
Nicht jedes Problem braucht KI

Abdulrhman AlOdhayb
Leitender Technologieberater im Büro des Verteidigungsministers in Saudi-Arabien
Abdulrhman Alodhayb erklärt, warum eine erfolgreiche Einführung von KI von menschlichem Urteilsvermögen, Governance und organisatorischem Wandel abhängt – und nicht einfach nur davon, eine KI-Strategie zu haben.
Abdulrhman AlOdhayb
Leitender Technologieberater im Büro des Verteidigungsministers in Saudi-Arabien
Key Takeaways
Menschliches Urteilsvermögen: Die Einführung von KI gelingt, wenn Führungskräfte Modelle nutzen, um Entscheidungen zu schärfen, und zugleich die Verantwortung für folgenschwere Ergebnisse behalten.
Nachgewiesene Ergebnisse: KI-gestützte Governance verkürzte die Vorbereitungszeit für Prüfungen um 60 Prozent und machte wesentliche Programmrisiken mehrere Wochen früher sichtbar.
Verborgene Hindernisse: Komplexe Institutionen geraten in Schwierigkeiten, wenn der KI undokumentierte Beziehungen, gemeinsamer Kontext und Mechanismen fehlen, um Erkenntnisse zwischen Teams zu verbreiten.
Besserer Arbeitsablauf: Ein disziplinierter KI-Arbeitsablauf kuratiert Eingaben, prüft Widersprüche, bezieht eine Expertenbewertung ein und erfasst Ergebnisse zur kontinuierlichen Verbesserung.
Wandel in der Führung: Die Technologieführungskräfte von morgen benötigen mehr Urteilsvermögen, Demut, Fähigkeiten im Veränderungsmanagement und strategische Klarheit als alleinige technische Autorität.
Abdulrhman AlOdhayb arbeitet im Bereich Technologie und Transformation innerhalb eines komplexen institutionellen Umfelds. Er ist leitender Technologieberater im Büro des Verteidigungsministers von Saudi-Arabien.
Wir haben uns mit Abdulrhman zusammengesetzt, um mehr über die Chancen und Fallstricke der Einführung von KI in komplexen Umgebungen mit hohen Risiken zu erfahren. Das hatte er zu sagen.
Technologie ist niemals der schwierige Teil
Ich bin Abdulrhman Alodhayb, eine Führungskraft im Bereich Technologie und Transformation mit 19 Jahren Führungserfahrung in einem der komplexesten institutionellen Umfelder, die man sich vorstellen kann: der nationalen Verteidigung. Fast zwei Jahrzehnte lang war ich im Verteidigungsministerium von Saudi-Arabien tätig, wo ich die digitale Transformation im Gesundheitswesen und die Unternehmensarchitektur leitete und zuletzt als leitender Technologieberater im Büro des Verteidigungsministers tätig war.
Meine berufliche Laufbahn bewegte sich an einer Schnittstelle, mit der die meisten Technologieführungskräfte nur selten in Berührung kommen – dort, wo technische Entscheidungen Auswirkungen auf die nationale Sicherheit haben, wo die Abstimmung der Beteiligten bedeutet, militärische Führungsstrukturen mit klinischen Systemen und Unternehmensplattformen zu verbinden, und wo die Kosten einer gescheiterten Transformation nicht an entgangenen Einnahmen, sondern an institutionellem Vertrauen und operativer Einsatzbereitschaft gemessen werden.
Der rote Faden dabei war stets eine einzige Überzeugung: Technologie ist niemals der schwierige Teil. Der schwierige Teil besteht darin, die organisatorischen Voraussetzungen dafür zu schaffen, dass Technologie einen Mehrwert liefert. Ich habe IKT-Strategien für Krankenhäuser entwickelt, gemeinsam mit BCG an der Neugestaltung eines Zielbetriebsmodells für das gesamte Ministerium mitgewirkt und unternehmensweite digitale Initiativen gesteuert, bei denen ein Scheitern schlicht keine Option war.
Heute, da künstliche Intelligenz aus der Experimentierphase in den Kern der Systemarchitektur, der Softwareentwicklung und der organisatorischen Befähigung übergeht, erlebe ich den interessantesten Moment meiner beruflichen Laufbahn. Mich beschäftigen vor allem Fragen, die nicht die Technologie selbst betreffen, sondern die Art und Weise, wie Führungskräfte das Urteilsvermögen, die Governance und belastbare Architekturen entwickeln, die es KI ermöglichen, die Umsetzung zu beschleunigen, ohne Qualität oder Sicherheit zu beeinträchtigen.
Darüber möchte ich hier sprechen.
More Articles
Arbeit auf der strategischen Ebene

Das Technologieportfolio, in dem ich tätig bin, ist in jeder Hinsicht umfangreich. Wir betreiben unternehmensweite Systeme für Militärkrankenhäuser, Führungs- und Kontrollplattformen, eine Infrastruktur für die einheitliche Kommunikation sowie Datenrahmenwerke für die nationale Verteidigung. Die Architektur ist von Natur aus hybrid: souveräne lokale Bereitstellungen, bei denen Datenresidenz und Sicherheitsklassifizierung nicht verhandelbar sind, werden mit modernisierten Plattformen integriert, auf denen wir die digitale Transformation aktiv vorantreiben.
Ich arbeite auf der strategischen Ebene, berate auf Ministeriumsebene, leite Funktionen für das PMO und das strategische IT-Management und stimme Technologiefahrpläne über mehrere Direktionen und Organisationseinheiten hinweg ab. Die menschliche Komplexität steht der technischen in nichts nach. Die Koordination der Transformation über eine mehrschichtige militärische und zivile Belegschaft hinweg, deren Mitglieder jeweils über unterschiedliche Betriebskulturen und Risikotoleranzen verfügen, ist eine Disziplin für sich.
