KI sicher einführen: 10 Führungskräfte über Risiken und Realität

Die kurze Antwort

Wer KI sicher einführen will, braucht keine perfekte Strategie — aber eine ehrliche Bestandsaufnahme der eigenen Systemlandschaft, Führungsstruktur und Risikobereitschaft. Das ist die übergreifende Botschaft aus zehn Experteninterviews, die Strategiewerkstatt mit Führungskräften aus Pharma, MedTech und IT geführt hat.

Einig sind sich alle Gäste in einem Punkt: KI-Einführungen scheitern selten an der Technologie selbst, sondern an Systemen, die nicht miteinander sprechen, an Führungskräften, die Handeln durch Planen ersetzen, und an Organisationen, die Risiken nicht strukturiert bewerten. Joschka Buel, Steffen und Nicole Groß beschreiben dieses Muster aus sehr unterschiedlichen Branchen heraus — und kommen zu verblüffend ähnlichen Diagnosen.

Wo Unterschiede bestehen: Anastasia betont die kommunikative Dimension — wie man viele Menschen in eine Richtung bewegt. Roman und Lawrence Egore legen den Fokus auf adaptive Planung. Franz Gruber und Steffen warnen vor der Lähmung durch Überplanung. Diese Spannungslinie — Struktur vs. Beweglichkeit — zieht sich durch alle Interviews und ist für KI-Einführungen besonders relevant.

Zentrale Erkenntnisse aus 10 Experteninterviews

• Silosysteme sind der größte KI-Verhinderer: Joschka Buel und Franz Gruber beschreiben unabhängig voneinander, wie historisch gewachsene IT-Landschaften jeden KI-Nutzen neutralisieren, bevor er entsteht.
• Risikobewertung muss quantifiziert werden: Nicole Groß zeigt, dass eine strukturierte Risikoanalyse mit drei Faktoren (Auftretenswahrscheinlichkeit, Schadensgrad, Entdeckungswahrscheinlichkeit) nicht nur regulatorisch notwendig, sondern strategisch entscheidend ist.
• Strategie ohne Anpassungsfähigkeit ist wertlos: Roman und Lawrence Egore belegen, dass eine statische KI-Roadmap in dynamischen Märkten schnell zur Bremse wird — das 50/50-Modell (Planung und Reaktion gleichgewichtet) ist dabei ein konkreter Ansatz.
• Handlung schlägt Planung: Steffen und Roman zeigen übereinstimmend, dass Unternehmen, die auf den „richtigen Moment” warten, ihn verpassen — mit verfügbaren Mitteln anfangen ist kein Risiko, sondern Methode.
• Führungskompetenz ist kein Soft Skill: Franz Gruber macht deutlich, dass fehlende Führungskompetenz — nicht fehlende Technologie — der häufigste Grund für das Scheitern von Digitalisierungsinitiativen ist.
• Richtungskommunikation ist eine Führungsaufgabe: Anastasia und Lawrence Egore betonen, dass KI in großen Organisationen nur dann Wirkung entfaltet, wenn Führungskräfte es schaffen, viele Menschen auf ein gemeinsames Ziel auszurichten.
• Messen bis zum Schluss: Roman hebt hervor, dass KI-Initiativen nur dann steuerbar bleiben, wenn Kennzahlen konsequent bis ans Ende der Umsetzung verfolgt werden — nicht nur zu Beginn.

Was die Experten sagen

Anastasia, Innovation & Strategiekommunikation

Anastasia hat in mehreren Rollen den Übergang von schnell skalierten Startups zu strukturierten Großorganisationen begleitet — ein Kontext, der für KI-Einführungen in Konzernen unmittelbar relevant ist.

“The goal is to move a lot of people in one direction. That’s a very different proposition.”

“In a small startup setting where you’re really the hero of the story, right, to a big organization where that’s not the goal.”

Wer KI sicher einführen will, muss verstehen: In großen Organisationen ist die technische Lösung oft nicht das Problem — die Koordination von Menschen ist es. Anastasia beschreibt präzise, warum das Führungsverständnis im Konzern ein anderes sein muss als im Startup. Für KI-Projekte bedeutet das: Ohne eine klare, konsistente Kommunikation des Ziels scheitert die Einführung an interner Reibung, nicht an der Technologie.

→ Ganze Episode: Innovation in großen Organisationen skalieren: Vom Startup zum Konzern

Anastasia, Strategiekommunikation für Führungskräfte

In einer zweiten Episode fokussiert Anastasia auf die kommunikative Seite strategischer Transformation — eine Fähigkeit, die bei KI-Einführungen oft unterschätzt wird.

“That’s a big change from a small startup setting where you’re really the hero of the story, right, to a big organization where — that’s not the goal. The goal is to move a lot of people in one direction. That’s a very different proposition.”

