Millionenfonds, unklare Transformation: Das strukturelle Problem der KI in der Führungsetage

Milliarden-Budgets, unbegrenzte Transformation: das strukturelle Problem der KI in der Führungsebene

Es gibt eine Zeile in fast jedem Unternehmensbudget der Gegenwart. Sie trägt einen Namen wie „Transformation mit künstlicher Intelligenz", hat eine Zahl, und trägt die Unterschrift eines Mitglieds des Führungsausschusses. Was sie in den meisten Fällen nicht hat, ist eine operative Definition dessen, was dieses Geld eigentlich kauft.

Gartner prognostiziert, dass die Unternehmensausgaben für KI im Jahr 2026 2,59 Billionen US-Dollar erreichen werden, ein Anstieg von 47 % in einem einzigen Jahr. Gleichzeitig zeigen Untersuchungen von IBM, dass lediglich 29 % der Führungskräfte den Return on Investment dieser Ausgaben zuverlässig messen können. Der Abstand zwischen diesen beiden Zahlen ist keine statistische Ironie: Er ist die Karte eines strukturellen Problems, das Organisationen noch immer nicht korrekt benannt haben.

Das Budget existiert bereits. Die Transformation als operatives Konzept hingegen nicht.

Das Bemerkenswerte ist nicht, dass technische Unsicherheit über KI besteht – etwas, das bei einer jungen und sich schnell weiterentwickelnden Technologie zu erwarten ist. Das Bemerkenswerte ist das Governance-Muster, das sich unterhalb dieser Unsicherheit etabliert: Führungskräfte, die historische Investitionen genehmigen, ohne zuvor die Fragen beantwortet zu haben, die darüber entscheiden werden, ob diese Investitionen irgendetwas einbringen. Und ein Markt für Technologielösungen, der bestens darin geübt ist, die Definitionen zu liefern, die der Käufer selbst nicht entwickelt hat.

Die C-Suite hat das Steuer übernommen, ohne die Karte zu kennen

Jahrelang war die Strategie für künstliche Intelligenz eine Angelegenheit der Technologieabteilungen. Das hat sich verändert. Forbes Research dokumentiert, dass die Entscheidungsgewalt über KI-Angelegenheiten von der Systemebene in die Führungsebene gewandert ist: Es sind nun die Generaldirektoren, die Finanzvorstände und die Betriebsleiter, die Budgets kontrollieren, Initiativen priorisieren und die Richtung vorgeben.

Parallel dazu ergab eine Studie, die mehr als 2.000 Organisationen analysierte und von CNBC zitiert wurde, dass 76 % der Unternehmen bereits über eine Position des Chief AI Officer verfügen (CAIO), gegenüber 26 % im Vorjahr. Fünfzig Prozentpunkte in zwölf Monaten. Diese Geschwindigkeit bei der Einführung neuer Führungspositionen spricht nicht von struktureller Reife: Sie spricht von politischer Dringlichkeit. Die Aufsichtsgremien fordern, dass jemand für KI verantwortlich ist, und die Organisationen reagieren, indem sie Positionen schaffen, bevor sie entworfen haben, was diese Positionen leisten sollen.

IBM dokumentierte in seiner globalen Studie von 2026, dass Unternehmensleiter die Rollen des Führungsausschusses aktiv neu gestalten, um Wettbewerbsvorteile aus der KI zu ziehen. Deloitte empfiehlt aus seiner Beratungsperspektive ausdrücklich, Zeit und Programme in die Weiterbildung des Führungsausschusses selbst in generativer KI zu investieren, was bedeutet, anzuerkennen, dass dieser Ausschuss noch nicht über die Kompetenzen verfügt, um das zu steuern, was er finanziert. Diese beiden Signale zusammen – die beschleunigte Neugestaltung von Rollen und der anerkannte Bedarf, die Entscheidungsträger zu schulen – zeichnen das Bild einer Organisation, die das Gaspedal eingebaut hat, bevor der Fahrer ausgebildet wurde.

Das Problem liegt nicht darin, dass Führungskräften Intelligenz oder guter Wille fehlen. Es liegt darin, dass die Entscheidungsstruktur nicht neu gestaltet wurde, bevor das Geld zu fließen begann. Ein Aufsichtsgremium kann ein Budget in Stunden genehmigen. Die Kriterien dafür aufzubauen, es gut auszugeben, erfordert monatelange ehrliche Arbeit an der Organisation.

