Die Lücke zwischen KI-Strategie und Wirklichkeit

/von

Viele Unternehmen sprechen über KI, als ginge es vor allem um Modelle, Tools, Automatisierung und Effizienz.

Diese Themen sind wichtig und sie beschreiben nur einen Teil der Veränderung.

Denn KI verändert mehr als einzelne Arbeitsschritte. KI verändert Rollen, Verantwortung, Entscheidungswege und oft auch das Selbstverständnis von Menschen in ihrer Arbeit.

Genau dort entsteht die eigentliche Herausforderung: zwischen technischer Möglichkeit und organisationaler Wirklichkeit.

Die technische Frage ist oft der Anfang

Viele KI-Projekte beginnen mit naheliegenden Fragen:

Welche Prozesse lassen sich automatisieren?
Welche Tools passen zur bestehenden IT-Landschaft?
Welche Daten sind vorhanden?
Welche Modelle liefern gute Ergebnisse?
Wo entsteht ein messbarer wirtschaftlicher Nutzen?

Diese Fragen sind berechtigt und sie reichen selten aus, um die ganze Veränderung zu verstehen.

Auch aktuelle Studien zur KI-Einführung zeigen, dass Wert aus KI selten allein durch die Einführung eines Tools entsteht. McKinsey beschreibt in der „State of AI: Global Survey 2025“ sechs Dimensionen, die für Wertschöpfung aus KI wesentlich sind: Strategie, Talent, Operating Model, Technologie, Daten sowie Adoption und Skalierung. McKinsey, State of AI 2025

Eine KI-Lösung kann technisch sauber gedacht, wirtschaftlich sinnvoll und strategisch gut begründet sein. Und trotzdem kann sie im Unternehmen schwer werden, wenn die Menschen, Strukturen und unausgesprochenen Dynamiken zu spät in den Blick kommen.

Dann geht es plötzlich weniger um Technologie und mehr um Vertrauen. Weniger um Funktionen und mehr um Verantwortung. Weniger um Effizienz und mehr um die Frage, welchen Platz Menschen in einer veränderten Arbeitswelt einnehmen.

KI berührt Identität

Wenn KI in einem Unternehmen eingeführt wird, verändert sich häufig mehr, als auf den ersten Blick sichtbar ist.

Ein erfahrener Mitarbeiter, der sein Wissen über Jahre aufgebaut hat, erlebt KI vielleicht als Entwertung seiner Kompetenz. Eine Führungskraft fragt sich, welche Entscheidungen künftig noch bei ihr liegen. Ein Team spürt, dass bisherige Routinen an Bedeutung verlieren. Eine Fachabteilung fürchtet, von technischen Lösungen überrollt zu werden, die an ihrer Realität vorbeigehen.

Solche Reaktionen werden schnell als Widerstand beschrieben. Aus meiner Sicht lohnt sich ein genauerer Blick.

Widerstand ist oft ein Hinweis auf etwas, das verstanden werden will. Er zeigt, wo Menschen etwas schützen möchten: Erfahrung, Qualität, Zugehörigkeit, Einfluss, Sicherheit oder Sinn. Wer diese Signale ernst nimmt, gewinnt wichtige Informationen über das System.

Die Frage lautet deshalb weniger: Wie bekommt man Menschen dazu, eine neue Lösung zu akzeptieren?

Die stärkere Frage lautet: Was braucht diese Organisation, damit eine sinnvolle technologische Veränderung auch menschlich und strukturell tragfähig wird?

Die BCG-Studie „AI at Work 2025“ zeigt genau diese Lücke: Viele Beschäftigte nutzen generative KI bereits regelmäßig, zugleich fühlt sich nur ein deutlich kleinerer Teil ausreichend darauf vorbereitet. Die Studie betont außerdem die Rolle von Führung, Training und transparenter Kommunikation. BCG, AI at Work 2025

Zwischen Strategie und Alltag liegt die eigentliche Arbeit

Eine KI-Strategie kann auf dem Papier schlüssig sein. Entscheidend ist, was im Alltag daraus wird.

