KI-Strategie: Wie Vorstände KI vom Pilotprojekt zum Erfolg führen

Eine KI-Strategie entscheidet heute darüber, ob dein Unternehmen künstliche Intelligenz als Produktivitätshebel nutzt oder nur Lizenzen bezahlt. Die Zahlen zeigen, wie groß diese Lücke ist: Laut einer repräsentativen Bitkom-Umfrage vom September 2026 setzen erstmals 57 Prozent der Unternehmen ab 20 Beschäftigten KI ein. Gleichzeitig sagen 87 Prozent, dass sie das Potenzial wenig oder gar nicht ausschöpfen.

Genau hier beginnt die Aufgabe von Vorstand und Geschäftsführung. Wer KI dem Zufall einzelner Abteilungen überlässt, erntet Insellösungen, Schatten-IT und Compliance-Risiken. Wer dagegen klar priorisiert, die Datenbasis aufbaut und Verantwortung regelt, macht aus Experimenten messbare Ergebnisse.

In dieser Analyse erfährst du, wie du eine tragfähige Strategie für künstliche Intelligenz entwickelst: von der Auswahl der Use Cases über Governance und die Pflichten aus dem EU AI Act bis zur Frage, ob du Lösungen kaufst oder selbst baust.

Das Wichtigste in Kürze

• Eine KI-Strategie verknüpft Geschäftsziele mit konkreten Anwendungsfällen, Daten, Governance und Kompetenzen.
• Priorisiere Use Cases nach Wertbeitrag, Machbarkeit und Risiko statt nach Hype.
• Ohne saubere Datenbasis scheitern selbst gute Ideen in der Umsetzung.
• Der EU AI Act gilt bereits in Teilen; die Pflichten für Hochrisiko-Systeme greifen nach dem KI-Omnibus ab Dezember 2027 bzw. August 2028.
• Miss den Erfolg an Geschäftskennzahlen, nicht an der Zahl der Piloten.

Was ist eine KI-Strategie?

Eine KI-Strategie ist der verbindliche Plan eines Unternehmens, mit dem es festlegt, welche Geschäftsziele es mit künstlicher Intelligenz erreichen will, welche Anwendungsfälle es dafür priorisiert und welche Daten, Technologien, Regeln, Kompetenzen und Budgets es dafür bereitstellt. Sie übersetzt technologische Möglichkeiten in unternehmerische Entscheidungen.

Wichtig ist die Abgrenzung: Eine Strategie für künstliche Intelligenz ist kein IT-Projektplan und keine Tool-Liste. Sie beantwortet die Frage, wo KI dein Geschäftsmodell, deine Prozesse oder deine Produkte verändert. Die Technologie folgt dieser Antwort, nicht umgekehrt.

In vielen Unternehmen ist sie Teil der übergeordneten digitalen Transformation im Mittelstand. Trotzdem lohnt sich ein eigenes Dokument, weil KI eigene Fragen aufwirft: Haftung, Datenqualität, Modellrisiken und neue Rollen.

Warum Vorstand und Geschäftsführung die KI-Strategie verantworten

KI ist längst keine Spielwiese der IT mehr. Die Bitkom-Daten zeigen, dass 34 Prozent der befragten Unternehmen KI inzwischen als Bedrohung für ihre Existenz sehen. Ein Drittel der KI-Nutzer setzt die Technologie vor allem aus Angst ein, den Anschluss zu verlieren. Angst ist allerdings ein schlechter Stratege.

Die Führungsebene muss drei Dinge leisten, die keine Fachabteilung allein stemmen kann:

• Richtung vorgeben: Welche Ziele zählen – Kosten, Wachstum, Qualität oder neue Geschäftsfelder?
• Ressourcen umschichten: Budget, Talente und Rechenkapazität gehen dorthin, wo der größte Hebel liegt.
• Risiken tragen: Haftung, Reputation und Regulierung sind Chefsache.

Bitkom-Präsident Ralf Wintergerst bringt es in der Mitteilung zur Studie auf den Punkt: Eine Lizenz zu kaufen ändert allein nichts. Den größten Aufwand verursachen Datenaufbereitung, Systemintegration und Rechenleistung. Genau diese Investitionen brauchen eine Entscheidung von oben.

Use Cases priorisieren: Wert vor Hype

Die meisten Unternehmen haben kein Ideenproblem, sondern ein Auswahlproblem. In Workshops entstehen schnell 50 und mehr mögliche Anwendungen. Ohne klares Raster landen alle in der Pilotphase, und keiner skaliert.

