Wem gehört die KI heute?

Warum sich die traditionelle Tech-Hierarchie verändert

Die Frage nach der Zuständigkeit für KI ist die falsche Frage

„Wem gehört KI intern?“ – diese Diskussion wird derzeit in vielen Unternehmen geführt. Ehrlich gesagt ist sie im Juni 2026 jedoch weitgehend selbstreferenziell und lenkt von den eigentlichen Herausforderungen ab. Während Unternehmen noch über Zuständigkeiten debattieren, entwickeln sich Verbraucherinnen und Verbraucher bereits über klassische Chatbots hinaus. Sie bauen ihre eigenen persönlichen KI-Umgebungen auf ihren Computern, verknüpfen diese mit ihren Konten und erteilen ihnen Handlungsvollmachten.

Gleichzeitig senkt die Konsumententechnologie die Zugangshürden zu KI rasant und verändert damit grundlegend, wie Nutzerinnen und Nutzer mit Dienstleistungen interagieren. Sobald KI-Agenten alltägliche Anfragen eigenständig ausführen können, positionieren sie sich zwischen den Nutzenden und den Marktplätzen, die ihre Bedürfnisse erfüllen. Daraus entsteht ein strukturelles Risiko der Disintermediation: Der Agent fungiert als Stellvertreter des Nutzers, während der Marktplatz zunehmend auf die Rolle eines Backend-Dienstleisters reduziert wird. Wettbewerbsvorteile verschieben sich damit auf Geschwindigkeit und Präzision. Zwar bleibt die Entdeckung neuer Angebote relevant, bei wiederkehrenden Aufgaben verliert jedoch die Benutzeroberfläche an Bedeutung.

Für Lieferplattformen, die ein dreiseitiges Marktplatzmodell steuern, bedeutet der Einsatz von Künstlicher Intelligenz heute vor allem eines: interne Prozesse grundlegend neu zu gestalten, um operative Abläufe noch effizienter zu machen. Dies gelingt nur mit einer ganzheitlichen Strategie, die zentral die Anwendungsfälle mit dem höchsten Return on Investment priorisiert und umsetzt, gleichzeitig aber kontrollierte Freiräume an die Fachbereiche überträgt, um dort zahlreiche kleine, aber in Summe wirkungsvolle Effizienzgewinne zu realisieren. Beides ergänzt unsere unternehmensweite Initiative, alle Mitarbeitenden dabei zu unterstützen, KI für ihre persönliche Produktivität einzusetzen.

Die Falle der Zentralisierung

Als wir Anfang dieses Jahres ein zentrales Team aus KI-Spezialistinnen und -Spezialisten aufgebaut haben, verfolgten wir zunächst einen klassischen Top-down-Ansatz. Unsere Entwicklungskapazitäten richteten wir auf die Anwendungsfälle mit dem größten potenziellen Geschäftswert aus. Ähnlich wie aktuelle Branchenstudien zeigen, dass das größte Potenzial agentischer KI in den Bereichen Datenanalyse und Marktintelligenz liegt, kamen auch wir zu genau dieser Erkenntnis und priorisierten unsere Aktivitäten entsprechend.

Daraus entstanden unter anderem ein chatbasierter KI-Analyst sowie automatisierte Root-Cause-Analysis-Agenten (RCA), die funktionsspezifische Ursache-Wirkungs-Bäume analysieren und eigenständig die Treiber wichtiger Kennzahlen über verschiedene Märkte hinweg identifizieren.

Doch wir stießen schnell auf eine ernüchternde Realität: Ein wirklich produktionsreifes KI-System intern zu entwickeln, ist alles andere als trivial. Die Herausforderung liegt nicht im Prototypen, sondern in der enormen Diskrepanz zwischen einer überzeugenden Demonstration und einem robusten, belastbaren Produktivsystem – eine Erfahrung, die viele Kolleginnen und Kollegen aus der Branche teilen.

Langlaufende KI-Agenten sind nicht einfach Software. Sie übernehmen die Rolle vertrauenswürdiger Delegierter. Damit dieses Vertrauen entsteht und bestehen bleibt, müssen Menschen jederzeit eingreifen können, die einzelnen Ausführungsschritte nachvollziehen und sicher sein, dass der Agent auf dem richtigen Weg ist. Dafür braucht es zwingend deterministische Kontrollmechanismen, lückenlose Audit-Trails und belastbare Rollback-Funktionen.

Ohne diese Governance-Mechanismen stagniert das Vertrauen bei etwa 80 Prozent – und KI-basierte Datenprodukte, denen Führungskräfte nur teilweise vertrauen, lassen sich nicht produktiv einsetzen. Die Konzentration auf diese hohen Qualitäts- und Genauigkeitsanforderungen machte unser zentrales Team zunehmend zum Engpass.

