KI-Strategie und Wandel gestalten

Kernfrage für Unternehmen

KI-Strategie bedeutet nicht, dass ein Unternehmen eine Liste spannender Use Cases sammelt; Führungskräfte klären, welchen Beitrag KI zur Unternehmensvision leistet, welche Veränderungen dafür nötig sind und welche Rahmenbedingungen Projekte dauerhaft erfolgreich machen (Braun et al. 2023).

Eine gute Strategie ist vor allem eine Entscheidungsvorlage. Sie hilft Teams, Dienstleister:innen und Führungskräften im Alltag zu entscheiden, welche Handlung auf die Ziele und Werte der Organisation einzahlt. Für KI ist diese Unterscheidung wichtig: Die Strategie muss nicht jede Prompt-Regel oder jedes Tool festlegen, aber sie muss klären, nach welchen Prioritäten, Grenzen und Qualitätskriterien KI-Entscheidungen getroffen werden (Schmidt 2024).

Der Fraunhofer-Leitfaden trennt bewusst zwei Ebenen: Der bereits integrierte Leitfaden zur Durchführung von KI-Projekten beantwortet das operative „Wie?“. Der Leitfaden zu Strategie und Wandel beantwortet die Frage, auf welcher strategischen, kulturellen, rechtlichen und organisatorischen Basis KI über einzelne Pilotprojekte hinaus wirken kann (Braun et al. 2023; Kutzias, Dukino und Leuteritz 2023).

Das strategische KI-Mandat vor der Roadmap klären

Ein Auftrag wie „Kümmern Sie sich um KI“ benennt weder Erfolg noch Entscheidungsraum. Zwingmann unterscheidet in einer autoreneigenen Praxisheuristik drei typische Mandate. Die Kategorien sind kein wissenschaftlich validiertes Reife- oder Organisationsmodell; sie helfen, unausgesprochene Erwartungen zwischen Geschäftsleitung und KI-Verantwortlichen sichtbar zu machen (Zwingmann 2026).

Mandat	Erwarteter Beitrag	Passende Steuerung	Typischer Fehlstart
Ergebnisauftrag	kurzfristig Kosten, Marge, Umsatz, Qualität oder Risiko messbar verändern	konkrete Baseline, Zielwert, enger Workflow, kurzer Nachweis	Demos und breite Discovery ohne produktiven Ergebnisbeitrag
Mindestfähigkeit	in relevanten KI-Feldern glaubwürdig und handlungsfähig bleiben	wenige branchenrelevante Fähigkeiten, angemessener Zeit- und Budgetrahmen, belastbare Umsetzung	unnötige Eigenentwicklung oder Innovationsinszenierung
Kategorienführerschaft	Angebot, Marktposition oder Geschäftsmodell durch KI differenzieren	mehrjähriges Zielbild, strategische Lernmeilensteine, höherer Risikokorridor und regelmäßige Richtungsprüfung	große Vision ohne glaubwürdigen ersten Liefer- und Lernschritt

Die Mandate können nebeneinander bestehen, dürfen aber nicht mit demselben Zeithorizont und derselben Kennzahl geführt werden. Ein Ergebnisauftrag braucht kurzfristige Wirkung; Mindestfähigkeit verlangt eine begründete Abdeckung relevanter Felder; Kategorienführerschaft verbindet eine längerfristige Wette mit überprüfbaren Zwischenschritten. Bevor Mittel freigegeben werden, sollten Geschäftsleitung und operative Verantwortung ausdrücklich festhalten, welches Mandat für welchen Teil des Portfolios gilt (Zwingmann 2026; Zwingmann 2025).

Unabhängig vom Mandat bleibt die Leitung für grundlegende Risikoentscheidungen verantwortlich. Der NIST AI RMF verlangt dokumentierte Rollen und Kommunikationswege, Verantwortung der obersten Leitung sowie geplantes Monitoring und regelmäßige Überprüfung. Der Rahmen stützt damit die Klärung von Verantwortung, schreibt aber keine der drei Mandatskategorien vor (NIST 2023).

Typische Stolpersteine

Viele Unternehmen starten mit Tooltests oder Pilotprojekten, bevor sie die strategische Rolle von KI klären. Dann fehlt eine gemeinsame Antwort auf einfache Führungsfragen: Wollen wir Kosten senken, Qualität erhöhen, neue Geschäftsfelder erschließen, Mitarbeitende entlasten oder unser Geschäftsmodell verändern? Ohne diese Orientierung konkurrieren Use Cases um Aufmerksamkeit, statt auf ein gemeinsames Ziel einzuzahlen (Braun et al. 2023).

Ein zweiter Fehler liegt in der Trennung von Technik und Wandel. KI verändert Entscheidungen, Prozesse, Rollen, Datenzugriffe, Qualifikationen und oft auch Mitbestimmung. Wenn Führungskräfte diese Themen erst nach dem technischen Pilot betrachten, entstehen Akzeptanzprobleme, Rechtsrisiken und teure Nacharbeit (Braun et al. 2023).