Die Produktkomplexität unterscheidet sich hier von der kommerzieller Technologie. Wir bringen keine Funktionen auf den Markt. Wir gestalten die Arbeitsweise einer nationalen Institution neu. Dazu gehören elektronische Patientenaktensysteme für ein Netzwerk von Militärkrankenhäusern, Plattformen für Unternehmensressourcen und zuletzt die Mitwirkung an einem Zielbetriebsmodell für das gesamte Ministerium, das die Art und Weise neu denkt, wie Technologiebereiche das gesamte Verteidigungsunternehmen strukturieren und befähigen.
Das Bereitstellungsmodell ist aus zwingenden Gründen souveränitätsorientiert. Sicherheit, Klassifizierung und die nationale Datenverwaltung sind keine Einschränkungen, die wir umgehen. Sie bilden die Architektur. Diese Realität prägt meine Sicht auf Resilienz, Redundanz und die Frage, wie eine verantwortungsvolle Einführung von KI aussieht, wenn nicht kommerzielle, sondern nationale Interessen auf dem Spiel stehen.
Wie KI das Unsichtbare sichtbar macht

Abdulrhman berichtet
Wir haben die Governance-Ebene selbst verändert. Wir haben eine KI-gestützte Analyse in den Programmüberprüfungsprozess eingeführt … Dadurch wurde das menschliche Urteilsvermögen nicht ersetzt. Entscheidungsträger erhielten ein umfassenderes und schnelleres Bild der organisatorischen Realität …
Im vergangenen Jahr habe ich KI-gestützte Governance-Prüfpunkte in unseren Zyklus zur Überprüfung von Technologieprogrammen eingeführt. Vor dieser Änderung konzentrierten sich Programmüberprüfungen auf traditionelle Umsetzungskennzahlen: Meilensteine erreichen, Budgets überwachen und Risiken dokumentieren. Der Prozess war diszipliniert, aber naturgemäß rückwärtsgewandt. Wir maßen, was bereits geschehen war, anstatt vorherzusehen, was schiefgehen könnte.
Der Wandel setzte ein, als ich erkannte, dass mehrere unternehmensweite Programme enorme Mengen strukturierter und unstrukturierter Daten erzeugten – aus Projektdokumentationen, der Kommunikation mit Lieferanten, Änderungsanfragen und Betriebsberichten –, aber niemand diese Signale zusammenführte, um Entscheidungen der Führungsebene in Echtzeit zu unterstützen. Wir behandelten diese Erkenntnisse wie ein Archiv.
Wir haben die Governance-Ebene selbst verändert. Wir führten eine KI-gestützte Analyse in den Programmüberprüfungsprozess ein und nutzten die Fähigkeiten von Sprachmodellen, um programübergreifende Dokumentationen zusammenzufassen, Anomalien in Umsetzungsmustern aufzudecken und Frühwarnindikatoren zu erzeugen, bevor sie zu Eskalationspunkten wurden. Dadurch wurde das menschliche Urteilsvermögen nicht ersetzt. Entscheidungsträger erhielten ein umfassenderes und schnelleres Bild der organisatorischen Realität und konnten ihr Urteilsvermögen im richtigen Moment und auf der richtigen Ebene einsetzen.
Die Ergebnisse waren bedeutend. Die Überprüfungszyklen wurden fokussierter, weil die Führungskräfte mit einer bereits vorab synthetisierten Einschätzung darüber erschienen, wo tatsächlich Aufmerksamkeit erforderlich war, anstatt die erste Hälfte jeder Sitzung damit zu verbringen, den Status aus Rohberichten zu rekonstruieren. Noch wichtiger war, dass wir zwei bedeutende Programmrisiken früher erkannten, als dies durch unseren herkömmlichen Prozess möglich gewesen wäre. Dadurch konnten wir vor dem Eintreten von Auswirkungen eingreifen, statt erst im Nachhinein zu reagieren.
Diese Erfahrung hat ein Prinzip bekräftigt, von dem ich inzwischen fest überzeugt bin: KI verändert Organisationen nicht dadurch, dass sie Prozesse ersetzt. Sie verändert sie, indem sie das Unsichtbare sichtbar macht und Führungskräften die Klarheit gibt, mit Präzision zu handeln, statt dringend reagieren zu müssen.
Wo technische Teams KI einsetzen sollten
Die Grenze zwischen KI-gestützten und vom Menschen verantworteten Entscheidungen ist nicht statisch. Sie verschiebt sich, wenn Vertrauen entsteht, Fähigkeiten ausgereifter werden und die Tragweite der einzelnen Entscheidungsbereiche klarer wird.
In meinem Umfeld verlasse ich mich in mehreren Bereichen aktiv auf KI, um technische Arbeit zu unterstützen oder voranzutreiben. Ein Bereich ist die Synthese von Dokumentationen und programmübergreifenden Erkenntnissen. Darüber hinaus setze ich KI ein, um die Analyse von Architekturmustern zu unterstützen, insbesondere bei der Bewertung, ob vorgeschlagene Lösungen mit etablierten Unternehmensstandards übereinstimmen oder technische Schulden einführen, die sich im Laufe der Zeit verstärken werden. KI kann heute innerhalb weniger Stunden Erkenntnisse zutage fördern, für deren Prüfung ein leitender Architekt früher mehrere Tage benötigt hätte – nicht als endgültiges Urteil, sondern als strukturierte Grundlage, die die anschließende menschliche Prüfung schärft.
Auch in der strategischen Planung setze ich KI intensiv ein: zur Synthese von Bewertungen der Technologielandschaft, zum Vergleich mit globalen Best Practices und zur Erstellung des analytischen Gerüsts für Roadmaps und Zielbetriebsmodelle. Wenn das Volumen der Eingaben hoch und die Zeit für die Synthese begrenzt ist, liefert KI einen überproportionalen Nutzen.