Das Priorisierungsraster

Bewerte jeden Anwendungsfall entlang von drei Dimensionen:

• Wertbeitrag: Wie stark beeinflusst der Use Case Umsatz, Kosten, Durchlaufzeit, Qualität oder Kundenzufriedenheit?
• Machbarkeit: Sind die Daten vorhanden, die Prozesse dokumentiert und die Systeme anschlussfähig?
• Risiko: Betrifft der Einsatz Personalentscheidungen, Kreditwürdigkeit oder Sicherheit? Dann fällt er womöglich unter die Hochrisiko-Regeln des AI Act.

Stell dir vor, du leitest einen Maschinenbauer mit 800 Beschäftigten. Ein KI-Assistent für den Service, der Handbücher und Störungsberichte durchsucht, hat hohen Wert, gute Datenlage und geringes Risiko. Ein Tool zur automatischen Bewerberauswahl wirkt verlockend, berührt aber einen regulierten Hochrisiko-Bereich. Die Reihenfolge ergibt sich fast von selbst.

Quick Wins und Leuchttürme kombinieren

Ein gutes Portfolio mischt schnelle Erfolge mit strategischen Wetten. Quick Wins wie Textzusammenfassungen, Übersetzungen oder Code-Assistenz schaffen Akzeptanz. Leuchtturmprojekte – etwa vorausschauende Wartung oder KI-gestützte Angebotskalkulation – verändern die Wettbewerbsposition. Gerade in der Finanzfunktion zeigt sich, wie konkret das werden kann; mehr dazu liest du in unserem Beitrag zu KI im Controlling.

Auch KI-Agenten gehören inzwischen auf die Agenda: Laut Bitkom nutzen elf Prozent der Unternehmen sie bereits, 29 Prozent planen den Einsatz. Prüfe hier besonders genau, welche Entscheidungen ein Agent eigenständig treffen darf.

Die Datenbasis: das unterschätzte Fundament

KI ist nur so gut wie die Daten, mit denen sie arbeitet. In der Bitkom-Umfrage nennen 40 Prozent der Unternehmen ohne KI-Einsatz fehlende Daten als Hindernis. Bei den Nutzern stehen Datenschutzanforderungen mit 66 Prozent an der Spitze der Probleme.

Für die Datenbasis deiner KI-Strategie brauchst du Antworten auf vier Fragen:

1. Verfügbarkeit: Wo liegen die relevanten Daten, und wer hat Zugriff?
2. Qualität: Sind sie vollständig, aktuell und konsistent?
3. Rechte: Darfst du sie für Training oder Analyse nutzen – datenschutzrechtlich und vertraglich?
4. Architektur: Können Modelle sicher auf die Daten zugreifen, ohne dass vertrauliche Informationen abfließen?

Besonders wichtig ist die Frage nach dem Datenabfluss. 45 Prozent der KI-Nutzer befürchten laut Bitkom, dass Unternehmensdaten in falsche Hände geraten. Lege deshalb früh fest, welche Daten in externe Modelle dürfen und welche nur in abgeschotteten Umgebungen verarbeitet werden.

Governance und EU AI Act: Pflichten für deine KI-Strategie

Governance klingt bürokratisch, ist aber die Voraussetzung für Tempo. Wer klare Regeln hat, muss nicht jeden Einzelfall neu diskutieren. Eine schlanke KI-Governance umfasst ein Inventar aller eingesetzten Systeme, eine Risikoklassifizierung, klare Freigabeprozesse und benannte Verantwortliche.

Der Zeitplan des AI Act

Die europäische KI-Verordnung (EU) 2024/1689 ist am 1. August 2024 in Kraft getreten und gilt gestaffelt. Mit dem sogenannten KI-Omnibus, Verordnung (EU) 2026/1744, hat die EU einige Fristen verschoben. Er ist am 27. Juli 2026 in Kraft getreten. Der aktuelle Stand:

• Seit 2. Februar 2025: Verbotene KI-Praktiken, etwa Social Scoring, sind untersagt. Zudem gilt die Pflicht zur KI-Kompetenz der Beschäftigten (Art. 4), die der Omnibus abgeschwächt, aber nicht gestrichen hat.
• Seit 2. August 2025: Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck.
• Seit 2. August 2026: Transparenzpflichten nach Art. 50, zum Beispiel der Hinweis, dass Nutzer mit einem KI-System interagieren.
• 2. Dezember 2026: Ende der Übergangsfrist für die maschinenlesbare Kennzeichnung KI-generierter Inhalte bei Systemen, die schon vor August 2026 auf dem Markt waren.
• 2. Dezember 2027: Pflichten für eigenständige Hochrisiko-Systeme nach Anhang III, etwa in Personalwesen oder Kreditvergabe.
• 2. August 2028: Pflichten für Hochrisiko-KI in regulierten Produkten nach Anhang I, etwa Maschinen oder Medizinprodukte.

