Generative KI erfolgreich in Unternehmen implementieren

Die Veröffentlichung von ChatGPT hat die Welt verändert. Mit Einführung der Chat-Funktion im November 2022 wurde generative KI (GenKI) für jedermann zugänglich und leicht bedienbar. Experten sind sich einig, dass GenKI nicht nur ein enormes wirtschaftliches Potenzial bietet, sondern als Basistechnologie auch die Art und Weise wie wir arbeiten grundlegend verändern wird [1]. Parallelen zu den aus Dampfkraft, Elektrizität oder Digitalisierung hervorgegangenen Produktivitätsschüben und der damit einhergehenden Neuorganisation der Arbeit werden gezogen.

Dementsprechend setzen sich immer mehr Unternehmen mit den Potenzialen dieser neuen Technologie auseinander. Während GenKI in der frühen Phase in vielen Unternehmen noch ein Schattendasein führte und nur vereinzelt durch Anwender ohne interne Abstimmung bzw. Freigabe eingesetzt wurde, sind aktuell viele Unternehmen dabei, auch die darauffolgende Phase des koordinierten Experimentierens, auf Basis einzelner Anwendungen und ausgewählter Use Cases, hinter sich zu lassen. Dabei haben die meisten Unternehmen den generellen Nutzen für sich erkannt, um nun im nächsten Schritt zu einem systematischen Einsatz und einer weitreichenden Implementierung der Technologie überzugehen.

Gleichwohl sind die meisten Unternehmen aber noch im Unklaren darüber, welche Auswirkungen diese auf ihre Organisation sowie ihr bestehendes Geschäftsmodell haben wird und wie sie sich dem Thema systematisch nähern können. Dabei gilt es auch, die in der Anfangsphase identifizierten technischen und organisationalen Herausforderungen erfolgreich zu überwinden und eine systematische, strukturierte Transformation der Organisation voranzutreiben, um die Potenziale grundlegend zu realisieren. Das hier vorgestellte Framework und Vorgehensmodell bietet Unternehmen nicht nur Orientierung, sondern fungiert auch als treibende Kraft für eine erfolgreiche und nachhaltige Transformation.

Im Rahmen der Anwendung und Implementierung von GenKI in Unternehmen lassen sich sowohl technische als auch organisatorische Herausforderungen, unter denen sich auch juristische Fragestellung subsumieren lassen, beobachten (s. Abb. 1).

Bild vergrößern

Aus technischer Sicht sehen sich Unternehmen mit den Herausforderungen konfrontiert, dass GenKI-Anwendungen zu Halluzinationen, d. h. erfundenen Antworten neigen sowie zu diskriminierenden Ergebnissen führen können und so die Vertrauenswürdigkeit der Ergebnisse untergraben. Dies stellt insbesondere dann ein Problem dar, wenn die Ergebnisse direkt an Kunden ausgegeben, z. B. durch Chatbots, oder in Entscheidungsprozesse eingebunden werden und keine vorherige Prüfung durch Mitarbeiter, im Sinne des Human-in-the-loop-Konzeptes, durchlaufen. Zudem sorgen sich viele Unternehmen um Compliance- und Sicherheitsrisiken durch unzureichende Erklärbarkeit und Transparenz der Ergebnisse bzw. Quellen (Black-Box-Problematik). Fehlendes Vertrauen kann die Akzeptanz der Technologie sowohl intern bei Mitarbeitern als auch extern bei Kunden und Partnern erheblich gefährden. Darüber hinaus werden einerseits unautorisierte Datenzugriffe durch fehlerhafte Datenverwaltung befürchtet, wobei andererseits oftmals die erforderlichen Daten für die Einrichtung entsprechender Anwendungen nicht oder nur in schlechter Qualität vorliegen.

