Wenn die Organisation langsamer lernt als die Technik

Kurzfassung: KI-Fortschritt übersetzt sich nicht automatisch in betriebliche Wirkung. Zwischen verfügbarem Modell und verantwortbarem Einsatz liegen Datenzugänge, Entscheidungsrechte, Prüfkriterien und Qualifizierung. Genau diese institutionelle Durchlaufzeit wird zum Wettbewerbsfaktor.

Eurostat meldet für 2025, dass 19,95 Prozent der Unternehmen in der Europäischen Union mit mindestens zehn Beschäftigten wenigstens eine KI-Technologie nutzten. Bei großen Unternehmen lag der Anteil bei 55,03 Prozent, bei kleinen bei 17 Prozent. Die Behörde nennt unter anderem Umsetzungskomplexität, Skaleneffekte und Investitionskosten als mögliche Gründe für den Abstand.

Diese Zahlen messen Nutzung, nicht den wirtschaftlichen Nutzen einzelner Systeme. Sie zeigen dennoch, dass technische Verfügbarkeit und betriebliche Anwendung zwei unterschiedliche Dinge sind. Modelle können sich innerhalb kurzer Zeit verbessern, während Organisationen weiterhin Daten freigeben, Rollen klären, Risiken bewerten und Beschäftigte qualifizieren müssen.

Technische Beschleunigung trifft auf institutionelle Zeit

In der Moonshots-Folge 283 wird Sam Altman mit der Einschätzung paraphrasiert, die Wirkung fortgeschrittener KI könne langsamer eintreten und eher einer steigenden Flut gleichen als einem plötzlichen Bruch. Als Gründe nennt die Runde wirtschaftliche Trägheit, institutionelle Verzögerung und die begrenzte Anpassungsgeschwindigkeit von Menschen.

Das öffentliche Transkript belegt diese Gesprächsaussagen. Die zugrunde liegende Originalaufnahme Altmans konnte für diesen Beitrag jedoch nicht belastbar aufgelöst werden. Seine konkrete Position sollte deshalb als Gegenstand der Podcastdiskussion verstanden werden, nicht als unabhängig bestätigtes Zitat.

Der organisatorische Mechanismus ist auch ohne Prognose sichtbar. Ein neues Modell kann heute verfügbar sein, aber ein Unternehmen kann es erst produktiv einsetzen, wenn vier Übergänge funktionieren: Die Anwendung erhält zulässige Daten, der Fachbereich definiert ein verwendbares Ergebnis, Risiken werden geprüft und jemand übernimmt die Verantwortung für den Betrieb. Jede ungeklärte Übergabe verlängert die Zeit bis zur Wirkung.

Diese Verzögerung ist nicht grundsätzlich schlecht. Sorgfalt verhindert Datenschutzverletzungen, unzuverlässige Kundenentscheidungen und unkontrollierte Automatisierung. Problematisch wird sie, wenn niemand zwischen notwendiger Prüfung und bloßer organisatorischer Wartezeit unterscheidet.

Der Engpass liegt häufig zwischen den Funktionen

Viele KI-Vorhaben werden als Technologieprojekte begonnen. IT beschafft einen Dienst, Informationssicherheit prüft den Anbieter und ein Fachbereich sucht anschließend einen Anwendungsfall. Dadurch entstehen serielle Übergaben. Jede Funktion erledigt ihren Teil, doch niemand verantwortet die gesamte Zeit vom Vorschlag bis zum belastbaren Betrieb.

Ein Vertriebsprojekt kann beispielsweise wochenlang auf die Freigabe von Produkt- und Kundendaten warten. Danach stellt sich heraus, dass nicht definiert ist, wann ein erzeugtes Angebot fachlich akzeptabel ist. Später muss der Betriebsrat prüfen, wie sich Aufgaben verändern. Erst am Ende wird sichtbar, dass der Anbieter bestimmte Nachweise oder Löschfristen nicht unterstützt.

Keine einzelne Entscheidung erklärt dann die Verzögerung. Der Engpass entsteht aus der Reihenfolge. Organisationen mit derselben Modelltechnologie können deshalb sehr unterschiedliche Geschwindigkeiten erreichen.

Das NIST AI Risk Management Framework beschreibt KI-Risikomanagement als Aufgabe über Gestaltung, Entwicklung, Nutzung und Bewertung hinweg. Seine Funktionen Govern, Map, Measure und Manage legen nahe, Governance und Wirkungsmessung nicht erst nach einem technischen Pilotversuch zu ergänzen. Für die Umsetzung ist das entscheidend: Früh geklärte Verantwortung kann Geschwindigkeit erhöhen, statt sie nur zu begrenzen.

