Warum die eigentliche KI-Aufgabe eine Führungsaufgabe ist.

Von Britta Daffner, Director Data & AI, Telefónica Germany

Auf einer längeren Autofahrt habe ich die zweistündige Vertonung von „Europe 2031“ gehört. Eigentlich wollte ich nur die Fahrt nutzen. Das Szenario hat mich den Rest des Tages nicht mehr losgelassen.

„Europe 2031“ ist ein fiktionales Zukunftsszenario: Es beschreibt, wie Europa aussehen könnte, wenn der Kontinent die KI-Revolution verschläft und dadurch abhängig wird von einer Schlüsseltechnologie, die anderswo entwickelt wird. Und es zeigt greifbar, was diese Abhängigkeit für uns in Europa bedeuten würde: schwächeres Wachstum, Sozialsysteme, die sich nicht mehr finanzieren lassen, ein Arbeitsmarkt ohne Einstiege für junge Menschen. Die Forderung des Szenarios, Europa müsse dringend in eigene Modelle, Rechenkapazität und Infrastruktur investieren, halte ich für richtig.

Überrascht hat mich der Ausgang nicht. Ich gestalte seit Jahren Daten- und KI-Transformationen in Konzernstrukturen und sehe täglich, wie schwer sich große Organisationen mit dieser Veränderung tun. Beschäftigt hat mich etwas anderes: Europas Zukunft wird auch in unseren Unternehmen geschrieben. Dort haben wir es selbst in der Hand – das hat mich nicht resigniert zurückgelassen, sondern energischer gemacht. Am Ende der Fahrt stand eine Vermutung: Selbst wenn Europa morgen ein eigenes KI-Modell auf Augenhöhe mit den führenden amerikanischen Systemen hätte, wäre die eigentliche Herausforderung der meisten Unternehmen nicht berührt. Denn vielleicht zeigt die Einführung von KI gar nicht zuerst, wie leistungsfähig die Technologie ist. Vielleicht zeigt sie zuerst, wie gut die Organisation funktioniert, die sie einführt.

Der Engpass verschiebt sich

Schon rein technisch ist die Einführung von KI ein hartes Stück Arbeit – nichts daran ist Plug-and-play: gewachsene Systemlandschaften, fehlende Schnittstellen, Sicherheits- und Datenschutzanforderungen, in regulierten Branchen der Betrieb im eigenen Haus. Wer das kleinredet, hat nie versucht, KI in einem Konzern zu skalieren. Aber diese Probleme sind bekannt, und für sie existieren Fahrpläne. Für viele Wissensarbeitsplätze ist der Zugang zu leistungsfähigen Sprachmodellen heute nicht mehr der limitierende Faktor. Der Engpass verschiebt sich: weg von der Technologie, hin zur Frage, ob die Organisation sie aufnehmen kann.

Warum, zeigt eine Unterscheidung, die oft verwischt wird. Klassische KI wie Machine Learning oder Prognosemodelle ließ sich als abgrenzbares Projekt führen: ein Anwendungsfall, ein Team, ein messbares Ergebnis. Viele Unternehmen stehen heute noch dort, bei Assistenten, Chatbots und ersten Piloten. Agentische Systeme aber können ganze Abläufe übernehmen, nicht nur einzelne Handgriffe – ihr Potenzial ist ungleich größer. Erfolgreich skaliert, laufen sie quer durch die Organisation – durch Prozesse, Systeme, Datenbestände und Verantwortlichkeiten – und lassen sich deshalb nicht mehr als Technologieprojekt behandeln. Ein Sprachmodell allein verändert kein Unternehmen; die eigentliche Transformationsarbeit beginnt nach der Lizenz.

Das gilt auch für die fertigen KI-Assistenten, die große Softwareanbieter inzwischen in ihre Office-, CRM- und ERP-Systeme einbauen. Sie machen einzelne Tätigkeiten produktiver – so, wie einst die E-Mail den Brief abgelöst hat –, doch das größere Versprechen, Arbeit grundlegend neu zu denken, lösen sie für viele Unternehmen bislang nicht ein. Eine Stufe weiter gehen die Baukästen derselben Anbieter, mit denen Mitarbeitende eigene Agenten bauen und an Unternehmenssysteme anbinden können. Genau hier beginnt die Komplexität: Ein Data-&-AI-Verantwortlicher eines anderen Konzerns sagte mir, er müsse diese Self-Service-Funktionen eher zunageln als freischalten – zu viele Governance-Fallstricke, von Verantwortung über Abrechnung bis Sicherheit.