Als Antwort auf diese technischen Herausforderungen entstehen jedoch zunehmend innovative Entwicklungen, wie z. B. sogenannte RAG-Systeme (Retrieval Augmented Generation). Diese generieren Ergebnisse auf Basis selektiv für die jeweilige Anfrage ausgewählter, kuratierter Dokumente aus einer Datenbank. Auf diese Weise lassen sich fundierte Antworten generieren, Halluzinationen eingrenzen und sogar die Korrektheit der Antwort mittels Prozentangaben zuverlässig bewerten. Zusätzlich setzen einige Unternehmen auf Explainable-AI(XAI)-Ansätze, um die Nachvollziehbarkeit und Erklärbarkeit von Ergebnissen zu verbessern. Dies ermöglicht eine tiefere Einsicht in die Entscheidungslogik und hilft dabei, regulatorische und ethische Anforderungen besser zu erfüllen. Weiterhin kommen Mechanismen wie Federated Learning zum Einsatz, bei denen Modelle auf dezentralisierten Daten trainiert werden, um Datenschutzrisiken zu minimieren. Auch KI-gestützte Datenqualitäts-Tools sind in Entwicklung, um die Vorbereitung und Kuratierung von Trainingsdaten zu optimieren, was die Verlässlichkeit der Ergebnisse steigert. Im Weiteren kann dann gezielt entschieden werden, ob die Ergebnisse durch einen Menschen geprüft und überarbeitet werden sollten, oder ob dies nicht zwingend erforderlich ist.

Zunehmend stellen daher nicht technische, sondern organisatorische Hindernisse die größeren Herausforderungen für eine erfolgreiche Implementierung dar. Dies geht damit einher, dass Unternehmen die Thematik oftmals aus einer primär technischen Perspektive betrachten und nicht vorrangig als Managementaufgabe verstehen. So haben zahlreiche Unternehmen weder einen Handlungsrahmen noch eine GenKI-Strategie definiert, um die Potenziale systematisch in der Organisation zu erschließen. Zudem fehlen nicht nur Mitarbeiter mit entsprechenden Fachkenntnissen, sondern das vorhandene Personal wird oftmals auch nicht hinreichend geschult. Beispielsweise in Grundlagen wie dem Schreiben der Anfragen, das sogenannte Prompten bzw. Prompt Engineering [2]. Damit geht auch die Unsicherheit vieler Mitarbeiter einher, inwiefern die in ihren Anfragen verwendeten Informationen dem Datenschutz unterliegen bzw. DSGVO-konform sind oder die generierten Ergebnisse möglicherweise Urheberrechte verletzen. Und wie so oft in der Vergangenheit wird die neue Technologie vielerorts den bestehenden Aufgaben und Prozessen übergestülpt, statt diese vor dem Hintergrund der technologisch bedingten Möglichkeiten neu zu denken und zu gestalten.

Neben dem Einsatz innovativer technischer Lösungen gilt es daher aus Sicht des Managements, entsprechende Herausforderungen durch einen ganzheitlichen Ansatz sowie eine strukturierte Vorgehensweise erfolgreich zu bewältigen.

Im Rahmen zahlreicher Gespräche mit Unternehmen, Beratungen und Forschungspartnern haben wir verschiedene, aufeinander aufbauende Dimensionen bzw. Module identifiziert und im Rahmen des GenKI-Frameworks zusammengetragen, die es für eine erfolgreiche Implementierung der Technologie sowie eine ganzheitliche Transformation der Organisation zu berücksichtigen gilt (s. Abb. 2). Das Framework ist kein rein technischer Ansatz, sondern ein holistisches und dynamisches Modell, das gleichermaßen strategische, organisatorische, technologische und kulturelle Aspekte umfasst und in der Lage ist, auf die rasanten Entwicklungen im Bereich GenKI flexibel zu reagieren.

