Entscheidungsbefugnisse klar festlegen oder bei der KI scheitern: 5 Fehler in der Führung, die es zu vermeiden gilt

CIOs sind für die Infrastruktur zuständig, CDOs für die Daten, CAIOs für die Strategie und die Führungskräfte aus dem operativen Geschäft für die Anwendungsfälle – doch es gibt kein einheitliches Framework, das Investitionen, Priorisierung, Governance und die Verantwortlichkeit für die Ergebnisse miteinander in Einklang bringt.

Da sich Vorstände und Aktionäre zunehmend von der Frage „Investieren wir in KI?“ hin zu der Frage „Was bringt KI hervor, und wer ist für das Ergebnis verantwortlich?“ bewegen, werden unklare Entscheidungsbefugnisse zu einem erheblichen Hemmnis für die Realisierung des Unternehmenswerts. Im Folgenden werden fünf Beispiele aufgezeigt, wie sich unklare Entscheidungsbefugnisse in der Unternehmens-KI äußern, und wie diese Probleme gelöst werden können.

KI wird als unternehmensweite Priorität behandelt, doch die Zuständigkeiten und Entscheidungsbefugnisse sind auf die Führungsspitze verteilt.¹ Jede Rolle verfolgt ihr eigenes Mandat – Technologie, Daten, Strategie, Anwendungsfälle –, doch kein einzelner Führungskraft ist eindeutig für die End-to-End-Ergebnisse verantwortlich oder befugt, funktionsübergreifende Zielkonflikte zu lösen. Infolgedessen bleiben Entscheidungen zu Finanzierung, Risiko, Priorisierung und Governance ungelöst, und wenn der ROI hinter den Erwartungen zurückbleibt, lässt sich die Verantwortlichkeit nur schwer festmachen.

„Kein Einzelner sollte die KI für sich beanspruchen – sie muss in die richtigen Bahnen gelenkt werden“,



Lula Mohanty, Managing Partner für IBM Consulting im Nahen Osten

Lösung:
Unternehmen profitieren davon, wenn klar festgelegt wird, wer für die Ergebnisse verantwortlich ist, wer für die Umsetzung zuständig ist und wer eine Steuerungsfunktion ausübt. Die Etablierung eines unternehmensweiten Ansatzes für die Entscheidungsfindung kann dazu beitragen, Kompromisse zu finden, wenn Prioritäten miteinander konkurrieren. Es ist zudem sinnvoll, Eskalationswege für funktionsübergreifende Konflikte festzulegen, damit Probleme zeitnah angegangen und nicht aufgeschoben werden. Die Stärkung dieser Struktur durch sichtbare Unterstützung seitens des Vorstandsvorsitzenden und des Vorstands kann die Entscheidungsbefugnis der für die Ergebnisse Verantwortlichen über Funktionsgrenzen hinweg festigen.

Fazit für Führungskräfte:

Wie Lula Mohanty, geschäftsführende Partnerin bei IBM Consulting im Nahen Osten, gegenüber IBM Think erklärte: „Künstliche Intelligenz sollte nicht in der Hand einer einzelnen Person liegen – sie muss begleitet werden.“ Ohne klare Verantwortlichkeiten und Befugnisse zur Fassung unternehmensweiter KI-Entscheidungen gibt es jedoch keine echte Eigenverantwortung.

Führungskräfte der obersten Ebene können zwar die Verantwortlichkeiten klären, dennoch scheitern, wenn die Anreize falsch ausgerichtet sind. Selbst wenn sich Führungskräfte hinsichtlich ihrer KI-Ziele einig sind, bleiben ihre Anreize an den funktionsspezifischen Erfolg gebunden – Kostenkontrolle für CIOs, Datenqualität für CDOs, Modellleistung für CAIOs und Gewinn- und Verlust-Ergebnisse für Führungskräfte aus dem operativen Geschäft.

Ohne gemeinsame Verantwortung für die Ergebnisse der unternehmensweiten KI optimiert jede Führungskraft ihre eigenen Metriken anstatt den kollektiven ROI. So könnte es beispielsweise vorkommen, dass Teams Initiativen zurückstellen, die zwar den Unternehmenswert steigern, aber die lokalen KPIs verwässern, sich gegen die Finanzierung funktionsübergreifender Kompetenzen wehren oder Risiken vermeiden, die zwar dem Gesamtunternehmen, nicht aber ihrem eigenen Zuständigkeitsbereich zugutekommen. Mit der Zeit wird KI zu einem Koordinationsproblem, das als Leistungsproblem getarnt ist.

Lösung:

Die Anreize für Führungskräfte und die Metriken sollen auf gemeinsame, KI-gestützte Geschäftsziele ausgerichtet werden. Verbinden Sie Vergütung, Finanzierung und Erfolgskennzahlen mit der Wertschöpfung des Unternehmens, wie beispielsweise Umsatzauswirkungen, Kostensenkungen oder Produktivitätssteigerungen, anstatt sich auf isolierte funktionsbezogene Metriken zu beschränken.

Fazit für Führungskräfte:

Werden Führungskräfte individuell bewertet, werden sie auch individuell optimieren. Der Nutzen der KI kommt erst dann zum Tragen, wenn Anreize eine Ausrichtung auf gemeinsame Ziele erzwingen.

Die Geschäftsbereiche schlagen KI-Anwendungsfälle vor, die Technologieteams prüfen die Machbarkeit, die Datenverantwortlichen bewerten die Bereitschaft, während ein weiteres Team die strategischen Ziele festlegt. Ohne ein einheitliches Framework hängt die Priorisierung von KI-Initiativen jedoch von Einfluss, Dringlichkeit oder der Frage ab, wer über das Budget verfügt – anstatt vom Unternehmensnutzen.