Dort treffen technische Konzepte auf bestehende Gewohnheiten. Dort zeigen sich informelle Machtverhältnisse, unausgesprochene Ängste, echte Kompetenzlücken und berechtigte Qualitätsansprüche. Dort entscheidet sich, ob eine neue Lösung als Unterstützung erlebt wird oder als Bedrohung.

Organisationen funktionieren selten nur entlang ihrer offiziellen Strukturen. Neben Organigrammen gibt es informelle Netzwerke, gewachsene Routinen, stille Autoritäten und kulturelle Muster. KI kann diese Ordnung verschieben. Manche Aufgaben verlieren an Bedeutung, andere entstehen neu. Entscheidungen werden anders vorbereitet. Wissen wird anders verfügbar. Zusammenarbeit verändert sich.

Die OECD beschreibt diesen Wandel sehr konkret: KI verändert, wie Menschen ihre Arbeit ausführen und welche Fähigkeiten in betroffenen Berufen gebraucht werden. In hoch KI-exponierten Tätigkeiten steigen unter anderem Anforderungen an soziale, emotionale, digitale, kognitive und sprachliche Fähigkeiten. OECD, How is AI changing the way workers perform their jobs and the skills they require?

Wer KI ernsthaft einführen will, sollte deshalb mehr betrachten als Toolauswahl, Datenqualität und technische Architektur.

Es braucht ein Verständnis für das Zusammenspiel von Technologie, Organisation und Mensch.

KI ist auch Organisationsentwicklung

Für mich ist KI mehr als ein IT-Thema. KI ist ein Technologie-, Strategie- und Entwicklungsthema.

Die technische Ebene fragt:

Was ist möglich?
Was ist sinnvoll?
Was ist sicher, stabil und wirtschaftlich?
Welche Systeme passen zur bestehenden Umgebung?
Wo braucht es Standardlösungen und wo individuelle Entwicklung?

Die organisationale Ebene fragt:

Welche Veränderung löst diese Technologie aus?
Welche Rollen verändern sich?
Welche Kompetenzen müssen entstehen?
Welche Verantwortung wird neu verteilt?
Welche Menschen brauchen Orientierung, Beteiligung oder Schutzräume?

Beide Perspektiven gehören zusammen.

Eine Organisation gewinnt wenig durch KI, wenn Menschen die Lösung umgehen, ablehnen oder nur oberflächlich nutzen. Gleichzeitig reicht reine Prozessbegleitung ohne technisches Verständnis ebenfalls zu kurz, weil dann Möglichkeiten, Grenzen und Risiken der Technologie unscharf bleiben.

Der wirksame Raum liegt dazwischen.

Auch im Change Management zeigt sich dieser Zusammenhang: Prosci beschreibt aktive und sichtbare Unterstützung durch Sponsoren seit Jahren als zentralen Erfolgsfaktor für Veränderung. Projekte mit sehr wirksamen Sponsoren erreichen ihre Ziele laut Prosci deutlich häufiger als Projekte mit sehr schwacher Sponsorenschaft. Prosci, Change Management Success

Wenn Standardtools nicht reichen

Viele Aufgaben lassen sich mit bestehenden KI-Werkzeugen gut unterstützen. Für erste Experimente, Textarbeit, Recherche, Strukturierung oder interne Entlastung können Standardtools ein sinnvoller Einstieg sein.

An anderen Stellen braucht es eigene KI-Systeme.

Das gilt besonders dort, wo interne Daten, spezifische Prozesse, Datenschutzanforderungen, Rollenmodelle oder besondere fachliche Logiken eine wichtige Rolle spielen. Dann reicht es selten, einfach ein Tool einzuführen. Dann entsteht die eigentliche Aufgabe darin, ein System zu konzipieren, das zur Organisation passt.

Solche Systeme können interne Wissensassistenten sein, KI-gestützte Analysewerkzeuge, spezialisierte Rechercheumgebungen, Prozessassistenten oder Anwendungen, die konkrete Facharbeit unterstützen.

