Nicht jedes Problem braucht KI

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 nie 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 spielte sich an einer Schnittstelle ab, mit der die meisten Technologieführungskräfte nur selten in Berührung kommen – dort, wo technische Entscheidungen Auswirkungen auf die nationale Sicherheit haben, wo die Abstimmung mit 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, der sich durch all dies zieht, ist eine einzige Überzeugung: Technologie ist nie 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 ministeriumsweiten Zielbetriebsmodells 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, Softwareentwicklung und organisatorischen Befähigung vordringt, erlebe ich den interessantesten Moment meiner beruflichen Laufbahn. Ich beschäftige mich vor allem mit Fragen, die nicht die Technologie selbst betreffen, sondern damit, wie Führungskräfte Urteilsvermögen, Governance und robuste Architekturen entwickeln, die es der KI ermöglichen, die Umsetzung zu beschleunigen, ohne Qualität oder Sicherheit zu beeinträchtigen.

Darüber möchte ich heute sprechen.

Arbeit auf der strategischen Ebene

Die Technologieumgebung, in der ich tätig bin, ist in jeder Hinsicht umfangreich. Wir betreiben unternehmensweite Systeme, die militärische Krankenhäuser, Führungs- und Kontrollplattformen, eine einheitliche Kommunikationsinfrastruktur und Datenrahmenwerke für die nationale Verteidigung umfassen. 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 PMO und strategisches IT-Management und stimme Technologiefahrpläne über mehrere Direktorate und Organisationseinheiten hinweg ab. Die menschliche Komplexität steht der technischen in nichts nach. Die Koordination einer Transformation über eine mehrschichtige militärische und zivile Belegschaft hinweg, deren Betriebskulturen und Risikotoleranzen jeweils unterschiedlich sind, ist selbst eine Disziplin.

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 militärischer Krankenhäuser, Plattformen für Unternehmensressourcen und zuletzt die Mitwirkung an einem ministeriumsweiten Zielbetriebsmodell, das neu definiert, wie Technologie das gesamte Verteidigungsunternehmen strukturiert und befähigt.

Das Bereitstellungsmodell ist aus Notwendigkeit auf Souveränität ausgerichtet. Sicherheit, Klassifizierung und die nationale Daten-Governance 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 es um nationale statt um kommerzielle Interessen geht.

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 menschliches 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: das Einhalten von Meilensteinen, die Überwachung von Budgets und die Erfassung von Risiken. Der Prozess war diszipliniert, aber grundsätzlich rückwärtsgewandt. Wir maßen, was bereits geschehen war, statt vorherzusehen, was schiefgehen könnte.

Der Wandel kam, als ich erkannte, dass mehrere Unternehmensprogramme enorme Mengen strukturierter und unstrukturierter Daten erzeugten – in Projektdokumentationen, der Kommunikation mit Lieferanten, Änderungsanfragen und Betriebsberichten –, aber niemand diese Informationen zusammenführte, um Entscheidungen der Führungsebene in Echtzeit zu unterstützen. Wir behandelten diese Erkenntnisse wie ein Archiv.

Wir änderten die Governance-Ebene selbst. Wir führten KI-gestützte Analysen in den Programmüberprüfungsprozess ein und nutzten die Fähigkeiten von Sprachmodellen, um programmübergreifende Dokumentationen zusammenzufassen, Anomalien in Liefermustern aufzudecken und Frühwarnindikatoren zu generieren, bevor daraus Eskalationsthemen wurden. Dies ersetzte nicht das menschliche Urteilsvermögen. Es verschaffte den Entscheidungsträgern ein umfassenderes und schnelleres Bild der organisatorischen Realität und ermöglichte es ihnen, ihr Urteilsvermögen zum richtigen Zeitpunkt und auf der richtigen Ebene einzusetzen.

Die Ergebnisse waren erheblich. Die Überprüfungszyklen wurden fokussierter, weil die Führungsebene mit einer vorab zusammengefassten Sicht darauf erschien, 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 unser herkömmlicher Prozess sie aufgedeckt hätte. Dadurch konnten wir eingreifen, bevor Auswirkungen eintraten, statt erst im Nachhinein zu reagieren.

