Warum KI-Piloten im Unternehmen nicht skalieren
Einen Prototyp zu bauen ist das eine, KI fest in die Prozesse zu bringen das andere. Mina Saidze kennt die Gründe, warum die Skalierung hakt: unklare Ownership, fehlende Skills, eine unklare Datenbasis, bremsende Governance und fehlendes Vertrauen. An der Technik liegt es selten. Die größte Herausforderung ist laut Sven Göth, wie veränderungsfähig eine Organisation ist. Wenn Marketing und Vertrieb je eigene Tools nutzen, bleibt KI Tool-Bingo statt Infrastruktur.
Auch der breite Copilot-Rollout zündet oft nicht. Tim Schleicher beschreibt die typische Lage: Die IT-Abteilung rollt Copilot aus, die Mitarbeitenden finden das ganz nett, beißen aber nicht an. In einem großen italienischen Tech-Konzern zeigte das Assessment von selectic, dass KI nur für 2 Prozent zentral für die eigene Arbeit ist.
„Die größte Veränderung, die größte Herausforderung, die wir eigentlich haben ist, wie veränderungsfähig sind wir als Organisation.“
Use Cases finden: Strategie vor Tools
KI folgt dem Business, nicht umgekehrt. Statt nach Einsatzmöglichkeiten zu suchen, fragst du nach repetitiven Aufgaben und nach der KPI, die ein Use Case verändern soll (Saidze). Schleicher bringt es auf eine Formel: Pain mal Data. Es braucht einen echten Schmerz und eine Datenbasis, aus der KI lernen kann. Im Workshop zum eigenen neuronalen Netz zeigt Schleicher, warum Trainings- und Testdaten von Anfang an getrennt gehören.
Die m&z agency hat vor der Tool-Auswahl alle Prozesse, Aufgaben und Produkte nach einem Ampelsystem auf ihr KI-Potenzial geprüft. Am größten war das Potenzial im Baustein Branding and Strategy mit 42 Prozent Effizienzpotenzial. Optimierung hieß dabei nie Personalabbau, sondern schneller und besser werden. Bei Ten More In landen alle möglichen KI-Initiativen einmal im Quartal auf einer Impact-Feasibility-Matrix, und jede muss zur Mission passen.
KI Governance und Operating Model: Wer entscheidet?
Ohne Operating Model ist KI ein teures Spielzeug, sagt Saidze. Es entstehen neue Rollen wie HR AI Transformation Lead, die Verantwortung regelt ein RASCI-Modell. Ein KI-Beirat kostet kein Geld, nur die richtigen Personen und ein monatliches Meeting.
Im Panel mit Statista und Restart Career geht es um die Balance aus Freiraum und Regeln: ausprobieren in einer sicheren Sandbox, bei individueller Produktivität Wild West, bei kritischen Prozessen IT-Governance. Bei Statista beantwortet ein Admin-Agent Fragen zu HR, IT und Procurement und steht mit Namen im Org-Chart. Für die BARMER ist Governance Führungsaufgabe, gerade bei Sozialdaten.
Gremien helfen, wenn sie gut vorbereitet sind. Nikos Bozikis von Metlen bringt Use Cases und Erklärungen zum EU AI Act mit, bevor das Gespräch mit Legal beginnt (Change Management für KI).
„Und wenn wir kein Operating Model haben, ist KI nichts anderes als ein teures Spielzeug, mit dem man nicht wirklich viel bewirken kann.“
Mitarbeitende mitnehmen: Vertrauen, Ängste und Change
Laut einer Folie bei Saidze steigt die Wahrscheinlichkeit, dass Mitarbeitende kündigen, um 39 Prozent, wenn sie der KI misstrauen. Auch Antonio Panta sieht die größte Bremse nicht im Wissen, sondern im Vertrauen: Sorgen um Datenschutz und Datensicherheit bremsen die Nutzung stärker als fehlende Skills. Die BARMER schafft Sicherheit in drei Stufen: erst alle befähigen, dann Experimente fördern, dann eigene Ideen entwickeln lassen. Einen Personalabbau durch KI soll es nicht geben.