„Da KI den Horizont von Unternehmen erweitert und deren Wissen erweitert, müssen Führungskräfte entscheiden, was wirklich zählt, das Unternehmen darauf ausrichten und zügig und kohärent handeln.“



Gary Cohn, stellvertretender Vorsitzender von IBM, CEO-Studie 2026

Lösung:

Übergang von einer dezentralen Ideenfindung zu einem zentral gesteuerten KI-Portfolio mit klar definierten Wertschwellenwerten. Einrichtung eines kleinen, funktionsübergreifenden Priorisierungsgremiums, das Anwendungsfälle anhand einheitlicher Kriterien wie unternehmensweitem Wertpotenzial, Skalierbarkeit, Datenverfügbarkeit und Wiederverwendbarkeit bewertet. Finanzierung und Abfolge der Initiativen als Portfolio und nicht als isolierte Vorschläge, sodass nur diejenigen, die einen glaubwürdigen Weg zur Skalierung aufweisen, nachhaltige Investitionen erhalten.

Fazit für Führungskräfte:

Eine effektive KI-Strategie legt fest, wie ein Unternehmen Initiativen auswählt, in die richtige Reihenfolge bringt und sich dazu verpflichtet, die einen messbaren Unternehmenswert schaffen.² Sie definiert die Entscheidungskriterien, Governance-Mechanismen und das Modell zur Ressourcenzuweisung, die erforderlich sind, um den Maßnahmen Priorität einzuräumen, die nachhaltige Investitionen und eine Skalierung rechtfertigen.

Governance wird häufig als eine Überprüfungsstufe betrachtet, die erst dann zum Tragen kommt, wenn Teams bereits Lösungen entworfen und in Pilotprojekten getestet haben; KI bildet hier keine Ausnahme. Dies verursacht bei Teams in späten Phasen Schwierigkeiten in Bezug auf Risiken, Compliance, Datennutzung, Modellverantwortlichkeit oder ethische Bedenken. Zudem verstärkt dies die Wahrnehmung, dass Governance ein Hemmnis darstellt – obwohl das eigentliche Problem darin besteht, dass Governance nicht früh genug in den Entscheidungsprozess eingebunden wurde.³

Lösung:

Integrieren Sie Governance von Anfang an in die Workflows. Legen Sie fest, wer befugt ist, Risikogrenzen, die Datennutzung, Standards für die Bereitstellung und Eskalationswege zu genehmigen. Eine gemeinsame Fallstudie von IBM und EY mit der Banco do Brasil zeigt, wie Governance KI-Innovationen fördern und nicht behindern kann.

Als öffentliches Finanzinstitut mit aufsichtsrechtlichen Pflichten und einem öffentlichen Auftrag benötigte die Bank eine klare Strategie, um KI verantwortungsvoll, transparent und in großem Maßstab einzusetzen. Die Bank hat ein umfassendes KI-Governance-Framework eingeführt, das den gesamten Modelllebenszyklus abdeckt und klar definierte Rollen, Kontrollmechanismen sowie Überwachungsprozesse umfasst.

Fazit für Führungskräfte:

Governance erscheint nur dann als Engpass, wenn die Entscheidungsbefugnisse unklar sind. Wenn die Zuständigkeiten in Bezug auf Risiken, Daten und Bereitstellung von vornherein festgelegt und in die Workflows integriert sind, wird Governance zu dem Mechanismus, der skalierbare und vertrauenswürdige KI ermöglicht.

Ein Proof of Concept mag zwar zeigen, dass ein KI-Anwendungsfall lokal funktioniert, doch die Skalierung erfordert Entscheidungen in den Bereichen Infrastruktur, Datenzugriff, Change Management, Finanzierung, Compliance und Gestaltung des Betriebsmodells. Sind die Entscheidungsbefugnisse unklar, erfordert jeder Skalierungsschritt eine erneute Abstimmung, und vielversprechende Pilotprojekte kommen ins Stocken.

Lösung:

Legen Sie die Entscheidungsbefugnisse für die einzelnen Phasen fest, bevor die Pilotprojekte beginnen. Führungskräfte sollten wissen, wer darüber entscheidet, ob ein Pilotprojekt fortgesetzt wird, wer die Skalierung finanziert, wer für die Einführung verantwortlich ist und wer die Auswirkungen auf das Unternehmen misst.⁴

Fazit für Führungskräfte:

Ein Pilotprojekt ohne Modell zur Skalierungsentscheidung bleibt ein isoliertes Experiment. Die Skalierung von KI-Pilotprojekten ist effektiver, wenn Unternehmen frühzeitig klar definieren, wer die Befugnis hat, das Projekt voranzutreiben, zu investieren, es in die Praxis umzusetzen und die Auswirkungen zu messen, damit zwischen der Validierung und der Wertschöpfung keine Dynamik verloren geht.

CEOs, die KI in den Mittelpunkt stellen (d. h. diejenigen, die KI in alle Workflows integrieren, Funktionen aufeinander abstimmen und den Fokus auf langfristigen Mehrwert legen), verzeichnen ein um 17 % höheres Umsatzwachstum.⁵ Sie verstehen, dass es bei KI sowohl um Technologie als auch um Führung geht. Unternehmen, die Entscheidungsbefugnisse klar definieren, verwandeln KI von einer Reihe unzusammenhängender Initiativen in ein koordiniertes System zur Wertschöpfung. Die Frage lautet nicht mehr, ob in KI investiert werden soll, sondern ob die Führungsebene die Verantwortlichkeiten und Befugnisse festgelegt hat, die erforderlich sind, damit sich diese Investitionen in großem Maßstab auszahlen.