KI übernimmt Aufgaben, nicht Verantwortung

Herr Kukacka, ganz ehrlich: Gibt es eine Aufgabe in Ihrem eigenen Arbeitsalltag, die Sie heute bereits vollständig oder fast vollständig an die Künstliche Intelligenz abgegeben haben?

Ja, und zwar die erste Fassung von fast allem. Recherchen, Zusammenfassungen langer Dokumente, Erstentwürfe von Analysen und Auswertungen tabellarischer Daten – das mache ich heute nicht mehr selbst. Auch unser Buch ist in Teilen mit KI entstanden; alles andere wäre bei diesem Thema eine Themenverfehlung gewesen. Wichtig ist mir die Unterscheidung: abgegeben habe ich die Vorarbeit, nicht die Verantwortung. Die Beurteilung, ob ein Ergebnis stimmt und ob ich es vertreten kann, bleibt bei mir. Das ist keine Floskel, sondern die Grenze, an der Führung anfängt. Was ich Führungskräften konkret empfehle: eine strukturierte Zwanzig-Minuten-Routine am Beginn des Arbeitstages, bevor die erste E-Mail geöffnet wird. Fünf Minuten Tagesbriefing aus dem Kalender, fünf Minuten Marktradar, zehn Minuten eine substanzielle Denkaufgabe mit der KI als Sparringspartner. Das klingt banal, verändert aber die Qualität der Entscheidungen eines ganzen Tages – und es ist die glaubwürdigste Form von Change Leadership, die ich kenne. Führungskräfte, die selbst nicht nutzen, was sie genehmigen, werden von ihren Teams sehr genau durchschaut.

Ihr Buch trägt den Titel „KI ist Chefsache“. Warum darf Künstliche Intelligenz aus Ihrer Sicht nicht allein der IT-Abteilung überlassen werden?

Weil die Fragen, an denen KI-Vorhaben scheitern, keine technischen Fragen sind. Wenn wir gescheiterte Transformationen aufarbeiten, kommen wir quer durch Branchen und Unternehmensgrößen zum selben Ergebnis: Der entscheidende Faktor ist in der Mehrzahl der Fälle das Verhalten der Führungsspitze – nicht die Technologie, nicht das Budget und schon gar nicht mangelnde Bereitschaft der Mitarbeitenden. Das Muster ist fast immer dasselbe und meist subtil: Eine Führungskraft genehmigt ein KI-Projekt, nutzt es aber selbst kaum, kehrt beim ersten Rückschlag zur Excel-Tabelle zurück, kommuniziert im Meeting volle Unterstützung und sät im Zweiergespräch Bedenken. Teams beobachten Verhalten, nicht Worte. Dazu kommt: Welche Prozesse wir automatisieren, welche Entscheidungen wir an Maschinen delegieren, welches Risiko wir tragen wollen und was mit den Menschen passiert, deren Aufgaben sich verändern – das sind Eigentümer- und Vorstandsfragen. Die IT kann sie nicht beantworten und sollte es auch nicht müssen. Der Titel ist deshalb keine Zuspitzung, sondern eine Zuständigkeitsklärung. KI nicht programmieren zu können, ist völlig in Ordnung. Sie nicht führen zu können, ist es nicht.

Wo sehen Sie die größten Chancen von KI speziell für Industrieunternehmen?

Wir arbeiten im Buch mit sieben Wertschöpfungshebeln, entlang derer man systematisch suchen kann, statt in Meetings spontan Ideen zu sammeln. Für die Industrie sind vier davon besonders ergiebig. Erstens die Fehlererkennung: KI erkennt Muster, die Menschen bei Routine, Müdigkeit und hohem Tempo übersehen – in der Qualitätssicherung, in der Finanzbuchhaltung, in der Vertragsanalyse. Zweitens die Vorhersage: Maschinenausfall, Nachfrageschwankung, Kundenabwanderung – früh genug, um noch handeln zu können. Drittens die Wissensextraktion: In jedem Industriebetrieb steckt Erfahrungswissen in unstrukturierter Form – in Berichten, Dokumentationen, Meetings und E-Mails. KI kann dieses Wissen strukturieren und durchsuchbar machen, was Entscheidungsqualität und -geschwindigkeit erhöht. Viertens die Volumenverarbeitung überall dort, wo wiederkehrende Aufgaben mehr als ein Vollzeitäquivalent binden – wobei das ein Suchraster ist, keine Wirtschaftlichkeitsschwelle. Ob sich ein Fall rechnet, entscheidet der Business Case. Ein weiterer, meist unterschätzter Hebel ist die Augmentation: KI macht Fachexperten besser, nicht überflüssig. Wenn ein Anwalt, Arzt oder Ingenieur mit KI-Unterstützung in der halben Zeit zu besseren Ergebnissen kommt, ist das ein sehr guter Business Case – auch wenn die KI niemals autonom entscheidet.