Change braucht Zeit. Für Barbara Kryslak von Redcare Pharmacy ist die größte KI-Lüge, dass alles ab dem ersten Tag schneller wird, zuerst kostet das Training Zeit (Change Management für KI). Bei Metlen liebte das Team das automatische Interview-Scheduling sofort. Allein das Scheduling spart dort etwa 3.000 Stunden.
„Das Problem, in Anführungsstrichen, die große Herausforderung ist, die Menschen auf diesem Weg mitzunehmen.“
KI-Kompetenz aufbauen: Zeit, Prompts und Praxis
Ute Neher blockt jede Woche mindestens 3 Stunden, um neue KI-Tools zu testen (KI-Kompetenz aufbauen). Bei Statista blockt das Leadership-Team im People-Bereich zwei Stunden pro Woche wie einen festen Termin (Panel zur KI-Governance). Bei Ten More In steht feste KI-Zeit im Kalender, sonst rutscht das Thema hinter das Tagesgeschäft.
Für den Einstieg hilft gutes Prompting. Anh Chi Luong und Louisa Schmeiduch vom Lufthansa Innovation Hub bauen Prompts aus sechs Bausteinen: Aufgabe, Kontext, Rolle, spezifische Anforderungen, Grenzen und Reasoning. Und HR sollte sich nicht überschätzen: Laut einer Studie der Universität Mannheim schätzt HR die eigene KI-Kompetenz zu hoch ein, berichtet Tim Verhoeven von Indeed. Den größten Hebel sieht Verhoeven im Admin: Laut einer Sage-Studie fließen jede Woche 19 Stunden in administrative Tätigkeiten.
Wie du KI im Unternehmen einführst: ein 30/60/90-Tage-Plan
Saidze empfiehlt einen 30/60/90-Tage-Plan: erst ein KI-Audit und ein einfacher Use Case, dann der Pilot, dann die Skalierung mit Governance. Starte mit kleinen Experimenten und teil die Learnings im Team, raten Luong und Schmeiduch, denn große Leuchtturmprojekte schüchtern eher ein. Max Kops schlägt einen KI Action Day vor, an dem dein Team einen Tag lang ohne Angst vor Fehlern ausprobieren darf.
Miss danach ehrlich: Ist eine Initiative ROI-positiv oder nur Trend-positiv, fragt Helena Meyer-Schönherr. Und leg vorher fest, woran du erkennst, dass ein KI-Projekt scheitert (Verhoeven).
Häufige Fragen
Wie führe ich KI im Unternehmen ein?
Starte beim Business: Frag nach repetitiven Aufgaben und der KPI, die sich ändern soll. Mina Saidze empfiehlt einen 30/60/90-Tage-Plan aus KI-Audit, Pilot und Skalierung mit Governance.
Warum scheitern KI-Projekte so oft?
Laut Tim Schleicher sind KI-Projekte experimentell, hängen von der eigenen Datenbasis ab und sind angstbehaftet, und kein Bereich kann sie allein stemmen. Dazu kommen oft unklare Ownership, fehlende Skills und fehlendes Vertrauen.
Braucht es eine KI-Governance?
Ja, passend zum Risiko: Bei individueller Produktivität darf mehr ausprobiert werden, bei kritischen Prozessen greift IT-Governance. Bei der BARMER ist Governance Führungsaufgabe, gerade bei Sozialdaten.
Wie nehme ich Mitarbeitende bei der KI-Einführung mit?
Sprich Ängste offen an und schaff Sicherheit: Die BARMER befähigt erst alle, fördert dann Experimente und lässt danach eigene Ideen entwickeln. Ein KI-Beirat und ein offener Kanal für Bedenken helfen, Fragen früh zu klären.