Einen guten Überblick bietet die Informationsseite der EU-Kommission zum KI-Gesetz. Die Bitkom-Umfrage zeigt, wie stark das Thema drückt: 37 Prozent der Unternehmen erwarten, als Anwender betroffen zu sein, weitere 34 Prozent prüfen das noch.

Was das konkret für dich bedeutet

Die Verschiebung ist kein Freifahrtschein. Wer heute ein Bewerbermanagement mit KI einführt, sollte die Anforderungen an Risikomanagement, Dokumentation und menschliche Aufsicht von Anfang an einplanen. Nachrüsten kostet mehr als mitdenken. Biete außerdem Schulungen an und dokumentiere sie, um die Anforderungen an die KI-Kompetenz zu erfüllen.

Hinweis: Dieser Beitrag gibt einen Überblick über die Rechtslage im Oktober 2026 und ersetzt keine individuelle Rechtsberatung.

Kompetenzen und Change: die menschliche Seite der KI-Strategie

Technik lässt sich kaufen, Kompetenz nicht. Laut Bitkom bewerten 66 Prozent der Unternehmen die KI-Kompetenz ihrer Beschäftigten als gering. Immerhin bieten inzwischen 70 Prozent Weiterbildungen an. Und 42 Prozent der KI-Nutzer berichten von geringer Akzeptanz in der Belegschaft.

Daraus folgen drei Handlungsfelder:

• Breite Befähigung: Alle Beschäftigten brauchen Grundwissen zu Chancen, Grenzen und sicherem Umgang mit KI.
• Tiefe Expertise: Ein kleines Kernteam aus Data Scientists, Engineers und Fachexperten treibt die Leuchtturmprojekte.
• Führungskompetenz: Führungskräfte müssen verstehen, wie KI Rollen und Arbeitsabläufe verändert, und das offen kommunizieren.

Akzeptanz entsteht, wenn Menschen erleben, dass KI ihnen lästige Arbeit abnimmt, statt sie zu ersetzen. Binde Betriebsrat und Fachbereiche früh ein und benenne KI-Botschafter in den Teams. Bewährte Methoden dafür findest du in unserem Leitfaden zum Change Management.

Build vs. Buy: selbst entwickeln oder einkaufen?

Kaum eine Frage wird in Vorständen so leidenschaftlich diskutiert. Die ehrliche Antwort lautet: Es kommt auf den Use Case an. Eine einfache Faustregel hilft dir bei der Entscheidung.

• Kaufen, wenn der Anwendungsfall Standard ist und dich nicht vom Wettbewerb unterscheidet: Office-Assistenten, Übersetzung, Transkription, Kundenservice-Bots.
• Anpassen, wenn du bestehende Modelle mit eigenen Daten anreicherst, etwa über Retrieval-Ansätze, die auf deine Dokumente zugreifen.
• Selbst bauen, wenn der Use Case dein Kerngeschäft berührt, auf exklusiven Daten beruht und echten Wettbewerbsvorteil verspricht.

Achte bei jeder Variante auf Abhängigkeiten. Laut Bitkom ist 88 Prozent der Unternehmen das Herkunftsland eines KI-Anbieters wichtig. Gute Verträge regeln Datennutzung, Speicherort, Exit-Optionen und die Pflichten aus dem AI Act. Plane außerdem ein, dass sich Modelle und Preise schnell ändern. Eine Architektur, die den Austausch von Modellen erlaubt, schützt dich vor Lock-in.

Den Wert messen: Kennzahlen für deine KI-Strategie

Viele KI-Programme scheitern nicht an der Technik, sondern am fehlenden Wertnachweis. Ohne Zahlen versiegt das Budget nach dem ersten Hype. Laut Bitkom berichten 45 Prozent der KI-Nutzer von einem messbaren Beitrag zum Geschäftserfolg – die übrigen tun sich damit offenbar schwer.

So baust du ein belastbares Messsystem auf:

1. Baseline erheben: Miss Durchlaufzeit, Fehlerquote oder Kosten pro Vorgang, bevor die KI startet.
2. Geschäftskennzahl festlegen: Jeder Use Case bekommt genau eine Hauptkennzahl, die das Management versteht.
3. Nutzung tracken: Aktive Nutzer und Nutzungshäufigkeit zeigen, ob die Lösung im Alltag ankommt.
4. Gesamtkosten erfassen: Lizenzen, Rechenleistung, Integration, Schulung und Betrieb gehören in die Rechnung.
5. Regelmäßig überprüfen: Stoppe Projekte, die nach einer definierten Frist keinen Wert liefern, und skaliere die erfolgreichen.

