KI-Implementierungsstrategie: Von technologieorientierten Pilotprojekten zur strategieorientierten Umsetzung

Die meisten KI-Initiativen scheitern nicht, weil die Technologie nicht funktioniert, sondern weil Organisationen nicht wissen, welches Problem sie tatsächlich zu lösen versuchen.

Laut der MIT-Studie State of AI in Business 2025¹ haben die meisten Organisationen zumindest einige KI-Pilotprojekte umgesetzt, doch viele nennen weiterhin geringe Wirkung und keine messbare Rendite bei KI-Initiativen.

Bei all den Versprechen der KI-Revolution benötigen wir weiterhin einen bewährten, wertbasierten Ansatz, um sicherzustellen, dass das, was wir tun, Ergebnisse für die Stakeholder liefert.

Ein Blick von Strategen auf KI-Initiativen

Wie es typischerweise geschieht, wenn eine neue, glänzende Technologie erscheint, werden Experten geboren, indem sie einfach die Tagline in ihrem LinkedIn-Profil ändern. KI ist keine Ausnahme.  Bei so vielen Experten und so viel generischem, KI-generiertem Inhalt: warum sollten Sie meine Perspektive berücksichtigen?

Ich begann bereits im Jahr 2000, während meiner Vor-Universitätszeit, mit KI zu experimentieren, als ich versuchte, das Problem der Handschrifterkennung mithilfe neuronaler Netze zu lösen. Das Gewinnen eines Juniorenwettbewerbs war wirklich schön, aber die Entwicklung neuronaler Netze war damals durch die Rechenleistung begrenzt. Mein Interessengebiet verlagerte sich später auf Informatik, angewandte Mathematik, Physik und dann auf stärker geschäftsorientierte Disziplinen wie Leistungsmessung und strategische Planung. KI war nie meine Kernkompetenz (dennoch ziehe ich gern einige Parallelen zwischen Kettenfunktionen, Gradienten, KI-Backpropagation und der Fähigkeit von Organisationen zu lernen).

Heute betrachte ich KI aus dem Blickwinkel eines Strategen, mit einem gewissen Hintergrund in angewandter Mathematik. LLMs sind als Technologie erstaunlich, aber aus Sicht der strategischen Planung betrachte ich sie eher als ein komplexes Projekt der digitalen Transformation denn als eine wundertätige Initiative.

Ich unterstütze Organisationen bei ihren KI-Initiativen, aber ich tue dies mit einem Strategie-zuerst-Ansatz, nicht mit einem Technologie-zuerst-Ansatz. Wir sprechen typischerweise viel über Stakeholder, ihre Bedürfnisse, ihre strategische Absicht, darüber, wie die Vision der Organisation in langfristige Ziele übersetzt wird, wie diese Ziele in spezifische Ziele zerlegt werden und wie wir sie mit KPIs noch spezifischer und eindeutiger machen.

KI ist nur ein Teil des Puzzles, der passen kann oder auch nicht dazu, wie diese Strategie umgesetzt wird.

Irgendwie findet das, was ich tue, Resonanz in der allgemeinen Nachfrage, Klarheit in den KI-Bereich zu bringen, daher teile ich meine Perspektive auch über Konferenzvorträge. Im Jahr 2026 wird es in München „KI-Implementierungsstrategie“ sein und später im Mai in Wien „Vertrauen in KI messen“.

Vor der Implementierung von KI – Machen Sie zuerst Ihre Strategie-Hausaufgaben

Der oben erwähnte MIT-Bericht bestätigt eine einfache Wahrheit:

KI zu implementieren ist einfach – mit KI Wert zu schaffen ist schwierig.

Die Perspektive von Strategen dazu ist eindeutig: Bevor Sie eine Veränderungsinitiative in Betracht ziehen, stellen Sie sicher, dass Sie Ihre Strategie ordnungsgemäß kaskadiert und überwacht haben. Ohne diese Grundlagen halte ich es nicht für sinnvoll, irgendeine Transformationsinitiative voranzutreiben.

Die Implementierung von KI ist ein guter Anlass, um zu den Grundlagen zurückzukehren (den Bedürfnissen der Stakeholder) und über die Möglichkeiten nachzudenken, die KI bieten könnte.

