KI-Strategie für Unternehmen 

Eine KI-Strategie ist die Summe aller Maßnahmen und Entscheidungen eines Unternehmens, um künstliche Intelligenz gezielt in Geschäftsmodelle und Wertschöpfungen zu integrieren. Dabei ist das Ziel einer guten KI-Strategie Wertschöpfungspotenziale zu heben, disruptive Risiken zu mitigieren und deinem Unternehmen eine überlegene Marktposition zu verschaffen. 

Eine KI-Strategie für Unternehmen ist kein alleinstehendes Artefakt, sondern ist mit der IT-, Digital- und der Unternehmensstrategie eng verzahnt. Dabei ist eine Fehlannahme, dass Digital-,  IT- oder auch KI-Strategien nur Erfüllungsgehilfe für eine ansonsten analoge Unternehmensstrategie sind. Vielmehr sollten die Potentiale digitaler Technologien Start- und nicht Endpunkt strategischer Überlegungen sein. Schließlich ist "Software eating the world” und “Every business is a software business”. 

Durch eine gut implementierte KI-Strategie profitieren Unternehmen von zahlreichen Vorteilen:

• Produktivität / Effizienz: Die Automatisierung von Prozessen senkt Aufwände und Kosten, Unternehmen können effizienter arbeiten. 
• Insights: Aus unstrukturierten oder brachliegenden Daten neue Erkenntnisse generieren.
• Geschwindigkeit: Unternehmen werden schneller in ihren Entscheidungsprozessen.
• Innovation: Es entstehen neue  Services, Produkte und ggf. sogar neue digitale Geschäftsmodelle.

Oft wird Strategie mit einem intellektuellen Artefakt und theoretischem Plan verwechselt. Tatsächlich sollte eine tragfähige KI-Strategie jedoch folgende Aspekte berücksichtigen. 

1. Use Cases: Relevante Anwendungsfälle und strategische Hebel identifizieren.
2. KI-Stack: Plattformen und technische Bausteine deiner KI-Strategie.
3. Kompetenzen: Eigene Kompetenzen, um KI beherrschbar zu machen und zu einer strategischen Kernkompetenz zu entwickeln.

Dabei ist die Ausarbeitung starker Use Cases für mich der Startpunkt und das Fundament. Deswegen findest Du im Folgenden eine prototypischen Ablauf, wie Du ausgehend von Anwendungsszenarien eine KI-Strategie für dein Unternehmen entwickelst. 

Die Ausarbeitung deiner KI-Strategie Unternehmen startest Du ausschließlich mit inhaltlichen Fragestellungen. Dabei verwende ich bei der Ausarbeitung von KI-Strategien folgende Arbeitsfragen: 

• In welchen Abläufen und wichtigen Kernprozessen haben wir Bottlenecks? Diese Engpässe können sich äußern in manuellem Aufwand, Fehleranfälligkeit, langsamer Umsetzung. 
• Was würden wir gerne machen, können wir aber nicht, weil zu zeitaufwendig / teuer / langwierig?
• Wo haben wir Daten, aus denen wir bisher keine Insights ziehen?

Bei dieser rein inhaltlichen Auseinandersetzung abstrahierst Du von den technischen Möglichkeiten einer KI. Schließlich musst Du nicht verstehen, wie ein Auto funktioniert, um den Wunsch zu äußern, dass Du gerne von A nach B kommen würdest. Zudem ist es wichtig, dich nicht in Teilprozessen zu verlieren, sondern eine angemessene Flughöhe zu finden. Gute Werkzeuge für die Ausarbeitung von Use Cases sind Design Thinking User Story Mapping für umfangreichere Prozesse und das Business Model Canvas, wenn Du zunächst einmal wichtige Kernprozesse und deren Einfluss auf das Geschäftsmodell verstehen möchtest.

Im zweiten Schritt bewertet Du die Relevanz der identifizierten Anwendungsfälle. Dabei kannst Du in Bezug auf die Ausarbeitung deiner KI-Strategie für Unternehmen verschiedene Aspekte betrachten. 

1. Allgemein: Welchen Vorteil verschaffen wir uns mit der Umsetzung dieses Anwendungsfalls? Haben wir die Aussicht auf signifikante Vorteile und lohnt es sich, diesen Anwendungsfall weiter zu verfolgen? Etwas platt gesagt: Juckt es am Ende irgendjemanden oder ist es der bekannte Sack Reis in China?
2. Spezifisch: Ist das ein Anwendungsfall, der prädestiniert für den Einsatz einer KI ist? Oder kann dieses Szenario auch mit herkömmlichen digitalen Systemen gelöst werden? 

