Die Ära der Pilotprojekte mit generativer KI ist vorbei. Die Herausforderung der Integration hat gerade erst begonnen.

Stellen Sie sich vor, Sie sitzen in einer Geschäftsleitungssitzung und stellen eine scheinbar einfache Frage: Wie viele Anwendungsfälle für generative KI sind derzeit in dieser Organisation im Einsatz? Jemand erwähnt die offiziellen Pilotprojekte. Eine andere Führungskraft verweist auf die Copilot-Lizenzen. Eine Führungskraft aus einem Geschäftsbereich spricht über einen Chatbot, den ihr Team entwickelt hat. Das Marketing experimentiert mit der Generierung von Inhalten. Die Finanzabteilung hat begonnen, Analysen zu automatisieren. Und mehrere Mitarbeitende nutzen stillschweigend öffentliche generative KI-Tools für Aufgaben, die nie offiziell genehmigt wurden.

Innerhalb weniger Minuten wird die Antwort klar: Niemand weiss es so genau. Das ist aber nicht unbedingt ein Zeichen dafür, dass die Einführung von generativer KI gescheitert ist. Es könnte vielmehr ein Hinweis darauf sein, dass sie funktioniert hat.

KI-Technologien haben sich mit bemerkenswerter Geschwindigkeit in Organisationen verbreitet. Eine aktuelle Studie der Europäischen Zentralbank (EZB) von rund 6'000 Unternehmen in zwölf Ländern des Euroraums ergab, dass etwa 70% bereits in irgendeiner Form KI einsetzen. Gleichzeitig berichten jedoch nur 7% von einer aktiven Nutzung. Mitarbeitende experimentieren, Teams starten Pilotprojekte, Anbieter ergänzen bestehende Software um KI-Funktionen und einzelne Abteilungen beginnen damit, Teile ihrer Arbeit neu zu gestalten.

Damit hat sich auch die Managementherausforderung verändert: Die Frage lautet nicht mehr «Wie bringen wir Menschen dazu, generative KI zu nutzen?», sondern vielmehr: «Wie schaffen wir eine Organisation, die generative KI kontinuierlich integrieren kann, während sich die Technologie selbst laufend weiterentwickelt?»

Dazu müssen Organisationen entscheiden, welche Experimente skaliert werden sollen, wo generative KI ein Teil von Kernprozessen werden sollte, wie die Aufgabenteilung zwischen Menschen und Maschinen gestaltet werden soll, welche Governance erforderlich ist, wie Mitarbeitende auf diesem Weg mitgenommen werden und welches Signal der Einsatz von generativer KI an Kund:innen sowie andere Anspruchsgruppen sendet.

Mit anderen Worten: Die Ära der Pilotprojekte von generativer KI geht zu Ende. Die Herausforderung der Integration beginnt.

Genau mit diesem Problem beschäftigt sich unsere peer-reviewte Publikation «Beyond Adoption: A Conceptual Framework for Integrating Generative AI in Organisations». Auf Grundlage ausführlicher Interviews mit Führungskräften und Expert:innen aus 18 Schweizer Organisationen aus Branchen wie Finanzwesen, Telekommunikation, Beratung, Produktion, Pharma, Tourismus und Transport untersucht die Studie, was passiert, nachdem Organisationen mit dem Einsatz generativer KI begonnen haben. Anstatt zu fragen, warum Menschen generative KI einsetzen, haben wir untersucht, was notwendig erscheint, um aus verstreuten Experimenten eine stabilere und wertschöpfende organisatorische Integration zu entwickeln.

Einführung ist nicht gleich Integration

Traditionelle Technologieprogramme folgen meist einer klaren Logik: Ein System auswählen. Es implementieren. Mitarbeitende schulen. Die Nutzung vorantreiben. Die Nutzung messen. Generative KI passt nicht ohne Weiteres in diese Abfolge. Mitarbeitende können beginnen, ein neues Modell zu verwenden, bevor die IT es überhaupt bewertet hat. Ein Marketingteam kann seinen Prozess zur Erstellung von Inhalten neu gestalten, ohne ein formales System zu verändern. Die Veröffentlichung eines neuen Modells kann einen zuvor wenig attraktiven Anwendungsfall plötzlich sinnvoll machen. Ein KI-Agent kann sich von einem Werkzeug, das einem Mitarbeitenden beim Formulieren einer Antwort hilft, zu einem System entwickeln, das mehrere Schritte eines Workflows eigenständig in dessen Auftrag ausführt.