Diese Erfahrung bestärkte mich in einem Grundsatz, den ich heute fest vertrete: KI transformiert Organisationen nicht, indem sie Prozesse ersetzt. Sie transformiert sie, indem sie das Unsichtbare sichtbar macht und Führungskräften die Klarheit gibt, präzise zu handeln, statt dringlich zu reagieren.

Wo technische Teams KI einsetzen sollten

Die Grenze zwischen KI-gestützten und von Menschen verantworteten Entscheidungen ist nicht statisch. Sie verschiebt sich, wenn Vertrauen entsteht, Fähigkeiten ausgereifter werden und die Tragweite der einzelnen Entscheidungsbereiche deutlicher wird.

In meinem Umfeld verlasse ich mich in mehreren Bereichen aktiv auf KI, um technische Arbeit zu unterstützen oder zu ermöglichen. Ein Bereich ist die Zusammenfassung von Dokumentationen und die programmübergreifende Informationsgewinnung. Darüber hinaus nutze ich KI zur Unterstützung bei der Analyse von Architekturmustern, insbesondere zur Bewertung, ob vorgeschlagene Lösungen im Einklang mit etablierten Unternehmensstandards stehen oder technische Schulden einführen, die sich im Laufe der Zeit verstärken werden. KI kann heute innerhalb weniger Stunden Erkenntnisse liefern, für deren Prüfung ein leitender Architekt früher mehrere Tage benötigte – 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 Zusammenfassung von Bewertungen der Technologielandschaft, zum Vergleich mit globalen Best Practices und zur Erstellung des analytischen Gerüsts für Roadmaps und Zielbetriebsmodelle. Wenn das Eingabevolumen hoch und die Zeit für die Zusammenführung begrenzt ist, liefert KI einen überproportionalen Mehrwert.

Im Sicherheitsbereich ist KI-gestütztes Monitoring und die Erkennung von Anomalien zu einer grundlegenden Erwartung und nicht zu einer Innovation geworden. Die Mustererkennung in der Geschwindigkeit und Größenordnung, die moderne Bedrohungsumgebungen erfordern, übersteigt schlicht die Möglichkeiten des Menschen ohne technische Unterstützung. Hier vertraue ich darauf, dass KI Erkenntnisse liefert und Warnungen ausgibt. Ich vertraue ihr jedoch nicht an, Schlussfolgerungen zu ziehen oder zu reagieren.

Wo Aufgaben weiterhin von Menschen übernommen werden sollten

Alles, was institutionelle Konsequenzen trägt, bleibt ausdrücklich menschlich. Architekturentscheidungen, die die Organisation für fünf bis zehn Jahre prägen werden, bleiben in menschlicher Verantwortung. KI-Analysen liefern Informationen dafür, aber Menschen, die den organisatorischen Kontext, die politischen Dynamiken und die langfristigen Auswirkungen verstehen, beurteilen sie letztlich auf eine Weise, zu der derzeit kein Modell fähig ist. Entscheidungen zur Reaktion auf Vorfälle, die die betriebliche Kontinuität beeinträchtigen, insbesondere in einem Verteidigungsumfeld, erfordern menschliche Befehlsgewalt. Für Verantwortung gibt es keine Automatisierung.

Entscheidungen über Lieferanten 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 beurteilen kann.

Und auch die Governance selbst bleibt menschlich. Ich bin äußerst vorsichtig gegenüber jeder Organisation, die zulässt, dass KI KI steuert. Diejenigen, die für die Ergebnisse zur Verantwortung gezogen werden können, müssen die Aufsichtsebene, die ethischen Kontrollpunkte und die Entscheidungen darüber verantworten, wo KI eingesetzt werden sollte und wo nicht.

Mein Grundsatz für die Praxis lautet: Ich vertraue darauf, dass KI den Spielraum menschlichen Urteilsvermögens erweitert, niemals darauf, das Urteilsvermögen selbst zu ersetzen. In dem Moment, in dem eine Organisation beides verwechselt, hat sie KI nicht angenommen. Sie hat lediglich ihre Verantwortung ausgelagert.

