Was eine KI-Strategie festlegt
Eine KI-Strategie beantwortet vier Fragen: Welche Aufgaben gehen wir zuerst an? Welche Technik passt dazu? Wie gehen wir mit Daten und Risiken um? Wer ist im Haus verantwortlich? Microsoft beschreibt in seinem Cloud Adoption Framework dafür fünf Bausteine: die Auswahl von Anwendungsfällen, die Technologiestrategie, eine Strategie für verantwortungsvolle KI, eine Datenstrategie und den Weg zur Einführung (Microsoft Learn, englisch, Stand 11. Oktober 2026). Die folgenden sieben Schritte ordnen diese Bausteine zu einer Reihenfolge.
Die Roadmap in sieben Schritten
1. Den ersten Anwendungsfall wählen
Beginnen Sie mit einer Aufgabe, nicht mit einem Werkzeug. Gut geeignet ist sie, wenn sie sich oft wiederholt, ein Mensch das Ergebnis prüfen kann, die nötigen Daten schon digital vorliegen und jemand im Haus den Nutzen will. Aufgaben mit großem Ermessensspielraum eignen sich für den Start weniger: Dort bereitet die Software vor, und ein Mensch entscheidet.
2. Bestandsaufnahme machen
Gehen Sie den Ablauf mit den Menschen durch, die heute damit arbeiten: Wo kommen Daten her, wo gehen sie hin, wo wird gewartet? Dazu gehört ein Blick auf Systeme, Schnittstellen, Datenlage und KI-Kompetenz im Team. Mit dem KI-Readiness-Check können Sie das vorab selbst strukturieren.
3. Den Lösungsweg festlegen
Welcher Weg passt, hängt von der Ausgangslage ab:
- Wiederkehrende Abläufe mit E-Mails, PDFs und Datenübertragung: Prozessautomatisierung
- KI-Funktionen in vorhandener Software: KI-Integration
- Wissen in Dokumenten, das mit Quelle auffindbar sein soll: RAG-System
- Vertrauliche Daten und KI-Nutzung mit privaten Konten: Corporate LLM
Halten Sie die Entscheidung schriftlich fest, so dass Datenschutz und IT-Sicherheit sie nachvollziehen können.
4. Regeln und Verantwortung klären
Vor dem Pilot sollte geklärt sein, wer verantwortlich ist, welche Daten in welches Werkzeug dürfen und welche rechtlichen Pflichten gelten. Drei Punkte gehören auf die Liste:
- Nutzungsregeln: Eine KI-Richtlinie legt fest, was erlaubt ist.
- Datenschutz: Verarbeitet ein Dienstleister personenbezogene Daten in Ihrem Auftrag, braucht es einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Ob für die geplante Verarbeitung eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO nötig ist, bewerten Sie als Verantwortlicher, beraten von Ihrer Datenschutzbeauftragten oder Ihrem Datenschutzbeauftragten (DSGVO auf EUR-Lex).
- KI-Verordnung: Sie unterscheidet vier Risikostufen. Für die meisten betrieblichen Anwendungen geht es darum, die eigene Anwendung einzustufen und Transparenzpflichten zu kennen (Europäische Kommission, englisch, Stand 11. Oktober 2026). Einen Überblick über den Rahmen im ganzen Haus gibt der Leitfaden KI-Governance.
Das ersetzt keine Rechtsberatung.
5. Den Pilot mit echten Daten fahren
Ein Pilot beantwortet, was ein Konzept nicht beantworten kann: Funktioniert es mit Ihren Daten, Ihren Systemen und Ihren Leuten? Setzen Sie vorher fest, woran Sie den Erfolg messen, und prüfen Sie zu Beginn jedes Ergebnis. Erst wenn der Lauf stabil ist, lockern Sie die Kontrolle. Das Risiko-Denken dahinter lässt sich am Rahmenwerk des US-Instituts NIST nachlesen: Es gliedert KI-Risikomanagement in die Funktionen Govern, Map, Measure und Manage und ist für die freiwillige Nutzung gedacht (NIST AI RMF, Stand 11. Oktober 2026).
6. Das Team befähigen
Eine Lösung, die niemand versteht, wird nicht genutzt oder falsch genutzt. Planen Sie Schulungen ein, die zeigen, was die Werkzeuge können, wo ihre Grenzen liegen und welche Daten hineindürfen. Art. 4 der KI-Verordnung verlangt von Anbietern und Betreibern Maßnahmen, die die Entwicklung der KI-Kompetenz ihres Personals unterstützen; ein bestimmtes Niveau muss dabei niemandem garantiert werden (Bundesnetzagentur, Stand 11. Oktober 2026; Verordnung (EU) 2024/1689).
7. Betrieb und Ausbau steuern
Nach dem Pilot beginnt der Betrieb: Jemand liest Stichproben, passt die Lösung an, wenn sich Systeme oder Regeln ändern, und entscheidet, welcher Anwendungsfall als Nächstes kommt. Legen Sie dafür wenige Kennzahlen fest, die Sie schon vor dem Pilot gemessen haben, etwa die Bearbeitungszeit je Vorgang oder den Anteil der Ergebnisse, die nachgearbeitet werden müssen.
Typische Fehler
Das Cloud Adoption Framework von Microsoft nennt drei Muster, die KI-Vorhaben ausbremsen ( Microsoft Learn, Stand 11. Oktober 2026): Teams experimentieren viel und erzielen wenig Ertrag. Verschiedene Bereiche bauen widersprüchliche Lösungen. Und Sicherheitsbedenken sowie geringes Vertrauen schränken ein, was Menschen nutzen dürfen. Die Schritte 1, 4 und 6 oben setzen genau dort an.
Rollen in der Einführung
- Auftraggeber: Die Geschäftsführung oder eine Bereichsleitung gibt Ziel und Budget vor.
- Fachverantwortliche: Sie kennen den Ablauf und prüfen die Ergebnisse.
- IT und Datenschutz: Sie bewerten Systeme, Schnittstellen und Datenflüsse.
- KI-Verantwortliche: Eine Person führt die Fäden zusammen und pflegt die Liste der eingesetzten KI-Anwendungen.
Checkliste vor dem Pilot
- Der Anwendungsfall ist in einem Satz beschrieben.
- Die Erfolgsmessung steht fest.
- Die benötigten Daten liegen digital vor, ihr Schutzbedarf ist bekannt.
- Der Lösungsweg ist festgelegt und dokumentiert.
- Verantwortliche sind benannt, eine Nutzungsrichtlinie liegt vor.
- Ein nötiger Auftragsverarbeitungsvertrag ist geschlossen, offene Datenschutzfragen sind geklärt.
- Das Team weiß, was erlaubt ist, und wer Ergebnisse freigibt.
Quellen
Alle Quellen am 11. Oktober 2026 geöffnet: Microsoft Learn, Cloud Adoption Framework: AI strategy; NIST, AI Risk Management Framework; Europäische Kommission, AI Act; Bundesnetzagentur, KI-Kompetenz; Verordnung (EU) 2024/1689; Verordnung (EU) 2016/679. Dieser Leitfaden ist keine Rechtsberatung.