Gleichzeitig werden diese Entscheidungen ausserhalb der Organisation zunehmend sichtbar. Kund:innen kann es wichtig sein, ob der Kundensupport von einem Menschen oder einer KI erbracht wird. Mitarbeitende könnten eine «AI-first»-Strategie als Signal für die zukünftige Personalentwicklung interpretieren. Geschäftspartner:innen können eigene Anforderungen an Daten und den Einsatz von generativer KI stellen. Regulierungsbehörden können einschränken, welche Prozesse automatisiert werden dürfen. Generative KI ist daher nicht einfach eine weitere Softwareeinführung.

Unsere Forschung deutet darauf hin, dass Organisationen fünf miteinander verknüpfte Dimensionen gleichzeitig steuern müssen: externe Faktoren; Kultur und Individuen; Ressourcen; Aktivitäten, Prozesse und Ergebnisse; sowie Strukturen und Governance. Es gibt dabei keine klare Abfolge von Dimension eins bis Dimension fünf. Fortschritte in einem Bereich können Schwächen in einem anderen sichtbar machen. Genau deshalb gelingt es vielen vielversprechenden Pilotprojekten nicht, ihr transformatives Potenzial vollständig auszuschöpfen.

1. Blicken Sie nach aussen, bevor Sie im Inneren skalieren

Die Implementierung von generativer KI endet nicht an den Grenzen einer Organisation.

Regulierung ist dabei der offensichtlichste Faktor, insbesondere in Branchen wie dem Bankwesen, der Pharmaindustrie und anderen stark regulierten Bereichen. Unsere Interviews haben jedoch eine weitergehende Herausforderung aufgezeigt: Kund:innen, Lieferant:innen, Agenturen,Technologieanbieter:innen und andere Partner:innen beeinflussen allesamt, wie eine verantwortungsvolle Integration von generativer KI aussehen sollte. Eine besonders wichtige Frage betrifft die Transparenz. Sollten Kund:innen darüber informiert werden, dass Inhalte mit generativer KI erstellt wurden? Oder dass generative KI eine Rolle bei der Entwicklung eines Produkts oder bei Entscheidungen gespielt hat? Stärkt eine Offenlegung durch zusätzliche Transparenz das Vertrauen oder schwächt sie die wahrgenommene Authentizität? Ist generative KI für eine bestimmte Interaktion völlig akzeptabel, für eine andere jedoch unangebracht?

Darauf gibt es keine allgemeingültige Antwort. Kund:innen haben möglicherweise kein Problem damit, über generative KI einen Liefertermin zu verschieben, bevorzugen bei einer emotional aufgeladenen Beschwerde jedoch klar die Interaktion mit einem Menschen. Mit generativer KI erzeugte Bilder können perfekt zu einer Marke passen und bei einer anderen Marke grosses Unbehagen auslösen.

Bevor Sie eine kundenorientierte Anwendung skalieren, sollten Sie sich daher fragen: Was sagt dieser Einsatz von generativer KI über uns aus? Die Antwort darauf kann ebenso weitreichend sein wie der erzielte Produktivitätsgewinn.

2. Hören Sie auf, die generative KI-Transformation als reines Schulungsproblem zu betrachten

Wenn die Einführung von generativer KI ins Stocken gerät, lautet die Standardreaktion häufig: mehr Schulungen. Schulungen sind wichtig. In unserer Studie war die Entwicklung entsprechender Kompetenzen in vielen der befragten Organisationen ein zentrales Thema. Schulungen allein dürften jedoch kaum zu einer echten Integration führen. Mitarbeitende müssen auch verstehen, warum die Organisation generative KI einsetzt, wo generative KI eingesetzt werden soll, wo nicht und welche Rolle der Mensch weiterhin übernehmen soll. Dies ist besonders wichtig, weil generative KI die berufliche Identität auf eine Weise berührt, wie es bei vielen früheren Technologien nicht der Fall war. Für Designer:innen, Texter:innen, Berater:inne, Softwareentwickler:innen oder Analyst:innen automatisiert generative KI nicht lediglich administrative Aufgaben. Die Technologie kann Tätigkeiten übernehmen, die traditionell Ausdruck professioneller Expertise waren.

Mitarbeitende benötigen Freiraum zum Experimentieren, gleichzeitig aber auch psychologische Sicherheit. Organisationen benötigen die Unterstützung der Führungsspitze, doch reine Top-down-Vorgaben bergen die Gefahr, dass eher Compliance als Neugierde entsteht. Bottom-up-Experimente schaffen Dynamik, können ohne Koordination jedoch zu Dutzenden voneinander isolierten generativer KI-Inseln innerhalb des Unternehmens führen. Das bessere Modell kombiniert daher eine strategische Richtung von oben mit einer explorativen Entwicklung von unten. Das kann beispielsweise interne generative KI-Communities, dokumentierte Experimente oder «KI Champions» umfassen, die die zentrale Strategie mit der täglichen Arbeit verbinden.