Bild vergrößern

Ausgangspunkt bildet die Erarbeitung einer GenKI-Governance, welche den Rahmen für alle weiteren Aktivitäten aufspannt und sicherstellen soll, dass der Einsatz im Einklang mit den organisationalen Werten und Prinzipien erfolgt. Ziel ist es, die verantwortungsvolle Nutzung unter Einhaltung ethischer und gesetzlicher Standards sicherzustellen. Darüber hinaus sollen die Risiken minimiert sowie Transparenz und Vertrauen in entsprechende Anwendungen gefördert werden. Je nach Unternehmen, Branche und Zielsetzung werden verschiedene Kernelemente wie Datenschutz, Verantwortlichkeit, Erklärbarkeit und Transparenz, Fairness und Bias-Erkennung sowie Sicherheit adressiert. Die Einordnung des eigenen Handelns in die Risikoklassen der EU-KI-Verordnung (AI Act) und das Sicherstellen der Compliance zur Gesetzgebung fallen ebenso in dieses Aufgabengebiet. Ziel muss es sein, die Compliance leichtgewichtig an zentraler Stelle sicherzustellen, sodass die Regulierung als Leitplanke dient und keine Beeinträchtigung der Kreativität der Implementierungsteams bewirkt. Allerdings darf es nicht nur bei der Formulierung einer entsprechenden Governance bleiben, sondern es sind in der Folge auch Compliancestrukturen zu etablieren, die es ermöglichen, die adressierten Risiken im operativen Betrieb zu managen und in das unternehmerische Risikomanagement zu integrieren.

Unter diesem Dach gilt es dann eine ebenso stimmige wie zukunftsorientierte Strategie zu definieren. Den Ausgangspunkt sollte die Definition einer leitenden Vision bilden, wobei auch die Fragen zu beantworten sind, wie zügig und umfassend das jeweilige Unternehmen die Potenziale der GenKI für sich realisieren möchte und welche Risiken und Investitionen die Unternehmensführung bereit ist einzugehen. Möchte man sich mittels der neuen technologischen Möglichkeiten gezielt von Wettbewerbern abgrenzen und früh eine einzigartige Marktposition aufbauen? Oder wählt man den Weg des „Followers“? Abhängig von der anvisierten Positionierung im Wettbewerb gilt es dann, das bestehende Geschäftsmodell, die Produkte und Dienstleistungen sowie die Kundenschnittstelle vor dem Hintergrund der technologischen Potenziale neu zu bewerten und neu zu denken. Die verschiedenen strategischen Optionen lassen sich anhand einer Matrix (s. Abb. 3) präzisieren, die den strategischen Wert und den Einsatzbereich von GenKI kombiniert.

Bild vergrößern

Unternehmen können sich beispielsweise gezielt als „Growth Driver“ positionieren, indem sie aktuelle Entwicklungen im Bereich der GenKI früh für die Erstellung innovativer Produkte, Dienstleistungen oder Geschäftsmodelle nutzen und sich so von konkurrierenden Unternehmen abgrenzen. Die Kategorie der „Efficiency Booster“ verfolgt demgegenüber die nach innen gerichtete Logik, die technologischen Potenziale für die Augmentierung von Aufgaben und Automatisierung von Prozessen in einem sehr frühen Stadion aufzugreifen und sich auf diese Weise einen Wettbewerbsvorteil zu verschaffen. Eher risikoavers sind dagegen die Positionen der „Fast Follower“ und „Opportunistic Follower“, indem diese zu einem späteren Zeitpunkt bereits durch andere Unternehmen erfolgreich verprobte Lösungen übernehmen. Entscheidend ist hier, dass das jeweilige Unternehmen vor dem Hintergrund der eigenen Unternehmens-DNA eine in sich stimmige strategische Positionierung entwickelt und mit der bisher etablierten Unternehmensstrategie verzahnt. Dazu gehört auch der Entwurf einer Roadmap für die nächsten 12–18 Monate, die sowohl kurzfristige Quick Wins als auch langfristige Ziele umfasst. Diese Roadmap hilft, Prioritäten zu setzen und die Umsetzung strategisch zu steuern. Charakteristisch für größere Unternehmen ist, dass GenKI-Lösungen in mehreren Feldern zum Einsatz kommen, z. B. zur internen Prozessoptimierung, aber auch für innovative neue Produkte. Für die Prozessoptimierung könnte beispielsweise für das interne Knowledge-Management eine Commodity-Lösung im Quadranten „Opportunistic Follower“ gewählt werden, für eine individuelle, innovative Chatbot-Lösung für den Customer Service eine Lösung im Bereich „Efficiency Booster“ liegen und zur Verbesserung der Kernprodukte eine Lösung im Bereich „Growth Driver“. Somit dient das Schaubild auch zur Einordnung des eigenen GenKI-Projektportfolios mit einhergehenden quadrantentypischen Handlungsempfehlungen.

