KI braucht Struktur – warum Klarheit wichtiger ist als Modelle

Wenn Tools da sind, aber Ergebnisse ausbleiben

Ein mögliches Szenario: Ein Unternehmen führt mehrere KI-Werkzeuge ein, organisiert Schulungen und sammelt erste Anwendungsfälle. Die Erwartungen sind hoch.

Später zeigt sich möglicherweise, dass die Werkzeuge nur sporadisch genutzt werden und Ziele oder Erfolgskriterien fehlen. Fachbereiche und IT erwarten voneinander konkrete Vorgaben; die Geschäftsführung kann den Nutzen kaum einordnen.

Das Beispiel ist illustrativ. Es zeigt, wie fehlende Ziele und Zuständigkeiten die Bewertung eines KI-Vorhabens erschweren können.

Warum Struktur beim KI-Einsatz hilft

KI-Werkzeuge können Aufgaben unterstützen, bestimmen aber nicht von selbst, welchen Zweck sie im Unternehmen erfüllen sollen, welche Qualität erforderlich ist oder wer für Einsatz und Prüfung zuständig ist.

Diese Fragen sollten bei der Planung berücksichtigt werden. Bei einem begrenzten Test können Antworten zunächst vorläufig sein und durch die Ergebnisse weiter konkretisiert werden.

Ziele, Zuständigkeiten und Bewertungskriterien helfen, Ergebnisse und Grenzen einzuordnen. Bei generativen Systemen können vergleichbare Eingaben unterschiedliche Ausgaben ergeben; welche Ausgabe für einen Zweck geeignet ist, muss anhand fachlicher Kriterien geprüft werden.

Fehlen gemeinsame Leitplanken, können Nutzende unterschiedliche Annahmen und Maßstäbe verwenden. Dann wird es schwieriger, Ergebnisse zu vergleichen und Erfahrungen systematisch auszuwerten.

Drei verbreitete Missverständnisse

Missverständnis 1: Struktur bedeutet Bürokratie

Struktur wird oft mit Formularen, Genehmigungsprozessen und Dokumentationspflichten gleichgesetzt. Das muss nicht so sein.

Struktur im Kontext von KI bedeutet Klarheit: Wofür setzen wir KI ein? Wofür nicht? Wer darf entscheiden? Wer trägt Verantwortung? Was gilt als Erfolg? Was als Abbruchgrund?

Für einen begrenzten Versuch können wenige klare Absprachen genügen. Umfangreiche Dokumentation ist nicht immer nötig; entscheidend ist, dass Ziele, Zuständigkeiten und Grenzen für die Beteiligten nachvollziehbar sind.

Missverständnis 2: Die richtigen Tools schaffen Struktur

Manche Unternehmen hoffen, dass professionelle KI-Plattformen die fehlende Struktur mitbringen. Die Annahme: Ein Enterprise-Tool hat Governance-Funktionen, also ist Governance gelöst.

Solche Funktionen können Prozesse unterstützen. Die Organisation muss jedoch festlegen, welche Einstellungen, Rechte und Nutzungsregeln zum Zweck und zu den Risiken passen.

Tools setzen Struktur um. Sie ersetzen sie nicht.

Missverständnis 3: Struktur kommt nach den ersten Erfahrungen

Ein Versuch kann vorläufige Fragen klären und Lernen ermöglichen. Auch dabei sollten Zweck, Datenumfang und Verantwortlichkeit angemessen festgelegt sein.

Ohne festgelegte Fragen und Kriterien bleibt allerdings unklar, was ein Versuch gezeigt hat und ob eine Ausweitung sinnvoll ist.

Die Ergebnisse eines Piloten sollten deshalb dokumentiert und vor einer Ausweitung neu bewertet werden.

Die richtige Reihenfolge: Entscheidung, Struktur, Tool

KI braucht Struktur, und diese Struktur braucht eine Grundlage. Als Orientierung können Sie folgende Schritte nutzen; in der Praxis können sie sich wiederholen:

Erstens: Die Entscheidungsebene. Was soll das Vorhaben erreichen, welche Probleme adressiert es und welche Risiken sind akzeptabel? Zuständige Führungskräfte sollten diese Fragen gemeinsam mit den betroffenen Fach- und Technikbereichen beantworten.

Zweitens: Die Strukturebene. Welche Anwendungsbereiche und Verantwortlichkeiten gelten? Wie werden Ergebnisse und Nutzen geprüft? Welche Bedingungen sprechen für Anpassung, Fortsetzung oder Abbruch?

Drittens: Die Werkzeugebene. Welche Werkzeuge erfüllen die Anforderungen und wie werden sie eingeführt und betreut? Rückmeldungen aus Tests können dabei helfen, die Anforderungen weiterzuentwickeln.

Wenn Organisationen mit der Toolauswahl beginnen, sollten Ziel, Prüfkriterien und Verantwortlichkeiten spätestens vor einer Ausweitung ergänzt werden.

Warum Governance jetzt wichtiger wird

Die Bedeutung von Struktur nimmt zu, nicht ab. Dafür gibt es mehrere Gründe.