Viele Unternehmen verknüpfen die Ziele ihrer KI-Initiativen mit der OKR-Methode. So siehst du quartalsweise, ob die Teams auf Kurs sind, und kannst rechtzeitig nachsteuern.

Typische Fehler und wie du sie vermeidest

Aus der Praxis kennt man einige Muster, an denen Programme für künstliche Intelligenz immer wieder scheitern. Die gute Nachricht: Alle lassen sich mit klaren Entscheidungen vermeiden.

• Pilotfriedhof: Dutzende Experimente laufen parallel, keines schafft den Sprung in den Regelbetrieb. Begrenze die Zahl gleichzeitiger Piloten und definiere vorab, was „Erfolg“ bedeutet.
• Technik zuerst: Das Unternehmen kauft eine Plattform und sucht danach Anwendungsfälle. Drehe die Reihenfolge um.
• Verbote statt Regeln: Ein pauschales Nutzungsverbot treibt Beschäftigte in private Tools. Biete lieber sichere, freigegebene Alternativen an.
• Einmalige Planung: Die Technologie entwickelt sich rasant. Überprüfe deine Annahmen mindestens halbjährlich.

In sechs Schritten zur KI-Strategie

Fasst man alle Bausteine zusammen, ergibt sich ein klarer Fahrplan für die ersten zwölf Monate:

1. Ambition klären: Lege fest, welche zwei bis drei Geschäftsziele KI unterstützen soll.
2. Bestandsaufnahme machen: Erfasse vorhandene KI-Anwendungen, Daten, Kompetenzen und Schatten-IT.
3. Use Cases priorisieren: Bewerte nach Wert, Machbarkeit und Risiko und wähle ein Portfolio aus Quick Wins und Leuchttürmen.
4. Fundament legen: Baue Datenzugang, Sicherheitsarchitektur und Governance-Regeln auf.
5. Befähigen: Starte Schulungsprogramme und benenne Verantwortliche in den Fachbereichen.
6. Skalieren und messen: Überführe erfolgreiche Piloten in den Regelbetrieb und berichte den Wertbeitrag regelmäßig an Vorstand oder Beirat.

Fazit: KI-Strategie als Führungsaufgabe

Die Phase des Ausprobierens ist vorbei. Die Mehrheit der Unternehmen nutzt KI, doch nur wenige holen das Potenzial heraus. Den Unterschied macht eine klare KI-Strategie, die Geschäftsziele, Daten, Regeln und Menschen zusammenbringt.

Für dich als Führungskraft heißt das: Priorisiere konsequent, investiere in die Datenbasis, nutze die verlängerten Fristen des AI Act für saubere Governance und miss jeden Euro am Geschäftsergebnis. Dann wird künstliche Intelligenz vom Kostenfaktor zum Wettbewerbsvorteil.

Häufige Fragen: KI-Strategie

Was gehört in eine KI-Strategie?

Eine KI-Strategie umfasst Geschäftsziele, priorisierte Anwendungsfälle, die Datenbasis, Governance-Regeln, Kompetenzaufbau, Budget und Kennzahlen. Außerdem klärt sie, welche Lösungen du kaufst und welche du selbst entwickelst. Sie sollte auf wenigen Seiten verständlich sein.

Wer ist im Unternehmen für die KI-Strategie verantwortlich?

Die Gesamtverantwortung liegt bei Vorstand oder Geschäftsführung. Die operative Steuerung übernimmt oft ein Chief Data Officer, ein CIO oder ein KI-Lenkungskreis. Wichtig ist, dass Fachbereiche, IT, Recht und Betriebsrat eingebunden sind.

Wann gelten die Pflichten des EU AI Act für Hochrisiko-KI?

Nach dem KI-Omnibus gelten die Pflichten für eigenständige Hochrisiko-Systeme nach Anhang III ab dem 2. Dezember 2027. Für Hochrisiko-KI in regulierten Produkten nach Anhang I gilt der 2. August 2028. Verbote und Transparenzpflichten gelten bereits.

Wie misst man den Erfolg von KI-Projekten?

Erhebe vor dem Start eine Baseline und lege pro Use Case eine Geschäftskennzahl fest, etwa Durchlaufzeit oder Kosten pro Vorgang. Ergänze Nutzungsdaten und die Gesamtkosten. So erkennst du, welche Projekte du skalieren und welche du stoppen solltest.

Sollten Unternehmen KI selbst entwickeln oder kaufen?

Standardanwendungen ohne Differenzierungspotenzial kaufst du am besten ein. Selbst entwickeln lohnt sich, wenn der Use Case dein Kerngeschäft betrifft und auf exklusiven Daten beruht. Häufig ist ein Mittelweg sinnvoll: bestehende Modelle mit eigenen Daten anreichern.