Die größte Herausforderung bei Unternehmens-KI ist die Priorisierung, nicht die Innovation

Den meisten Unternehmen mangelt es nicht an KI-Ideen. Doch wie lassen sich diese Ideen erfolgreich so umsetzen, dass sie sich tatsächlich positiv auf den ROI auswirken?

Für Führungskräfte aus Wirtschaft und Technologie klingt diese Frage einfach, ist aber überraschend schwierig: Es gehört viel dazu, die KI-Chancen zu erkennen, zu bewerten und zu priorisieren, die tatsächlich einen Mehrwert schaffen.

Obwohl die Technologie ausgereift ist und es nicht an kreativen Ideen mangelt, scheitern die meisten KI-Initiativen, bevor sie überhaupt umgesetzt werden. Die Kluft zwischen Experimentieren und Umsetzung ist offensichtlich: S&P Global stellte fest, dass Unternehmen durchschnittlich 46 % ihrer KI-Proof-of-Concept-Projekte aufgaben, bevor diese in den Produktivbetrieb übergingen. Das liegt daran, dass Unternehmen KI-Ideen bewerten, bevor sie das Problem, das sie lösen wollen, vollständig definiert haben.

Viele Unternehmen haben die Experimentierphase, in der sie herauszufinden versuchen, auf welche KI-Vorhaben sie setzen und in welcher Reihenfolge, inzwischen hinter sich gelassen. Eine Einführung führt jedoch nicht zwangsläufig zu geschäftlichem Mehrwert: Die McKinsey-Studie „State of AI 2026“ ergab, dass inzwischen zwar 44 % der Unternehmen angeben, KI unternehmensweit auszuweiten, aber nur 37 % von messbaren Auswirkungen der KI auf das Betriebsergebnis berichten. Diese Unternehmen benötigen ein wiederholbares Entscheidungsverfahren, das schnelle Erfolge, strategische Chancen, notwendige Voraussetzungen und Probleme, die nichts mit KI zu tun haben, voneinander unterscheidet, bevor Ressourcen gebunden werden.

Das Problem beginnt damit, wie Ideen eingebracht werden

In Führungsteams kommen KI-Ideen nicht als klar abgegrenzte, überschaubare Chancen auf den Tisch. Oft werden sie als Bündel vorgebracht – als umfangreiche, unübersichtliche und ambitionierte Aussagen wie: „Wir brauchen KI für die Kommunikation, die Berichterstattung, Besprechungen, den Wissenstransfer, das Leistungsmanagement und vielleicht sogar KI-Agenten, die unsere Projekte steuern.“

Für ein solches Problem reicht nicht eine einzige Idee aus. Es braucht mindestens sechs, die sich jeweils grundlegend in Umfang, Komplexität, Governance-Anforderungen und erwartetem Mehrwert unterscheiden.

Hinter einer einzelnen Aussage wie „Wir brauchen KI für die Berichterstattung“ können sich ganz unterschiedliche Dinge verbergen:

• Eine repetitive Aufgabe, die sich innerhalb weniger Wochen automatisieren lässt
• Ein Prozess, der neu gestaltet werden muss, bevor KI helfen kann
• Eine tatsächlich neue Fähigkeit, die erst durch KI möglich wird
• Ein Daten- oder Systemproblem, das sich nicht allein mit KI beheben lässt

Wer all diese Fälle nach denselben Kriterien, Zeitplänen und ROI-Methoden behandelt, priorisiert schlecht und verschwendet Aufwand. Schnelle Erfolge gehen unter Governance-Regeln für große Initiativen unter. Bahnbrechende Ideen erhalten nie die nötige Unterstützung durch die Führungsebene. Und Probleme, die überhaupt nichts mit KI zu tun haben, binden Kapazitäten, die anderswo gebraucht werden.