Was passiert, wenn diese Arbeit unterschätzt wird, erlebe ich regelmäßig. Ein Pilotprojekt begeistert, der Vorstand ist überzeugt. Dann zeigt sich: Niemand hat geklärt, aus wessen Budget die Skalierung bezahlt wird. Die Mitbestimmung wurde nicht früh einbezogen, also holt der Betriebsrat ein Verfahren nach, das längst abgeschlossen sein könnte. Der Agent braucht Zugriff auf ein Kernsystem – also muss am anderen Ende des Konzerns, womöglich auf einem anderen Kontinent, eine Firewall geöffnet werden, von Menschen, die vom Piloten noch nie gehört haben. Die Fachbereiche warten auf die IT, die IT auf die Governance, die Governance auf eine Entscheidung, für die sich niemand zuständig fühlt. Die Technologie funktioniert. Die Zahnräder der Organisation greifen nicht ineinander.

Das Röntgenbild, genauer betrachtet

Hier löst sich die Vermutung vom Anfang ein: KI ist ein Röntgenbild der Organisation. Sie schafft keine organisatorischen Schwächen – und sie deckt auch nicht alle auf. Sie macht jene sichtbar, die Menschen bisher stillschweigend kompensiert haben.

Solange Menschen die Arbeit tun, gleichen sie täglich aus, was nicht sauber definiert ist. Sie wissen, wen man anruft, wenn eine Zahl nicht stimmt. Sie kennen die inoffizielle Version des Prozesses, die tatsächlich funktioniert. Sie überbrücken Schnittstellen, die formal gar nicht existieren. Organisationen laufen zu einem erstaunlichen Teil auf implizitem Wissen und gutem Willen – auf Prozessen, die nie entworfen wurden, sondern über Jahrzehnte organisch gewachsen sind.

Genau diese Kompensationsleistung kann KI nicht erbringen. Ein Agent, der einen Monatsabschluss vorbereiten soll, scheitert nicht an der Buchhaltungslogik – die beherrscht er. Er scheitert daran, dass dieselbe Kennzahl in drei Bereichen unterschiedlich definiert ist und die entscheidende Abstimmung bisher auf Zuruf lief. Menschen lösen so etwas nebenbei: Zwei Controller:innen diskutieren zehn Minuten und einigen sich. Einem Agenten fehlt dafür das Mandat. Er macht die Unschärfe sichtbar, sofort und unbestechlich.

Die Einführung von KI ist deshalb in Wahrheit eine Inventur der eigenen Organisation – und vor allem ihrer Fähigkeit, bereichsübergreifend zusammenzuarbeiten. Darum ist sie so viel schwieriger, als ein Werkzeug einzuführen.

Die eigentliche Aufgabe heißt Orchestrierung

Was das Röntgenbild zeigt, lässt sich nicht der Reihe nach abarbeiten. Der verbreitete Instinkt – erst die Daten in Ordnung bringen, dann Werkzeuge einführen, zuletzt Menschen und Kultur – scheitert doppelt. An der Geschwindigkeit, weil die Technologie sich zweimal weiterentwickelt hat, bevor die Daten fertig sind. Und an der Ökonomie, weil jahrelanger Grundlagenbau Kosten ohne sichtbare Wertschöpfung produziert – und das Vertrauen eines Boards verspielt, das weiteres Budget erst freigibt, wenn Mehrwert nachweisbar ist. Alles gleichzeitig geht ebenso wenig. Es braucht wenige, bewusst gewählte parallele Stränge, die Wert zeigen und Fundament legen zugleich.

In der Praxis heißt das: Aus fragmentierten Plattformen werden gemeinsame. Aus Berichten werden Datenprodukte mit Verantwortlichen. Aus Insellösungen werden angebundene Systeme, in denen Agenten arbeiten können. Und parallel dazu werden Governance und Budgetverantwortung geklärt, Mitarbeitende befähigt und die Balance zwischen zentraler Synergie und dezentraler Domänengeschwindigkeit gehalten.

Keiner dieser Punkte ist für sich unlösbar. Schwierig ist das Zusammenspiel, denn es verlangt Zusammenarbeit über Bereichsgrenzen, für die die meisten Konzerne nie gebaut wurden. Genau hier beginnt Führung in ihrer klassischsten Form: Prioritäten setzen, wenn alles wichtig scheint. Entscheiden, obwohl sich die Technologie schneller verändert, als jede Analyse fertig wird. Konflikte um Budget und Zuständigkeit moderieren. Menschen Orientierung geben, deren Rollen sich verändern. Ich habe gelernt, dass meine wirksamsten Entscheidungen selten Technologieentscheidungen sind – es sind Entscheidungen darüber, wer mit wem an welchem Ergebnis arbeitet.

Dazu gehört ein Punkt, der in Technologie-Diskussionen fast nie vorkommt: die Mitbestimmung. Ich habe gelernt, die Gespräche mit dem Betriebsrat früh, persönlich und ehrlich zu führen – als Teil der Strategie, nicht als Pflichtübung am Ende. Denn die Mitbestimmung stellt genau die Fragen, die eine gute Transformation ohnehin beantworten muss: nach den Folgen für die Beschäftigten, nach Verantwortung, nach dem Umgang mit Daten. Wer den Betriebsrat als Partner gewinnt, ist schneller, nicht langsamer.

