Von KI-Piloten zu messbarer Wirkung: Warum KI-Transformation am Operating Model entscheidet
Warum Interim Management bei KI-Transformation eine Schlüsselrolle spielen kann | Ein Beitrag von Marc Kresin, Leiter der DDIM.fachgruppe // Digitalisierung und Industrie 4.0
Es gibt erste Tools. Erste Piloten. Erste Workshops. Erste Use Cases. In vielen Organisationen nutzen Mitarbeitende KI bereits im Alltag, oft schneller, als es offizielle Programme abbilden können.
Das ist ein Fortschritt. Aber es ist noch keine Transformation.
Denn die entscheidende Frage lautet nicht mehr: Nutzt ein Unternehmen KI?
Die entscheidende Frage lautet: Verändert KI messbar, wie Wert entsteht?
Genau an dieser Stelle wird es anspruchsvoll. Viele Unternehmen stehen heute nicht mehr vor einem Erkenntnisproblem. Sie wissen, dass KI relevant ist. Sie haben erste Erfahrungen gesammelt. Sie sehen Potenziale in Produktivität, Qualität, Kundeninteraktion, Wissensarbeit, Softwareentwicklung oder Entscheidungsunterstützung.
Trotzdem bleibt der wirtschaftliche Effekt oft diffus.
Es gibt Aktivität, aber noch keine klare Wirkung. Es gibt Piloten, aber keine Skalierung. Es gibt Tools, aber kein neues Arbeitsmodell. Es gibt Begeisterung in einzelnen Teams, aber keine belastbare Integration in Prozesse, Governance und Verantwortung.
Das ist die eigentliche KI-Lücke.
Sie liegt nicht primär in der Technologie. Sie liegt im Operating Model.
KI-Wert entsteht nicht durch Nutzung, sondern durch Integration
Ein Unternehmen kann KI breit einsetzen und trotzdem wenig strukturellen Wert erzeugen.
Das passiert immer dann, wenn KI nur auf bestehende Arbeitsweisen gelegt wird. Mitarbeitende schreiben schneller Texte, analysieren schneller Dokumente oder automatisieren einzelne Aufgaben. Das kann sinnvoll sein. Es bleibt aber häufig lokal, individuell und schwer messbar.
Wirkung entsteht erst, wenn KI in reale Wertströme eingebettet wird.
Das bedeutet: Prozesse verändern sich. Rollen verändern sich. Entscheidungswege verändern sich. Datenflüsse werden nutzbar. Governance wird klar. Verantwortung wird zugeordnet. Führung entscheidet, wo KI experimentell bleiben darf und wo sie produktiv, skalierbar und kontrolliert betrieben werden muss.
Ohne diese Verbindung bleibt KI ein Produktivitätstool.
Mit dieser Verbindung wird KI ein Transformationshebel.
Der Unterschied ist wesentlich. Ein Tool verbessert eine Tätigkeit. Ein Transformationshebel verändert das System, in dem diese Tätigkeit stattfindet.
Die Pilotfalle: Warum viele KI-Initiativen nicht skalieren
Viele Organisationen starten mit guten Absichten. Sie identifizieren Use Cases, bauen Prototypen, testen Tools und schaffen erste Erfolgsgeschichten. Dann kommt der schwierige Teil: Skalierung.
Hier zeigt sich, ob KI wirklich in der Organisation ankommt.
Skalierung bedeutet nicht, einen Pilot auf mehr Nutzer auszurollen. Skalierung bedeutet, eine Lösung so in Prozesse, Systeme und Verantwortlichkeiten einzubetten, dass sie zuverlässig Wert erzeugt.
Dafür müssen mehrere Fragen beantwortet werden:
- Welcher Geschäftswert soll entstehen?
- Welche Prozesse werden verändert?
- Welche Datenbasis ist tragfähig?
- Wer entscheidet über Prioritäten?
- Wer trägt fachliche Ownership?
- Welche Risiken müssen gesteuert werden?
- Wie wird Wirkung gemessen?
- Wie wird die Lösung betrieben, verbessert und kontrolliert?
