KI-Strategie: vom Anspruch zur ersten Entscheidung

Die Strategie an Geschäftszielen verankern

Eine KI-Strategie ist eine Reihe von Entscheidungen darüber, wo KI die Arbeit verändern soll und wo nicht. Ziele wie Effizienz oder besserer Service werden erst strategisch, wenn sie an konkrete Ergebnisse gebunden sind: kürzere Durchlaufzeiten für Angebote, weniger offene Rückfragen im Einkauf, eine schnellere Vorbereitung des Management-Reportings. Jedes dieser Ergebnisse verweist auf Verantwortliche und auf eine Messgröße, die es bereits gibt oder die sich einführen lässt.

Diese Sicht macht auch bewusste Nicht-Entscheidungen sichtbar. Manche Prozesse profitieren eher von klassischer Automatisierung, besserer Datenpflege oder einer geänderten Freigaberegel. Das offen festzuhalten, schützt das Budget für Workflows, in denen KI einen eigenen Beitrag leisten kann, etwa beim Umgang mit Varianten in Dokumenten, Sprache oder unvollständigen Informationen.

Workflows auswählen statt Schlagworte sammeln

Prüfbar wird eine Strategie auf der Ebene des Workflows. „KI im Kundenservice“ ist ein Thema; „eine belegte Antwort auf eine Gewährleistungsanfrage vorbereiten“ ist ein Workflow mit Eingaben, Ergebnis und Empfänger. Für jeden Kandidaten helfen drei Fragen: Fällt der Aufwand wiederkehrend an, kann eine Fachperson das Ergebnis beurteilen, und was geschieht, wenn eine Ausgabe falsch ist?

So betrachtet entsteht meist eine kurze Liste statt eines einzigen Favoriten. Manche Kandidaten versprechen hohen Nutzen, haben aber unsicheren Datenzugang; andere sind leicht zu testen, aber von begrenzter Bedeutung. Ein Portfolio aus zwei oder drei Kandidaten, geordnet nach Nachweislage und Risiko, ist belastbarer als ein großes Programm, das an einer einzigen Annahme hängt.

Daten, Verantwortung und Regeln früh klären

Das NIST AI Risk Management Framework gliedert seinen Kern in vier Funktionen: Govern, Map, Measure und Manage. Das Mapping beginnt mit dem Kontext, in dem ein System eingesetzt wird. Für eine Strategie heißt das, je Workflow festzuhalten, welche Datenquellen beteiligt sind, wer darauf zugreifen darf, welche Entscheidungen bei Menschen bleiben und wer für das Ergebnis einsteht.

Regulierung gehört in denselben Schritt. Der EU AI Act legt risikobasierte Regeln für bestimmte KI-Anwendungen fest; Systeme, die Gesundheit, Sicherheit oder Grundrechte ernsthaft beeinträchtigen können, gelten als Hochrisiko. Ob ein geplanter Workflow eine solche Kategorie berührt, welche vertraglichen oder datenschutzrechtlichen Vorgaben gelten und ob Daten auf eigener Infrastruktur bleiben müssen, bestimmt mit, welche Betriebsformen realistisch sind: lokal, privat oder hybrid.

Quellen: NIST · AI RMF CoreEuropäische Kommission · KI-Verordnung (AI Act)

Den ersten Pilot die Strategie prüfen lassen

Eine Strategie bleibt eine Hypothese, bis sie auf echte Arbeit trifft. Ein begrenzter erster Einsatz, etwa ein Agent Pilot für einen Workflow, prüft mehr als ein Modell: Er zeigt, ob der Datenzugang funktioniert, ob Prüfende Ergebnisse effizient beurteilen können und ob der Nutzen nach Nacharbeit und Übergaben bestehen bleibt. Legen Sie vor dem Start fest, welche Befunde eine Ausweitung rechtfertigen, welche einen engeren Zuschnitt nahelegen und welche einen Abbruch bedeuten.

Überprüfen Sie nach dem Pilot die Strategie, nicht nur den Prototyp. Stimmten die Annahmen zu Daten, Aufwand und Akzeptanz? Welche Voraussetzungen wie Berechtigungen, Schnittstellen oder Prüfkapazität brauchen Investitionen, bevor der nächste Workflow folgt? So fortgeschrieben wird die Strategie zu einer Folge begründeter Entscheidungen statt zu einem Dokument, das schon bei der Fertigstellung veraltet.