Die positiven Ergebnisse der KI-Integration

Auf der positiven Seite hat die KI-Integration in unsere Arbeitsabläufe die Effizienz der Programmüberprüfungszyklen am deutlichsten messbar verbessert. Nach der Einführung KI-gestützter Synthese in unseren Governance-Prozess benötigte die Führungsebene pro Überprüfungssitzung etwa 60 % weniger Zeit, um den Projektstatus aus der Rohdokumentation zu rekonstruieren. Das ist in einem Umfeld, in dem leitende Entscheidungsträger gleichzeitig mehrere laufende Programme betreuen, keine unbedeutende Zahl. Wir haben pro Zyklus effektiv Stunden der Aufmerksamkeit von Führungskräften zurückgewonnen und auf Beurteilung und Intervention gelenkt, statt auf die Rekonstruktion des Status.

Das zweite messbare Ergebnis war die Risikoerkennung. Wie bereits erwähnt, haben wir zwei erhebliche Programmrisiken früher erkannt, als es mit unserem 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 bedeutet dies Kostenvermeidung. In einem Verteidigungsumfeld bedeutet es operative Einsatzbereitschaft – eine schwerer zu quantifizierende, aber weitaus folgenreichere Größe.

In der strategischen Planung reduzierte die KI-Integration die Zeit zur Erstellung erster Entwürfe technologischer Bewertungen und der grundlegenden Fahrplanstruktur um etwa 70 %. Das bedeutet nicht, dass die endgültige Ausgabe 70 % weniger Aufwand erforderte. Es bedeutet, dass sich der menschliche Aufwand von der Erstellung zur Beurteilung, vom Schreiben zur Bearbeitung und von der Synthese zur Validierung verlagerte. Die Qualität der Ausgabe verbesserte sich, weil Führungskräfte ihre Zeit für Aufgaben einsetzten, die ihr Fachwissen erforderten, statt für mechanische Tätigkeiten.

Die negativen Ergebnisse der KI-Integration

Abdulrhman teilt mit

Die erste Herausforderung war die Akzeptanz. Die zweite Herausforderung war die Konsistenz der Ausgabequalität. Die dritte und wichtigste Erkenntnis betraf die Erwartungen…

Nun zu einer ehrlichen Darstellung dessen, was weniger gut funktioniert hat als erwartet – denn die Gemeinschaft der Technologieführungskräfte ist mit Geschichten, die nur Erfolge feiern, schlecht bedient.

Die erste Herausforderung war die Akzeptanz. 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 einsetzten und Zugriff 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. Technologieakzeptanz ohne Verhaltensänderung ist lediglich teure ungenutzte Software.

Die zweite Herausforderung war die Konsistenz der Ausgabequalität. 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 Datenmüll glaubwürdiger erscheinen. Eine schlecht strukturierte Eingabeaufforderung, die eine gut formatierte, aber analytisch schwache Ausgabe erzeugt, ist in gewisser Weise gefährlicher als eine leere Seite, weil sie falsches Vertrauen schafft. Wir haben gelernt, intensiv in Disziplin bei Eingabeaufforderungen und Eingabegovernance zu investieren, bevor wir den Ausgaben in kritischen Kontexten vertrauten.

Die dritte und wichtigste Erkenntnis betraf die Erwartungen. Organisationen, die KI-Integration als Kostensenkungsmaßnahme verstehen, erzielen tendenziell enttäuschende Ergebnisse, weil sie auf das falsche Resultat optimieren. Organisationen – einschließlich unserer eigenen Programme –, die eine 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 Arbeit, die zuvor unmöglich war, oder erreichen dabei mit unseren Ressourcen ein Qualitätsniveau, das zuvor nicht erreichbar war?“

Diese Neuausrichtung macht den Unterschied zwischen KI als Effizienzwerkzeug und KI als Transformationshebel aus. Und meiner Erfahrung nach erzeugt 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 Sitzungssaal verspricht, und dem, was sie innerhalb eines komplexen institutionellen Umfelds tatsächlich leistet, ist nach wie vor erheblich. 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 begründet, dass KI als intelligente Orchestrierungsebene über unsere Unternehmensplattformen hinweg dienen könnte, die Beziehungen zwischen Systemen versteht, Integrationsfehler erkennt, bevor sie sich kaskadenartig ausbreiten, und in Echtzeit Korrekturmaßnahmen empfiehlt.

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 diese Grenzen zu navigieren. Es steckt in Menschen, in Beziehungen und im 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.