Wenn diese Fragen offenbleiben, entstehen typische Muster. KI-Initiativen bleiben in Fachbereichen isoliert. IT, Business, Datenschutz und Compliance arbeiten nacheinander statt gemeinsam. Piloten werden technisch erfolgreich, aber organisatorisch nicht verankert. Führungsgremien erhalten Fortschrittsberichte, aber keine echte Entscheidungsgrundlage. Mitarbeitende nutzen KI informell, während offizielle Programme noch Governance definieren.
Das Ergebnis ist nicht Stillstand. Es ist fragmentierte Bewegung.
Und fragmentierte Bewegung erzeugt selten strategische Wirkung.
Fehlende Wertschöpfung durch KI entsteht nicht durch fehlende Technologie, sondern durch fehlende systemische Umsetzung
Abbildung 1: Warum KI-Initiativen häufig in der Wertlücke stecken bleiben. Viele Unternehmen haben Experimente, Piloten und erste Use Cases. Wirkung entsteht jedoch erst, wenn KI in Workflows, Daten, Systeme, Entscheidungsrechte und Verantwortung integriert wird.
Vier Ebenen wirksamer KI-Transformation
Damit KI aus der Pilotphase herauskommt, braucht es eine klare Transformationslogik. KI-Wirkung entsteht nicht auf einer einzelnen Ebene. Sie entsteht im Zusammenspiel eines tragfähigen Systems.
Organisation und Führung bilden die Basis. Das Execution System sorgt für Steuerung und Priorisierung. Das Transformation Design verbindet Einzelinitiativen zu einer Systemarchitektur. Erst daraus entsteht im Value Layer sichtbare Wirkung.
Transformation & KI: Vom Wert zur Wirkung. Wert entsteht durch ein tragfähiges System
Abbildung 2: Transformation & KI: Vom Wert zur Wirkung. KI wird erst skalierbar, wenn Wertlogik, Transformationsdesign, Umsetzungssystem sowie Organisation und Führung tragfähig miteinander verbunden sind.
1. Value Layer: Welcher Wert soll entstehen?
Am Anfang steht nicht die Technologie. Am Anfang steht die Wertfrage.
KI muss an konkrete unternehmerische Ziele gekoppelt werden: Umsatzwachstum, Kostensenkung, schnellere Durchlaufzeiten, bessere Entscheidungsqualität, höhere Servicequalität, geringere Fehlerquoten oder neue Geschäftsmodelle.
Ohne diese Wertlogik wird KI schnell zum Suchraum ohne Priorität.
Die zentrale Frage lautet: Wo ist KI wirklich relevant für die Wertschöpfung des Unternehmens?
Nicht jeder Use Case verdient Managementaufmerksamkeit. Nicht jeder Effizienzgewinn ist strategisch. Nicht jede technische Möglichkeit rechtfertigt organisatorische Veränderung.
Der Value Layer zwingt zur Priorisierung. Er trennt interessante Experimente von transformationsrelevanten Initiativen.
2. Transformation Design: Was muss sich strukturell verändern?
Wenn klar ist, wo Wert entstehen soll, folgt die zweite Ebene: das Transformationsdesign.
Hier geht es um Fähigkeiten, Prozesse, Daten, Applikationen, Organisation und Zielarchitektur. KI wird nur dann wirksam, wenn sie in ein tragfähiges sozio-technisches Design eingebettet wird.
Das klingt abstrakt, ist aber sehr konkret.
Ein KI-gestützter Vertriebsprozess braucht andere Datenflüsse, andere Rollen, andere Entscheidungslogiken und andere Qualitätskontrollen als ein klassischer Prozess. Ein KI-gestütztes Service-Modell verändert Eskalationswege, Wissensmanagement und Kundenerlebnis. Ein KI-Agent, der mehrstufige Aufgaben übernimmt, braucht klare Grenzen, Freigaben, Monitoring und menschliche Eingriffspunkte.
Transformation Design beantwortet deshalb die Frage: Wie muss das System aussehen, damit KI nicht nur funktioniert, sondern verantwortbar wirkt?
3. Execution System: Wie wird aus Absicht Umsetzung?
Die dritte Ebene ist das Execution System.
Viele KI-Programme scheitern nicht an fehlender Ambition, sondern an fehlender Umsetzungskraft. Es gibt zu viele Initiativen, unklare Prioritäten, wechselnde Sponsoren, überlastete Fachbereiche und keine belastbare Steuerungslogik.
