Podcast-Folge 45: KI im Unternehmen – vom KI-Hype zur KI-Wirkung

Vom KI-Hype zur KI-Wirkung mit Erno Obogeanu-Hempel

Künstliche Intelligenz im Unternehmen: Wie der Schritt vom Hype zur echten Wirkung gelingtKünstliche Intelligenz dominiert die aktuellen Wirtschaftsdebatten, doch in zahlreichen Unternehmen verpuffen teure Initiativen ohne spürbare Ergebnisse. Der Schlüssel für einen echten Mehrwert liegt nicht im blinden Ausprobieren neuer Werkzeuge, sondern in der zielgerichteten Verankerung von KI in den bestehenden Geschäftsprozessen. Dieser Artikel zeigt auf, wie Organisationen rechtliche Fallstricke umgehen, Schatten-KI vermeiden und durch strukturierte Methoden nachhaltige Effizienzgewinne erzielen.

Das Wichtigste in Kürze

• Wirkung vor Technologie: Laut Untersuchungen verfehlen 95 Prozent aller KI-Projekte ihren eigentlichen Zweck, da ohne klare Wirkungsziele oder Erfolgsmetriken experimentiert wird.
• Gefahr durch Schatten-KI: Wenn Betriebe keine offiziellen Zugänge schaffen, nutzen Beschäftigte private Tools auf eigenen Geräten, was erhebliche Datenschutz- und Sicherheitsrisiken birgt.
• Rechtliche Absicherung und Multi-LLM-Architektur: Durch den Einsatz spezialisierter Multi-LLM-Plattformen mit automatischer Datenanonymisierung bleiben vertrauliche Unternehmensdaten geschützt und rechtlich konform.
• Verbindliche Zielsteuerung mit OKR: Die Methode der Objectives and Key Results erlaubt eine agile, wirkungsbasierte Steuerung von KI-Initiativen in kurzen Zyklen.
• Mensch im Mittelpunkt und Change-Management: Der Erfolg von KI steht und fällt mit der Einbindung der Belegschaft, gezielten Schulungen sowie der aktiven Vorbildrolle von Führungskräften.

Warum führen viele KI-Projekte in Unternehmen nicht zum erhofften Erfolg?

In den Führungsetagen vieler Betriebe herrscht eine ausgeprägte Begeisterung für die Möglichkeiten moderner Algorithmen. Dennoch zeigt die betriebliche Praxis, dass zwischen der anfänglichen Euphorie und den tatsächlich realisierten Erfolgen eine erhebliche Lücke klafft. Eine Studie des Massachusetts Institute of Technology (MIT) verdeutlicht diese Problematik: Bei rund 95 Prozent aller untersuchten KI-Initiativen fehlt es an einer nachweisbaren betriebswirtschaftlichen Wirkung. Der Hauptgrund hierfür liegt darin, dass Werkzeuge primär aus Faszination für die Technologie oder aufgrund von Bauchentscheidungen einzelner Führungskräfte angeschafft werden. Es wird intensiv experimentiert, ohne dass im Vorfeld konkrete Erwartungen an den finanziellen Ertrag oder an Effizienzgewinne definiert wurden.

Ohne klare Erfolgsmaßstäbe und verlässliche Methoden zur Messung des Return on Investment (ROI) bleiben viele Maßnahmen reine Spielereien, die wertvolle Arbeitszeit binden. Zudem fehlt es an klar definierten Abläufen, um aus vereinzelt genutzten Werkzeugen standardisierte, unternehmensweite Prozesse zu formen. Solange KI-Projekte nicht an übergeordnete Unternehmensziele gekoppelt sind, verpufft das investierte Kapital ohne nachhaltigen Nutzen.

Welche Risiken entstehen durch den inoffiziellen Einsatz von KI-Tools im Arbeitsalltag?

Eine der größten Herausforderungen bei der Einführung neuer Technologien ist das Phänomen der Schatten-KI (Shadow AI). Beschäftigte erkennen häufig sehr schnell das Potenzial sprachbasierter Modelle zur Erleichterung ihrer täglichen Arbeit und nutzen diese auf eigene Faust. Eine Untersuchung des Branchenverbands Bitkom verdeutlicht das Ausmaß dieses Trends: Während 42 Prozent der Unternehmen davon ausgehen, dass ihre Mitarbeiter private KI-Werkzeuge für dienstliche Aufgaben verwenden, stellen lediglich 26 Prozent der Betriebe einen offiziellen, regulierten Zugang bereit.