Parallel zur Strategiearbeit, die federführend durch die Unternehmensführung und das leitende Management erarbeitet werden sollte, gilt es gleichermaßen, ein GenKI-freundliches Umfeld auf Abteilungs- und Arbeitsebene zu schaffen. Neben Schulungsprogrammen gehört dazu auch – je nach Ambition – ein gezieltes Business Process Reegineering, um die Potenziale auf Ebene der einzelnen Aufgaben und operationalen Prozessen zu identifizieren und realisieren. Hier ist in Abhängigkeit der strategischen Ziele zu entscheiden, ob lediglich einzelne Tätigkeiten in ihrer bisherigen Form augmentiert bzw. unterstützt werden sollen, oder ob standardisierte und bereits weitgehend digitalisierte Prozesse in Zukunft von-Ende-zu-Ende durch KI-Agenten ausgeführt werden sollen und so die GenKI durchgehend in die Kerngeschäftsprozesse integriert wird. Beispielsweise lassen sich hier die Schadensfallprüfungen von Versicherungen oder die Kreditprüfung im Bankenwesen nennen, die bereits heute durch KI-Agenten durchgehend abgearbeitet werden können [2].

Dabei ist die Transformation als ein sowohl Top-Down- als auch Bottom-Up-Ansatz zu verstehen. Bereits gestartete Initiativen von „Überzeugungstätern“ innerhalb des Unternehmens sollten unterstützt sowie in die Roadmap aufgenommen und nicht durch zentrale Vorgaben erdrückt werden, um den Wandel nicht im Keim zu ersticken. Je nach Umfang muss dies in der Folge dann auch eine Anpassung der organisationalen Strukturen und Arbeitsweisen nach sich ziehen und Aspekte wie die Neuverteilung der Verantwortung, flache Hierarchien und agile Strukturen berücksichtigen. Denn der Einsatz von GenKI erlaubt nicht nur Aufgaben, die früher auf viele Mitarbeiter verteilt waren, zu konsolidieren, automatisieren und neu zuzuweisen, sondern ermöglicht auch schnellere Entscheidungsfindung, wodurch traditionelle Teamorganisationen und Managementebenen neu gestaltet werden können.

Von Beginn an sollten die gesteckten Ziele zudem mit messbaren Kennzahlen bzw. Key Performance Indicators (KPIs) unterlegt werden, um den Wandel zielgerichtet zu managen und den Fortschritt messbar zu machen. Die KPIs sollten zugleich auf die unternehmensindividuelle Strategie einzahlen und klare Anforderungen an die Anwendungsfälle vorgeben, um die Realisierung der Nutzenversprechen zu erreichen. Je nach Bereich und Einsatz variieren die Kennzahlen wie z. B. Steigerung der Kundengewinnungsquote oder Kundenzufriedenheit, Reaktionszeiten, Prozessdurchlaufzeiten oder Prozesskosteneinsparungen.

Sehr gute Erfahrung haben wir darüber hinaus mit der Etablierung von Center of Excellence (CoE) zur Unterstützung der Transformation gemacht. Diese bieten Mitarbeitern eine Anlaufstelle bei Anwendungs- bzw. Umsetzungsfragen sowie eine Plattform für den gemeinsamen Aufbau und Austausch von Erfahrungen. Auf diese Weise lässt sich auch die so wichtige kulturelle Kohärenz zur Etablierung einer agilen, entwicklungsorientierten Unternehmenskultur fördern, um Innovation, lebenslanges Lernen und Anpassungsfähigkeit zu unterstützen. Je nach Umfang der Transformation gilt es darüber hinaus, ein entsprechendes Change-Management, ggf. auch unter Einrichtung eines temporären Transformation Office, zu etablieren.