Im Sicherheitsbereich ist die KI-gestützte Überwachung und Anomalieerkennung zu einer grundlegenden Erwartung und nicht zu einer Innovation geworden. Die Mustererkennung mit der Geschwindigkeit und in dem Umfang, die moderne Bedrohungsumgebungen erfordern, übersteigt schlicht die Möglichkeiten des Menschen ohne Unterstützung. Hier vertraue ich darauf, dass KI Erkenntnisse zutage fördert und Warnungen ausgibt. Ich vertraue ihr nicht an, Schlussfolgerungen zu ziehen oder zu reagieren.
Welche Aufgaben menschlich bleiben sollten
Auch Governance selbst bleibt menschlich. Ich bin äußerst vorsichtig gegenüber jeder Organisation, die KI erlauben würde, KI zu steuern. Diejenigen, die für die Ergebnisse zur Verantwortung gezogen werden können, müssen die Verantwortung für die Aufsichtsebene, ethische Kontrollpunkte und Entscheidungen darüber übernehmen, wo KI tätig sein sollte und wo nicht.

Alles, was institutionelle Konsequenzen hat, bleibt ausdrücklich menschliche Verantwortung. Architekturentscheidungen, die die Organisation für fünf bis zehn Jahre prägen werden, bleiben in menschlicher Verantwortung. KI-Analysen fließen in diese Entscheidungen ein, doch letztlich beurteilen sie Menschen, die den organisatorischen Kontext, die politischen Dynamiken und die langfristigen Auswirkungen verstehen – auf eine Weise, zu der derzeit kein Modell fähig ist. Entscheidungen bei der Reaktion auf Vorfälle, die die betriebliche Kontinuität beeinträchtigen, erfordern insbesondere in einem Verteidigungsumfeld menschliche Befehlsgewalt. Für Verantwortlichkeit gibt es keine Automatisierung.
Entscheidungen über Anbieter und Partnerschaften bleiben menschlich. Die Bewertung von Vertrauen, Werteübereinstimmung und langfristiger organisatorischer Passung erfordert menschliches Urteilsvermögen, das weit über das hinausgeht, was KI heute zuverlässig bewerten kann.
Auch Governance selbst bleibt menschlich. Ich bin äußerst vorsichtig gegenüber jeder Organisation, die KI erlauben würde, KI zu steuern. Diejenigen, die für die Ergebnisse zur Verantwortung gezogen werden können, müssen die Verantwortung für die Aufsichtsebene, ethische Kontrollpunkte und Entscheidungen darüber übernehmen, wo KI tätig sein sollte und wo nicht.
Mein Grundsatz für die Praxis lautet: Ich vertraue darauf, dass KI den Umfang menschlichen Urteilsvermögens erweitert, niemals aber darauf, das Urteilsvermögen selbst zu ersetzen. In dem Moment, in dem eine Organisation beides verwechselt, hat sie KI nicht angenommen. Sie hat lediglich ihre Verantwortlichkeit ausgelagert.
Die positiven Ergebnisse der KI-Integration
Auf der positiven Seite hat die KI-Integration in unseren Arbeitsabläufen die Effizienz der Überprüfungszyklen für Programme am messbarsten verbessert. Nachdem wir die KI-gestützte Synthese in unseren Governance-Prozess eingeführt hatten, verbrachte die Führungsebene pro Überprüfungssitzung ungefähr 60 % weniger Zeit damit, den Projektstatus aus der Rohdokumentation zu rekonstruieren. Das ist in einem Umfeld, in dem leitende Entscheidungsträger gleichzeitig in mehreren laufenden Programmen tätig sind, keine unbedeutende Zahl. Wir haben pro Zyklus effektiv mehrere Stunden der Aufmerksamkeit von Führungskräften zurückgewonnen und sie auf Urteilsvermögen und Intervention statt auf die Rekonstruktion des Status gelenkt.
Das zweite messbare Ergebnis war die Risikoerkennung. Wie bereits erwähnt, identifizierten wir zwei bedeutende Programmrisiken früher, als dies durch unseren herkömmlichen Überprüfungsprozess möglich gewesen wäre. In beiden Fällen wurde das Zeitfenster zwischen der frühen Erkennung und einer wesentlichen Auswirkung auf die Umsetzung in Wochen gemessen. In einem kommerziellen Umfeld entspricht dies der Vermeidung von Kosten. In einem Verteidigungsumfeld entspricht es der Einsatzbereitschaft – eine schwerer zu quantifizierende, aber weitaus folgenreichere Größe.
In der strategischen Planung verkürzte die KI-Integration die Zeit zur Erstellung erster Entwürfe von Technologiebewertungen und des Gerüsts für Roadmaps um etwa 70 %. Das bedeutet nicht, dass die endgültige Ausgabe 70 % weniger Aufwand erforderte. Es bedeutet, dass sich der menschliche Aufwand von der Erstellung auf das Urteilsvermögen, vom Schreiben auf das Bearbeiten und von der Synthese auf die Validierung verlagerte. Die Qualität der Ergebnisse verbesserte sich, weil leitende Fachleute ihre Zeit für das aufwendeten, was ihr Fachwissen erforderte, statt für mechanische Tätigkeiten.
Die negativen Ergebnisse der KI-Integration

Abdulrhman berichtet
Die erste Herausforderung war die Einführung. Die zweite Herausforderung war die gleichbleibende Qualität der Ergebnisse. Die dritte und wichtigste Erkenntnis betraf die Erwartungen …
Nun folgt eine ehrliche Darstellung dessen, was weniger gut funktioniert hat als erwartet – denn die Community der Technologieführungskräfte ist mit Geschichten, die ausschließlich Erfolge feiern, schlecht bedient.