Reagieren Unternehmensleitungen auf diese Entwicklung mit pauschalen Verboten, verlagert sich die Nutzung meist in den verborgenen Bereich. Mitarbeiter weichen auf private Smartphones und kostenlose Online-Konten aus. Um Berichte oder Dokumente schnell zu analysieren, werden vertrauliche Unterlagen abfotografiert und hochgeladen. Dadurch gelangen sensible Firmendaten ungeprüft auf externe Server und werden womöglich zum Training öffentlicher Modelle verwendet. Neben Datenschutzrisiken führt dieser inoffizielle Einsatz auch zu operativen Ineffizienzen. Hilfreiche Lösungen verbleiben im Silo einzelner Mitarbeiter, sodass andere Teammitglieder dieselben Probleme mit erneutem Aufwand lösen müssen.

Wie lassen sich Datenschutz und rechtliche Vorgaben beim KI-Einsatz sicherstellen?

Die Einhaltung strenger Datenschutzbestimmungen gemäß der Europäischen Datenschutz-Grundverordnung (DSGVO) sowie den Vorgaben des EU AI Acts stellt Betriebe vor komplexe Hürden. Besondere Vorsicht ist beim Einsatz cloudbasierter KI-Dienste US-amerikanischer Anbieter geboten. Aufgrund des US Cloud Acts unterliegen Unternehmen mit Hauptsitz in den USA der dortigen Gesetzgebung, wodurch US-Behörden Zugriff auf gespeicherte Daten verlangen können – selbst wenn Rechenzentren innerhalb Europas liegen.

Um diesen Compliance-Konflikt zu lösen, greifen Organisationen auf spezialisierte Multi-LLM-Plattformen zurück. Solche Systeme bündeln unterschiedliche Sprachmodelle wie Claude, Gemini, ChatGPT oder europäische Alternativen wie Mistral unter einer zentralen Oberfläche. Der entscheidende Vorteil dieser Architektur liegt in den integrierten Anonymisierungsmechanismen. Sensible Informationen wie Personennamen, Geburtsdaten oder Bankverbindungen werden vor der Übermittlung automatisch durch Pseudonymisierungs-Tokens ersetzt. Die Antwort des Modells wird anschließend zurückübersetzt, sodass der Anwender voll transparent arbeiten kann, ohne dass vertrauliche Informationen in externe KI-Systeme gelangen.

Darüber hinaus erlauben Multi-LLM-Plattformen eine präzise Steuerung der Zugriffsrechte für einzelne Fachbereiche. Während die Rechtsabteilung ausschließlich auf europäische Open-Source-Modelle mit strenger Anonymisierung zugreift, kann das Marketing für Rechercheaufgaben auf leistungsstarke internationale Modelle zurückgreifen. Durch diesen Ansatz verhindern Unternehmen den gefürchteten Anbieter-Lock-in und schützen sich vor plötzlichen Preiserhöhungen oder Modelländerungen. Gleichzeitig muss berücksichtigt werden, dass europäische KI-Anbieter wie Mistral oder Aleph Alpha gegenüber der internationalen Konkurrenz derzeit einen Entwicklungsrückstand von sechs bis zwölf Monaten aufweisen, was vor allem auf begrenzte Rechenkapazitäten und hohe Energiekosten zurückzuführen ist.

Wie sieht ein strukturierter Leitfaden für die strategische KI-Einführung aus?

Damit Künstliche Intelligenz nicht als isolierte Maßnahme endet, benötigen Unternehmen einen ganzheitlichen Orientierungsrahmen. Als bewährtes Modell dient ein mehrdimensionaler KI-Strategie-Kompass, der insgesamt zwölf zentrale Handlungsfelder abdeckt. Dazu gehören unter anderem Zweck und Vision, das Nutzerversprechen, die Outcome-Messung, Geschäftsprozesse, Datenarchitektur, Work-Redesign, Tool-Auswahl sowie Change Management und Rechtssicherheit.

Der Transformationsprozess beginnt stets mit einer Standortbestimmung und Reifegrad-Analyse. Hierbei wird ermittelt, wo das Unternehmen steht – ob KI lediglich als erweiterte Suchmaschine genutzt wird oder ob bereits komplexe automatisierte Agenten zum Einsatz kommen. Ebenso wird geprüft, ob ausreichend dokumentierte Arbeitsprozesse und verlässliche Datenstrukturen vorliegen. Anstatt Werkzeuge unkoordiniert einzuführen, gilt es, klare Ziele festzulegen: Soll durch KI die Effizienz gesteigert, die Qualität verbessert oder die Gesamtperformance erhöht werden?