Auch wenn das Framework die ganzheitliche Transformation bewusst als Managementaufgabe betont, sind die Aspekte der Daten und IT-Architektur dennoch unmittelbar von Beginn an in die Planung einzubeziehen. So gilt es aus Sicht der IT-Strategie unter anderem die Fragen zu beantworten, wie man in einem sich ständig wandelnden Feld die neusten technologischen Innovationen nutzen kann und wie es sich verhindern lässt, in einen Lock-in mit bzw. eine Abhängigkeit von einem Anbieter zu geraten. Neben der Entwicklung einer Datenstrategie muss die Frage beantwortet werden, inwiefern man proprietäre GenKI-Anwendungen nutzt, die keinerlei Anpassung an das Unternehmen bieten oder auf sogenannte „customized Lösungen“ etablierter Anbieter zurückgreift, welche separate Large-Language-Modelle (LLMs) in einer abgeschotteten Cloud für Unternehmen und bei Bedarf ein Finetuning bereitstellen, d. h. auf Basis spezifischer Unternehmensdaten trainieren. Eine Alternative stellen „On-premise-Lösungen“ dar, bei denen oftmals Open-Source-LLMs wie Llama im Unternehmen bzw. in der eigenen Cloud installiert bzw. betrieben werden und stärker an individuelle Anforderungen angepasst werden können. Insbesondere große Konzerne können durch Partnerstrategien und Kooperationen mit Forschungseinrichtungen und „Hyperscalern“ den Zugang zu hochmodernen Dateninfrastrukturen und Trainingskapazitäten sichern, um eigene, strategisch differenzierende Modelle zu entwickeln. Darüber hinaus kann der Austausch mit anderen Unternehmen wertvolle Einblicke und Best Practices liefern, um die hohen Anforderungen an Management und IT besser zu bewältigen.

Ausgangspunkt der Entscheidung für eine oder verschiedene parallele Lösungen bilden wiederum die zu Beginn gesteckten strategischen Ziele. Aber unabhängig für welche Lösung sich das jeweilige Unternehmen entscheidet, ist es vor dem Hintergrund der dynamischen Entwicklung sowie der sich bietenden Chancen wichtig, die Umsetzung unmittelbar anzugehen. Denn in der Praxis lässt sich oftmals beobachten, dass der Einstieg aufgrund eines Mindsets „wir müssen erst dies, bevor wir jenes können“ fälschlicherweise zu lange verzögert und damit der Anschluss verpasst wird.

Darüber hinaus ist für eine erfolgreiche Implementierung bzw. Transformation von entscheidender Bedeutung, dass eine über die verschiedenen Dimensionen hinweg stimmige Ausarbeitung des Frameworks erfolgt. Innovationsführer und risikofreudige Unternehmen definieren diese, ausgehend von der Governance und Strategie bis zur Unternehmenskultur anders als risikoaverse „Follower“.

Für die unmittelbare Erarbeitung und Umsetzung der verschiedenen Dimensionen gilt es wiederum eine angemessene Implementierungs- bzw. Vorgehenslogik im Unternehmen zu etablieren, die es auf der einen Seite ermöglicht die gesetzten Ziele systematisch und transparent zu realisieren und auf der anderen Seite die unterschiedlichen Stakeholder, Abteilungen und Mitarbeiter von Beginn an einbezieht. Ein etabliertes Vorgehensmodell bietet die Scrum-Logik [3], die wir an die Anforderungen einer ganzheitlichen GenKI-Implementierung adaptiert haben (s. Abb. 4).

Bild vergrößern

Ausgangspunkt bilden die verschiedenen, im Rahmen des Frameworks auszuarbeitenden Dimensionen, die es mit unterschiedlichen internen Stakeholdern verschiedener Hierarchieebenen und Abteilungen zu realisieren gilt. Der GenKI-Owner, als eine von drei adaptierten Rollen aus dem klassischen Scrum-Ansatz, identifiziert, reflektiert und definiert im ersten Schritt mit den jeweiligen Stakeholdern die entsprechenden Aufgaben, Zielsetzungen und Anforderungen. Dies gilt gleichermaßen für die Entwicklung der Governance und Strategie wie für das Augmentieren einzelner Aufgaben, die Automatisierung von Ende-zu-Ende-Prozessen oder die Reorganisation der Arbeit ganzer Abteilungen, wie z. B. dem Social-Media-Marketingteam [4]. Diese Aufgaben mit noch unterschiedlichem Umfang und Komplexität werden fortlaufend im GenKI-Backlog gesammelt und dann klassischerweise in Epics, User Storys und Tasks heruntergebrochen. Jeder Eintrag sollte eine Bezeichnung, Beschreibung, Nutzen- und Aufwandschätzung sowie Akzeptanzkriterien und Risikobewertung umfassen (s. Abb. 5).