Sollten Use Case auch mit herkömmlichen Ansätzen gelöst werden können, würde ich sie für die Ausarbeitung deiner KI Strategie Unternehmen depriorisieren und im Rahmen anderer Initiativen weiter verfolgen. Für die allgemeine inhaltliche Priorisierung kannst Du einfach ein Bewertungsschema verwenden oder auf umfangreiche Werkzeuge wie die WSJF Methode zurückgreifen.  

Nachdem Du im zweiten Schritt die Relevanz der Use Cases bewertet hast, braucht deine KI-Strategie nun etwas fachliche Expertise, um den Lösungsraum zu erkunden. Schließlich erfordert eine abschließende Priorisierung der umzusetzenden Anwendungsfälle, dass Du auch die technische Machbarkeit und den damit verbundenen Aufwand bewerten kannst. Dazu kannst Du wie folgt vorgehen:

1. Nimm die Top 5 Anwendungsfälle 
2. Bewerte technische Machbarkeit und Aufwand
3. Identifiziere die kritischen Hypothesen 
4. Formuliere mögliche Prototypen und MVPs 

Auch an diesem Schritt kannst Du mit einer einfachen Priorisierungsmatrix arbeiten oder die WSJF-Methode nun auch mit deinem Aufwand verbinden. Das wichtigste abseits der Methoden ist jedoch, dass Du den Umfang und kritische Hypothesen der wichtigsten Anwendungsfälle identifiziert hast. Denn dazu entwickelst Du nun im folgenden Schritt Prototypen und MVPs. 

Eine wichtige konzeptionelle Frage ist, wie viel “Human in the Loop” Du in deine Interaktion mit KI-Systemen einbauen willst. Das heißt, wie weit treibst Du Automatisierung, wie weit vertraust Du der KI und wo bindest Du lieber nochmal Mitarbeiter in den Prozess ein? Für den Einsatz von “Human in the Loop” spielen folgende Aspekte eine zentrale Rolle:

1. Risiko begrenzen: Durch menschliche Prüfung kannst Du Risiken begrenzen.
2. Geringer Scope: Durch gezielte Einbindung von Menschen kannst Du ggf. den Umfang reduzieren und damit Geschwindigkeit in der Umsetzung erhöhen.
3. Steilere Lernkurve:  Durch die gezielte Einbindung von Mitarbeitern baust Du eine schnellere Lernkurve auf.
4. Bessere Adaption: Durch gezielte Einbindung von Mitarbeitern förderst Du von Anfang an das Vertrauen in die Arbeit mit KI-Lösungen. 

Ein weiterer wichtiger Eckpfeiler einer zielführenden KI-Strategie Unternehmen sind Entscheidungen für deinen idealen KI-Stack. Das heißt, Entscheidungen zu treffen, mit welchen Plattformen und Technologien Du deine KI-Lösungen implementiesrt. Die typischen Bestandteile deines KI-Stacks:

• Zugang zu Daten und Systemen (z.B. über APIs),  damit KI-Lösungen überhaupt im richtigen Kontext arbeiten können.
• Large Language Modelle, wie z.B. GPT von Open AI.
• User Interfaces, damit Anwender mit KI-Systemen interagieren können z.B. über Chat Interfaces wie z.B. Open Web UI.
• Agenten- / Orchestrations Frameworks, um KI-Agenten zu entwickeln, wie z.B. CrewAI, PydanticAI oder Low-Code / No-Code Plattformen wie n8N oder Make.
• IT / Technische Infrastruktur, für das Deployment, Integration, Security und Monitoring sicherzustellen und Systeme bei Bedarf auf eigenen Servern zu hosten.

Das Beste daran. Alle Lösungen deines KI-Stacks sind schon da, Du musst nur die richtigen auswählen und miteinander orchestrieren. Dabei ist dein KI-Stack natürlich stark von deinen Anwendungsfällen abhängig. Willst Du z.B. streng vertrauliche Daten verarbeiten, solltest Du auf selbst gehostete Lösungen setzen. Eine weitere wichtige Frage ist, ob Du auf Open Source oder proprietäre Systeme setzt und damit einen Lock In Effekt in Kauf nimmst.

