Warum AI Leadership Governance braucht

KI braucht mehr als Technologie

Künstliche Intelligenz entwickelt sich mit hoher Geschwindigkeit. Unternehmen testen Copiloten, verbinden KI mit Wissen und Prozessen und befassen sich zunehmend mit KI-Agenten. Dadurch entstehen neue Möglichkeiten für Produktivität, Innovation und Zusammenarbeit.

Mit den Möglichkeiten wachsen jedoch auch die Fragen: Welche Aufgaben darf KI übernehmen? Welche Entscheidungen bleiben beim Menschen? Wer trägt Verantwortung, wenn ein System fehlerhaft, einseitig oder unerwartet handelt? Und wie schaffen Organisationen Vertrauen, ohne Entwicklung durch starre Regeln zu blockieren?

Genau hier beginnt AI Governance. Sie verbindet technologische Möglichkeiten mit Verantwortung, Führung und organisationaler Gestaltung. Deshalb ist Governance kein separates Zusatzthema zu AI Leadership. Sie gehört in dessen Zentrum.

Was Governance in diesem Zusammenhang bedeutet

Governance wird häufig mit Kontrolle, Vorschriften oder Compliance gleichgesetzt. Das greift zu kurz. Gute Governance schafft einen verlässlichen Rahmen, in dem Menschen und Organisationen handeln, lernen und Verantwortung übernehmen können.

Für den Einsatz von KI umfasst dieser Rahmen insbesondere:

• Ziele und Werte: Wofür wollen wir KI einsetzen und welche Grundsätze sollen dabei gelten?
• Rollen und Verantwortung: Wer entscheidet, wer prüft, wer betreibt und wer trägt die Verantwortung?
• Leitplanken: Welche Anwendungen sind erwünscht, sensibel oder nicht zulässig?
• Transparenz: Wo wird KI eingesetzt und wie werden Ergebnisse nachvollziehbar gemacht?
• Menschliche Aufsicht: An welchen Stellen braucht es Prüfung, Freigabe oder Eingriffsmöglichkeiten?
• Lernen und Anpassung: Wie überprüfen wir Wirkung, Risiken und Regeln im laufenden Betrieb?

Drei Ebenen, die zusammenspielen

Microsoft beschreibt in «Global Governance: Goals and Lessons for AI» drei miteinander verbundene Ebenen der KI-Governance: Industriestandards, nationale Regulierung und internationale Governance. Auf globaler Ebene sollen bedeutende Risiken gesteuert, Regeln anschlussfähig gemacht und ein möglichst inklusiver Fortschritt unterstützt werden.

Diese Logik lässt sich nicht einfach mit der globalen Ebene gleichsetzen, sie bietet Organisationen aber eine hilfreiche Orientierung. Auch intern müssen verschiedene Ebenen zusammenwirken:

AI Leadership verbindet diese Ebenen. Führung übersetzt äussere Anforderungen in eine stimmige organisationale Haltung und sorgt dafür, dass sie im Arbeitsalltag tatsächlich gelebt wird.

Vier Aufgaben wirksamer KI-Governance

Der Microsoft-Beitrag nennt vier zentrale Funktionen internationaler Governance. Für AI Leadership lassen sich daraus vier grundlegende Aufgaben ableiten:

1. Risiken erkennen und handhaben Mögliche Auswirkungen früh wahrnehmen, sensible Anwendungen unterscheiden und angemessene Schutzmassnahmen festlegen.
2. Standards und Spielregeln schaffen Gemeinsame Erwartungen formulieren, damit KI nicht zufällig, uneinheitlich oder allein nach technischem Können eingesetzt wird.
3. Wissen und Urteilskraft entwickeln Entscheidungen auf nachvollziehbare Erkenntnisse, praktische Erfahrung und unterschiedliche Fachperspektiven stützen.
4. Teilhabe ermöglichen Kompetenzen, Zugänge und Austausch so gestalten, dass verantwortungsvolle KI-Nutzung nicht wenigen Spezialisten vorbehalten bleibt.

Diese Aufgaben zeigen, dass Governance weder ausschliesslich bei der IT noch allein bei Recht oder Compliance angesiedelt werden kann. Sie braucht die Zusammenarbeit von Führung, Fachbereichen, Mitarbeitenden und technischen Verantwortlichen.