KI hat auch bei natürlichsprachlichen Schnittstellen für nichttechnische Nutzer enttäuscht. Die Theorie war überzeugend: Operativen Mitarbeitern und Führungskräften sollte eine dialogorientierte Schnittstelle zu Unternehmensdaten bereitgestellt werden, wodurch die Abhängigkeit von technischen Vermittlern für jede Abfrage und jeden Bericht entfällt. In der Praxis erwies sich die Kluft zwischen der natürlichen Ausdrucksweise nichttechnischer Nutzer und der zuverlässigen Interpretation dieser Absichten durch KI-Systeme als weitaus größer als erwartet. Die 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 Fähigkeit geschaffen, die für technisch versierte Nutzer gut und für die breitere Zielgruppe, der sie dienen sollte, schlecht funktionierte – also genau das Gegenteil dessen, was Transformation erfordert.

Der dritte Bereich ist die strategische Dokumentenanalyse. Wir erwarteten, dass KI sinnvoll mit den umfangreichen, stark kontextabhängigen und oft mehrdeutigen Richtlinien- und Strategiedokumenten arbeiten würde, die das Rückgrat der Entscheidungsfindung großer staatlicher Institutionen bilden. Wir stellten fest, dass KI diese Dokumente kompetent zusammenfassen kann, aber Schwierigkeiten damit hat, über mehrere Dokumente hinweg zu schlussfolgern, echte Widersprüche zwischen einer in einem Direktorat verfassten Richtlinie und einem in einem anderen verabschiedeten Standard zu erkennen, das politische Gewicht hinter 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 beharrlich menschlich.

Schließlich möchte ich etwas benennen, das in Fallstudien von Anbietern nur selten auftaucht: KI hat nicht die Geschwindigkeit des organisatorischen Lernens geliefert, 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 der KI in einem Programm gewonnene Erkenntnisse sich selbstverständlich verbreiten und die Entscheidungsfindung in anderen Programmen verbessern würden. Tatsächlich blieben die KI-Erkenntnisse in den Teams isoliert, die sie erzeugt hatten, weil sich Organisationsstrukturen, Mechanismen zum Wissensaustausch und kulturelle Normen in Bezug auf Dokumentation und Transparenz nicht weiterentwickelt hatten, um das von der KI Produzierte zu erfassen und zu verteilen. Die Technologie erzeugte mehr Signale, als die Organisation aufzunehmen wusste.

Ich teile all dies nicht als Kritik am Potenzial von KI, von dessen Bedeutung ich nach wie vor zutiefst überzeugt bin, sondern als Erinnerung daran, dass jede der gerade beschriebenen Lücken ein Problem menschlicher Systeme ist, das sich als Technologieproblem tarnt.

Ein KI-Arbeitsablauf zur Optimierung strategischer Programmbewertungen

Ich führe Sie durch einen Arbeitsablauf, der in meiner derzeitigen Praxis zu den wertvollsten gehört: die durch KI erweiterte strategische Programmbewertung. Ich beschreibe ihn von Anfang bis Ende, weil sein Wert nicht in einem einzelnen Schritt liegt, sondern darin, wie die Schritte miteinander verbunden sind.

Dieser Arbeitsablauf wird typischerweise ausgelöst, wenn ein Programm einen kritischen Entscheidungspunkt erreicht. In unserem Umfeld könnte es sich um die Migration einer zentralen Unternehmensplattform, die Einführung eines digitalen Gesundheitssystems in einem Netzwerk von Militärkrankenhäusern oder eine Überprüfung der Unternehmensarchitektur im Zusammenhang mit der Neugestaltung eines Zielbetriebsmodells handeln. Dies sind Programme, bei denen die Entscheidung mehrjährige Folgen hat und die Eingaben umfangreich, heterogen und politisch aufgeladen sind.

Der Arbeitsablauf beginnt mit der strukturierten Zusammenführung von Eingaben. Bevor die KI die Analyse berührt, kuratiert mein Team die Eingaben bewusst: Wir sammeln Programmdokumentation, Anbieterangebote, Einreichungen zur technischen Architektur, frühere Prüfungsergebnisse, relevante Richtlinienrahmen und Positionspapiere von Beteiligten in einem strukturierten Korpus. Dieser Schritt ist vollständig menschlich und vollständig beabsichtigt. Die Qualität der nachgelagerten Ausgabe der KI ist direkt proportional zur Qualität und Struktur ihrer vorgelagerten Eingaben. Diese Lektion haben wir in frühen Implementierungen auf die harte Tour gelernt und behandeln die Steuerung der Eingaben heute als eine nicht verhandelbare Disziplin.