Die neue Kennzahl ist Zeit bis zum verantwortbaren Einsatz

Unternehmen messen bei KI häufig Modellqualität, Tokenkosten oder eingesparte Bearbeitungszeit. Eine zusätzliche Kennzahl wird wichtiger: Wie lange dauert es von einem belastbaren Anwendungsvorschlag bis zu einem kontrollierten produktiven Einsatz?

Diese Durchlaufzeit beginnt nicht mit der Vertragsunterschrift. Sie beginnt, wenn ein konkreter Geschäftsprozess, eine erwartete Wirkung und eine verantwortliche Person benannt sind. Sie endet, wenn reale Fälle innerhalb definierter Grenzen bearbeitet, Ergebnisse geprüft und Fehler nachvollziehbar behandelt werden können.

Für die Diagnose sollte die Gesamtzeit in Abschnitte zerlegt werden:

• Zeit bis zur Freigabe der benötigten Daten und Schnittstellen,
• Zeit bis zur Definition fachlicher Prüffälle,
• Zeit für Datenschutz-, Sicherheits- und Rechtsprüfung,
• Zeit für technische Integration und Betriebsübernahme,
• Zeit für Qualifizierung und Anpassung der Rollen.

Diese Aufteilung verhindert falsche Schlussfolgerungen. Wenn die Sicherheitsprüfung lange dauert, kann eine frühere Einbindung oder ein vorgeprüfter Anbieter helfen. Wenn Prüffälle fehlen, ist dagegen nicht die IT der Engpass, sondern unübersetztes Fachwissen. Wenn niemand den Betrieb übernimmt, fehlt ein Entscheidungsrecht.

Kleine Unternehmen brauchen weniger Parallelität, nicht weniger Sorgfalt

Der deutliche Nutzungsabstand zwischen kleinen und großen Unternehmen bedeutet nicht, dass kleinere Betriebe dieselben Strukturen in verkleinerter Form aufbauen sollten. Große Unternehmen können Datenschutz, Einkauf, IT-Betrieb und Fachprüfung parallelisieren. In kleineren Organisationen liegen mehrere Rollen oft bei denselben Personen. Zusätzliche Gremien würden die institutionelle Durchlaufzeit eher verlängern.

Ein geeigneter Ansatz ist ein eng begrenzter Standardpfad. Ein Prozessverantwortlicher benennt den Geschäftsfall und das gewünschte Ergebnis. IT und Datenschutz prüfen einen definierten technischen Rahmen. Der Fachbereich stellt wenige reale oder synthetische Prüffälle bereit. Vorab ist festgelegt, wer den Versuch stoppen und wer den produktiven Einsatz freigeben darf.

Diese Reihenfolge ist schneller als ein offenes Innovationsprojekt, weil sie Entscheidungen sichtbar macht. Sie ist zugleich sicherer als ungeordnete Einzelnutzung, weil Datenzugriff, Qualität und Verantwortung nicht erst nach einem Zwischenfall geklärt werden.

Lernen muss in den Betrieb eingebaut werden

Die erste Freigabe beendet die Anpassung nicht. Modelle, Anbieterbedingungen und betriebliche Anforderungen verändern sich. Ein starres Genehmigungsverfahren kann deshalb zwei unerwünschte Ergebnisse erzeugen: Entweder bleibt ein einmal freigegebenes System zu lange unverändert, oder jede neue Modellversion startet die gesamte Prüfung von vorn.

Besser ist eine abgestufte Änderungslogik. Unveränderte Anwendungsfälle mit derselben Datenklasse können gegen bestehende Prüffälle erneut getestet werden. Neue Datenzugriffe, autonome Handlungen oder kundenwirksame Entscheidungen lösen dagegen eine erweiterte Prüfung aus. Damit folgt der Aufwand dem veränderten Risiko statt dem bloßen Versionsnamen.

Die Geschäftsführung sollte dafür drei Eigentümer benennen: einen für das fachliche Ergebnis, einen für den technischen Betrieb und einen für die zulässigen Risiken. Ihre Entscheidungen und Messwerte bilden eine Lernschleife. Fehler führen dann nicht automatisch zum Ende des Vorhabens, sondern zu engeren Grenzen, besseren Prüffällen oder einer bewussten Rücknahme.

Der Wettbewerbsvorteil liegt damit nicht nur im Zugang zu einem leistungsfähigen Modell. Modelle sind für viele Unternehmen gleichzeitig verfügbar. Unterschiedlich ist die Fähigkeit, aus ihnen schnell einen verantwortbaren Arbeitsprozess zu machen. Wer institutionelle Wartezeit misst, notwendige Kontrolle von Leerlauf trennt und Lernen in den Betrieb einbaut, verkürzt genau diese Distanz.