Ein wirksames Execution System schafft Klarheit über Prioritäten, Verantwortlichkeiten, Entscheidungswege, Ressourcen, Meilensteine und Wirkungsmessung.
Wichtig ist dabei: KI-Transformation lässt sich nicht rein klassisch planen. Sie braucht Lernschleifen, Experimente und iterative Entwicklung. Gleichzeitig braucht sie Governance, Risikosteuerung und Verlässlichkeit. Genau diese Balance ist anspruchsvoll.
Zu viel Kontrolle erstickt Lernen. Zu wenig Kontrolle erzeugt Wildwuchs.
Ein gutes Execution System verbindet beides: Geschwindigkeit und Steuerbarkeit.
4. Organization & Leadership: Wer trägt Ownership?
Die vierte Ebene wird häufig unterschätzt: Organisation und Führung.
KI verändert Arbeit. Damit verändert sie Macht, Status, Sicherheit und Verantwortung. Sie stellt Routinen infrage, verschiebt Entscheidungslogiken und macht Unterschiede in digitaler Kompetenz sichtbar.
Deshalb ist KI-Transformation immer auch eine Führungsaufgabe.
Es reicht nicht, Tools bereitzustellen oder Trainings anzubieten. Führung muss klären, wo KI erwünscht ist, wo sie reguliert wird, welche Standards gelten und wie Verantwortung verteilt wird.
Vor allem braucht KI klare Ownership. Nicht als abstrakte Gesamtverantwortung, sondern konkret im Zusammenspiel von Business, IT, Daten, Compliance, HR und Führung.
Wenn alle beteiligt sind, aber niemand wirklich entscheidet, bleibt KI im Zwischenraum stecken.
Das ist kein KI-Sonderproblem
Die gleiche Logik gilt über KI hinaus für Transformation insgesamt. Scheitern entsteht selten durch einen einzelnen Fehler. Meist tragen mehrere Ebenen nicht zusammen: kein klares Wertmodell, isolierte Initiativen, fehlende Umsetzungssysteme, unklare Führung, politische Dynamiken, psychologische Blockaden und kulturelle Barrieren.
KI macht diese Muster nur sichtbarer, weil Technologie schneller verfügbar ist als die Organisation veränderungsfähig wird.
Warum Transformation scheitert. Nicht wegen eines einzelnen Fehlers, sondern weil das System nicht trägt
Abbildung 3: Warum Transformation systemisch scheitert. Transformationen scheitern selten an einem einzelnen Fehler. Häufig fehlt die Kohärenz zwischen Wertmodell, Initiativen, Execution System, Führung, politischen Dynamiken, organisationaler Psychologie und kulturellen Routinen.
Warum Interim Management hier eine Schlüsselrolle spielen kann
Genau an dieser Stelle kann Interim Management besondere Wirkung entfalten.
KI-Transformation braucht keine zusätzlichen PowerPoint-Schichten. Sie braucht Menschen, die zwischen Strategie, Technologie, Organisation und Umsetzung übersetzen können. Menschen, die schnell anschlussfähig werden, Verantwortung übernehmen und in komplexen Strukturen handlungsfähig bleiben.
Interim Managerinnen und Interim Manager können hier mehrere Rollen übernehmen.
Sie können Orientierung schaffen, wenn KI-Initiativen fragmentiert sind.
Sie können Wertlogik und Priorisierung schärfen, wenn zu viele Use Cases parallel laufen.
Sie können zwischen Business, IT und Governance vermitteln, wenn Verantwortlichkeiten unklar sind.
Sie können ein Execution System aufbauen, wenn Programme zwar gestartet, aber nicht wirksam gesteuert werden.
Und sie können Führungsteams entlasten, wenn Transformation zusätzlich zum operativen Geschäft nicht mehr beherrschbar ist.
Der entscheidende Punkt ist: Interim Management ist dann besonders wertvoll, wenn nicht nur beraten, sondern umgesetzt werden muss.
KI-Transformation braucht genau diese Verbindung aus Analyse, Struktur, Entscheidung und Umsetzung.
