Das KI-Zentralkomitee tagt. Einmal im Monat, pünktlich um 14 Uhr.
Am Tisch sitzen F&E, Produktion, HR, IT, Legal und die Geschäftsführung. Alle haben ein anderes Problem. Am Ende einigt man sich darauf, dass man noch mehr Informationen braucht.
So sieht KI-Governance in Unternehmen aus, die sich bisher nur oberflächlich mit der Organisation von KI beschäftigt haben: ein Gremium für alles, zuständig für jeden Bereich, jeden Use Case, jedes Risiko.
Das klingt nach Struktur. In der Praxis verhindert es Geschwindigkeit und Kontrolle gleichermaßen.
Am Arbeitskreis selbst liegt es meistens nicht. Es liegt an der Annahme, dass eine KI-Strategie auch eine einheitliche Governance bedeuten muss. Aber die Anforderungen innerhalb vom Unternehmen sind unterschiedlich:
- F&E braucht schnelle Iterationen – neue Modelle testen, verwerfen, weitermachen.
- Die Produktion braucht validierte Prozesse, weil dort Fehler nicht ärgerlich, sondern teuer sind.
- HR arbeitet mit personenbezogenen Daten unter engen DSGVO-Leitplanken.
- Und Business Development muss beobachten, was Startups in der Branche treiben, und dafür experimentieren dürfen.
Wer alle in denselben Review-Zyklus zwingt, bremst die einen und überfordert die anderen. Und wer zu langsam Spielraum schafft, bekommt Shadow AI: Abteilungen, die KI-Tools an der Governance vorbei nutzen – nicht aus böser Absicht, sondern weil die Regeln nicht zu ihrem Bedarf passen.
Die Regulierung denkt hier übrigens bereits weiter als viele Unternehmen. Der EU AI Act klassifiziert KI-Anwendungen nach Risikostufen, von minimal bis hochriskant, mit sehr unterschiedlichen Anforderungen je Kategorie. Das Prinzip ließe sich intern übertragen: Governance-Zonen mit eigenen Geschwindigkeiten, Leitplanken und Eskalationswegen statt eines Regelwerks für alle.
Laut Deloitte hat bisher nur jedes fünfte Unternehmen ein ausgereiftes Governance-Modell für autonome KI-Anwendungen. Die anderen vier Fünftel steuern mit Bordmitteln. Der monatliche Arbeitskreis gehört meistens dazu.
Eine KI-Strategie, die diesen Namen verdient, schert nicht alles über einen Kamm. Sie entscheidet, wo sie Gas gibt und wo sie bremst – und betrachtet die Unterschiede zwischen den Bereichen nicht als Komplexitätsproblem, sondern als Designprinzip.
Das braucht etwas mehr Arbeit, als ein KI-Gremium einzuberufen. Aber es lohnt sich.