Bild vergrößern

Bei der Auswahl der Epics und User-Storys hat sich eine an der Pareto-Verteilung optimierte Priorisierung als hilfreich erwiesen. Oft lassen sich Aufgabenstellungen mit einem überschaubaren Aufwand zu einem hohen Grad mit KI End-to-End automatisieren, wenn man die entsprechenden Use Cases so clustert und wählt, dass die KI wirklich nur die häufigsten Cases prozessiert, während die restlichen wie bisher von einem menschlichen Team bearbeitet werden. Gerade bei KI-Agentenprojekten stehen die berühmten 20 % oder gar 10 % der Falltypen für 70 %, 80 % oder 90 % der Anwendungsfälle, sodass sich mit wenig Aufwand viel erreichen lässt, aber mit viel mehr Aufwand kein signifikanter Zuwachs mehr erzielbar ist.

Die weitere Feinplanung der Epics und Storys erfolgt dann gemeinsam mit dem GenKI-Developer-Team im Rahmen des jeweiligen Sprint-Plannings. Dabei geht es auch darum, welche Einträge bzw. Aufgaben aus dem GenKI-Backlog im jeweiligen Sprint mit welchem Developer-Team umgesetzt werden. Neben dem Nutzen-Aufwands-Verhältnis ist die inhaltlich aufeinander aufbauende Reihenfolge der verschiedenen Dimensionen des Frameworks relevant. Das heißt zunächst gilt es die Governance und Strategie als Orientierungsrahmen zu etablieren. Parallel dazu können aber bereits Schulungen etc. durchgeführt werden. In der Praxis hat es sich auch bewährt, mehrere Developer-Teams parallel einzurichten, die sich unterschiedlichen Dimensionen und Aufgaben widmen. Während bei der Definition bzw. Neuausrichtung der Governance und Strategie z. B. auch Personen aus der Unternehmensführung einbezogen werden sollten, sind zur Augmentierung von konkreten operativen Aufgaben oder die Automatisierung von Ende-zu-Ende-Prozesse wiederum die betroffenen Bereiche und Mitarbeiter hinzuzuziehen. Darüber hinaus ist es in der Regel erforderlich, die Developer-Teams interdisziplinär zu besetzen und neben den unmittelbar betroffenen Mitarbeitern Personen mit Expertise aus den Bereichen IT, Daten sowie Recht und Organisationsentwicklung zu berücksichtigen. Gemeinsam gilt es dann in der Sprintausführung die ausgewählten und in das Sprint-Backlog genommenen Aufgaben im Team umzusetzen und langfristig im Unternehmen zu implementieren bzw. realisieren. Dabei werden die betroffenen Personen als Teil des Developer-Teams zu unmittelbar beteiligten Gestaltern des Wandels. Die Rolle des unterstützenden Change-Managers wird vom GenKI-Master wahrgenommen, der verschiedene GenKI-Developer-Teams parallel begleitet und den GenKI-Owner bei seinen Aufgaben unterstützt. Abb. 6 stellt die verschiedenen Rollen unseres Vorgehensmodells sowie deren jeweilige Aufgaben, Verantwortlichkeiten und Know-how-Anforderungen in der Übersicht dar.

Bild vergrößern

Eine hohe Bedeutung für die erfolgreiche Implementierung und das organisationale Lernen haben die Reviews und Retrospektiven. In diesen wird Feedback von den Stakeholdern und Teammitgliedern gesammelt, um die unterschiedlichen, im jeweils vorausgegangenen Sprint erarbeiteten Lösungen, aber auch die Zusammenarbeit im Team fortlaufend zu reflektieren und zu verbessern – mit dem Ziel, den Wandel gezielt voranzutreiben, bis die Ziele gemeinsam realisiert wurden. Hier hat sich der fortlaufende, teamübergreifende Erfahrungsaustausch auf Basis der CoE bei der Implementierung dieser neuen Technologie als besonders hilfreich und zielführend für die Unternehmen erwiesen.

