan für die KI-Kompetenz der Beschäftigten?
- Ist der Pilot zeitlich und räumlich begrenzt, mit Abbruchkriterium?
- Kann mindestens eine Person in der Geschäftsführung Projektvorschläge selbst bewerten?
Bei einem Nein in der letzten Zeile beginnt die Arbeit genau dort.