Gerade größere Unternehmen verfügen über gewachsene Strukturen und Prozesse. Was sind Ihrer Erfahrung nach die größten Hürden bei der Einführung von KI – sind es Technologie, Daten, Unternehmenskultur oder fehlendes Know-how?

In dieser Reihenfolge, von hinten gelesen. Technologie ist am seltensten das Problem. Daten sind ein Thema, aber meist ein lösbares – nur wo sie strukturell fehlen, ist das ein K.-o.-Kriterium. Die beiden echten Hürden sind Kultur und Qualifizierung. Kultur verstärkt. Was in einer Organisation bereits stark ist, wird durch KI stärker. Was schwach ist, wird schwächer. Wo psychologische Sicherheit herrscht, melden Mitarbeitende KI-Fehler früh und die Adoptionskurve wird steiler. Wo sie fehlt, werden Fehler vertuscht, das System wird formal genutzt, aber niemand vertraut ihm. KI ist insofern kein Kulturwandel-Werkzeug, sondern ein Kultur-Verstärker. Die Nutzungsquoten sind gar nicht schlecht – Österreich liegt bei Unternehmen ab zehn Beschäftigten über dem EU-Schnitt, bei Unternehmen ab zweihundertfünfzig Beschäftigten nutzen mehr als zwei Drittel KI. Aber laut der Randstad-ifo-HR-Befragung aus dem dritten Quartal 2025 bieten nur dreißig Prozent der deutschen Unternehmen KI-Weiterbildungen an, dreiundzwanzig Prozent planen sie, siebenundvierzig Prozent bieten keine an. Für Österreich liegen keine identisch erhobenen Werte vor, das Bild dürfte aber ähnlich sein. Diese Lücke zwischen Nutzung und Qualifizierung ist die einzige der drei Rückstandsursachen, die eine Geschäftsführung in neunzig Tagen selbst schließen kann.

Was sollten CEOs und Führungskräfte selbst über KI wissen und welche Themen können sie an Expert:innen delegieren?

Delegierbar ist alles, was Handwerk ist: Modellauswahl, Architektur, Datenpipelines, Integration, Modellmonitoring, die juristische Detailprüfung. Dafür gibt es Fachleute, und die brauchen keinen CEO, der mitredet. Nicht delegierbar sind fünf Dinge. Erstens ein belastbares mentales Modell davon, welche Klasse von Problemen KI heute löst und welche nicht – man muss nicht programmieren können, aber man muss eine Investitionsentscheidung beurteilen können. Zweitens die Fähigkeit, einen vorgelegten KI-Business-Case in einer Viertelstunde auf seine wesentlichen Schwächen zu prüfen. Drittens Change- und Adoptionsverantwortung: Wer nicht weiß, wie hoch die Nutzungsrate im eigenen Haus ist, führt das Projekt nicht. Viertens Governance und Ethik – die Verantwortung dafür bleibt an der Spitze, auch wenn die Arbeit verteilt wird. Und fünftens die eigene tägliche Nutzung. Ein guter Selbsttest ist die Board-Situation: Wenn ein Aufsichtsratsmitglied fragt, wie Sie das Halluzinationsrisiko Ihres Dokumentenassistenten adressieren – können Sie das selbst beantworten oder delegieren Sie die Frage an den CTO neben Ihnen? Executive-Sprachkompetenz in KI ist nicht akademisch – sie ist das Mittel, mit dem Führungskräfte in entscheidenden Momenten Vertrauen gewinnen oder verlieren. Und sie ist erlernbar mit überschaubarem Aufwand.

Viele Führungskräfte stehen vor der Frage: Wo beginnen? Welche ersten drei Schritte würden Sie einem Unternehmen empfehlen, das KI strukturiert und sinnvoll in den Arbeitsalltag integrieren möchte?