3. Finanzieren Sie generative KI wie eine Fähigkeit, nicht wie eine Softwarelizenz

Lizenzen zu kaufen lässt sich leicht budgetieren. Eine organisatorische Fähigkeit aufzubauen ist deutlich schwieriger.

Unsere Interviews zeigen, dass finanzielle Ressourcen, Zeit, klar definierte Verantwortlichkeiten und Kompetenzentwicklung wichtige Voraussetzungen für die Integration sind. Die interessantere Managementfrage ist jedoch, wie diese Ressourcen eingesetzt werden. Nicht jeder denkbare Anwendungsfall verdient eine Investition. Mit den zunehmenden Fähigkeiten generativer KI können Organisationen sehr schnell lange Listen möglicher Anwendungsfälle ansammeln. Die Versuchung ist gross, zahlreiche Pilotprojekte zu starten, weil das Experimentieren vergleichsweise günstig ist. Die versteckten Kosten zeigen sich erst später: fragmentierte Tool-Landschaften, unklare Verantwortlichkeiten und ungenutzte Lizenzen. Organisationen, die über die Experimentierphase hinauskommen wollen, müssen unterscheiden können zwischen dem, was technisch möglich ist, und dem, was strategisch sinnvoll ist.

Ein hilfreiches Investitionsgespräch beginnt daher mit drei Fragen:

• Wo kann generative KI eine Tätigkeit substanziell verbessern?
• Setzt diese Investition andere Ressourcen frei?
• Und wo könnte sie die Wirtschaftlichkeit des Unternehmens selbst verändern?

Die dritte Frage wird besonders leicht übersehen. Die meisten generative KI-Programme beginnen als Effizienzprogramme. Doch sobald generative KI verändert, wie etwas produziert wird, wie schnell etwas bereitgestellt werden kann oder in welchem Ausmass sich ein Angebot personalisieren lässt, müssen möglicherweise auch Preisgestaltung, Erlösmodelle und Wertversprechen neu gedacht werden.

4. Gestalten Sie den Workflow neu, statt lediglich einzelne Aufgaben mit generativer KI anzureichern

Die erste natürliche Welle des Einsatzes generativer KI ist auf einzelne Aufgaben ausgerichtet: Diese E-Mail schreiben. Dieses Dokument zusammenfassen. Dieses Bild erstellen. Solche Anwendungen schaffen Wert, verändern die Organisation jedoch nur selten grundlegend. Das grössere Potenzial entsteht, wenn Unternehmen aufhören, lediglich einzelne Aufgaben zu betrachten, und stattdessen ganze Workflows untersuchen.

In unserer Forschung haben wir beobachtet, wie Organisationen bestehende Prozesse abbilden, Aktivitäten mit besonders hohem Potenzial identifizieren und bewusst festlegen, an welcher Stelle generative KI in einen Workflow eingebunden werden soll. Wichtig ist dabei: Das bedeutet nicht zwangsläufig, den gesamten Prozess zu automatisieren. Manchmal entsteht der grösste Mehrwert, wenn generative KI gezielt in einem kontrollierten Schritt eingesetzt wird, während an anderen Stellen weiterhin menschliches Urteilsvermögen gefragt ist.

Führungskräfte sollten daher beginnen, sich folgende Frage zu stellen: «Welches Ergebnis soll dieser Prozess erzeugen und wie würden wir ihn heute gestalten, wenn die Möglichkeiten von generativer KI von Anfang an zur Verfügung stünden?» Ohne eine klare Logik zur Messung des Erfolgs besteht an dieser Stelle jedoch die Gefahr, dass Organisationen beeindruckende Demonstrationen entwickeln, anstatt tatsächlich wertvolle Fähigkeiten aufzubauen.

5. Schaffen Sie eine flexible Governance

Die intuitive Reaktion auf Risiken im Zusammenhang mit generativer KI besteht häufig darin, die Kontrolle zu erhöhen. Das ist nachvollziehbar. Organisationen benötigen klare Regeln für sensible Daten, zugelassene Tools, menschliche Kontrolle, Verantwortlichkeiten und Compliance. Schatten-KI und unbeabsichtigte Datenabflüsse sind reale Risiken, die in unserer Forschung wiederholt angesprochen wurden.

Dabei gibt es jedoch einen Haken. Eine Governance, die für die heutigen Fähigkeiten von generativer KI entwickelt wurde, kann erstaunlich schnell veraltet sein. Das Ziel sollte daher darin bestehen, ein Governance-System zu schaffen, das selbst veränderungsfähig ist. Unsere Studie deutet auf eine Balance zwischen Zentralisierung und Dezentralisierung hin. Zentrale Teams können gemeinsame Infrastrukturen, Sicherheitsanforderungen, Grundsätze und Kontrollmechanismen definieren. Geschäftsbereiche, die näher an Kund:innen sowie an den operativen Prozessen sind, benötigen gleichzeitig genügend Freiraum, um die Umsetzung an ihren jeweiligen Kontext anzupassen.

