Responsible AI wird vom Technikthema zur Führungsaufgabe

Ausgangslage

Bei Responsible AI richtet sich die Aufmerksamkeit häufig zuerst auf Ethik, Datenschutz und Regulierung. Im betrieblichen Alltag reicht diese Perspektive jedoch nicht aus. Unternehmen investieren Zeit, Lizenzen, Daten und Aufmerksamkeit in künstliche Intelligenz und müssen daraus produktive Anwendungen entwickeln, statt bei einzelnen Experimenten stehenzubleiben.

Gleichzeitig soll KI nicht auf eine kleine Gruppe technisch versierter Mitarbeitender beschränkt bleiben. Eine breite Nutzung verlangt verständliche Anwendungen und klare Grenzen. Validierte Anwendungsfälle, geeignete Datenräume, Sicherheit, Datenschutz und nachvollziehbare Resultate gehören deshalb zur organisatorischen Grundlage.

Hintergrund

Ein zentrales Problem liegt in verstreutem Unternehmenswissen. Informationen befinden sich in Dokumenten, Chats, Notizen oder Sitzungsprotokollen. Entscheidungen werden nicht immer nachvollziehbar dokumentiert, Aufgaben aus Gesprächen nicht konsequent weitergeführt. Eine KI kann solche Informationslücken nicht von sich aus in verlässliches Organisationswissen verwandeln.

Besonders deutlich wird das bei Sitzungen. KI kann Inhalte verarbeiten und Ergebnisse zusammenfassen. Wirtschaftlicher Nutzen entsteht aber erst, wenn Beschlüsse dokumentiert, Aufgaben Personen zugewiesen und Erkenntnisse wieder in die tägliche Arbeit zurückgeführt werden. Die Technik allein löst diesen organisatorischen Teil nicht.

Einordnung für die Schweiz

Für Unternehmen ist deshalb weniger die Jagd nach dem jeweils neuesten Modell entscheidend als die Frage, wie KI in bestehende Abläufe eingebettet wird. Systeme wie Microsoft oder SAP werden im Beitrag als mögliche bestehende Umgebungen genannt, in denen Berechtigungen, Datenschutz und Compliance idealerweise bereits geregelt sind.

Vor einer breiten Nutzung bleiben dennoch grundlegende Datenprobleme zu lösen. Dazu gehören übermässige Zugriffsrechte, veraltete Inhalte, unsaubere Ablagen und fehlende Klassifizierung. KI benötigt relevanten, aktuellen und erlaubten Kontext. Mehr Daten sind dabei nicht automatisch besser.

Was das für Unternehmen bedeutet

Für KMU spricht viel für klar abgegrenzte Anwendungsfälle. Statt einen universellen Chatbot für sämtliche Aufgaben freizugeben, können Unternehmen einzelne Prozesse auswählen, prüfen und kontrolliert bereitstellen. Mitarbeitende erhalten damit Unterstützung dort, wo ein konkretes Problem besteht, ohne selbst zu KI-Spezialisten werden zu müssen.

Auch die Wirtschaftlichkeit sollte laufend überprüft werden. Ein Anwendungsfall kann dann Nutzen schaffen, wenn er beispielsweise Zeit spart, Qualität verbessert oder einen Prozess vereinfacht. Ein einmal funktionierender Prototyp garantiert allerdings keinen dauerhaften Nutzen. KI-Systeme und ihre Einsatzbedingungen verändern sich.

Ausblick

Responsible AI entwickelt sich damit zu einer Managementaufgabe. Führungskräfte müssen festlegen, wo KI eingesetzt werden soll, welche Informationen sie verwenden darf und wer für Prozesse und Ergebnisse verantwortlich bleibt. Governance sollte Orientierung schaffen, ohne jede Erprobung zu verhindern.

Der praktische Schwerpunkt verschiebt sich damit vom isolierten Modellvergleich zur Organisation. Unternehmen müssen Daten strukturieren, Zugriffe klären, Anwendungsfälle testen und den Betrieb dauerhaft betreuen. Technische Leistungsfähigkeit bleibt relevant. Ohne saubere organisatorische Voraussetzungen kann sie ihren wirtschaftlichen Wert jedoch nur begrenzt entfalten.