Komplexe Ideen verständlich zu machen ist keine Kür, sondern Voraussetzung. Führungskräfte, die KI-Initiativen intern nicht erklären können — warum jetzt, warum so, was das für die Mitarbeitenden bedeutet —, riskieren Akzeptanzprobleme, die technisch nicht lösbar sind. Anastasias Analyse macht deutlich: Der Kommunikationsaufwand bei KI-Einführungen sollte mindestens so groß sein wie der technische.

→ Ganze Episode: Komplexe Ideen strategisch kommunizieren: Was Führungskräfte wirklich brauchen

Roman, Strategieplanung & Marktanpassung

Roman hat mit dem 50/50-Modell einen praxisnahen Ansatz entwickelt, der feste Planung mit konsequenter Reaktionsfähigkeit kombiniert — besonders relevant, wenn KI-Einführungen auf volatile Marktbedingungen treffen.

„eine Strategie ist noch so gut – die Realität trifft einen dann halt und dann muss man halt sehr stark priorisieren”

Diese Aussage trifft den Kern vieler gescheiterter KI-Rollouts: Unternehmen halten an ihrem ursprünglichen Plan fest, obwohl die Rahmenbedingungen sich verändert haben. Das 50/50-Modell — die Hälfte der Kapazität für geplante Initiativen, die andere Hälfte für Reaktion auf Realitäten — ist ein konkretes Werkzeug, das Roman in dynamischen Märkten erprobt hat.

→ Ganze Episode: Strategische Roadmap bei Marktveränderungen anpassen: Das 50/50-Modell

Steffen, Strategieumsetzung & Das Macher-Prinzip

Steffen hat das Macher-Prinzip entwickelt: Handeln mit verfügbaren Mitteln, statt auf den perfekten Moment zu warten. Für KI-Projekte ist das eine direkte Handlungsanleitung.

„man kann heute so pragmatisch mit den Mitteln die uns heute in der heutigen Zeit zur Verfügung stehen […] einfach mal anfangen”

„es reicht weder das eine noch das andere … es braucht beides, es braucht alles”

Anfangen ist eine Methode. Steffens zweites Zitat beschreibt dabei die Balance: Weder reine Aktion ohne Struktur noch reine Planung ohne Bewegung führt zum Ziel. Für KI-Einführungen bedeutet das: Ein Pilotprojekt mit echten Nutzern, messbaren Zielen und definierten Abbruchkriterien ist mehr wert als eine 80-seitige Roadmap ohne ersten Schritt.

→ Ganze Episode: Strategielähmung überwinden & Umsetzung starten: Das Macher-Prinzip

Joschka Buel, Pharmaindustrie & Technologietransfer

Joschka Buel begleitet in der Pharmaindustrie die Digitalisierung von Herstellprozessen — einem Umfeld, in dem Datenkonsistenz keine Kür, sondern regulatorische Pflicht ist.

„Diese Silosysteme sprechen nicht dieselbe Sprache, weil die historisch aufgesetzt wurden, und dann hast du am Ende nichts gewonnen als Pharmaunternehmen.”

Das ist einer der präzisesten Sätze in dieser Sammlung. KI sicher einführen im Unternehmen der Pharmaindustrie bedeutet zuerst: Datenbasis schaffen. Wer KI auf inkompatible Silosysteme aufsetzt, multipliziert bestehende Datenprobleme, anstatt sie zu lösen. Joschka Buels Erfahrung zeigt: Der technische Vorlauf — Integration, Harmonisierung, Datenqualität — ist keine Vorstufe zur KI-Einführung, er ist Teil davon.

→ Ganze Episode: Technologietransfer Herstellprozesse skalieren: Digitalisierung in der Pharmaindustrie

Franz Gruber, Digitalisierungsinitiativen & Führungskompetenz

Franz Gruber hat analysiert, warum Digitalisierungsinitiativen trotz ausreichender Budgets und moderner Tools scheitern — und zeigt auf, wo die eigentliche Ursache liegt.

„Politik heißt auch, sich am realistischen Ziel zu orientieren.”

Realismus ist eine Führungsleistung. Franz Gruber beschreibt, dass fehlende Führungskompetenz — nicht fehlende Technologie — der entscheidende Faktor bei gescheiterten Digitalisierungsprojekten ist. Das gilt für KI-Einführungen in besonderem Maß: Wer unrealistische Ziele setzt, verliert Glaubwürdigkeit bei der zweiten Iteration. Wer zu defensiv plant, verliert Relevanz. Die Fähigkeit, realistisch und trotzdem ambitioniert zu agieren, ist eine seltene Kombination — und laut Gruber der entscheidende Unterschied.