Und Governance braucht einen wiederkehrenden Rhythmus. Ein Modell, das gestern genehmigt wurde, kann morgen bereits ersetzt werden. Neue Gesetze, veränderte Erwartungen von Anspruchsgruppen oder neue technische Möglichkeiten können beeinflussen, was als akzeptabel gilt. Organisationen, denen eine erfolgreiche Integration von generativer KI gelingt, werden daher nicht jene sein, die einmalig die umfassendste Richtlinie verfassen. Es werden jene sein, die gut darin werden, ihre Richtlinien immer wieder zu überprüfen und anzupassen.

Die eigentliche Fähigkeit besteht in kontinuierlicher Neukonfiguration

Eine nachhaltige Integration von generativer KI hängt möglicherweise weniger davon ab, über einen bestimmten KI-Vermögenswert zu verfügen, als vielmehr davon, jene Fähigkeit zu entwickeln, die in der Strategieforschung als dynamische Fähigkeit bezeichnet wird: die organisatorische Fähigkeit, Veränderungen zu erkennen, Chancen zu nutzen und Ressourcen, Prozesse sowie Strukturen immer wieder neu zu konfigurieren, wenn sich die Rahmenbedingungen verändern.

Im Bereich der generativen KI lässt sich dieser Ansatz sehr gut in die Praxis umsetzen. Das bedeutet, regelmässig zu überdenken, welche Anwendungsfälle wirklich wichtig sind, die Steuerungsmechanismen an die Weiterentwicklung der Modelle anzupassen, die Kundenerwartungen neu zu bewerten und gelegentlich auch das Geschäftsmodell selbst zu hinterfragen. Die Integration von generativer KI ist somit eine organisatorische Fähigkeit. Genau deshalb dürfte es auch nicht ausreichen, einfach den «AI-first»-Ansatz eines anderen Unternehmens zu kopieren. Die richtige Konfiguration hängt von der Branche, der Regulierung, der organisatorischen Komplexität, der Kultur, der Marke, den Kund:innen sowie der bestehenden Technologie ab.

Es gibt vielleicht keinen allgemeingültigen Plan für die Transformation durch generative KI. Aber es gibt eine Reihe von Fragen, die man sich stellen sollte, die weitaus besser geeignet sind.

Fünf zentrale Erkenntnisse für Führungskräfte

1. Die Einführung ist nur der Anfang.
   Eine hohe Nutzung durch Mitarbeitende und eine grosse Zahl an Pilotprojekten können mit sehr wenig tatsächlicher organisatorischer Transformation einhergehen. Verlagern Sie die Managementdiskussion deshalb vom Zugang und der Nutzung hin zu Prozessen, Wertschöpfung und Integration.
2. Betrachten Sie generative KI als organisatorische Veränderung und nicht als IT-Einführung.
   Technologie, Menschen, Governance, externe Anspruchsgruppen und Geschäftsmodelle stehen miteinander in Wechselwirkung. Wer einen Bereich optimiert und die anderen ignoriert, erzeugt an einer anderen Stelle Engpässe.
3. Wechseln Sie von Anwendungsfällen zu Workflows.
   Produktivitätsgewinne auf individueller Ebene sind relevant. Grössere Wertpotenziale entstehen jedoch, wenn Organisationen End-to-End-Prozesse neu gestalten und bewusst entscheiden, an welchen Stellen Menschen und generative KI jeweils einen Beitrag leisten sollen.
4. Gestalten Sie die Governance anpassungsfähig.
   Definieren Sie klare Grenzen für Daten, Tools, Verantwortlichkeiten und menschliche Kontrolle, schaffen Sie jedoch gleichzeitig Mechanismen, mit denen diese Vorgaben kontinuierlich überprüft werden können. Bei generativer KI ist Governance ein Managementprozess, kein abgeschlossenes Dokument.
5. Entwickeln Sie die Fähigkeit, sich kontinuierlich zu verändern.
   Das heute führende Modell, der Workflow oder die Strategie wird nicht auf Dauer optimal bleiben. Ein nachhaltiger Wettbewerbsvorteil lässt sich daher kaum allein durch den Zugang zu generativer KI erzielen. Er entsteht vielmehr dadurch, dass man es besser als die Konkurrenz versteht, die Möglichkeiten der generativen KI immer wieder neu zu integrieren.

‍

Die Phase der KI-Pilotprojekte hat den Unternehmen gezeigt, wozu generative KI in der Lage ist. Die nächste entscheidende Frage lautet nun, ob sie sich selbst neu ausrichten können, um die damit verbundenen Möglichkeiten zu nutzen.

Das vollständige Buchkapitel finden Sie hier.

‍