Nicht jeder KI-Experte ist ein Transformationsarchitekt
Das ist eine wichtige Unterscheidung.
Ein technischer KI-Experte kann Modelle, Tools und Plattformen bewerten. Ein Strategieberater kann Zielbilder und Roadmaps entwickeln. Ein Implementierungspartner kann Lösungen bauen.
Aber KI-Wirkung entsteht erst, wenn all diese Perspektiven in einem funktionierenden Operating Model zusammenkommen.
Dafür braucht es Transformationsarchitektur.
Sie verbindet die Wertfrage mit dem Organisationsdesign. Sie verbindet Technologie mit Governance. Sie verbindet Prozesse mit Führung. Sie verbindet Ambition mit Umsetzung.
Gerade in komplexen Organisationen ist das selten eine rein technische Aufgabe. Es ist eine Führungs-, Struktur- und Umsetzungsaufgabe.
Die eigentliche Frage für Entscheider
Für Entscheiderinnen und Entscheider lautet die zentrale Frage deshalb nicht:
Welche KI-Tools sollten wir einsetzen?
Die bessere Frage lautet:
Welche Teile unseres Operating Models müssen wir verändern, damit KI messbaren Wert erzeugt?
Aus dieser Frage ergeben sich weitere Prüfpunkte:
- Wo entsteht durch KI konkreter Geschäftswert?
- Welche Prozesse müssen neu gedacht werden?
- Welche Entscheidungen müssen näher an die Wertschöpfung?
- Welche Governance ist notwendig, ohne Geschwindigkeit zu verlieren?
- Wer trägt fachliche Ownership?
- Wie messen wir Wirkung?
- Wie verhindern wir, dass erfolgreiche Piloten im organisatorischen Alltag versanden?
Diese Fragen sind unbequem. Aber sie sind notwendig.
Denn KI wird nicht dadurch strategisch relevant, dass sie verfügbar ist. Sie wird relevant, wenn sie in die Art und Weise integriert wird, wie Unternehmen Wert schaffen, Entscheidungen treffen und Arbeit organisieren.
Fazit
KI-Transformation beginnt nicht beim Tool.
Sie beginnt bei der Frage, wie Wert entsteht.
Sie wird tragfähig durch ein klares Transformationsdesign.
Sie wird wirksam durch ein belastbares Execution System.
Und sie wird nachhaltig durch Organisation, Führung und Ownership.
Genau deshalb kann Interim Management bei KI-Transformation eine Schlüsselrolle spielen. Nicht als Ersatz für Strategie, Technologie oder Linie. Sondern als wirksame Brücke zwischen diesen Welten.
Von KI-Piloten zu messbarer Wirkung führt kein direkter Weg über mehr Tools.
Der Weg führt über ein Operating Model, das KI tragen kann.
Marc Kresin ist High-Impact Transformation Architect, Interim Manager und Leiter der DDIM Fachgruppe Digitale Transformation & KI. Er verbindet über 20 Jahre Erfahrung in Technologie, digitalen Geschäftsmodellen und komplexen Transformationsmandaten mit praktischer Umsetzungserfahrung in regulierten Märkten, insbesondere Energie, Handel und Telekommunikation. Sein Fokus liegt auf der Verbindung von Business, Organisation, Technologie und Führung. 2025 wurde er mit dem DDIM Interim Management Excellence Award für die Go-to-Market-Transformation eines führenden Energieunternehmens ausgezeichnet. Seine Arbeitsschwerpunkte sind digitale Transformation, KI-Wertrealisierung, Operating Models, Enterprise Architecture und umsetzungsorientierte Führung in komplexen Veränderungssituationen.
In den DDIM.fachgruppen haben sich Mitglieder zusammengeschlossen, die in gleichen Branchen und Funktionen oder an vergleichbaren Aufgabenstellungen und Sonderthemen arbeiten. Die Mitglieder sind auf ihren Gebieten Experten, sie tauschen ihr Wissen und ihre Erfahrungen aus. Eines ihrer Ziele ist es, das Interim Management in den einzelnen Disziplinen bekannter zu machen sowie mehr Nähe zur Industrie, zu Verbänden und zu Fachmedien herzustellen.
Folgen Sie uns jetzt auf LinkedIn!