Ein dritter Fehler liegt in der falschen Make-or-Buy-Frage. Unternehmen sollten nicht nur fragen, ob sie eine KI-Lösung einkaufen oder selbst entwickeln können. Sie sollten fragen, wie wichtig KI für ihr Kerngeschäft ist, welche Kompetenzen sie dauerhaft brauchen, welche Abhängigkeiten von Anbietern entstehen und wie sie Arbeitsgestaltung, Datenschutz und Betriebsrat in beiden Varianten steuern (Braun et al. 2023).

Ein vierter Fehler entsteht, wenn Strategie nur als Zielbild formuliert wird, aber keine Entscheidungsqualität liefert. Ohne Zielführung, Kohärenz, Stringenz, Transparenz, Replizierbarkeit, Messbarkeit und Adaptierbarkeit können Teams kaum beurteilen, welche KI-Initiative wirklich zur Unternehmensrichtung passt und wann eine Korrektur nötig ist (Schmidt 2024).

Ein fünfter Fehler ist eine Strategie, die nur Vorhaben hinzufügt. KI senkt die Kosten für neue Ideen, aber nicht automatisch den Aufwand für Bewertung, Koordination, Finanzierung und Betrieb. Wenn die Strategie nicht ausdrücklich festlegt, was vorerst nicht verfolgt wird, wächst aus vielen plausiblen Einzelideen ein Portfolio ohne Fokus (Zwingmann 2026).

Bewährte Vorgehensweisen

Beginnen Sie mit einer KI-Strategie, die an der Unternehmensvision hängt. Der Leitfaden empfiehlt, den erwarteten Nutzen, die betroffenen Geschäftsprozesse, die wirtschaftlichen Ziele, die benötigten Kompetenzen, Datenschutz, Ressourcen, Stakeholder und Abbruchkriterien gemeinsam zu klären. Eine KI-Strategie entsteht dabei nicht als Vorstandspapier im stillen Raum, sondern im Abstimmungsprozess mit Management, Fachbereichen, Domänenexpert:innen, KI-Expert:innen, Betriebsrat und betroffenen Beschäftigten (Braun et al. 2023).

Prüfen Sie danach die Transformationsfähigkeit. Der Leitfaden nennt dafür Kernthemen wie Organisation und Arbeitsmethodik, Infrastruktur, Datenbestände, Kultur, Zusammenarbeit sowie ethische, soziale und rechtliche Aspekte. Diese Prüfung funktioniert wie ein Reifegradblick: Welche Voraussetzungen sind bereits vorhanden, und welche Lücken verhindern den nächsten sinnvollen KI-Schritt (Braun et al. 2023; Niessner 2025)?

Suchen Sie Use Cases sowohl problemorientiert als auch technologieorientiert. Beim problemorientierten Weg fragen Fachbereiche, welche Engpässe, Qualitätsprobleme oder Routineaufgaben sie lösen wollen. Beim technologieorientierten Weg prüfen KI- und Datenexpert:innen, welche neuen Möglichkeiten aus vorhandenen Daten oder verfügbaren KI-Verfahren entstehen. Der Leitfaden warnt aber: KI bleibt Mittel zum Zweck und soll nur eingesetzt werden, wenn sie unter den Lösungsoptionen wirklich sinnvoll wirkt (Braun et al. 2023).

Ergänzen Sie diese Suche um eine Markt- und Nutzenperspektive: Blue Ocean Strategy fragt nicht nur, wie ein Unternehmen im bestehenden Wettbewerb besser wird, sondern wo durch Differenzierung und niedrigere Kosten neue Nachfrage entstehen kann. Für KI heißt das nicht, jeden Use Case als Disruption zu verkaufen. Es hilft aber, KI-Ideen danach zu prüfen, ob sie nur interne Effizienz verbessern oder Kundennutzen, Leistungspakete und Marktgrenzen tatsächlich neu kombinieren (Kim und Mauborgne o. J.).

Verankern Sie menschenzentriertes Change-Management. KI soll nicht menschliche Entscheidungskompetenz entwerten, sondern Fähigkeiten von Mensch und Maschine sinnvoll kombinieren. Dazu gehören transparente Kommunikation, Beteiligung der Betroffenen, Qualifizierung, klare Entscheidungsrechte, rechtliche Prüfung und die Frage, ob Arbeitsprozesse tatsächlich besser, sicherer oder lernförderlicher werden (Braun et al. 2023).

Weiterführend: Wie Unternehmen diese Voraussetzungen in wiederkehrende Aufgaben, Teamroutinen und überprüfbare Wirkung übersetzen, vertieft KI-Adoption im Unternehmen systematisch verankern.

Prüfen Sie zusätzlich, ob die Arbeitsorganisation zur KI-Strategie passt. Wenn KI mehr Analyse, Entwurf und Ausführung in kleinen Teams unterstützt, sollten Führungskräfte nicht nur Aufgaben beschleunigen, sondern Ergebnisverantwortung, Schnittstellen und Entscheidungsrechte neu schneiden. Das vertieft KI-native Arbeitsorganisation (Zwingmann 2026).