Entscheidend ist dabei: Die Aufgabe führt, die Technologie folgt.

Ein eigenes KI-System sollte kein technisches Prestigeprojekt sein. Es sollte ein Werkzeug sein, das eine reale Anforderung besser lösbar macht, Orientierung schafft, Qualität erhöht oder Menschen von Arbeit entlastet, die sie dauerhaft bindet und wenig Wert stiftet.

Das NIST AI Risk Management Framework beschreibt KI-Systeme ausdrücklich als sozio-technische Systeme: Risiken und Nutzen entstehen aus dem Zusammenspiel technischer Aspekte, menschlichen Verhaltens, Nutzungskontext und gesellschaftlichen Faktoren. NIST, AI Risk Management Framework

Die Verbindung ist der entscheidende Punkt

Mich interessiert an KI vor allem der Raum, in dem technische Möglichkeiten und menschliche Entwicklung zusammenkommen.

Dort entsteht mehr als Automatisierung.

Dort können Organisationen lernen, Wissen besser nutzbar zu machen. Dort können Menschen von wiederkehrenden Tätigkeiten entlastet werden. Dort können Entscheidungen besser vorbereitet werden. Dort kann Arbeit klarer, sinnvoller und wirksamer werden.

Damit das gelingt, braucht es eine Übersetzungsleistung zwischen verschiedenen Welten:

zwischen Geschäftsführung und Fachabteilung,
zwischen Strategie und Umsetzung,
zwischen IT und Organisation,
zwischen technischer Machbarkeit und menschlicher Realität.

Genau diese Übersetzung entscheidet häufig darüber, ob KI ein weiteres digitales Projekt bleibt oder zu echter Entwicklung führt.

BCG beschreibt diese Lücke in einem weiteren Beitrag als Unterschied zwischen bloßer Nutzungsrate und echter Adoptionsqualität: Entscheidend sei, ob KI in die eigentliche Arbeit integriert wird und dort Wert erzeugt. BCG, AI Adoption Puzzle

Gute KI-Projekte beginnen mit besseren Fragen

Die wichtigste Frage lautet aus meiner Sicht selten: Welche KI brauchen wir?

Besser ist:

Was soll in dieser Organisation leichter, klarer oder wirksamer werden?
Welche Arbeit bindet Menschen, obwohl sie wenig Wert erzeugt?
Wo geht Wissen verloren oder bleibt unzugänglich?
Welche Entscheidungen brauchen bessere Grundlagen?
Welche Veränderung ist technisch möglich und menschlich tragfähig?
Welche Form von KI passt wirklich zu dieser Organisation?

Aus solchen Fragen entstehen andere Lösungen.

Manchmal ist die Antwort ein Workshop. Manchmal ein Prototyp. Manchmal eine strategische Klärung. Manchmal ein eigenes KI-System. Manchmal auch die Erkenntnis, dass ein technisches Projekt erst später sinnvoll ist, weil vorher Rollen, Prozesse oder Ziele geklärt werden müssen.

Das ist kein Umweg. Das ist oft der kürzere Weg zu einer tragfähigen Lösung.

Fazit

KI-Transformation gelingt dort, wo technische Klarheit und organisationale Reife zusammenkommen.

Die Technologie muss funktionieren. Und die Organisation muss mit der Veränderung umgehen können, die durch diese Technologie entsteht.

Deshalb liegt die entscheidende Lücke oft zwischen Strategie und Wirklichkeit: zwischen dem, was technisch möglich ist, und dem, was Menschen, Teams und Organisationen tatsächlich tragen können.

Wer diese Lücke ernst nimmt, entwickelt andere Lösungen.

Präzisere. Menschlichere. Wirksamere.

Und genau dort beginnt für mich die eigentliche Arbeit.

Quellen und weiterführende Studien

© Copyright - Felix Profe-Bracht
Warum KI nicht jedem Menschen gleich viel nützt