Warum Governance eine Führungsaufgabe ist

KI verändert nicht nur Werkzeuge. Sie verändert Entscheidungen, Rollen, Zusammenarbeit und die Verteilung von Verantwortung. Genau deshalb kann die Gestaltung nicht vollständig an Spezialisten delegiert werden.

Führungskräfte müssen dabei keine technischen Experten werden. Sie müssen jedoch Orientierung geben und grundlegende Fragen klären können:

• Welchen Nutzen wollen wir mit KI für Kunden, Mitarbeitende und Organisation schaffen?
• Welche Werte und Qualitätsansprüche dürfen durch Effizienzgewinne nicht verloren gehen?
• Welche Aufgaben können wir an KI delegieren und wo bleibt menschliches Urteil unverzichtbar?
• Wie sorgen wir dafür, dass Verantwortlichkeit sichtbar bleibt?
• Wie beziehen wir Betroffene, Fachwissen und unterschiedliche Perspektiven ein?
• Wie lernen wir aus Pilotprojekten, Fehlern und unerwarteten Wirkungen?

Damit wird Governance zu praktischer Führungsarbeit: Ziele klären, Grenzen setzen, Beteiligung ermöglichen, Entscheidungen nachvollziehbar machen und Lernen organisieren.

Zwischen Überregulierung und naivem Experimentieren

Organisationen geraten leicht in eines von zwei Extremen. Entweder sie warten auf vollständige Regeln und verlieren dadurch Lernmöglichkeiten. Oder sie experimentieren ohne ausreichende Klarheit und schaffen unkontrollierte Risiken.

Ein verantwortungsvoller Weg liegt dazwischen. Er verbindet klare Grundsätze mit kleinen, überprüfbaren Schritten. Nicht jede Frage muss vor dem ersten Versuch abschliessend beantwortet sein. Aber Zweck, Datenzugriff, Verantwortung, Qualitätsprüfung und Abbruchmöglichkeiten sollten von Beginn an geklärt werden.

Ein pragmatischer Einstieg für Organisationen

1. Gemeinsames Verständnis schaffen Begriffe, Möglichkeiten, Grenzen und relevante Risiken von KI gemeinsam einordnen.
2. Standort und Zielbild klären Bestimmen, wo KI bereits genutzt wird, welchen Nutzen die Organisation anstrebt und welche Werte leitend sind.
3. Verantwortlichkeiten festlegen Entscheidung, Betrieb, Prüfung, Datenschutz, Sicherheit und fachliche Qualität sichtbar zuordnen.
4. Wenige Leitplanken vereinbaren Einfache Regeln für Daten, sensible Anwendungen, Transparenz, menschliche Prüfung und Freigaben formulieren.
5. Pilotieren und reflektieren Überschaubare Anwendungsfälle erproben, Erfahrungen dokumentieren und Governance schrittweise weiterentwickeln.

Was Novalis unter Human-Centric AI Governance versteht

Novalis verbindet AI Leadership mit Organisationsentwicklung und einer menschenzentrierten Haltung. Im Mittelpunkt steht nicht die Frage, wie möglichst viel automatisiert werden kann. Entscheidend ist, wie KI menschliche Wirksamkeit erweitert und zugleich Verantwortung, Beziehung und Urteilskraft stärkt.

Human-Centric AI Governance bedeutet daher:

• Menschen verstehen, wann und wie KI eingesetzt wird.
• Menschliche Verantwortung bleibt auch bei zunehmender Automatisierung sichtbar.
• Entscheidungen berücksichtigen Wirkung auf Aufgaben, Rollen, Zusammenarbeit und Kultur.
• Betroffene werden nicht nur informiert, sondern wo sinnvoll in die Gestaltung einbezogen.
• Organisationen entwickeln Kompetenz und Urteilsfähigkeit, statt sich allein auf technische Schutzmechanismen zu verlassen.

Die Novalis AI Leadership Journey bietet dafür verschiedene Einstiege: Das Executive Briefing schafft Orientierung, der AI Leadership Compass klärt Standort und Zielbild, der AI Leadership Navigator übersetzt Grundsätze in konkrete Anwendung und Führungsroutinen, und AI Leadership SVF baut die erforderlichen Kompetenzen nachhaltig auf.