Was diese umgekehrte Reihenfolge produziert, ist vorhersehbar: fragmentierte Pilotprojekte ohne Verbindung zu konkreten Geschäftszielen, duplizierte Werkzeuge, die dasselbe Problem auf inkompatible Weisen lösen, und Erfolgskennzahlen, die von Anbietern definiert werden, weil die Organisation sie nicht zuvor definiert hat. Das Geld wird ausgegeben. Die Transformation findet nicht statt.

Die Lücke, die in der Besprechung niemand erwähnt

Es gibt eine Zahl, die anhaltende Aufmerksamkeit verdient. Das Weiterbildungsunternehmen Multiverse veröffentlichte eine Untersuchung zur Verwaltungsbelegschaft im Vereinigten Königreich, die Folgendes ergab: 59 % der Führungskräfte glauben, dass ihre Teams täglich mit KI zusammenarbeiten. Nur 42 % der Mitarbeitenden geben an, das tatsächlich zu tun. Siebzehn Prozentpunkte Abstand zwischen der Wahrnehmung auf der Führungsebene und der Realität auf der operativen Ebene.

Diese Lücke ist nicht nur ein Problem der internen Kommunikation. Es ist ein Problem der strategischen Kalibrierung. Wenn die Führungsebene Entscheidungen über das Tempo der Einführung, Weiterbildungspläne und erwartete Erträge auf der Grundlage eines Bildes der tatsächlichen Nutzung trifft, das um fast 40 % überhöht ist, dann sind die Produktivitätsprojektionen, die das Budget gerechtfertigt haben, strukturell falsch. Nicht aus Unehrlichkeit, sondern weil niemand den Mechanismus eingeführt hat, um zu messen, was wirklich auf den mittleren und operativen Ebenen passiert.

Axios dokumentierte einen weiteren Blickwinkel auf denselben Bruch: Umfragen in Unternehmen, die KI einsetzen, zeigen, dass ein Teil der Führungskräfte die Implementierung als etwas beschreibt, das „die Organisation spaltet". Diese Beschreibung verweist nicht auf technische Probleme. Sie verweist darauf, dass die Transformationserzählung von oben nach unten aufgebaut wurde, ohne dass die Ebenen, die sie umsetzen müssen, in das Design einbezogen wurden.

Die menschliche Architektur des Wandels – wer teilnimmt, wann, mit welchen Informationen und mit welcher Möglichkeit, die Entscheidungen zu beeinflussen – bestimmt, ob eine technologische Transformation neue Kapazitäten erzeugt oder schlicht neue Reibung. Und diese Architektur war in den meisten Fällen, die die Daten beschreiben, das Letzte, was berücksichtigt wurde.

Eine Organisation kann über einen Chief AI Officer, ein genehmigtes Budget und eine einwandfreie Führungspräsentation verfügen und strukturell dennoch fragil sein, wenn das menschliche Design des Wandels nicht existiert. Die Position und das Budget sind sichtbare Signale. Die Fragilität liegt in dem, was noch nicht zu sehen ist.

Wenn der Markt die Transformation definiert, die das Unternehmen nicht selbst zu definieren wusste

Es gibt eine Marktmechanik, die im Stillen hinter dieser Dynamik wirkt. Wenn eine Organisation zur Bewertung von Lösungen kommt, ohne ihr operatives Problem präzise definiert zu haben, liefert der Anbieter letztendlich die Definition. Nicht aus böser Absicht, sondern weil jemand die Leerstelle füllen muss – und der Anbieter verfügt über die gesamte narrative Infrastruktur dafür: Anwendungsfälle, Benchmarks, Demos und eine Geschichte darüber, was Transformation ist, die zufälligerweise sein Produkt als Protagonisten enthält.

Das Ergebnis ist, dass Organisationen geliehene Definitionen kaufen. Und eine geliehene Definition ist keine Strategie: Sie ist eine Einkaufsliste, die jemand anderes geschrieben hat.

Das ist nicht neu im Technologieadoptionszyklus. Was sich mit generativer KI ändert, ist das Ausmaß dessen, was entschieden wird. Frühere Technologien – Datenplattformen, Prozessautomatisierung, Verwaltungssoftware – haben neu angeordnet, wie Menschen arbeiten. Generative KI ordnet in ihren ambitioniertesten Versionen neu an, wer die Arbeit macht. Diese Unterscheidung ist nicht rhetorisch: Sie verändert vollständig die Art der Organisationsanalyse, die erforderlich ist, bevor Kapital eingesetzt wird.