Der Umfang des GenKI-Backlogs richtet sich nach der Reichweite des Transformationsprojekts. Er kann Aufgaben und Einträge aus einer einzelnen Abteilung, mehreren Bereichen oder dem gesamten Unternehmen umfassen. Bei unternehmensweiten Transformationen ermöglicht der Backlog eine Priorisierung der Aufgaben nach ihrem Mehrwert für das gesamte Unternehmen, unabhängig von Abteilungsgrenzen. In diesem Fall sollte das Budget zentral bereitgestellt werden, um eine kohärente und abteilungsübergreifende Priorisierung zu gewährleisten.

Wird jedoch in jeder Abteilung ein eigenes Backlog etabliert, sollte mit dezentralen Budgets gearbeitet werden, die eine Priorisierung der Aufgaben innerhalb der jeweiligen Abteilung ermöglichen. Dies erlaubt es, die Aufgaben flexibel basierend auf Kosten-Nutzen-Überlegungen zu priorisieren und die Steuerung des Backlogs entsprechend an die zentrale oder dezentrale Planung anzupassen.

Im Rahmen verschiedener Umsetzungsprojekte mit Unternehmen hat sich gezeigt, dass Organisationen, die bereits agil arbeiten und eine agile Projektmanagementlogik verwenden, sehr schnell in dieses Vorgehen hineinfinden. Zugleich werden auf diese Weise die vom Wandel betroffenen Mitarbeiter, unmittelbar in den Prozess der Transformation einbezogen und gestalten diese so nicht nur mit, sondern wachsen während des Vorgehens auch in die neuen Arbeits- und Organisationslogiken hinein. Ergänzend hierzu ist eine stimmige HR- und Partnerstrategie zu entwickeln, die insbesondere berücksichtigt, wie die fachlichen und operationellen Fähigkeiten von Mitarbeitern und Partnern in einem dynamischen und hochkomplexen Feld bewertet werden können. Dies stellt für das Management eine erhebliche Herausforderung dar, da sich sowohl die Anforderungen als auch die Kompetenzen kontinuierlich wandeln.

Die Kombination aus Framework und agiler Vorgehenslogik hat sich in verschiedenen Praxisprojekten als pragmatisch und zielführend erwiesen, um eine strukturierte und stimmige GenKI-Implementierung in Unternehmen ganzheitlich zu realisieren. Gleichzeitig involviert der partizipative Ansatz die unmittelbar betroffenen Mitarbeiter von Beginn an in die Transformation und fördert den kulturellen Wandel zu einer GenKI-gestützten Organisation. Wie dargestellt ist auf der einen Seite entscheidend, dass sich die Unternehmen zu Beginn Klarheit darüber verschaffen, mit welcher Ambition, Geschwindigkeit, Risikofreudigkeit und Intensität sie die technologisch induzierten Potenziale aufgreifen und realisieren wollen. Dabei ist es von großer Bedeutung, die Dynamik der technologischen Entwicklung im Blick zu behalten und flexibel zu bleiben, anstatt sich auf ein einzelnes Modell oder eine spezifische Lösung zu verlassen. Nur durch eine kontinuierliche Anpassung können Unternehmen den schnellen Fortschritten gerecht werden. Zum anderen ist es wichtig, dass auf dieser Basis die verschiedenen Dimensionen des Frameworks sowohl untereinander als auch in Hinsicht auf die anvisierte Marktposition stimmig ausgearbeitet werden – je nach Unternehmens-DNA, aber auch Branche und Stellung im Wettbewerb. Insbesondere auch mit Blick auf die bevorstehende nächste Welle der KI-Agenten, die Geschäftsprozesse und Wertschöpfung grundlegend verändern wird, bietet das Framework eine wertvolle Orientierung, um die Basis zu legen und den Wandel ganzheitlich und erfolgreich zu gestalten. Denn die erfolgreiche Transformation basiert zwar auf der Technologie, bildet im Rahmen soziokultureller Unternehmen zuvorderst eine Managementaufgabe. Das Management agiert dabei als Orchestrator des Wandels, indem es die strategische Ausrichtung vorgibt, Innovationen fördert und die Transformation aktiv gestaltet.