Die erste Herausforderung war die Einführung. In einem großen institutionellen Umfeld mit tief verankerten Betriebskulturen ist die Einführung von KI in Arbeitsabläufe kein Technologieproblem. Es ist ein Problem des Veränderungsmanagements. Wir hatten Programme, in denen wir die Werkzeuge bereitstellten und den Zugang gewährten, die Funktionalität jedoch weitgehend ungenutzt blieb, weil wir die menschlichen Systeme – Anreize, Gewohnheiten und Vertrauen –, die sie aufnehmen sollten, nicht entsprechend neu gestaltet hatten. Die Einführung von Technologie ohne Verhaltensänderung führt lediglich zu teurer ungenutzter Software.
Die zweite Herausforderung war die gleichbleibende Qualität der Ergebnisse. Bei frühen Implementierungen stellten wir erhebliche Schwankungen bei der Qualität KI-generierter Analysen fest, abhängig von der Qualität und Struktur der Eingaben. „Müll rein, Müll raus“ ist kein neues Prinzip, aber KI lässt Müll überzeugender erscheinen. Ein schlecht strukturierter Prompt, der eine gut formatierte, aber analytisch schwache Ausgabe erzeugt, ist in gewisser Weise gefährlicher als eine leere Seite, weil er falsches Vertrauen schafft. Wir lernten, stark in eine sorgfältige Prompt-Erstellung und die Steuerung von Eingaben zu investieren, bevor wir den Ergebnissen in Situationen mit hohen Risiken vertrauten.
Die dritte und wichtigste Erkenntnis betraf die Erwartungen. Organisationen, die die KI-Integration als Maßnahme zur Kostensenkung verstehen, erzielen tendenziell enttäuschende Ergebnisse, weil sie das falsche Ziel optimieren. Organisationen – einschließlich unserer eigenen Programme –, die echte Wirkung erzielt haben, verstanden KI als Verstärker von Fähigkeiten. Die Frage lautete nicht: „Wie erledigen wir dieselbe Arbeit mit weniger Menschen?“ Sie lautete: „Wie erledigen wir Aufgaben, die zuvor unmöglich waren, oder erreichen dabei mit unseren Ressourcen ein Qualitätsniveau, das zuvor unerreichbar war?“
Diese neue Perspektive macht den Unterschied zwischen KI als Effizienzwerkzeug und KI als Hebel für Transformation aus. Und meiner Erfahrung nach liefert nur die zweite Variante Ergebnisse, über die es sich zu sprechen lohnt.
Warum die KI-Integration in komplexen Umgebungen hinter den Erwartungen zurückbleibt

Die Kluft zwischen dem, was KI in einer Präsentation im Vorstand verspricht, und dem, was sie in einem komplexen institutionellen Umfeld tatsächlich leistet, ist nach wie vor erheblich, und so zu tun, als wäre es anders, erweist dem Berufsstand einen schlechten Dienst.
Bei der systemübergreifenden Integrationsintelligenz hat KI unsere Erwartungen am deutlichsten nicht erfüllt. Angesichts dessen, was die Technologie in kontrollierten Umgebungen demonstriert hatte, erwarteten wir zu Recht, dass KI als intelligente Orchestrierungsebene über unsere Unternehmensplattformen hinweg dienen könnte: Sie sollte die Beziehungen zwischen Systemen verstehen, Integrationsfehler erkennen, bevor diese sich kaskadenartig ausbreiteten, und in Echtzeit Korrekturmaßnahmen empfehlen.
Wir stellten fest, dass KI innerhalb klar definierter und gut dokumentierter Bereiche außerordentlich gut funktioniert, an den unübersichtlichen, unzureichend dokumentierten und politisch komplexen Grenzen zwischen Unternehmenssystemen in großen Institutionen jedoch außerordentlich schlecht. Kein Dokument enthält das Wissen, das erforderlich ist, um sich an diesen Grenzen zurechtzufinden. Es steckt in Menschen, Beziehungen und dem über Jahre angesammelten institutionellen Gedächtnis. KI hatte keinen Zugriff auf dieses Wissen und keine verlässliche Möglichkeit, es in dem von uns benötigten Tempo zu erwerben.
Auch bei natürlichsprachlichen Schnittstellen für nichttechnische Nutzer hat KI unsere Erwartungen nicht erfüllt. Die Theorie war überzeugend: Mitarbeitenden im operativen Bereich und Führungskräften sollte eine dialogbasierte Schnittstelle zu Unternehmensdaten bereitgestellt werden, sodass sie nicht für jede Abfrage und jeden Bericht auf technische Vermittler angewiesen wären. In der Praxis erwies sich die Kluft zwischen der natürlichen Ausdrucksweise nichttechnischer Nutzer und der zuverlässigen Interpretation ihrer Absichten durch KI-Systeme als weit größer als erwartet. Nutzer waren frustriert, wenn die Ergebnisse nicht ihren Erwartungen entsprachen, und Frustration in einer großen Institution führt nicht zu Rückkopplungsschleifen. Sie führt zum Abbruch. Am Ende hatten wir eine Funktionalität, die für technisch versierte Nutzer gut und für die breitere Zielgruppe, der sie dienen sollte, schlecht funktionierte – genau das Gegenteil dessen, was Transformation erfordert.
Der dritte Bereich ist das strategische Dokumentenverständnis. Wir erwarteten, dass KI sinnvoll mit umfangreichen, stark kontextabhängigen, oft mehrdeutigen Strategie- und Richtliniendokumenten arbeiten würde, die das Rückgrat der Entscheidungsfindung in großen staatlichen Institutionen bilden. Wir stellten fest, dass KI diese Dokumente kompetent zusammenfassen kann, sich jedoch schwertut, über mehrere Dokumente hinweg zu schlussfolgern, echte Widersprüche zwischen einer in einer Direktion verfassten Richtlinie und einem in einer anderen verabschiedeten Standard zu erkennen, die politische Bedeutung einer bestimmten Klausel zu verstehen oder zu erkennen, wann eine technisch korrekte Empfehlung institutionell unmöglich ist. Diese Urteilsebene, die strategische Beratung nützlich und nicht lediglich korrekt macht, blieb hartnäckig menschlich.