Als Nächstes führen wir eine KI-gestützte Synthese durch. Wir geben den kuratierten Korpus durch ein Sprachmodell mit einer sorgfältig entwickelten Eingabearchitektur, 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 formulierten Zielen und vorgeschlagenen Architekturen zu erkennen, behauptete, aber nicht belegte Annahmen sichtbar zu machen, Abhängigkeiten zu markieren, die in einem Dokument auftauchen, in einem anderen jedoch fehlen, und Risikomuster hervorzuheben, die den Profilen entsprechen, bei denen wir in früheren Programmen Fehler beobachtet haben. Das Ergebnis ist ein strukturiertes Analysebriefing und keine Zusammenfassung.

Der dritte und menschlichste Schritt ist die kritische Prüfung und Rekontextualisierung. Ein leitender Berater – in den meisten Fällen ich oder ein vertrauter technischer Leiter – liest das von der KI erstellte Briefing nicht als Schlussfolgerung, sondern als Ausgangspunkt für eine Befragung. Wir fragen: Was hat das Modell sichtbar gemacht, was wir nicht bewusst formuliert hatten? Was hat es übersehen, was wir aus institutioneller Erfahrung wissen? Wo ist es technisch korrekt, aber institutionell naiv? Hier stiften neunzehn Jahre Tätigkeit in diesem Umfeld einen Wert, den kein Modell nachbilden kann. Das KI-Briefing schärft die Fragen. Das menschliche Urteilsvermögen liefert die Antworten.

Der vierte Schritt umfasst die Entscheidungsvorbereitung. 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 realistischen Wahrscheinlichkeiten und Auswirkungen 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 das Entscheidungstor mit einem klareren Bild und gezielteren Fragen.

Der fünfte Schritt ist die Ergebniserfassung – hier versäumen es die meisten Organisationen, konsequent zu handeln. Nachdem die Entscheidung getroffen und das Programm fortgeführt wurde, dokumentieren wir nicht nur, was entschieden wurde, sondern auch, welche Erkenntnisse die KI-Analyse zutage gefördert hat, die sich als zutreffend erwiesen, was sie übersehen hat und welche Annahmen sich als falsch herausgestellt haben. Dieses Feedback wird nicht in einem Ordner abgelegt, sondern fließt in unsere Prompt-Architektur und Standards für die Eingabesteuerung des nächsten Programms zurück. Der Workflow verbessert sich mit jeder Iteration, weil wir jeden Durchlauf als Lernereignis betrachten.

Dieser Workflow hatte eine bedeutende, messbare Wirkung. Er hat die Dauer von Bewertungszyklen für wichtige Programmprüfungen 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 des Dialogs auf Führungsebene an Entscheidungstoren gesteigert, weil Führungskräfte ihre Zeit mit echten Ermessensentscheidungen verbringen, statt den Status aus Rohinformationen rekonstruieren zu müssen.

Ich möchte die Designphilosophie dieses Workflows hervorheben. Die KI trifft keine einzelne Entscheidung; sie verarbeitet, synthetisiert und macht Erkenntnisse sichtbar. Jede Beurteilung, jede Validierung und jede Empfehlung bleibt menschlich.

Wie sich Fallstricke bei der Einführung von KI vermeiden lassen

Abdulrhman teilt

Ich habe gelernt, dass intellektuelle Ehrlichkeit im Umgang mit Unsicherheit in wirklich unbekanntem 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 angenommen hatte.

Das organisatorische Immunsystem ist real, mächtig und wird schneller aktiv, als sich ein KI-Tool einsetzen lässt. 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. Ich hatte dies bereits intellektuell verstanden, bevor wir begannen, 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 Wert besaß, äußerte sich der Widerstand nicht als Opposition, sondern als Befolgung ohne 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 in einer großen Institution ist nahezu unsichtbar, bis man die Ergebnisse misst. Wenn die Messung das Problem offenlegt, sind bereits Monate an Dynamik verloren.