In dieser Phase deiner KI-Strategie Unternehmen geht es im wahrsten Sinn des Wortes ans “Eingemachte”. Denn nun ist dein Ziel zu den vorab priorisierten Anwendungsfällen erste Lösungen zu entwickeln. Dabei kannst Du je nach Anwendungsfall mit deinen ersten Lösungsansätzen ganz unterschiedliche Ziele verfolgen:

1. Machbarkeit: Ist es machbar, das heißt, können wir den Anwendungsfall technisch umsetzen? 
2. Wirtschaftlichkeit: Kann die Umsetzung in einem wirtschaftlich sinnvollen Rahmen stattfinden? 
3. Nutzen: Ist es vom Anwender und Kunden gewollt, das heißt, können wir den erwarteten Nutzen realisieren?

Für diese erste Umsetzung solltest Du klare Hypothesen und Fragen formulieren, was Du aus deinem ersten Proof of Concept, Prototyp oder auch der ersten “minimum viable solution” lernen möchtest. Sonst stehst Du nachher mit einem technischen Artefakt da und weißt nicht so recht, was Du nun mit den ersten Erfahrungen anfangen sollst. 

Schließlich ist das letzte wichtige Puzzlestück deiner KI-Strategie Unternehmen auch Konzepte und Vorgehensmodelle zu implementieren, wie Du die Beherrschung von KI als dauerhafte Kompetenz in deinem Unternehmen etablierst. Dazu zählen folgende wichtige Aspekte:

1. Keeping the lights on: Bug Fixing. Das heißt, sicherstellen, dass implementierte Lösungen auch fehlerfrei laufen.
2. Anwender schulen: Den Umgang mit KI und den entwickelten Systemen schulen. 
3. Innovation: KI entwickelt sich rasend schnell, entsprechend solltest Du sicherstellen, dass ihr “auf Ballhöhe” bleibt und in 2 Jahren nicht mit einem großen Berg technischer Schulden dasteht. 

Abschließend ein Blick auf die benötigten technischen Kompetenzen, um deinen KI-Stack zu beherrschen und eigene Kompetenzen im Kontext KI zu entwickeln. Das Spannende daran ist, dass diese technische Kompetenz im Vergleich zu “echter Softwareentwicklung” deutlich leichtgewichtiger und einfacher ist. 

1. API Spezifikationen und Abfragen, das heißt, Du kannst Plattformen über technische Schnittstellen ansprechen und miteinander verzahnen.
2. Arbeit mit Webhooks, die Daten an andere Anwendungen übertragen, sobald ein Ereignis eintritt, anstatt regelmäßig neue Informationen anzufordern.
3. Prompt Engineering, das heißt, die systematische Entwicklung von Eingabeaufforderungen (Prompts) für generative KI-Systeme als neue Kompetenz in deiner Organisation verankern.
4. Data Engineering: Ein grundlegendes Verständnis von Datenmodellen, Design von Datenbanken und der Abfrage dieser Daten (z.B. SQL).
5. Entwicklung KI-Agenten, entweder mit professionellen Frameworks wie Crew AI, Pydantic AI oder Low Code / No Code umgebungen. 

Zum Abschluss und weil ich es gar nicht oft genug sagen kann, hier noch einmal die größten Fehler, die Du bei deiner KI-Strategie Unternehmen machen kannst. Typischerweise wird an dieser Stelle auf Fehlinvestitionen oder datenschutzrelevante Aspekte verwiesen. Das sind in meinen Augen “no brainer”. Für mich sind die größten Risiken einer (fehlenden) KI-Strategie, das disruptive Potenzial von KI zu unterschätzen, KI zum Erfüllungsgehilfen analogen Denkens zu degradieren und deine Organisation nicht auf diese neuen technischen Möglichkeiten anzupassen. 

Das disruptive Potenzial von KI ist um ein Vielfaches größer als das, was wir im Kontext Digitalisierung und digitaler Transformation kennengelernt haben. Dieser disruptive Cocktail hat zwei Zutaten: die Möglichkeiten künstlicher Intelligenzen in Verbindung mit geringen Eintrittsbarieren, diese Technologien für sich arbeiten zu lassen. 

Künstliche Intelligenzen werden Geschäftsmodelle und Wertschöpfungen radikal verändern. Statt also erst eine Business Strategie zu formulieren und dann zu überlegen, wie KI dir helfen kann, solltest Du Strategien und Geschäftsmodelle von Anfang an digital mit den Potentialen von KI denken. Digitale Technologien sind der Ausgangspunkt strategischer Überlegungen. Nicht ihr Endpunkt. 