Schließlich möchte ich etwas benennen, das in Anbieter-Fallstudien nur selten auftaucht: KI hat nicht die Geschwindigkeit des organisatorischen Lernens ermöglicht, die wir erwartet hatten. Wir gingen davon aus, dass die Organisation mit der Einführung von KI-Werkzeugen schneller kollektive Intelligenz entwickeln würde und dass von KI in einem Programm gewonnene Erkenntnisse sich auf natürliche Weise verbreiten und die Entscheidungsfindung in anderen Programmen verbessern würden. Tatsächlich blieben die KI-Erkenntnisse auf die Teams beschränkt, die sie erzeugt hatten, weil sich Organisationsstrukturen, Mechanismen zum Wissensaustausch und kulturelle Normen im Hinblick auf Dokumentation und Transparenz nicht weiterentwickelt hatten, um die von der KI erzeugten Ergebnisse zu erfassen und zu verbreiten. Die Technologie erzeugte mehr Signale, als die Organisation aufnehmen konnte.
Ich teile all dies nicht als Kritik am Potenzial von KI, das meiner Überzeugung nach weiterhin enorm ist, sondern als Erinnerung daran, dass jede von mir beschriebene Lücke ein Problem menschlicher Systeme ist, das sich als Technologieproblem tarnt.
Ein KI-gestützter Arbeitsablauf zur Optimierung strategischer Programmevaluierungen
KI trifft keine einzige Entscheidung; sie verarbeitet, synthetisiert und macht sichtbar. Jede Beurteilung, jede Validierung und jede Empfehlung bleibt menschlich.

Ich führe Sie durch einen Arbeitsablauf, der in meiner aktuellen Praxis zu den wertvollsten gehört: die KI-gestützte strategische Programmevaluierung. Ich werde ihn von Anfang bis Ende beschreiben, denn sein Wert liegt nicht in einem einzelnen Schritt, sondern darin, wie die Schritte miteinander verbunden sind.
Dieser Arbeitsablauf wird typischerweise ausgelöst, wenn ein Programm einen kritischen Entscheidungspunkt erreicht. In unserem Umfeld kann dies eine umfassende Migration einer Unternehmensplattform, die Einführung eines digitalen Gesundheitssystems in einem Netzwerk von Militärkrankenhäusern oder eine Überprüfung der Unternehmensarchitektur im Zusammenhang mit der Neugestaltung eines Zielbetriebsmodells sein. Dies sind Programme, bei denen die Entscheidung mehrjährige Konsequenzen hat und die Eingaben umfangreich, heterogen und politisch aufgeladen sind.
Der Arbeitsablauf beginnt mit der strukturierten Zusammenführung von Eingaben. Bevor KI die Analyse übernimmt, kuratiert mein Team die Eingaben bewusst: Wir sammeln Programmdokumentation, Anbieterangebote, Einreichungen zur technischen Architektur, Ergebnisse früherer Überprüfungen, relevante politische Rahmenwerke und Positionspapiere der Beteiligten in einem strukturierten Korpus. Dieser Schritt ist vollständig menschlich und vollständig beabsichtigt. Die Qualität der nachgelagerten Ergebnisse der KI ist direkt proportional zur Qualität und Struktur ihrer vorgelagerten Eingaben. Diese Lektion haben wir bei frühen Implementierungen auf die harte Tour gelernt, und inzwischen betrachten wir die Eingabesteuerung als eine nicht verhandelbare Disziplin.
Als Nächstes führen wir eine KI-gestützte Synthese durch. Wir leiten das kuratierte Korpus durch ein Sprachmodell mit einer sorgfältig konzipierten Architektur der Eingabeaufforderungen, die spezifische analytische Fragen stellt, anstatt um eine offene Zusammenfassung zu bitten. Wir fragen das Modell nicht, was in den Dokumenten steht. Stattdessen bitten wir es, Widersprüche zwischen den formulierten Zielen und den vorgeschlagenen Architekturen zu identifizieren, behauptete, aber nicht belegte Annahmen sichtbar zu machen, Abhängigkeiten zu kennzeichnen, die in einem Dokument auftauchen, in einem anderen jedoch fehlen, und Risikomuster hervorzuheben, die Profilen entsprechen, bei denen wir in früheren Programmen ein Scheitern beobachtet haben. Das Ergebnis ist eine strukturierte analytische Kurzfassung, keine Zusammenfassung.
Der dritte und menschlichste Schritt ist die kritische Prüfung und Rekontextualisierung. Ein leitender Berater – in den meisten Fällen ich oder ein vertrauenswürdiger technischer Leiter – liest die von der KI erstellte Kurzfassung nicht als Schlussfolgerung, sondern als Ausgangspunkt für eine eingehende Befragung. Wir fragen: Was hat das Modell sichtbar gemacht, das wir zuvor nicht bewusst formuliert hatten? Was hat es übersehen, obwohl wir es aus institutioneller Erfahrung wissen? Wo ist es technisch korrekt, aber institutionell naiv? Hier schaffen neunzehn Jahre Tätigkeit in diesem Umfeld einen Wert, den kein Modell reproduzieren kann. Die KI-Kurzfassung schärft die Fragen. Menschliches Urteilsvermögen liefert die Antworten.