Erstens: eine ehrliche Bestandsaufnahme. Wo stehen wir wirklich auf der Skala von Bewusstsein bis Transformativ? Und ein vollständiges Inventar aller KI-Systeme, die im Haus tatsächlich im Einsatz sind – nicht der genehmigten, sondern der genutzten. Viele Unternehmen finden dabei Anwendungen, die inoffiziell und ohne Governance im Einsatz sind. Parallel dazu: die eigene Nutzung starten. Das kostet zwanzig Minuten am Tag. Zweitens: Chancen systematisch identifizieren statt Ideen sammeln. Dafür gibt es eine Zehn-Minuten-Chancen-Diagnose, die Sie in jedem Bereichsmeeting ohne Vorbereitung durchführen können: Welche drei wiederkehrenden Aufgaben binden am meisten Zeit? Wo entstehen die Fehler, die wir regelmäßig korrigieren? Welche Information hätten wir gerne drei Tage früher? Die Top-drei-Ideen laufen anschließend durch einen Vier-Fragen-Schnelltest: Datenverfügbarkeit, Musterwiederholung, definierbarer Outcome, Handlungsfähigkeit. Drittens: klein anfangen, aber mit schriftlichen Stop/Go-Kriterien. Wir arbeiten mit einem Drei-Phasen-Modell – Proof of Value über sechs bis zehn Wochen, dann ein kontrollierter Pilot, dann erst der Rollout. Die Kriterien werden vor dem Start definiert, nicht reaktiv nach dem ersten Rückschlag. Das schützt das Budget und macht Abbrüche zu Lernerfolgen statt zu Gesichtsverlusten.

Mit KI verändern sich nicht nur Prozesse, sondern möglicherweise auch Aufgaben und Berufsbilder. Welche Kompetenzen werden Mitarbeiter:innen und Führungskräfte künftig stärker brauchen?

Es gibt eine Besonderheit dieser Technologie, die selten offen ausgesprochen wird: KI wirft alle auf Anfängerniveau zurück, unabhängig von Titel, Erfahrung oder bisherigem Erfolg. Alle Mitarbeitenden werden wieder zu Lehrlingen, jeder Bereichsleiter erarbeitet sich seinen Gesellenstand neu, und der CEO ist in diesem neuen Handwerk kein Meister. Das ist keine Bedrohung, sondern eine seltene Chance: Organisationen, die das ehrlich anerkennen und daraus eine gemeinsame Lernkultur machen, gewinnen einen Vertrauensvorsprung, den kein Budget kaufen kann. Auf Mitarbeitendenseite geht es weniger um Tool-Bedienung als um Urteilsfähigkeit: Wann ist ein KI-Ergebnis plausibel, wann nicht? Wo muss ich nachprüfen? Prompt-Kompetenz ist erlernbar, kritische Distanz zum Output ist die eigentliche Qualifikation. Für Führungskräfte sehen wir fünf Kompetenzen: konzeptuelle KI-Kompetenz, strategische Investitionskompetenz, Change- und Leadership-Kompetenz, Governance- und Ethikkompetenz sowie die persönliche KI-Praxis. Keine davon ist technisch. Es sind Führungskompetenzen, die es längst gibt – sie müssen nur KI-spezifisch geschärft werden. Der Aufwand ist überschaubar.

Beim Einsatz von KI geht es auch um Datenschutz, Sicherheit und rechtliche Rahmenbedingungen. Wie können Unternehmen Innovation ermöglichen, ohne dabei die notwendigen Leitplanken aus den Augen zu verlieren?