Zur Steuerung und Erfolgsmessung hat sich die Methodik der Objectives and Key Results (OKR) als besonders effektiv erwiesen. Bei OKR werden ambitionierte, wirkungsbasierte Ziele (Objectives) mit messbaren Schlüsselergebnissen (Key Results) verknüpft. Da sich die Entwicklung im KI-Bereich extrem schnell vollzieht, werden diese Zielvereinbarungen in kurzen Anpassungszyklen von meist zwei Monaten oder Quartalen überprüft und nachjustiert. Auf dieser Grundlage können alle geplante Anwendungsfälle konsequent nach ihrem erwarteten Wirkungsbeitrag oder Ertrag priorisiert werden. Dabei unterscheidet die Strategie zwischen der Optimierung bestehender interner Abläufe und der Entwicklung neuer, KI-gestützter Produkte oder Dienstleistungen.

Warum entscheidet die Unternehmenskultur über den dauerhaften KI-Erfolg?

Die Einführung Künstlicher Intelligenz ist im Kern kein reines IT-Projekt, sondern eine tiefgreifende kulturelle Transformation. Aufseiten der Mitarbeitenden bestehen häufig Ängste, durch automatisierte Systeme überflüssig gemacht oder entwertet zu werden. Um diesen Befürchtungen wirksam zu begegnen, muss das Prinzip des „Human in the Loop“ fest in der Unternehmensphilosophie verankert werden. Der Mensch bleibt dabei unverzichtbar, um Ergebnisse fachlich zu prüfen, Fehlannahmen zu korrigieren und Halluzinationen der Sprachmodelle aufzudecken.

Gleichzeitig kommt den Führungskräften eine entscheidende Rolle als Vorbild und Veränderungsbegleiter zu. Der Wandel gelingt am besten, wenn Vorgesetzte selbst praktische Erfahrungen sammeln. Indem Führungskräfte konkrete Engpässe in ihrem eigenen Arbeitsalltag identifizieren und dafür passgenaue Prompts oder einfache Agenten entwickeln, werden sie zu überzeugenden Befürwortern der Technologie. Bleibt diese Vorbildfunktion aus, entsteht häufig das Risiko, dass Mitarbeiter im Umgang mit neuen Tools weiter fortgeschritten sind als ihre Vorgesetzten, was zu Blockaden auf Managementebene führen kann.

Neben der kulturellen Begleitung sind kontinuierliche Schulungsmaßnahmen essenziell. Gemäß Artikel 4 des europäischen EU AI Acts sind Unternehmen gesetzlich dazu verpflichtet, eine angemessene KI-Betriebsschulung für ihre Beschäftigten sicherzustellen. Diese Qualifizierung sollte von grundlegenden Verhaltensregeln bis hin zu fortgeschrittenen Prompting-Techniken reichen. Moderne Ansätze nutzen dabei iteratives Prompting (Loop-Prompting), bei dem dem Modell klare Qualitäts- und Abbruchkriterien vorgegeben werden, damit es eigenständig mehrstufige Optimierungsschleifen durchläuft. Begleitet durch neutrale, systemische Coaches lassen sich Ängste abbauen und eine nachhaltige Lernkultur etablieren. Künftig wird der sichere Umgang mit KI-Werkzeugen und das Mitbringen eigener Prompt-Bibliotheken oder Agenten sogar zu einer grundlegenden Qualifikation im Bewerbungsprozess werden.

Fazit – Vom KI-Hype zur KI-Wirkung

Der nachhaltige Erfolg von Künstlicher Intelligenz in Unternehmen hängt maßgeblich davon ab, die Phase des reinen Ausprobierens durch eine strukturierte, wirkungsbasierte Strategie abzulösen. Durch die Kombination einer rechtssicheren Multi-LLM-Infrastruktur, transparenter Governance und agiler Methoden wie OKR lassen sich Datenschutzrisiken minimieren und reale Effizienzgewinne erzielen. Wenn Unternehmen den Menschen in den Mittelpunkt stellen, kontinuierliche Schulungen anbieten und den Wandel kulturell begleiten, wird KI vom Hype-Thema zum dauerhaften Wettbewerbsvorteil.

Letztlich entscheiden nicht die verfügbaren Algorithmen, sondern die Fähigkeit der gesamten Organisation zur gezielten Anwendung über den künftigen Erfolg.

Über den Autor

Jens Mönning ist ein Experte im Bereich Online-Marketing und Suchmaschinenoptimierung (SEO & GEO) und arbeitet seit 2022 als SEO-Manager bei der MADMEN Onlinemarketing GmbH. Er beschäftigt sich seit 1999 mit Suchmaschinenoptimierung und Onlinemarketing und betreut Kunden aus ganz Deutschland im Bereich SEO und GEO.