Der vierte Schritt umfasst die Vorbereitung der Entscheidung. Wir nutzen die validierten Erkenntnisse aus der menschlichen Prüfung, um die Entscheidungsvorlage für die Führungsebene zu erstellen: Wir formulieren die Entscheidung, skizzieren Optionen mit ihren tatsächlichen Zielkonflikten, erläutern Risiken mit realistischer Eintrittswahrscheinlichkeit und Auswirkung und präsentieren die Empfehlung mit ihren ausdrücklich genannten Annahmen. Da die KI-Synthese die mechanische Verarbeitung des Korpus übernimmt, ist dieser Schritt schneller und umfassender, als es ein rein manueller Prozess wäre. Führungskräfte erreichen den Entscheidungspunkt mit einem klareren Bild und gezielteren Fragen.
Der fünfte Schritt ist die Erfassung der Ergebnisse – hier versäumen es die meisten Organisationen, ihre Möglichkeiten auszuschöpfen. Nachdem die Entscheidung getroffen wurde und das Programm voranschreitet, dokumentieren wir nicht nur, was entschieden wurde, sondern auch, welche von der KI-Analyse sichtbar gemachten Punkte sich als zutreffend erwiesen, was sie übersehen hat und welche von ihr getroffenen Annahmen sich als falsch herausstellten. Diese Rückmeldungen werden nicht in einem Ordner abgelegt, sondern fließen in unsere Architektur der Eingabeaufforderungen und Standards für die Eingabesteuerung des nächsten Programms zurück. Der Arbeitsablauf wird mit jeder Wiederholung besser, weil wir jeden Durchlauf als Lernereignis betrachten.
Dieser Arbeitsablauf hatte bedeutende, messbare Auswirkungen. Er hat die Dauer der Evaluierungszyklen für wichtige Programmüberprüfungen um etwa 65 % reduziert. Er hat die Tiefe der Risikoidentifizierung verbessert, indem Probleme früher im Entscheidungsprozess sichtbar wurden, anstatt erst während der Umsetzung entdeckt zu werden. Und vielleicht am wichtigsten: Er hat die Qualität der Gespräche auf Führungsebene an Entscheidungspunkten erhöht, weil Führungskräfte ihre Zeit mit echten Ermessensentscheidungen verbringen, anstatt den Status anhand von Rohinformationen zu rekonstruieren.
Ich möchte die Gestaltungsprinzipien dieses Arbeitsablaufs hervorheben. KI trifft keine einzige Entscheidung; sie verarbeitet, synthetisiert und macht sichtbar. Jede Beurteilung, jede Validierung und jede Empfehlung bleibt menschlich.
Wie sich Fallstricke bei der Einführung von KI vermeiden lassen

Abdulrhman berichtet
Ich habe gelernt, dass intellektuelle Ehrlichkeit im Umgang mit Unsicherheit in tatsächlich neuartigem Terrain keine Führungsschwäche ist. Sie ist eine Voraussetzung dafür, das Vertrauen aufzubauen, das Teams durch die unvermeidlichen Momente trägt, in denen sich der Weg als schwieriger erweist, als der Plan erwarten ließ.
Das organisatorische Immunsystem ist real, mächtig und wird schneller aktiviert, als irgendein KI-Tool bereitgestellt werden kann. Jede große Institution hat im Laufe von Jahren und Jahrzehnten informelle Mechanismen entwickelt, die Veränderungen entgegenwirken, wenn diese bestehende Machtstrukturen, etablierte Arbeitsabläufe und berufliche Identitäten bedrohen. Intellektuell war mir das bereits vor unserem Start bewusst, aber ich unterschätzte, wie gezielt und schnell diese Mechanismen als Reaktion auf KI aktiviert werden würden.
Als die Menschen spürten, dass KI-Tools nicht nur die Art und Weise veränderten, wie Arbeit erledigt wurde, sondern auch, wer in der Organisation als wertvoll galt, äußerte sich der Widerstand nicht als Ablehnung, sondern als Befolgung ohne tatsächliche Einführung. Teams griffen auf die Tools zu, nutzten sie aber nicht. Sie erhielten Ergebnisse, handelten jedoch nicht danach. Prozesse wurden nominell aktualisiert, das Verhalten blieb jedoch unverändert. Passiver Widerstand ist in einer großen Institution nahezu unsichtbar, bis man die Ergebnisse misst. Wenn die Messung das Problem sichtbar macht, sind bereits Monate an Dynamik verloren.
In diesem Zusammenhang wünschte ich, ich hätte gewusst, wie stark die gewählte Darstellung der Einführung deren Aufnahme dauerhaft prägen würde. Bei unseren frühen Implementierungen unterlief uns ein Kommunikationsfehler, den ich für einen der folgenschwersten Fehler der Initiative halte. Um die Unterstützung der Führungsebene zu gewinnen und die Investition zu rechtfertigen, stellten wir KI-Tools in der Sprache der Effizienz dar: schneller, schlanker, produktiver.
Diese Darstellung war in einem engen technischen Sinne zutreffend, aber in jeder menschlichen Hinsicht zutiefst kontraproduktiv. Wenn Menschen im Zusammenhang mit der Einführung eines neuen Tools in ihrem Team von Effizienz hören, hören sie Personalabbau. Sie denken daran, dass ihre Rolle auf Überflüssigkeit geprüft wird. Sie setzen sich mit dem Tool nicht als etwas auseinander, das ihre Arbeit verbessern wird, sondern als etwas, das ihre Position möglicherweise überflüssig macht. Die defensive Haltung, die diese Darstellung hervorgerufen hatte, brauchte Monate, um sie abzubauen, und löste sich in einigen Teilen der Organisation nie vollständig auf.
