5 Minuten Lesezeit
Highlights
Autor: Dr. Kay Müller-Jones, Managing Partner, Head of Consulting, Tata Consultancy Services (TCS)
Unternehmen erzeugen heute Daten in einer Dimension, die sich ohne KI kaum noch strukturieren lässt. KI verdichtet Informationen in Sekunden, erkennt Muster früher und unterstützt Entscheidungen, für die zuvor lange Analysezyklen erforderlich waren. Sie bringt eine neue Form von Geschwindigkeit und Präzision in den Unternehmensalltag.
Doch KI selbst definiert keinen Zweck: Sie folgt den Prioritäten, die Führungskräfte setzen – oder eben nicht setzen. Ohne ein klares Zielbild verstärkt sie lediglich bestehende Muster, statt strategischen Wert zu erzeugen. Ein AI-First-Ansatz entsteht daher nicht in der Technologie sondern in der Führung, wie diese zielgerichtet zum Einsatz gebracht werden soll.
Laut Bitkom setzen heute 36 Prozent der deutschen Unternehmen aktiv KI ein – ein deutlicher Anstieg gegenüber 20 Prozent im Vorjahr. Die TCS AI for Business Study zeichnet für Deutschland und Österreich ein ähnliches Bild: 91 Prozent der Unternehmen haben KI-Projekte geplant, in Arbeit oder bereits umgesetzt. 89 Prozent verfolgen Initiativen, die speziell auf Umsatzwachstum ausgerichtet sind.
Gleichzeitig bleibt der Reifegrad heterogen. Nur zwei Prozent betrachten KI bereits als Differenzierungsfaktor, 37 Prozent leisten noch grundlegende Datenaufbereitung. 74 Prozent der Führungskräfte betonen jedoch, dass strategisches Denken und kreative Problemlösung auch künftig zu ihren entscheidenden Wettbewerbsvorteilen zählen werden. Im Ergebnis überarbeiten 65 Prozent ihre Unternehmensstrategie aufgrund der mit KI verbundenen Chancen und Risiken.
Diese Zahlen belegen, dass KI in der Wirtschaft angekommen ist. Ihre transformative Wirkung entfaltet sie jedoch erst, wenn Struktur, Einsatzzweck und Verantwortung in einem kohärenten Zielsystem zusammenfinden.
Damit KI ihre Wirkung entfalten kann, brauchen Unternehmen eine Antwort auf eine fundamentale Frage: Welche Entscheidungen bzw. Prozesse soll die Technologie verbessern – und in welcher Weise?
Dabei entscheidet der Zweck über die Art der Technologie. Ein Handelsunternehmen, das Lagerbestände präzise vorhersagen will, benötigt klassische analytische Prognosemodelle. Ein Kundenservice, der Dialoge automatisieren möchte, setzt auf Generative KI (GenAI) zur Unterstützung des Kundenbetreuers. Führung bedeutet hier, diesen geschäftlichen Zweck klar zu definieren, statt nur „KI“ als Pauschallösung zu fordern. Erst daraus ergibt sich, welche Daten relevant sind und wie die Technologie sinnvoll implementiert werden kann.
„KI ist ein schonungsloser Verstärker: Sie macht Stärken skalierbar, deckt aber auch jedes Defizit sofort auf.“
Steht der Zweck, zeigt sich die nächste Herausforderung: Trotz der Verbesserungen bei der KI-gestützten Datenabfrage und -analyse strukturierter und unstrukturierter Daten sind die Quelldaten selten in der erforderlichen Qualität verfügbar. Dies gilt insbesondere dann, wenn die Ergebnisse der KI-Verarbeitung für geschäftskritische Entscheidungen herangezogen werden sollen. Historisch gewachsene Strukturen, Silos, manuelle Abläufe und Wissen, das in Köpfen statt in Systemen steckt, prägen viele Organisationen.
KI verstärkt solche Schwächen: Selbst kleine Unschärfen werden zu großen Verzerrungen. Ein fehlerhafter Datensatz im CRM-System beispielsweise ist für einen menschlichen Vertriebler nur ein Ärgernis. Eine KI hingegen lernt daraus eine falsche Regel – und wendet diese automatisiert auf tausende Kundeninteraktionen an. Datenqualität ist deshalb keine technische Fleißarbeit, sondern eine strategische Verantwortung der gesamten Führung.
Wenn klar ist, welchen Wert Daten und KI schaffen sollen, richtet sich der Blick auf die Rahmenbedingungen: Unter welchen Regeln dürfen Unternehmen Daten nutzen? Welche Risiken müssen sie abfedern?
Datenschutz, geistiges Eigentum und digitale Souveränität gehören ins Zentrum der Führungsarbeit. Governance muss dabei mehr leisten als Compliance: Sie muss die Verlässlichkeit der Ergebnisse sicherstellen. Gerade bei generativer KI, die trotz guter Datenbasis zu Halluzinationen neigen kann, braucht es Mechanismen zur Qualitätssicherung und Faktenchecks.
Governance ist dabei nicht die Bremse der Transformation – sie ist ein Muss des unternehmerischen Risikomanagements und sie ist die Leitplanke, die Geschwindigkeit überhaupt erst sicher und damit möglich macht. Wer weiß und frühzeitig sicherstellt, dass rechtliche Risiken kontrolliert und Ergebnisse validiert sind, kann Innovationen schneller skalieren. Unternehmen, die diesen Punkt vernachlässigen, werden später massiv ausgebremst.
Zweck, Datenqualität und Governance bilden das Fundament. Doch erst im Zusammenspiel verschiedener Rollen entsteht tatsächliche Wirkung.
In agilen Unternehmen handeln diese Rollen parallel statt sequenziell. Dadurch entstehen Geschwindigkeit und Fokus.
Datennutzungsstrategien sind nicht neu. Neu ist das Tempo, das KI ermöglicht. Informationen verdichten sich schneller, Entscheidungen entstehen früher. Unternehmen, die diese Geschwindigkeit nutzen, setzen Standards und bleiben flexibel. Wer hingegen zögert, verliert den Anschluss zum Wettbewerb – vor allem wegen langsamer Entscheidungsprozesse.
Fest steht: Erst wenn Führung, Datenqualität und Governance kohärent zusammenwirken, wird KI vom isolierten Experiment zum echten wirtschaftlichen Vorteil. Unternehmen, die heute aktiv diese Klarheit schaffen, werden morgen das Tempo in ihrem Markt bestimmen.
Warum ist das bei KI kritischer als bei klassischer IT? Weil KI Entscheidungen nicht nur vorbereitet, sondern zunehmend auch autonom trifft – Stichwort: Kooperierende KI-Agenten. Die Hebelwirkung ist größer – und damit auch das Risiko.
AI First bedeutet deshalb: Klare strategische Entscheidungen treffen und Leitplanken schaffen, bevor operativ automatisiert wird. Skalierbare Strukturen schaffen, bevor man beschleunigt. Und: nicht länger abwarten, sondern handeln.