Ein Rahmen zur Priorisierung von KI-Chancen

Unternehmen benötigen einheitliche Grundsätze, die ihnen dabei helfen, die Chancen zu erkennen, für die sich KI-Lösungen eignen. Ich schlage Folgendes vor:

1. Erst aufschlüsseln, dann priorisieren. Die Qualität von KI-Entscheidungen hängt vollständig von der Qualität der Ideen ab, die in den Prozess eingebracht werden. Der wichtigste Schritt besteht darin, weit gefasste Anfragen in klar abgegrenzte Chancen aufzuteilen, die jeweils ein definiertes Ergebnis, eine einzelne verantwortliche Person und einen realistischen Umfang haben. Werden weit gefasste Ideen auf diese Weise bewertet, können aus einer Handvoll erster Aussagen mehrere eigenständige, bewertbare Chancen entstehen. Einige davon lassen sich sofort in Pilotprojekten erproben. Bei anderen müssen zunächst Voraussetzungen geschaffen werden. Manche betreffen möglicherweise überhaupt keine KI-Probleme.
2. Die Art bestimmt die Governance. Der Score bestimmt die Reihenfolge. Die Art der KI-Implementierung, die zur Bewältigung einer geschäftlichen Herausforderung erforderlich ist, und ihr Score (oder ihr Potenzial, Mehrwert zu schaffen) sind zwei völlig unterschiedliche Fragen, die bei den meisten Priorisierungsprozessen miteinander vermengt werden. Um welche Art von Chance handelt es sich bei der Idee? Geht es um die Automatisierung von Aufgaben, die Neugestaltung von Prozessen, eine völlig neue KI-Fähigkeit oder etwas anderes? Die Antwort bestimmt, wie sie gehandhabt werden sollte: das Genehmigungsverfahren, den Zeitplan und die Messung des Mehrwerts. Wie sie im Vergleich zu anderen abschneidet, bestimmt, wann sie verfolgt werden sollte. Sowohl eine einfache Automatisierung als auch eine taktische KI-Fähigkeit können wertvoll sein. Sie sollten jedoch niemals demselben Governance-Prozess folgen.
3. Das Problem definieren, bevor die Technologie ausgewählt wird. Eine der häufigsten KI-Fallen besteht darin, vorschnell über Modelle, Plattformen oder Anbieter zu sprechen. Besser ist es, zunächst das Problem selbst zu verstehen: Wer ist davon betroffen, wodurch entstehen Hindernisse und welches Ergebnis muss verbessert werden? Diese Unterscheidung ist wichtig, denn Unternehmen können von ihrer KI-Strategie überzeugt sein und dennoch nicht über die nötigen Fähigkeiten zu deren Umsetzung verfügen: Eine Umfrage von UST aus dem Jahr 2026 ergab, dass 44 % der Führungskräfte in Großunternehmen die Datenqualität als Hindernis für die Einführung von KI nannten. Beginnt die Technologiediskussion, bevor Einigkeit über diese Grundlagen besteht, ist es in der Regel noch zu früh. Wenn sich die ersten Gespräche auf das Problem konzentrieren, können die späteren Technologieentscheidungen deutlich klarer ausfallen.
4. Hindernisse ebenso deutlich sichtbar machen wie Chancen. Eine hohe Bewertung allein reicht nicht aus. Eine Idee mit großem Wirkungspotenzial und Rückhalt durch die Führungsebene, die jedoch auf ein schwerwiegendes Machbarkeitshindernis stößt – etwa fehlende Daten, eine ungeklärte Systemabhängigkeit oder eine Compliance-Auflage –, sollte auf der Roadmap sichtbar sein, aber erst umgesetzt werden, wenn das Hindernis beseitigt ist. Governance und Compliance zählen bereits zu den größten Hindernissen für die Skalierung von KI: In der Umfrage von Moody’s aus dem Jahr 2025 nannten 33 % der Befragten regulatorische Unsicherheit oder Compliance-Risiken als Herausforderung bei der Einführung von KI im großen Maßstab; 30 % verwiesen auf Schwierigkeiten bei der Integration von KI in Altsysteme. So kann eine Chance in allen Dimensionen außer der Machbarkeit eine hohe Bewertung erhalten, weil sie davon abhängt, dass ein anderes Team eine Datenlücke schließt. Der Punkt kann auf der Roadmap klar gekennzeichnet bleiben und bereit sein, weiterverfolgt zu werden, sobald die Abhängigkeit geklärt ist.
5. Die Roadmap flexibel halten. Technologische Möglichkeiten entwickeln sich weiter, geschäftliche Prioritäten verschieben sich und Abhängigkeiten verändern sich im Laufe der Zeit. Ein gut aufgestelltes Portfolio sollte es erleichtern, einzelne Chancen bei veränderten Bedingungen neu zu bewerten, ohne dafür den gesamten Plan überarbeiten zu müssen. Für einen Bereich, der sich so schnell entwickelt, sind jährliche Planungszyklen oft zu starr.