Indem sie aufhören, Compliance als Bremse zu denken. Unternehmen, die früh in Governance investieren, haben Wettbewerbsvorteile durch Compliance-Reife – und in einem Szenario verschärfter Regulierung, das wir für durchaus möglich halten, wird Vertrauen zum Differenzierungsmerkmal. Drei Punkte zum EU AI Act, die viele Führungskräfte unterschätzen. Er knüpft nicht am Firmensitz an, sondern am Markt. Er richtet sich nicht nur an Hersteller: Wer ein KI-System einkauft und einsetzt, ist Betreiber und hat eigene Pflichten – der Satz „Das ist Sache unseres Anbieters“ trägt nicht. Und es gibt eine Pflicht, die unabhängig von der Risikoklasse jeden trifft, der KI einsetzt: Betreiber müssen die KI-Kompetenz jener Menschen fördern, die mit diesen Systemen arbeiten. Wenn Ihre Mitarbeitenden ein öffentliches Sprachmodell für Übersetzungen nutzen, sind Sie bereits Betreiber. Praktisch heißt Leitplanke: Inventar aller Systeme, Klärung der eigenen Rolle je System, Risikoeinschätzung, dokumentierte Schulung. Unabhängig davon empfehlen wir eine namentlich benannte Person dafür – der AI Act selbst verlangt weder einen KI-Beauftragten noch ein eigenes Gremium. Der typische Fehler bei der Rolle des AI Ethics Officers ist, dass sie ganz fehlt oder auf „nach dem Rollout“ verschoben wird – der Zeitaufwand läge bei ein bis drei Stunden pro Woche.

Sie sprechen in Ihrem Buch von einer „gelungenen Transformation“. Wann ist eine KI-Transformation aus Ihrer Sicht tatsächlich gelungen – und woran lässt sich ihr Erfolg messen?

Gelungen ist sie dann, wenn im Unternehmen nicht mehr über KI-Projekte gesprochen wird, sondern über Arbeit. Ein Projekt hat ein Ende mit einem definierten Ergebnis und ein Budget. Eine Transformation ist ein kontinuierlicher Prozess, in dem eine Organisation lernt, KI als Standard zu nutzen statt als Ausnahmezustand. Der Unterschied zeigt sich an der Frage, die nach dem Go-live gestellt wird: „Ist das Projekt abgeschlossen?“ oder „Was haben wir gelernt und was ändert das an dem, was wir als Nächstes tun?“ Die meisten Unternehmen im deutschsprachigen Raum sind im Projektmodus, auch wenn sie Transformation sagen. Messbar ist das durchaus. Technische Kennzahlen wie Genauigkeit und Verfügbarkeit werden ohnehin erhoben; entscheidend sind die Adoptionskennzahlen. Wir arbeiten mit sechs, darunter die Active User Rate – der Anteil der Zielgruppe, der das System mindestens dreimal pro Woche aktiv nutzt, Richtwert mindestens siebzig Prozent nach sechzig Tagen – und die Shadow Process Rate, also der Anteil der Fälle, in denen parallel noch der alte Prozess läuft. Der Zielwert liegt unter fünfzehn Prozent nach neunzig Tagen; ab dreißig Prozent haben Sie kein KI-System, sondern eine teure Zweitmeinung. Und dann das, was am häufigsten fehlt: gemessene Ausgangswerte vor dem Rollout, eine namentlich verantwortliche Person für das KPI-Tracking nach Projektende und ein Review über die ersten zwölf Monate.

Wenn Sie fünf Jahre vorausblicken: Was wird sich durch KI in der Führung und Organisation von Unternehmen am stärksten verändert haben?

Ich halte Punktprognosen bei dieser Technologie für unseriös – wer 2020 präzise vorhergesagt hätte, was Sprachmodelle 2024 können, hätte als Fantast gegolten. Wir arbeiten deshalb mit drei Szenarien: ein Produktivitätsjahrzehnt mit kontinuierlicher Entwicklung, eine Disruptionswelle durch technologische Sprünge, und ein Regulierungsjahrzehnt nach schweren Zwischenfällen. Alle drei sind plausibel, wobei wir das Produktivitätsjahrzehnt am höchsten gewichten – und die Führungskonsequenzen unterscheiden sich erheblich. Was sich nicht ändern wird: Menschen wollen von Menschen geführt werden. Vertrauen aufbauen, Konflikte aushalten, Sinn stiften, Verantwortung tragen, wenn etwas schiefgeht – das bleibt. KI übernimmt Aufgaben, nicht Verantwortung. Wer diesen Unterschied klar hält, wird in jedem der drei Szenarien handlungsfähig bleiben. Die größte konkrete Veränderung sehe ich in hybriden Teams, in denen Menschen und KI-Agenten gemeinsam arbeiten. Das ist die nächste echte Führungsherausforderung: Wer verantwortet die Entscheidung eines Agenten? Wie führt man ein Team, dessen Mitglieder teils keine Menschen sind? Darauf ist kaum eine Organisation vorbereitet.