Wenn ein Unternehmen eine Datenplattform kauft, lautet die Frage, welche Prozesse optimiert werden. Wenn es autonome Arbeit an ein KI-System delegiert, lautet die Frage, welche Arbeit aufhört, menschliche Verantwortung zu sein, unter welchen Bedingungen, mit welcher Aufsicht und mit welchen Konsequenzen, wenn das System versagt. Diese Fragen beantwortet der Anbieter nicht. Und die aktuellen Daten legen nahe, dass die meisten Führungsausschüsse sie auch nicht beantworten, bevor sie unterschreiben.

Nur 39 % der Organisationen verfügen über Referenzstandards für die generativen KI-Tools, die ihre Mitarbeitenden bereits nutzen, wie aktuelle Analysen zur KI-Governance zeigen. Diese Zahl beschreibt keine Branche, die dabei ist, ihre Governance-Rahmen aufzubauen. Sie beschreibt eine Branche, die die Technologie bereits eingesetzt hat und die Rahmen noch immer nicht aufgebaut hat. Die Reihenfolge ist umgekehrt, und die daraus resultierende Exposition – regulatorisch, operativ, reputationsbezogen – ist real, auch wenn sie noch keine sichtbaren Vorfälle produziert hat.

Der Reifetest, den kein Anbieter administrieren wird

Das Muster, das aus all diesen Daten hervorgeht, hat eine spezifische Eigenschaft, die es verdient, präzise benannt zu werden: Es ist kein Problem der Geschwindigkeit, sondern der Reihenfolge. Organisationen gehen nicht zu schnell auf etwas gut Definiertes zu. Sie geben viel für etwas aus, dessen Definition noch immer verschwommen ist, weil die Reihenfolge war: Budget zuerst, Definition danach.

IBM kommt zu dem Schluss, dass Unternehmensleiter die Rollen des Führungsausschusses neu gestalten, um mehr Geschäftswirkung aus der KI zu erzielen. Deloitte fordert, dass Organisationen echtes Verständnis der KI begleitenden Regulierung gewinnen und in die Aktualisierung der Kompetenzen der Führung selbst investieren. Beide Empfehlungen setzen voraus, dass heute eine Lücke zwischen dem besteht, was die Führung versteht, und dem, was die Führung entscheidet. Sie sagen das nicht genau in diesen Worten, aber das ist es, was die Daten beschreiben.

Die strukturelle Reife einer Organisation gegenüber einer technologischen Transformation wird nicht am Ausmaß des Budgets gemessen, noch am Titel der neuen Führungsposition. Sie wird an der Qualität der Fragen gemessen, die die Führung beantworten konnte, bevor das Kapital eingesetzt wurde: Welche spezifische Arbeit wird unter welchen Bedingungen umverteilt, mit welchen Aufsichtsmechanismen, mit welcher Erfolgsdefinition, die nicht vom Kriterium des Anbieters abhängt, und mit welcher tatsächlichen Fähigkeit des Systems, zu messen, was auf den operativen Ebenen geschieht.

Diese Fragen sind nicht technischer Natur. Es sind Fragen der organisatorischen Governance. Und die Tatsache, dass 71 % der Organisationen den Return on Investment ihrer KI-Investitionen nicht messen können, legt nahe, dass die Mehrheit zum Ausgeben gelangt ist, ohne sie beantwortet zu haben.

Die Position des Chief AI Officer breitet sich aus, die Budgets wachsen um 47 % pro Jahr, und der Lösungsmarkt ist bestens gerüstet, um Gewissheit an jene zu liefern, die sie suchen. Was der Markt nicht liefert, ist die Fähigkeit einer Organisation, ihr eigenes Problem zu definieren, bevor sie die Lösung kauft. Diese Fähigkeit wird intern aufgebaut, mit Zeit und mit Ehrlichkeit darüber, was das System noch nicht leisten kann. Die Organisationen, die sie entwickeln, bevor der Wettbewerbsdruck sie zwingt, ohne sie zu handeln, werden in der Lage sein, in drei Jahren zu bewerten, ob das, was sie finanziert haben, eine Transformation war oder eine Budgetübertragung hin zu Definitionen, die andere für sie geschrieben haben.