Denken Sie in Randbedingungen: Wie würde Ihre Organisation aussehen, wenn alle möglichen Hürden für die Implementierung von KI (Technologie, Architektur, Compliance, Recht, Menschen usw.) gelöst wären?!

Eine Definition der Strategieumsetzung ist die Validierung von Hypothesen in der Praxis. Als Teil der KI-Hausaufgaben ist es eine gute Idee, diese Hypothesen zu formulieren. Spielen Sie ein wenig mit der Technologie, erstellen Sie einige Prototypen, um eine Vorstellung davon zu bekommen, wo die Fallstricke in Bezug auf Implementierung, Fähigkeitslücken und Nutzererwartungen liegen könnten.

Lassen Sie uns bestimmte Prinzipien besprechen, um die Implementierung von KI im Hinblick darauf, greifbaren Wert für die Stakeholder zu schaffen, erfolgreicher zu machen.

Prinzip 1. Gehen Sie die tatsächliche Herausforderung an – Kennen Sie die Bedürfnisse Ihrer Stakeholder

Was ist der Unterschied zwischen einer technologieorientierten und einer strategieorientierten Implementierung? Bei einer strategieorientierten Implementierung beginnen Sie immer mit dem geschäftlichen Kontext. Sie kennen Ihre Stakeholder, ihre Bedürfnisse, Ihre übergeordneten Ziele und spezifischen Zielsetzungen, und Sie versuchen zu verstehen, wie die neue Technologie Ihnen helfen wird, diese Ziele effektiver umzusetzen – insbesondere, wie sie die Kennzahlen beeinflussen wird, die Sie verfolgen.

Dadurch entsteht ein Fokus auf das Wesentliche, statt einfach nur mit Technologie zu spielen.

Gute Zielkandidaten für die KI-Implementierung sind:

• Kostenkennzahlen
• Zeitkennzahlen
• Komplexitätskennzahlen als Ableitung von Kosten, Zeit und zyklomatischer Komplexität
• Qualitätskennzahlen (Fehlerrate, Prozentsatz wiederkehrender Probleme)
• Talentkennzahlen (Bereiche mit hoher Fluktuationsrate)

Um die Bedeutung der anfänglichen Strategiezerlegung zu bekräftigen: Es sollte nicht heißen: „Wir werden uns in eine KI-first-Organisation transformieren.“ Es sollte spezifische Herausforderungen geben, die Sie angehen möchten, mit den jeweiligen Stakeholdern dahinter und klarer Verantwortlichkeit in Bezug auf die Umsetzung. Dieser Ansatz steht in starkem Einklang mit den agilen Prinzipien, die wir in der Softwareentwicklung verwenden.

Wenn Sie darauf bestehen, Ihre Organisation neu zu erfinden und KI-first zu sein, stellen Sie sicher, dass Sie mit der Strategie, den Stakeholdern und deren Bedürfnissen beginnen!

Prinzip 2. Bereiten Sie sich auf den langen Lauf vor – Denken Sie frühzeitig über die Architektur nach

Ich habe erwähnt, dass ich KI als eine weitere digitale Transformation sehe, als eine Veränderungs-Initiative. Aber diese Veränderungsinitiative ist offensichtlich komplexer als beispielsweise die Implementierung eines CRM.

In diesem Sinne ist die Planung der Architektur für KI entscheidend. Berücksichtigen Sie:

• Wie der Kontext und die Prompts gepflegt werden;
• Wie Sie KI mit der bestehenden Geschäftsumgebung verbinden;
• Bereiten Sie sich darauf vor, mehrere KI-Tools zu orchestrieren;
• Bereiten Sie sich darauf vor, bestimmte Workflows von Grund auf neu zu gestalten.

Stellen Sie sich zum Beispiel vor, dass Sie KI verwenden, um über einen Chatbot auf die Fragen der Benutzer zu antworten. Die Architektur, die Sie wählen, wird durch Fragen wie die folgenden bestimmt:

• Wie wird die Lernschleife aussehen?
• Wird es eine menschliche Aufsicht geben? Wie wird sie umgesetzt?
• Wie werden Korrekturmaßnahmen eingeführt?
• Wird KI Zugriff auf frühere Dialoge mit demselben Benutzer haben?
• Wird KI in der Lage sein, Daten direkt aus dem CRM abzurufen?
• Welche Sicherheitsmechanismen werden implementiert?