Und persönlich weiß ich heute, dass ich gegenüber meinen Teams transparenter mit meiner eigenen Unsicherheit hätte umgehen sollen. Ich begann diese Reise mit größerer Zuversicht in meine grundsätzliche Überzeugung von der richtigen Richtung als in mein praktisches Wissen darüber, wie sich KI in unserem spezifischen institutionellen Kontext verhalten würde. Ich wusste, dass das Ziel richtig war. Den Weg kannte ich nicht vollständig. In meinem Bemühen, die Führungssicherheit auszustrahlen, die große Programme erfordern, vermittelte ich bisweilen eine Gewissheit, die ich nicht besaß. Dadurch entstanden Erwartungen, die von der Realität anschließend erschwert wurden. Ich habe gelernt, dass intellektuelle Ehrlichkeit in Bezug auf Unsicherheit in wirklich neuartigem Terrain keine Führungsschwäche ist. Sie ist eine Voraussetzung dafür, das Vertrauen aufzubauen, das Teams durch die unvermeidlichen Momente trägt, in denen sich der Weg als schwieriger erweist, als der Plan erwarten ließ.
Warum KI einen neuen Typ von Technologieführungskraft erfordert

Das KI-Zeitalter entwertet systematisch ein bestimmtes Profil von Technologieführungskraft: die Expertin oder den Experten, die beziehungsweise der über Jahre disziplinierten Lernens und praktischer Erfahrung tiefgehendes technisches Wissen angesammelt, Autorität durch Beherrschung des Fachgebiets aufgebaut und als sachkundigste Person im Raum geführt hat. Dieses Profil prägte die Technologieführung über Jahrzehnte und erzielte außergewöhnliche Ergebnisse, als Wissen der Engpass und Fachkompetenz der Wettbewerbsvorteil war. KI beseitigt dieses Profil nicht über Nacht. Aber sie erodiert dessen Grundlagen schneller, als die meisten Menschen mit diesem Profil anerkennen, und Institutionen, die von diesem Profil abhängig sind, ohne seinen Nachfolger zu entwickeln, häufen ein Führungsrisiko an, das sie bislang noch nicht erkannt haben.
Das Profil, das das KI-Zeitalter erfordert, ist grundlegend anders. Das KI-Zeitalter braucht Führungskräfte, die ihre Autorität nicht aus dem ableiten, was sie wissen, sondern aus der Qualität ihrer Fragen. Führungskräfte, deren wichtigster intellektueller Beitrag nicht in der Synthese liegt (denn KI kann synthetisieren), sondern im Urteilsvermögen. Führungskräfte, die mit organisatorischen Dynamiken, menschlicher Psychologie und institutionellen Machtverhältnissen ebenso vertraut sind wie mit Technologie. Führungskräfte, die angesichts eines Tools, das unablässig Zuversicht ausstrahlt, echte intellektuelle Demut bewahren und die innere Stabilität entwickelt haben, in Umgebungen, die Entschlossenheit über fast alles andere stellen, zu sagen: „Ich weiß es nicht“ und „Ich muss darüber nachdenken.“
Und vielleicht am wichtigsten: Das KI-Zeitalter erfordert Führungskräfte, die eine Frage, die sich frühere Generationen von Technologieführungskräften nur selten stellen mussten, klar und gründlich beantworten: Welchen menschlichen Wert füge ich hinzu, den KI nicht nachbilden kann, und investiere ich mit derselben Disziplin in diesen Wert, die ich bei meiner technischen Weiterentwicklung an den Tag lege?
Ich stelle mir diese Frage regelmäßig. Es ist keine angenehme Frage. Sie erfordert eine ehrliche Selbsteinschätzung darüber, welche Teile meiner beruflichen Identität tatsächlich unersetzlich sind und welche ich eher aus Gewohnheit als aus Notwendigkeit schütze. Ich glaube, dass dieser Prozess ehrlicher Selbstprüfung die grundlegende Führungspraxis des KI-Zeitalters ist. Nicht die Entwicklung von Eingabeaufforderungen, nicht die Modellbewertung, nicht Rahmenwerke für KI-Governance — so wichtig sie auch sind. Es ist die Bereitschaft, klar zu erkennen, was man einbringt, das ein Modell nicht kann, und genau darin bewusst und unermüdlich zu investieren.
Das KI-Zeitalter bringt eine Komplexität hervor, die in der Geschichte des Technologiebereichs beispiellos schnell und umfassend entsteht. Führungskräfte, die sich darin gut zurechtfinden werden, führen KI nicht am schnellsten ein, setzen sie nicht am ehrgeizigsten ein und sprechen auf Bühnen wie dieser nicht am flüssigsten darüber. Sie leisten die schwierigere, leisere Arbeit, die menschlichen Eigenschaften zu entwickeln, welche Komplexität erfordert: Urteilsvermögen, Demut, Mut, institutionelle Weisheit und die Klarheit über den Zweck, die es ihnen ermöglicht, leistungsfähige Tools auf würdige Ziele auszurichten.
Ich glaube, dass die Gemeinschaft der Technologieführungskräfte dieses Gespräch mit weitaus größerer Dringlichkeit führen muss, als sie es derzeit tut. Und das ist der Grund, warum ich diesem Interview zugestimmt habe: nicht um darüber zu sprechen, was KI leisten kann, sondern um öffentlich und sorgfältig darüber nachzudenken, was wir als Führungskräfte werden müssen, um ihrer Leitung würdig zu sein.
Fünf Ratschläge für CTOs
Ich möchte Ratschläge geben, die nützlich sind, statt Ratschläge, die auf einer Konferenzbühne gut klingen: Erstens: Widerstehen Sie dem Druck, eine KI-Strategie zu haben. Zweitens: Betrachten Sie die Einführung als die zentrale Herausforderung der Entwicklung, nicht die Integration. Drittens: Schützen Sie Ihre Urteilsebene entschlossen. Viertens: Schenken Sie souveränen KI-Ökosystemen ernsthafte Aufmerksamkeit … Fünftens und letztens: Investieren Sie mit derselben Disziplin in Ihr eigenes Urteilsvermögen als Führungskraft, mit der Sie in die technischen Fähigkeiten Ihrer Organisation investieren.