Regulierung: Pflichten aus dem EU AI Act hängen unter anderem von der Rolle eines Unternehmens und der Einstufung des konkreten KI-Systems ab; daraus folgt keine einheitliche Dokumentationspflicht für jede KI-Nutzung. Seit dem 2. August 2026 gelten wesentliche Teile der Verordnung. Die Regeln für bestimmte Hochrisiko-Anwendungen greifen nach aktuellem Zeitplan ab dem 2. Dezember 2027 beziehungsweise für KI in bestimmten regulierten Produkten ab dem 2. August 2028. Prüfen Sie den Anwendungszeitpunkt und die Pflichten für Ihren konkreten Fall anhand des aktuellen Zeitplans der Europäischen Kommission und des geltenden Verordnungstexts auf EUR-Lex.

Verantwortung: Wenn KI-Ausgaben folgenreiche Entscheidungen beeinflussen, sollten Zuständigkeiten und Prüfwege geklärt sein. Welche rechtlichen Anforderungen gelten, hängt vom konkreten Sachverhalt und Einsatz ab.

Skalierung: Wenn mehrere Bereiche KI einsetzen, können abgestimmte Regeln für Zugriffe, Daten, Beschaffung und Prüfung Doppelarbeit oder widersprüchliche Abläufe vermeiden.

Qualität: Für Ergebnisse, die in Arbeitsabläufe einfließen, helfen aufgabenbezogene Kriterien und geeignete Prüfungen, Fehler oder Änderungen zu erkennen.

Leitplanken können angepasst werden, wenn sich Anwendungen, Risiken und Erfahrungen verändern. Umfang und Formalisierung sollten zum Vorhaben passen.

Fünf Elemente einer tragfähigen KI-Struktur

Für viele Vorhaben sind fünf Elemente als Ausgangspunkt hilfreich:

Zieldefinition: Welches konkrete Ziel soll KI unterstützen? Statt „effizienter werden" könnte ein Ziel beispielsweise lauten, die Bearbeitungszeit für Kundenanfragen gegenüber einem festgelegten Ausgangswert zu verringern. Zielgröße, Ausgangswert und Messzeitraum müssen für den jeweiligen Prozess bestimmt werden.

Abgrenzung: Für welche Aufgaben ist der Einsatz vorgesehen, und welche Aufgaben oder Entscheidungen bleiben außerhalb des Systems? Grenzen helfen, den Einsatz zu steuern.

Verantwortlichkeiten: Wer bewertet Anwendungsfälle, prüft Ergebnisse und reagiert auf Probleme? Rollen und Eskalationswege sollten nachvollziehbar sein.

Qualitätskriterien: Woran wird ein geeignetes Ergebnis erkannt? Welche Prüfungen braucht die jeweilige Aufgabe und wer entscheidet bei Zweifeln?

Entscheidungsregeln: Welche Ergebnisse oder Risiken sprechen dafür, einen Pilot anzupassen, auszuweiten oder zu beenden? Vorab festgelegte Kriterien unterstützen die Entscheidung.

Diese fünf Elemente sind keine erschöpfende Liste. Sie sind ein Ausgangspunkt. Je nach Branche, Unternehmensgröße und Risikobereitschaft kommen weitere Aspekte hinzu.

Der Weg zu einer strukturierten KI-Entscheidung

Ein strukturierter Entscheidungsprozess kann je nach Vorhaben unterschiedlich umfangreich sein. Binden Sie die Personen ein, die Ziele, Prozesse, Technik und mögliche Risiken beurteilen können.

Der erste Schritt ist Bestandsaufnahme: Was existiert bereits? Welche KI-Werkzeuge sind im Einsatz? Welche Erfahrungen liegen vor? Welche Erwartungen gibt es in den Fachabteilungen?

Der zweite Schritt ist Zielklärung: Was soll KI für das Unternehmen leisten? Welche Probleme sind drängend genug, um Ressourcen zu rechtfertigen? Welche Chancen sind realistisch?

Der dritte Schritt ist Rahmengestaltung: Welche Regeln sollen gelten? Wer entscheidet und prüft? Welche Fragen müssen Führungskräfte klären und welche können die zuständigen Teams beantworten?

Der vierte Schritt ist Dokumentation: Halten Sie relevante Festlegungen so fest, dass Beteiligte sie anwenden und bei Änderungen aktualisieren können.

Der fünfte Schritt ist Kommunikation: Die Struktur wird im Unternehmen bekannt gemacht. Mitarbeiter verstehen, was von ihnen erwartet wird und an wen sie sich wenden können.

Diese Schritte können bei einem Pilot parallel und iterativ erfolgen. Vor einer Ausweitung sollten offene Fragen und Voraussetzungen erneut bewertet werden. Eine praktische Einordnung der Reihenfolge finden Sie auch im Beitrag KI im Unternehmen einführen: sinnvolle Schritte und Reihenfolge.

Fazit: Struktur als Voraussetzung, nicht als Hindernis

Ziele, Zuständigkeiten und Qualitätskriterien helfen dabei, KI-Vorhaben zu planen und auszuwerten. Welche Leitplanken nötig sind, hängt vom jeweiligen Einsatz ab.

Ein passender Rahmen kann Teams helfen, Annahmen zu prüfen, Ergebnisse einzuordnen und bei Bedarf nachzusteuern.

Der Rahmen kann vor einem Versuch beginnen und mit den gewonnenen Erkenntnissen weiterentwickelt werden.