Wie sehr die Organisation der Technologie vorausgehen muss, zeigt ein großer Versicherer: Er hat zunächst über Jahre seine gesamte Organisation agil umgebaut – weg von klassischen Abteilungen, hin zu Tribes und Chapters: Teams entlang von Produkten statt Funktionen. Erst auf dieser Grundlage folgte der Umbau des Datenmanagements, hin zu Datenprodukten und zentraler Daten- und KI-Infrastruktur. Eine der Verantwortlichen sagte mir, die Organisationsarbeit sei die entscheidende Voraussetzung für alles Weitere gewesen. Das deckt sich mit vielen Gesprächen quer durch die Branchen: Eine Organisation, die nicht über Grenzen hinweg zusammenarbeiten kann, kann keine Technologie skalieren, die genau das verlangt.

Wer diese Arbeit aufschiebt, zahlt doppelt: für die Lizenzen – und für eine Organisation, die deren Wert nicht heben kann. Man bezahlt die Zukunft und betreibt weiter die Vergangenheit.

Woran man KI-fähige Unternehmen erkennt

Ein KI-fähiges Unternehmen ist nicht eines, das überall KI einsetzt. Es ist eines, das Arbeit anders organisiert: Wissen, Entscheidungen und Prozesse werden bewusst um Daten und gemeinsame Standards herum gestaltet – so, dass Menschen und Maschinen gemeinsam arbeiten können.

Das erste Kennzeichen ist unspektakulär: die Fähigkeit, cross-funktional zu arbeiten – Fachbereiche, IT, Daten, Recht, HR und Mitbestimmung an einem Ergebnis statt nacheinander an Übergaben. Alles Weitere ist Beleg: gemachte Datenhausaufgaben, klare Eigentümerschaft, Erfahrung mit klassischer KI. Solche Unternehmen denken Prozesse vom Ergebnis her neu – ein automatisierter schlechter Prozess ist nur ein schnellerer schlechter Prozess. Sie verschieben Rollen von der Ausführung zu Urteilsvermögen und Verantwortung. Und sie begreifen KI als Grundlage neuer Geschäftsmodelle, nicht als Effizienzwerkzeug.

Vor allem aber ziehen sie die Konsequenz aus dem Röntgenbild. Was es zeigt, kann einem niemand abnehmen.

Die Lernkurve einer Organisation lässt sich nicht kaufen

Ein Modell ist morgen lizenziert. Die Erfahrung, wie man Daten, Prozesse, Governance und Menschen um diese Technologie neu ordnet, entsteht nur durch das Tun – und sie akkumuliert sich bei denen, die früh beginnen. Das Fenster schließt sich nicht, weil Technologie knapp würde. Es schließt sich, weil Wettbewerber organisationale Lernjahre sammeln, die sich nicht nachholen lassen.

Das Fenster ist offen

„Europe 2031“ endet mit dem Gedanken, Europas Handlungsfenster habe sich geschlossen – erst aus mangelnder Weitsicht, am Ende aus mangelndem Mut und politischem Willen. Für Unternehmen gilt die hoffnungsvollere Variante: Ihr Fenster ist offen. Und anders als ein Kontinent müssen sie auf niemanden warten – keine siebenundzwanzig Mitgliedstaaten, keine Gipfeltreffen, keine Gesetzgebungsverfahren.

Deshalb ist dieser Text auch ein Aufruf an alle, die in Unternehmen Verantwortung tragen oder anstreben: Denken Sie ganzheitlich statt in Silos, auch wenn das Organigramm anderes nahelegt. Suchen Sie die unbequemen Gespräche früh – mit dem Betriebsrat, dem Board, den noch nicht überzeugten Bereichen. Halten Sie durch, wenn die Transformation zäh wird, denn zäh wird sie. Das Tempo, das wir jetzt vorlegen, entscheidet, welche Rolle unsere Unternehmen – und damit auch Europa – in dieser Geschichte spielen.

Und wenn Sie am Montag anfangen wollen, beginnen Sie mit einem einfachen Test: Nehmen Sie einen Kernprozess Ihres Unternehmens und versuchen Sie, ihn einer KI zu erklären – so präzise, dass sie ihn ausführen könnte. Dort, wo Sie ins Stocken geraten, sehen Sie Ihr Röntgenbild. Genau dort beginnt Ihre Transformation.

Europa braucht vielleicht eigene Modelle, eigene Rechenzentren und technologische Souveränität. Unternehmen brauchen vor allem ihre eigene KI-Transformation. Die erste Frage ist eine industriepolitische; sie wird in Brüssel, Berlin und Paris entschieden. Die zweite ist eine Führungsfrage. Sie wird dort entschieden, wo Sie morgen früh sitzen.

Der Beitrag erschien zuerst in einer kürzeren Fassung auf Sheconomy.