Die Fähigkeit der KI, zu lernen, sich Kontext zu merken und sich zu verbessern, wird im Laufe der Zeit ein führender Faktor für die Akzeptanzrate sein. Stellen Sie sicher, dass die von Ihnen gewählte Architektur für die KI-Implementierung diese Lernanforderungen unterstützt.

Prinzip 3. Qualität und Compliance für Stakeholder sinnvoll gestalten

KI berührt zu viele sensible Punkte einer Organisation – Zugriff auf Kundendaten, Arbeit mit Tools von Drittanbietern, Unterstützung der Entscheidungsfindung, Kommunikation mit Benutzern sowie die Aufbewahrung von Daten für mögliche Audits.

Ab einer bestimmten Skalierung der KI-Implementierung sind Qualitäts- und Compliance-Kontrollen ein Muss.

Wir bewegen uns in den GRC-Bereich, aber auch hier geht es nicht um KI. Es geht um Ihre Strategie, darum, welche Risiken KI ihr auferlegt, und darum, wie wir diese verhindern und mindern können.

Wir hören oft, dass es für die KI-Implementierung Folgendes geben sollte:

• Mensch im Regelkreis,
• Audit Trail,
• Erklärbarkeit,
• …

Was in der Praxis fehlt, ist die Verbindung zwischen diesen Ideen und dem, was Stakeholder tatsächlich interessiert.

Ich halte die Methode der Bowtie-Risikoanalyse für diese Rolle für gut geeignet. Führen Sie sie für ein zentrales Risikoereignis durch, indem Sie Bedrohungen mit den jeweiligen präventiven Kontrollen sowie die Konsequenzen des Risikoereignisses mit den jeweiligen Minderungsmaßnahmen definieren.

Wir haben ein Beispiel einer solchen Analyse im Fall „KI-Implementierung in einer medizinischen Qualitätskontrolle“² besprochen, der auf der OOP vorgestellt wurde. In diesem Fall wurde das zentrale Risikoereignis wie folgt formuliert: „KI-validierte Ergebnisse werden ohne angemessene menschliche Prüfung freigegeben.“

Mithilfe von Kontrollen zur Risikoprävention und Risikominderung haben wir die KI-Implementierung an den Qualitäts- und Compliance-Bedenken der Stakeholder ausgerichtet. Wenn man diese Idee skaliert, werden dieselben Kontrollen dazu beitragen, einen umfassenden KI-Governance-Rahmen aufzubauen. Wenn man diesen Ansatz organisationsweit skaliert, können dieselben Kontrollen verwendet werden, um einen umfassenden KI-Governance-Rahmen zu etablieren.

Zusammenfassung: KI von Technologie zu Strategie verlagern

Befolgen Sie diese Prinzipien für die strategieorientierte KI-Implementierung:

• Richten Sie die Implementierung auf spezifische Bedürfnisse der Interessensvertreter aus; idealerweise sollte eine Quantifizierung der tatsächlichen gegenüber den erwarteten Ergebnissen definiert werden.
• Die KI-Implementierung ist ein komplexes Lernsystem und keine einmalige Verbindung zur API eines LLM – planen Sie die Architektur entsprechend.
• Richten Sie Qualitäts- und Compliance-Kontrollen ein und kommunizieren Sie diese an die Interessensvertreter; dies wird die zukünftige Akzeptanz der KI-Implementierung bestimmen. Die Bowtie-Methode hat sich hierfür als hervorragendes Instrument erwiesen.

Ein strategieorientierter Ansatz erfordert zudem eine fortlaufende Aufsicht nach dem Start. Erfahren Sie mehr über Prinzipien der Aufsicht über die KI-Implementierung, um strategische Absicht mit Governance, Qualitätskontrollen und messbaren Ergebnissen zu verbinden.

Alexis Savkin

Alexis Savkin ist Strategiearchitekt und Gründer von BSC Designer, einer Softwareplattform zur Strategieumsetzung, deren Kern die Balanced Scorecard bildet. Er unterstützt Organisationen dabei, Strategien in messbare Ziele, KPIs und Initiativen zu übersetzen. Alexis ist der Entwickler des Strategy Execution Canvas, Autor von über 100 Artikeln zu Strategie und Leistungsmessung sowie regelmäßiger Redner.