Viele Unternehmen fahren aktuell zweigleisig in ihrer Digitalisierung – und genau das wird zunehmend zur strategischen Herausforderung. Auf der einen Seite laufen weiterhin große ERP-Programme: sauber geplant, strukturiert gesteuert, mit klaren Zielarchitekturen und ausgeprägter Governance. Auf der anderen Seite entstehen KI-Initiativen: schnell, experimentell, oft dezentral und mit einer deutlich anderen Entwicklungslogik.

Beides parallel zu managen klingt zunächst nach Fortschritt. In der Praxis führt es jedoch in vielen Organisationen zu einem Spannungsfeld, das noch nicht ausreichend adressiert ist.

In einem aktuellen Beitrag beschreibt Hendrik Hobbhahn treffend, dass viele Organisationen derzeit vor allem eines wollen: „etwas mit KI machen“. Diese Beobachtung trifft einen zentralen Punkt der aktuellen Diskussion – gleichzeitig müssen wir aus meiner Sicht noch darüber hinaus gehen.

Denn die eigentliche Herausforderung liegt nicht darin, KI irgendwie in bestehende Strukturen zu integrieren. Sie liegt darin zu verstehen, dass KI die Grundlogik klassischer Digitalisierungsprogramme verändert. Während ERP-Programme darauf ausgerichtet sind, Prozesse zu stabilisieren, zu standardisieren und operativ zu integrieren, wirkt KI in einer anderen Dimension: Entscheidungen werden unterstützt und auf virtuelle Assistenten verlagert, Wissen wird dynamisch genutzt und Organisationen beginnen, stärker iterativ zu lernen.

ERP digitalisiert Prozesse. KI verändert Entscheidungen, Rollen und Verantwortlichkeiten.

Damit verschiebt sich die eigentliche Wirkungsebene der Digitalisierung. Es geht nicht mehr nur um Effizienz oder Prozessintegration, sondern zunehmend um die Frage, wie Organisationen Wissen generieren, nutzen und Entscheidungen treffen.

Diese Verschiebung hat drei zentrale Konsequenzen:

Erstens: Digitalisierung wird weniger planbar – aber vor allem erfordert sie eine andere organisatorische Reife.

ERP-Programme konnten stark über Zielbilder, Meilensteine und klar definierte Scope-Logiken gesteuert werden. KI-Initiativen dagegen entfalten ihren Nutzen oft erst im iterativen Einsatz und verändern sich entlang der Anwendung selbst.

Die eigentliche Herausforderung liegt dabei weniger in der Methodik als in der Bereitschaft der Organisation, diese Art der Vorgehensweise zu unterstützen. In vielen Unternehmen sind die notwendigen Voraussetzungen für echtes iteratives Arbeiten nur teilweise gegeben – insbesondere in Bezug auf Prozesse, Organisationsstrukturen und kulturelle Erwartungen an Planbarkeit und Steuerbarkeit.

Zweitens: IT wird nicht erst durch KI zur Organisationsfrage – aber sie wird es in einer neuen Qualität.

Schon ERP-Transformationen haben gezeigt, dass Technologieeinführungen immer auch tief in Prozesse, Rollen und Zusammenarbeit eingreifen. Erfolgreiche Programme haben diesen Zusammenhang konsequent berücksichtigt, weniger erfolgreiche sind genau daran gescheitert.

KI verschiebt diese Logik jedoch weiter: Sie betrifft nicht mehr nur Prozesse und Organisationseinheiten, sondern zunehmend die Art, wie Entscheidungen vorbereitet, getroffen und begründet werden. Damit wird Digitalisierung nicht nur zur Frage organisatorischer Anpassung, sondern zur Frage des zugrunde liegenden Organisationsverständnisses.

Drittens: Daten werden weniger ein Qualitäts- als ein Beschleunigungs- und Verantwortungsproblem.

Auch in ERP-Transformationen war Datenqualität ein zentraler Erfolgsfaktor für stabile Prozesse. Im KI-Kontext verschiebt sich jedoch der Charakter deutlich: Daten fließen nicht mehr nur in Prozesse, sondern direkt in Entscheidungslogiken – teilweise in Echtzeit und zunehmend automatisiert oder KI-gestützt. Damit steigen Entscheidungsgeschwindigkeiten erheblich, während gleichzeitig die Zeit für menschliche Prüfung sinkt.

Das führt zu zwei zentralen Herausforderungen:

• Fehlentscheidungen können schneller und in größerem Umfang entstehen
• Verantwortlichkeiten werden schwerer eindeutig zugeordnet

Datenmanagement wird dadurch nicht nur zur Frage von Qualität und Governance, sondern auch zur Frage von Steuerbarkeit, Geschwindigkeit und Verantwortung im Entscheidungsprozess.

ERP und KI stehen somit nicht nur für unterschiedliche Technologien, sondern für unterschiedliche Formen der Unternehmenssteuerung.

ERP basiert auf Stabilität, Standardisierung und planbarer Umsetzung. KI basiert auf Lernen, Geschwindigkeit und zunehmend datengetriebenen Entscheidungsprozessen.  

Im Ergebnis entsteht eine neue Managementaufgabe: beide Logiken gleichzeitig im Unternehmen zu verankern, ohne sie zu vermischen oder zu blockieren.

Die entscheidenden Fragen verschieben sich damit auf eine neue Ebene:

• Wie gestalten wir eine Organisation mit zwei unterschiedlichen Steuerungslogiken?
• Wie entwickeln wir eine Entscheidungsarchitektur, in der Mensch und KI sinnvoll zusammenspielen?
• Und wie erhöhen wir den Reifegrad der Organisation, um mit höherer Geschwindigkeit und Unsicherheit umgehen zu können?

Die eigentliche Herausforderung ist damit weniger die Einführung neuer Technologien – sondern die Fähigkeit, Organisationen zu bauen, die Stabilität und Geschwindigkeit gleichzeitig beherrschen.

Mich interessiert: Wie gehen andere Unternehmen aktuell mit diesem Spannungsfeld zwischen Stabilität und Lernen um?

Dieser Beitrag ist Teil einer Serie gemeinsam mit Hendrik Hobbhahn, Vera Schmidt und der DDIM.fachgruppe // Projekt- und Programm-Management, in der wir unterschiedliche Aspekte im Spannungsfeld von Digitalisierungsprojekten aus der Perspektive von Interim Managern aufnehmen.