Formulieren Sie neben strategischen Zielen auch Ausschlüsse und Rückstellentscheidungen. Ähnliche Use Cases sollten nach dem gemeinsamen Problem gebündelt werden, statt je Fachbereich eine eigene Initiative zu erzeugen. Für jedes verbleibende Opportunity-Cluster braucht es einen Sponsor, der Ergebnis, Budget und bereichsübergreifende Entscheidungen verantwortet. „Nicht jetzt“ ist eine belastbare strategische Entscheidung, wenn Wert, Eigentum oder Evidenz noch fehlen (Zwingmann 2026).

Verbinden Sie die Gesamtkarte mit einem klaren ersten Schritt. Eine breite Roadmap schafft Orientierung, kann aber politische und finanzielle Entscheidungen verlangsamen. Zwingmann empfiehlt nach eigener Projekterfahrung, der Führung neben der Karte genau ein erstes, wertrelevantes und lieferbares Vorhaben mit klarer Verantwortung vorzuschlagen. Diese Empfehlung ergänzt die Roadmap; sie ersetzt die strategische Richtung und Portfolioübersicht nicht (Zwingmann 2026).

„First AI“ statt einer ungeprüften „AI First“-Großtransformation

In seiner Retrospektive nach Erscheinen des Buchs verschiebt Zwingmann den Einstieg: Statt eine umfassende „AI First“-Transformation vollständig vorauszuplanen, soll ein begrenzter, produktiver und wirtschaftlich relevanter KI-Workflow zuerst Wert, Lernfähigkeit und interne Glaubwürdigkeit belegen. Diese Aussage ist eine post-book Praxiseinschätzung des Autors, keine vergleichende Wirkungsstudie (Zwingmann 2025).

„First AI“ ist deshalb weder Strategieersatz noch Freibrief für den nächstbesten Quick Win. Das Führungsteam braucht weiterhin Zielrichtung, Ausschlüsse und Portfoliozusammenhang. Es reduziert nur die anfängliche Festlegungstiefe: Gerade genug Strategie, um ein relevantes erstes Vorhaben auszuwählen; gerade genug Produktion, um Annahmen mit realem Betrieb zu prüfen; erst danach die nächste Ausbaustufe verbindlich finanzieren (Zwingmann 2025; Zwingmann 2026).

Abbildung: KI-förderliche Organisationskultur als Eisbergmodell: Sichtbare Artefakte müssen zu Werten, Normen und tieferen Grundannahmen passen. Quelle: eigene Darstellung nach Braun et al. 2023.

Fördern Sie eine KI-taugliche Kultur nicht abstrakt, sondern über sichtbare Praktiken. Der Leitfaden nennt Begegnungsräume, Wissensplattformen, Schulungen, Innovationsmethoden, Formate zum Lernen aus Fehlern, ein betriebliches Vorschlagswesen und geregelten Datenzugriff als Beispiele. Entscheidend ist, dass Führungskräfte diese Werte vorleben und Ressourcen dafür bereitstellen (Braun et al. 2023).

Einstiegspunkte für die Umsetzung

Starten Sie mit fünfzehn Fragen (Braun et al. 2023; Schmidt 2024; Kim und Mauborgne o. J.; Zwingmann 2026; Zwingmann 2026; Zwingmann 2026; Zwingmann 2025; NIST 2023):

1. Welches Unternehmensziel soll KI unterstützen?
2. Welche Prozesse und Entscheidungen verändern sich dadurch?
3. Welche drei Use Cases passen strategisch am besten?
4. Welche Kompetenzen wollen wir selbst aufbauen, und was kaufen wir zu?
5. Welche Daten dürfen wir nutzen?
6. Welche Mitarbeitenden und Interessenvertretungen müssen wir einbeziehen?
7. Welche Kultur- und Lernformate brauchen wir?
8. Unter welchen Bedingungen stoppen wir ein KI-Vorhaben?
9. Welche Prioritäten, Must-haves und No-Gos machen die KI-Strategie als Entscheidungsvorlage nutzbar?
10. Wo kann KI neue Nachfrage, bessere Kundenerlebnisse oder weniger umkämpfte Leistungsangebote ermöglichen?
11. Welche ähnlichen Initiativen bündeln wir, und was verfolgen wir ausdrücklich noch nicht?
12. Welches erste Vorhaben erzeugt sichtbaren Wert, hat einen verantwortlichen Sponsor und erleichtert den nächsten Schritt?
13. Welches Mandat gilt: kurzfristige Ergebniswirkung, wettbewerbliche Mindestfähigkeit oder Kategorienführerschaft?
14. An welchen Kennzahlen, Zeithorizonten und Zwischenentscheidungen erkennt die Leitung Erfolg je Mandat?
15. Welche Risiko-, Budget- und Richtungsentscheidungen bleiben ausdrücklich bei der Geschäftsleitung?

Für die konkrete Umsetzung passt Menschenzentrierte KI-Projekte. Für Reifegrad und Nutzenmessung passt KI-Nutzen planen und messen. Für Kompetenzaufbau passt KI-Kompetenz und interne Guidelines. Rechtliche Detailfragen vertiefen Arbeitsrecht und KI, DSGVO und KI-Projekte und Urheberrecht und Geschäftsgeheimnisse bei KI (Braun et al. 2023).