Ich möchte Ratschläge geben, die nützlich sind, statt Ratschläge, die auf einer Konferenzbühne gut klingen. Daher möchte ich Ihnen mitteilen, was ich aufgrund von neunzehn Jahren Erfahrung in der Leitung von Transformationen innerhalb eines der komplexesten vorstellbaren institutionellen Umfelder glaube.
Erstens: Widerstehen Sie dem Druck, eine KI-Strategie zu haben. Ihre Organisation braucht eine Geschäftsstrategie, der die KI dient. Ich habe zu viele Technologieführungskräfte beobachtet, die enorme Energie in die Erstellung von KI-Fahrplänen, den Aufbau von Kompetenzzentren für KI und die Ankündigung von KI-Initiativen investieren, während sie die grundlegende Frage unbeantwortet lassen, welches Problem sie für die Institution lösen wollen. KI ohne strategische Klarheit ist keine Transformation, sondern ausgeklügelte Aktivität, die sich als Fortschritt tarnt. Beginnen Sie mit dem Ergebnis, für dessen Erreichung Sie verantwortlich sind, und arbeiten Sie rückwärts zu den Bereichen, in denen KI den größten Nutzen bringt. Diese Reihenfolge ist von enormer Bedeutung.
Zweitens: Betrachten Sie die Einführung als die zentrale Herausforderung der Entwicklung, nicht die Integration. Das schwierigste Problem beim Einsatz von KI besteht nicht darin, das Modell mit Ihren Systemen zu verbinden, sondern darin, zu verändern, wie Ihre Mitarbeiter unter Einbeziehung von KI-Unterstützung denken, entscheiden und arbeiten. Meiner Erfahrung nach investieren Organisationen darin um eine Größenordnung zu wenig. Sie weisen 80 Prozent ihres Budgets der Technologie und 20 Prozent der Veränderung von Menschen und Prozessen zu, obwohl das Verhältnis, das Ergebnisse hervorbringt, eher umgekehrt ist. Wenn Ihre KI-Initiative keine ernsthafte Komponente für Änderungsmanagement und Kompetenzaufbau umfasst, bauen Sie auf Sand – ganz gleich, wie ausgeklügelt Ihre Architektur ist.
Drittens: Schützen Sie Ihre Urteilsebene entschlossen. Je leistungsfähiger und stärker in Arbeitsabläufe eingebettet KI wird, desto größer wird der ständige, subtile und weniger subtile Druck, ihre Zuständigkeiten auszuweiten: Sie soll nicht nur Entscheidungen informieren, sondern sie treffen, nicht nur Risiken markieren, sondern sie lösen, und nicht nur Empfehlungen entwerfen, sondern sie genehmigen. Widerstehen Sie dem. Nicht, weil KI in bestimmten Bereichen technisch nicht dazu fähig sein könnte, sondern weil Ihre Organisation in dem Moment, in dem sie die Gewohnheit menschlichen Urteilens verliert, etwas verliert, das außerordentlich schwer wiederaufzubauen ist. Urteilsvermögen ist ein Muskel. Organisationen, die ihn nicht mehr trainieren, bleiben nicht statisch, sondern verkümmern. In einem Umfeld mit hohen Risiken kostet Sie diese Verkümmerung genau im ungünstigsten Moment viel.
Viertens: Schenken Sie souveränen KI-Ökosystemen ernsthafte Aufmerksamkeit, insbesondere wenn Sie in oder im Umfeld von Regierung, Verteidigung oder kritischer nationaler Infrastruktur tätig sind. Hinterfragen Sie die Annahme, dass globale Hyperscale-Plattformen die Standardarchitektur für Unternehmens-KI bleiben werden. In Saudi-Arabien erleben wir derzeit die Entstehung einer tatsächlich souveränen KI-Infrastruktur durch Plattformen wie HUMAIN ONE. Diese Plattformen basieren auf Sprachmodellen mit Arabisch als vorrangiger Sprache, werden auf nationaler Recheninfrastruktur betrieben und wurden speziell für die komplexen Governance-Anforderungen großer Institutionen entwickelt. Für CTOs in regulierten oder sicherheitssensiblen Umgebungen ist die Frage, wo Ihre KI betrieben wird, auf wessen Infrastruktur, unter welcher Gerichtsbarkeit und mit wessen Daten sie trainiert wurde, keine Compliance-Checkliste, sondern eine grundlegende Architekturentscheidung, die die KI-Ausrichtung Ihrer Organisation für das nächste Jahrzehnt bestimmen wird.
Fünftens und letztens: Investieren Sie mit derselben Disziplin in Ihr eigenes Urteilsvermögen als Führungskraft, mit der Sie in die technischen Fähigkeiten Ihrer Organisation investieren. Dies ist der Ratschlag, den ich für den wichtigsten und am wenigsten diskutierten in Technologiekreisen halte. Die CTOs, die diesen Moment gut bewältigen, verstehen KI nicht unbedingt in technischer Hinsicht am tiefsten. Sie verbinden technologische Kompetenz mit institutioneller Weisheit, strategischer Klarheit und dem moralischen Mut, Entscheidungen zu treffen, die für ihre Organisationen richtig sind, selbst wenn sie kurzfristig unpopulär sind. KI wird sich weiterentwickeln, unabhängig davon, was einer von uns tut. Entscheidend ist die Qualität der menschlichen Führung, die sie lenkt.
Wir befinden uns nicht in einem Wettlauf darum, KI am schnellsten einzuführen, sondern darum, sie am klügsten einzuführen. Meiner Erfahrung nach war Weisheit nie eine Funktion, die man installieren kann.
Bleiben Sie auf dem Laufenden
Sie können Abdulrhman AlOdhaybs Arbeit auf LinkedIn verfolgen.
Weitere Experteninterviews folgen im The CTO Club.