Die Umsetzung in die Praxis

Bemerkenswert ist, dass KI selbst dazu beitragen kann, diesen Rahmen in die Praxis umzusetzen. Unternehmen können beispielsweise speziell entwickelte KI-Funktionen und schlanke Anwendungen für das Roadmap-Management nutzen, um Führungskräfte durch die Erfassung, Aufschlüsselung, Klassifizierung, Bewertung und Priorisierung von Chancen zu führen. Statt sich vollständig auf Workshops und manuelle Moderation zu verlassen, kann KI unstrukturierte Ideen prüfen, einzelne Chancen herausarbeiten, klärende Fragen aufwerfen, Annahmen hinterfragen und strukturierte Bewertungen von Chancen erstellen, die anschließend geprüft werden.

Diese Bewertungen können anschließend in eine zentrale Roadmap einfließen, in der Chancen, Abhängigkeiten, Hindernisse und Prioritäten unternehmensweit einheitlich verwaltet werden. Führungskräfte erhalten einen Überblick darüber, welche Chancen es gibt, welche davon weiterverfolgt werden können und für welche zunächst Voraussetzungen erfüllt oder weitere Bewertungen vorgenommen werden müssen. Dadurch verlagert sich das Gespräch von „Welche Ideen haben wir?“ zu „Was sollten wir zuerst angehen?“

Das kann zu deutlich produktiveren Priorisierungsgesprächen führen. Die Führungskräfte haben sich bereits mit den zentralen Fragen auseinandergesetzt, sodass sich die Diskussion auf die Abstimmung von Prioritäten und Entscheidungen konzentrieren kann, statt bei null anzufangen.

Anstatt KI-Ideen in voneinander getrennten Tabellen und Besprechungen zu verwalten, können Unternehmen ein wiederholbares Entscheidungssystem schaffen, das Chancen fortlaufend bewertet und priorisiert, während sich geschäftliche Anforderungen und technologische Möglichkeiten weiterentwickeln.

Was das für KI in Unternehmen bedeutet

Unternehmen, die mit KI dauerhaft Mehrwert schaffen, sind nicht unbedingt diejenigen mit den leistungsstärksten Basismodellen oder den größten Budgets. Entscheidend ist vielmehr, ob sie die organisatorischen Fähigkeiten aufbauen, KI-Chancen gründlich zu bewerten, bevor sie Ressourcen dafür bereitstellen. Die Herausforderung besteht zunehmend darin, diszipliniert zu investieren: Deloittes Forschung zum KI-ROI von 2025 ergab, dass die meisten Unternehmen angaben, bei einem typischen KI-Anwendungsfall innerhalb von zwei bis vier Jahren eine zufriedenstellende Kapitalrendite zu erzielen. Bei Technologieinvestitionen erwarteten sie dagegen eine Amortisationszeit von sieben bis zwölf Monaten.

Das bedeutet, Unternehmensverantwortlichen dabei zu helfen, allgemeine Ideen vor der Umsetzung in klar definierte Chancen aufzuschlüsseln und technischen Teams zugleich Raum zu geben, Annahmen zu testen und mögliche Herausforderungen frühzeitig zu erkennen. Dazu gehört auch, eine Roadmap zu pflegen, die Hindernisse, Abhängigkeiten und Chancen berücksichtigt, deren Umsetzung zu einem späteren Zeitpunkt sinnvoller sein könnte.

Letztlich hängt die Wertschöpfung durch KI in Unternehmen von mehr ab als von den Modellen oder Agenten, die ein Unternehmen einsetzt. Entscheidend sind durchdachte Entscheidungen darüber, wo, wann und warum sie zum Einsatz kommen.