In diesem Zusammenhang wünschte ich, ich hätte gewusst, wie stark die Rahmung der Einführung deren Aufnahme dauerhaft prägen würde. Bei unseren ersten Implementierungen unterlief uns ein Kommunikationsfehler, den ich für einen der folgenreichsten Fehler der Initiative halte. Um Unterstützung durch die Führungsebene aufzubauen und Investitionen zu rechtfertigen, beschrieben wir KI-Tools mit der Sprache der Effizienz: schneller, schlanker, produktiver.

Diese Rahmung war in einem engen technischen Sinn 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 Stellenabbau. Sie hören, 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 überflüssig machen könnte. Die durch diese Rahmung erzeugte Abwehrhaltung abzubauen, dauerte Monate 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 größerem Vertrauen in meine Überzeugung über die richtige Richtung als in mein operatives 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, das Führungsvertrauen auszustrahlen, das große Programme erfordern, vermittelte ich mitunter eine Sicherheit, die ich nicht besaß – und schuf dadurch Erwartungen, die von der Realität anschließend erschwert wurden. Ich habe gelernt, dass intellektuelle Ehrlichkeit im Umgang mit Unsicherheit in wirklich unbekanntem 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 angenommen hatte.

Warum KI eine neue Art von Technologieführungskraft erfordert

Das KI-Zeitalter entwertet systematisch ein bestimmtes Profil von Technologieführungskräften: den Experten, der über Jahre disziplinierten Lernens und Übens tiefes technisches Wissen angesammelt, durch Beherrschung Autorität aufgebaut und als die sachkundigste Person im Raum geführt hat. Dieses Profil dominierte jahrzehntelang die Technologieführung und erzielte außergewöhnliche Ergebnisse, wenn Wissen der Engpass und Expertise der Wettbewerbsvorteil war. Die KI beseitigt dieses Profil nicht über Nacht. Aber sie untergräbt seine Grundlagen schneller, als die meisten Menschen mit diesem Profil anerkennen, und Institutionen, die von diesem Profil abhängig sind, ohne seinen Nachfolger zu entwickeln, bauen ein Führungsrisiko auf, das sie bisher 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 (weil KI synthetisieren kann), sondern im Urteilsvermögen. Führungskräfte, die mit Organisationsdynamiken, menschlicher Psychologie und institutionellen Machtstrukturen ebenso vertraut sind wie mit Technologie. Führungskräfte, die angesichts eines Werkzeugs, das ständig Selbstsicherheit 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 klar und gründlich beantworten, die frühere Generationen von Technologieführungskräften nur selten stellen mussten: Welchen menschlichen Wert füge ich hinzu, den KI nicht nachbilden kann, und investiere ich mit derselben Disziplin in diesen Wert, die ich auch für meine technische Weiterentwicklung aufbringe?

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 die KI-Steuerung — so wichtig sie auch sind. Es ist die Bereitschaft, klar zu betrachten, was man einbringt, das ein Modell nicht kann, und genau darin bewusst und unermüdlich zu investieren.

Das KI-Zeitalter erzeugt Komplexität in einer Geschwindigkeit und Größenordnung, für die es in der Geschichte des Technologiebereichs keinen Präzedenzfall gibt. Führungskräfte, die damit gut umgehen 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, die Komplexität erfordert: Urteilsvermögen, Demut, Mut, institutionelle Weisheit und die Klarheit des Ziels, die es ihnen ermöglicht, leistungsfähige Werkzeuge 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 sorgfältig darüber nachzudenken, was wir als Führungskräfte werden müssen, um ihrer Steuerung würdig zu sein.

Fünf Ratschläge für CTOs

Ich möchte Ratschläge geben, die nützlich sind, statt Ratschläge, die auf einer Konferenzbühne gut klingen. Deshalb teile ich, was ich auf Grundlage von neunzehn Jahren glaube, in denen ich den Wandel innerhalb eines der komplexesten vorstellbaren institutionellen Umfelder geleitet habe.

Erstens: Widerstehen Sie dem Druck, eine KI-Strategie zu haben. Ihre Organisation braucht eine Geschäftsstrategie, der die KI dient. Ich habe erlebt, dass Technologieführungskräfte zu viel Energie darauf verwenden, KI-Fahrpläne zu erstellen, KI-Kompetenzzentren aufzubauen und KI-Initiativen anzukündigen, während sie die grundlegende Frage, welches Problem sie für die Institution lösen, unbeantwortet lassen. KI ohne strategische Klarheit ist keine Transformation, sondern ausgefeilte Aktivität, die sich als Fortschritt tarnt. Beginnen Sie mit dem Ergebnis, für dessen Erreichung Sie verantwortlich sind, und arbeiten Sie rückwärts zu dem Punkt, an dem KI den größten Hebel erzeugt. Diese Reihenfolge ist von enormer Bedeutung.