KI und insbesondere Agentic AI verändern die Art, wie Zusammenarbeit gedacht werden kann. Das hat einen direkten Einfluss auf Rollen, Teams und Organisationsstrukturen. Conway hat bereits vor mehr als 50 Jahren festgestellt, dass Unternehmen dazu tendieren, Systeme ihren vorherrschenden Routinen zu unterwerfen. Rein metaphorisch: Du ordnest elektrische Maschinen am Lauf der Wasserleitung an. Das ist ein krasser Fehler, der zu technischen Schulden und massiven Fehlinvestitionen führt. Eine Organisation sollte der Strategie dienen, statt dass deine KI-Strategie die Ausgeburt analoger Organisationsstrukturen ist. Das heißt auch für deine KI-Strategie: Starte auf der grünen Wiese, sorge für cross-funktionales Denken, lass die “Abteilung” endlich hinter dir und suche das nächste globale Optimum.  

Wie Du gesehen hast, erfordert die Entwicklung einer KI-Strategie ein ganzes Spektrum an Kompetenzen.. Hier noch einmal zusammengefasst, welche Voraussetzungen und Kompetenten Du brauchst, um deine KI-Strategie Unternehmen zu verwirklichen.

1. Mandat und Commitment: Die Einsicht und Bereitschaft, KI konsequent in dein Geschäftsmodell und deine Organisation zu integrieren.
2. Analyse von Anwendungsfällen: Dabei würde ich immer auf viel “bottom up” und eine flächendeckende Einbindung verschiedener Bereiche und Stakeholder setzen. 
3. Methodische Kompetenzen, um deine KI-Strategie zu schärfen und zu ordnen. Besonders hilfreich betrachte ich für die Ausarbeitung deiner KI-Strategie im Unternehmen Design Thinking, System Thinking, Arbeiten mit dem Business Model Canvas, User Story Mapping und schließlich die Arbeit mit einfachen Priorisierungsmethoden wie einer Portfolio Matrix oder der WSJF Methode.
4. Moderation / Facilitation, um im Rahmen von Workshops gute Anwendungsfälle auszuarbeiten, die Potentiale von KI zu erklären, aber auch die Angst vor KI zu nehmen und um Business relevante und technische Aspekte zu verzahnen.
5. Technische Kompetenten, um KI auch beherrschbar zu machen und zu einem strategischen Asset aufzubauen. 

Wenn Du diese Kompetenzen gut miteinander verzahnst, dann machst Du aus deiner KI-Strategie eine strategische Kernkompetenz in deinem Unternehmen.

Der Implementierung einer KI-Strategie Unternehmen ist im Vergleich mit anderen Vorhaben wie z.B. der Einführung eines ERP-Systems ein “Schnäppchen”. Deutlich schneller und einfacher, jedoch auch ergebnisoffener. 

Ja. In welchem Ausmaß hängt von der Relevanz für das eigene Geschäftsmodell ab. Zu Beginn sollten Unternehmen auf externe Unterstützung setzen, um die KI-Strategie, einen passenden KI-Stack zu definieren und erste Projekte umzusetzen. Das spart Fehlschläge und Fehlinvestitionen und beschleunigt die Lernkurve. Dauerhaft sollten Unternehmen in meinem Verständnis dann  die technischen Kompetenzen intern besetzen, um erfolgreich mit KI-Systemen zu arbeiten und diese dauerhaft weiterzuentwickeln. “Every business is a software business.”

Die fachlichen KI Kompetenzen kannst Du entweder in deiner IT-Organisation, deinem Digital Team oder einem Data Engineering Team verankern. Alternativ setzt Du das KI Team als eine Stabsstelle oder eine strategische Initiative auf. Wichtig ist, dass dieses Team sich als Enabling Team versteht, um deine Organisation in der Arbeit mit KI-Systeme langfristig zu befähigen 

Je nachdem, welchen Anwendungsfall du betrachtest, gibt es natürlich regulatorische Herausforderungen (Datenschutz).  Die Du aber fast immer durch eine entsprechende Implementierung und KI-Stack sauber lösen kannst. Darüber hinaus liegen die größten Risiken sicherlich im Bereich der technischen Machbarkeit, 

Ich verzichte gerne auf Superlative. Aber für eine KI-Strategie Unternehmen mache ich gerne eine Ausnahme. Denn KI hat das Potential, Organisationen und Geschäftsmodelle von Grund auf neu zu ordnen. Um deinen Weg in diese neue Welt zu erkunden, brauchst Du gut priorisierte Anwendungsfälle, einen guten KI-Stack und eigene Kompetenzen. So wird deine KI-Strategie zu einem echten Game Changer.

Viel Erfolg dabei.