Hinzu kommt eine zweite Herausforderung: die Bewertung und Priorisierung neuer Chancen. Die Begeisterung für Künstliche Intelligenz im Unternehmen hat eine Vielzahl potenzieller Anwendungsfälle hervorgebracht, deren Nutzen zunächst durch schnelle Proof-of-Concepts überprüft werden muss. Jeder einzelne mag nur begrenzte Wirkung entfalten, gemeinsam können sie jedoch erhebliche Geschäftsvorteile erzeugen. Ein kleines, hochspezialisiertes Team kann jedoch nicht jede funktionale Mikroeffizienz schnell genug bewerten und validieren. Viele dieser Chancen verschwinden daher in einer Priorisierungslücke.

Wir erkennen zunehmend, dass eine strikt zentralisierte Steuerung genau jene operative Effizienz verhindert, die wir benötigen, um langfristig wettbewerbsfähig zu bleiben. Die Lösung besteht nicht darin, das zentrale Expertenteam immer weiter auszubauen. Die Lösung besteht darin, Verantwortung gezielt an die Ränder der Organisation zu übertragen.

Forward Deployed Builder

Deshalb entwickeln wir uns derzeit in Richtung eines sogenannten Forward-Deployed-Builder-Modells.

Überall im Unternehmen entwickeln KI-affine Mitarbeitende bereits heute eigenständig Lösungen für ihre täglichen Herausforderungen. Sie sind motiviert, diese Innovationen für ihre Teams nutzbar zu machen, stoßen jedoch häufig an Grenzen bei Zugängen, Werkzeugen und Freigaben.

Unser Ziel ist es daher, diese Personen gezielt zu identifizieren und zu befähigen. Sie sollen Zugang zu den richtigen Plattformen erhalten – beispielsweise zu Enterprise-AI-Workspaces für native Aufgaben oder Low-Code-Orchestrierungswerkzeugen für agentische Workflows geringer Komplexität. Durch die Verlagerung von Innovation in die Fachbereiche können diejenigen, die die Prozesse am besten verstehen, ihre eigenen Arbeitsbereiche automatisieren.

Abb.1: Eigene Darstellung

Was früher ein ganzes Quartal an Analyse- und Konzeptionsarbeit erforderte, kann heute innerhalb weniger Wochen zu einer funktionierenden Lösung werden. Wenn sich die Zeit bis zur Wertschöpfung in diesem Ausmaß verkürzt, entsteht der Wettbewerbsvorteil nicht mehr durch den perfekten Masterplan. Entscheidend wird die Fähigkeit, Chancen frühzeitig zu erkennen und kontinuierlich kleine, nützliche Lösungen bereitzustellen und weiterzuentwickeln.

Wer neugierig ist, bereichsübergreifend denkt und organisatorische Silos überwinden möchte, kann als Teil einer solchen Builder-Community einen erheblichen Beitrag zur operativen Differenzierung leisten – vorausgesetzt, diese Aktivitäten erfolgen innerhalb klar definierter Leitplanken und unter der Begleitung spezialisierter Expertinnen und Experten.

Dieser Wandel erfordert zudem ein neues Führungsverständnis. Kürzlich konnte ich beobachten, wie ein hochrangiger Minister aus Singapur die persönliche agentische KI-Umgebung vorstellte, die er tatsächlich für seine diplomatische Arbeit nutzt. Seine Aussage war bemerkenswert einfach:

„Man kann keine Technologie wirksam steuern, über die man sich lediglich berichten lässt.“

Diese praktische Auseinandersetzung mit der Technologie ist letztlich wichtiger als jedes Organigramm oder jede Zuständigkeitsmatrix.

Dezentralisierung braucht neue Governance

Natürlich erfordert Dezentralisierung eine neue Form der Steuerung. Sie basiert auf klaren Leitplanken: Budgetobergrenzen, kontrollierten Zugriffsrechten sowie definierten Freigabelisten für Systeme und Anwendungen.

Ziel ist es, den Fachbereichen die Möglichkeit zu geben, eigenständig Lösungen mit kleinerem („XS“) oder mittlerem („S“) Wirkungspotenzial zu entwickeln. Dadurch kann sich das zentrale KI-Team weiterhin auf komplexe und strategisch bedeutende Projekte konzentrieren, ohne dass der Rest des Unternehmens ausgebremst wird.

Fazit

Hören wir auf, über Zuständigkeiten zu diskutieren. Beginnen wir damit, Ergebnisse zu liefern. Das Zentrum sollte sich auf die schwierigen und strategischen Herausforderungen konzentrieren. Die Fachbereiche sollten sichere Werkzeuge erhalten, um ihre eigenen Probleme zu lösen. Und beide sollten anhand derselben Kennzahl bewertet werden: Wie viel schneller schaffen wir Mehrwert?

Wenn die nächste Generation von KI-Agenten Realität wird, wird genau diese Geschwindigkeit den Unterschied machen. Unser Ziel ist es, darauf vorbereitet zu sein.