Fünf KI-Entscheidungen, die 2026 den Ausschlag geben

Der Unterschied zwischen Unternehmen, die aus KI Nutzen ziehen, und solchen mit einer Schublade voller Pilotprojekte ist nicht technischer Natur. Beide haben Zugang zu denselben Modellen.

Der Unterschied liegt in fünf Entscheidungen, und alle fünf fallen oberhalb des Entwicklungsteams. Werden sie nicht getroffen, treffen sie sich selbst — so entstehen elf unverbundene Pilotprojekte und kein produktives System.

Entscheidung 1 — Betriebsmodell oder Fähigkeit?

Die Frage darunter: Ist KI etwas, das die Organisation tut, oder etwas, das ein Team bereitstellt?

Als Fähigkeit liegt KI bei einer zentralen Gruppe. Fachbereiche stellen Anfragen. Das bündelt knappes Können — und es bildet eine Warteschlange. Die meisten Anfragen kommen nie vorne an.

Als Betriebsmodell ist KI in die Arbeitsweise jedes Bereichs eingebettet, und die zentrale Gruppe setzt Standards, statt alles selbst zu bauen. Der Start ist schwerer, und es ist die einzige Variante, die über eine Handvoll Systeme hinaus skaliert.

Die meisten KMU sollten als Fähigkeit starten und offen festhalten, dass ein Wechsel beabsichtigt ist. Der Fehlerfall ist, als Fähigkeit zu starten und nie zu überprüfen: Die zentrale Gruppe wird zum Engpass, den alle umgehen, und Schatten-KI taucht in Tabellen auf.

Entscheidung 2 — Wer trägt die Verantwortung?

Nicht «wer baut es». Wer antwortet, wenn es falsch liegt.

Die Frage klingt administrativ, bis ein Modell einen Antrag ablehnt oder etwas falsch bepreist. Dann kommen drei Teilfragen gleichzeitig, und keine hat einen offensichtlichen Verantwortlichen:

• Wer entscheidet, ob das System eingeschaltet bleibt?
• Wer spricht mit der betroffenen Kundin?
• Wer gibt die Korrektur und das erneute Training frei?

Nach dem EU AI Act brauchen Hochrisiko-Systeme eine menschliche Aufsicht mit definierter Rolle — für manche Systeme ist das also eine rechtliche Anforderung, keine interne Vorliebe. Für alle übrigen bleibt es der Unterschied zwischen einem betreibbaren und einem nicht betreibbaren System.

Praktische Regel: Enthält keine Antwort auf «Wer verantwortet dieses System?» einen Personennamen, ist das System nicht produktionsreif — unabhängig von seiner Genauigkeit.

Entscheidung 3 — Auf Vertrauen bauen oder nur auf Ergebnis?

Ein Modell, das richtig liegt, seine Herleitung aber nicht zeigen kann, wird für nichts Wichtiges genutzt. Menschen umgehen, was sie nicht prüfen können.

Auf Vertrauen zu bauen bedeutet vier Dinge, keines davon exotisch:

• Datenherkunft — die Eingaben hinter einem Ergebnis sind nachvollziehbar
• Erklärbarkeit im Verhältnis zur Tragweite — eine Empfehlung braucht weniger als ein Kreditentscheid
• Ein sichtbares Vertrauenssignal, damit Nutzende wissen, wann genaueres Hinsehen nötig ist
• Ein dokumentierter Eskalationsweg, wenn ein Ergebnis falsch wirkt

Diese Entscheidung wird am häufigsten verschoben, weil sie Arbeit erzeugt, ohne Funktionen hinzuzufügen. Sie entscheidet zugleich darüber, ob das Ergebnis überhaupt jemand nutzt.

Entscheidung 4 — Daten korrigieren oder darauf aufbauen?

Jede Organisation weiss, dass ihre Daten unvollkommen sind. Zu entscheiden ist, ob das Fundament korrigiert oder darauf gebaut und gehofft wird.

Darauf zu bauen ist nicht immer falsch — bei einem Anwendungsfall mit geringer Tragweite kann es der richtige Kompromiss sein. Falsch wird es in dem Moment, in dem das Ergebnis eine folgenreiche Entscheidung speist, denn das Modell erbt jede Uneinheitlichkeit darunter.

Der gangbare Mittelweg: nur die Daten korrigieren, die der gewählte Anwendungsfall berührt, statt vor jeder KI ein mehrjähriges Datenprogramm zu starten. Ausführlicher dazu: KI-Architektur: Warum Daten-Governance entscheidet.

Entscheidung 5 — Risiken planen, bevor sie eintreten

Die letzte Entscheidung ist, ob Risikoarbeit vor oder nach dem ersten Vorfall stattfindet.

Davor ist überschaubar: ein Inventar der Systeme, in denen ein Modell ein Ergebnis beeinflusst, eine Einstufung nach Tragweite, dokumentierte Aufsicht für die folgenreichen und eine Protokollierung, die eine Rekonstruktion erlaubt.

Danach ist teuer, weil genau das fehlt, was man am dringendsten braucht — die Herkunft der Trainingsdaten und eine Aufzeichnung, was das System wann entschieden hat. Beides lässt sich rückwirkend nicht herstellen.

Für Unternehmen mit deutschen oder österreichischen Kunden hängt daran eine Frist; ausführlich in EU AI Act: Was CTOs im DACH-Raum jetzt tun müssen. Schweizer Unternehmen sind nicht automatisch ausgenommen — massgeblich ist der Markt, in dem das Ergebnis genutzt wird, nicht der Sitz des Unternehmens.

Wie es aussieht, wenn es getan ist

Eine Organisation, die alle fünf Entscheidungen getroffen hat, hat etwas Konkretes: eine kurze Liste von KI-Systemen, jedes mit benannter Verantwortung, einer Einstufung, dokumentierter Aufsicht, nachvollziehbaren Eingaben und einem definierten Weg, es abzuschalten.

Das klingt bescheiden neben einer Transformationserzählung. Es ist zugleich der Unterschied zwischen KI, die ihre erste schlechte Woche übersteht, und KI, die leise nicht mehr genutzt wird.

Weiterführend

• KI-Einführung: 6 Hürden für Schweizer Unternehmen
• KI-Strategie & Beratung — wie wir das mit Führungsteams durchgehen
• KI-Sprint — ein fest umrissener Weg, einen Anwendungsfall zu testen, bevor Sie sich festlegen

Wenn Sie prüfen möchten, wo Ihre Organisation bei diesen fünf Punkten steht, vereinbaren Sie ein Gespräch. Unverbindlich.