Zweitens: Betrachten Sie die Einführung als die zentrale technische Herausforderung, nicht die Integration. Die schwierigste Aufgabe beim Einsatz von KI besteht nicht darin, das Modell mit Ihren Systemen zu verbinden, sondern darin, die Art und Weise zu verändern, wie Ihre Mitarbeiter in Gegenwart von KI-Unterstützung denken, entscheiden und arbeiten. Meiner Erfahrung nach investieren Organisationen in diesem Bereich um eine Größenordnung zu wenig. Sie verwenden 80 Prozent ihres Budgets auf Technologie und 20 Prozent auf Veränderungen bei Menschen und Prozessen, obwohl das Verhältnis, das Ergebnisse hervorbringt, eher umgekehrt ist. Wenn Ihre KI-Initiative keine ernsthafte Komponente für Veränderungsmanagement und Kompetenzaufbau enthält, bauen Sie unabhängig davon, wie ausgefeilt Ihre Architektur ist, auf Sand.

Drittens: Schützen Sie Ihre Urteilskraft konsequent. Je leistungsfähiger KI wird und je stärker sie in Arbeitsabläufe eingebettet ist, desto größer wird der ständige Druck – subtil und weniger subtil –, ihre Befugnisse auszuweiten: sie nicht nur Entscheidungen informieren, sondern treffen zu lassen, nicht nur Risiken zu kennzeichnen, sondern zu lösen, nicht nur Empfehlungen zu entwerfen, sondern zu genehmigen. Widerstehen Sie dem. Nicht, weil KI in bestimmten Bereichen technisch nicht dazu in der Lage wäre, sondern weil Ihre Organisation in dem Moment, in dem sie die Gewohnheit menschlicher Urteilskraft verliert, etwas verliert, das außerordentlich schwer wiederaufzubauen ist. Urteilskraft ist ein Muskel. Organisationen, die ihn nicht mehr trainieren, bleiben nicht statisch; sie verkümmern. In einem Umfeld mit hohen Risiken kostet Sie diese Verkümmerung im denkbar ungünstigsten Moment viel.

Viertens: Schenken Sie souveränen KI-Ökosystemen ernsthafte Aufmerksamkeit, insbesondere wenn Sie im Regierungs-, Verteidigungsbereich oder im Bereich kritischer nationaler Infrastruktur tätig sind oder an diese Bereiche angrenzen. Hinterfragen Sie die Annahme, dass globale Hyperscale-Plattformen die Standardarchitektur für Unternehmens-KI bleiben werden. In Saudi-Arabien erleben wir die Entstehung einer wirklich 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 Governance-Komplexität großer Institutionen entwickelt. Für CTOs, die in regulierten oder sicherheitssensiblen Umgebungen arbeiten, ist die Frage, wo Ihre KI läuft, auf wessen Infrastruktur, unter welcher Gerichtsbarkeit und mit wessen Daten sie trainiert wurde, keine Compliance-Checkliste; sie ist eine grundlegende Architekturentscheidung, die die KI-Ausrichtung Ihrer Organisation im kommenden Jahrzehnt bestimmen wird.

Fünftens und letztens: Investieren Sie mit derselben Disziplin, mit der Sie in die technischen Fähigkeiten Ihrer Organisation investieren, in Ihre eigene Urteilskraft als Führungskraft. Dies ist der Rat, den ich für den wichtigsten und zugleich 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 unabhängig davon, was einer von uns tut, weiterentwickeln. Die entscheidende Variable ist die Qualität der menschlichen Führung, die sie lenkt.

Wir befinden uns nicht in einem Wettlauf darum, KI möglichst schnell einzuführen; wir befinden uns in einem Wettlauf darum, sie möglichst klug einzuführen. Meiner Erfahrung nach war Weisheit noch nie eine Funktion, die man installieren kann.

Folgen Sie uns

Sie können Abdulrhman AlOdhaybs Arbeit auf LinkedIn verfolgen.

Weitere Experteninterviews folgen im The CTO Club.