→ Ganze Episode: Digitalisierungsinitiativen scheitern: Wenn Führungskompetenz fehlt

Lawrence Egore, Takeda & Globale Strategieplanung

Lawrence Egore hat bei Takeda die strategische Neuausrichtung von 28 globalen Standorten begleitet — ein Maßstab, der KI-Governance auf eine andere Komplexitätsstufe hebt.

“I look at strategy as having a game plan for achieving very big dreams right — but what is important within that thinking is how do you solve a giant puzzle where every move counts right and leads to a great victory”

Das Puzzle-Bild trifft die Realität großer KI-Rollouts präzise: Jede Entscheidung hat Folgeentscheidungen, und wer den Überblick verliert, riskiert, Teile zu verbauen, die später gebraucht werden. Lawrence Egores Erfahrung zeigt, dass strategische Planung in globalen Transformationen keine lineare Abfolge ist, sondern ein Gleichgewichtsproblem zwischen Ambitionen und Umsetzbarkeit — ein Prinzip, das für KI-Einführungen jeder Größenordnung gilt.

→ Ganze Episode: Strategieplanung Pharmaunternehmen dynamisch anpassen: Wie Takeda 28 globale Standorte neu taktiert

Nicole Groß, Digitale Transformation & Risikomanagement

Nicole Groß arbeitet mit einem strukturierten Risikobewertungsmodell, das in regulierten Umgebungen wie MedTech und Pharma Standard sein sollte — aber selten vollständig angewendet wird.

„Risikomanagement: klar, man solche Faktoren wie die Auftretenswahrscheinlichkeit, Schwere Grad des Schadens und eventuell auch die Entdeckungswahrscheinlichkeit, die dann sehr große Rolle spielen und hat alle drei Faktoren, mit denen man spielen kann und versucht dann eben die Risiken, die in dem Moment am größten erscheinen, nach unten durch Minimierung.”

Drei Faktoren, systematisch gesteuert: Auftretenswahrscheinlichkeit, Schadensgrad, Entdeckungswahrscheinlichkeit. Nicole Groß beschreibt ein Modell, das nicht nur für Compliance-Fragen relevant ist, sondern als operative Entscheidungshilfe dient — welche KI-Anwendung darf zuerst produktiv gehen, welche braucht noch Absicherung? Dieser Ansatz macht KI-Einführungen in regulierten Branchen steuerbar statt risikoreich.

→ Ganze Episode: Digitale Transformation nachhaltig umsetzen: Der Marathon-Ansatz

Roman, Dynamische Märkte & Messbarkeit

In einer zweiten Episode konkretisiert Roman, wie er sicherstellt, dass Strategien nicht nur gestartet, sondern bis zum Ende gemessen werden.

„dann rede ich drüber einfach Teil auch mit Kunden und das dann auch wirklich dann messen bis zum Schluss”

Messen bis zum Schluss — nicht nur beim Launch. Diese Aussage klingt banal, ist es aber nicht: Die meisten KI-Piloten werden intensiv beobachtet, wenn sie starten, und stiefmütterlich behandelt, wenn der nächste Prioritätswechsel kommt. Roman beschreibt eine Disziplin, die konsequente Kundennähe mit kontinuierlichem Monitoring verbindet — und damit sicherstellt, dass Kurskorrekturen auf Daten basieren, nicht auf Bauchgefühl.

→ Ganze Episode: Strategieplanung in dynamischen Märkten anpassen: Das 50/50-Modell

Steffen, Strategieumsetzung & Warum Planung Handeln blockiert

In einer zweiten Episode analysiert Steffen, an welchem Punkt Strategieprojekte — und damit auch KI-Einführungen — typischerweise scheitern.

„letztendlich scheitern die meisten Dinge schon eigentlich bevor sie losgehen”

Das ist die prägnanteste Diagnose dieser gesamten Sammlung. Die meisten KI-Projekte scheitern nicht in der Umsetzung — sie scheitern in der Vorbereitungsphase, an internen Abstimmungsschleifen, ungeklärten Verantwortlichkeiten und dem Warten auf Konsens. Steffens Beobachtung ist eine direkte Aufforderung: Rahmenbedingungen so weit klären, dass ein erster Schritt möglich ist — und dann diesen Schritt tun.

→ Ganze Episode: Strategieumsetzung scheitert: Warum Planung Handeln blockiert

Das Fazit

Die zehn Interviews ergeben kein einheitliches Rezept — aber sie zeigen klare Muster, auf die Sie sich konkret stützen können. KI sicher einführen im Unternehmen beginnt nicht mit einem Tool-Auswahlprozess, sondern mit drei Vorabfragen: Sind Ihre Datensysteme integriert genug, um KI sinnvoll zu füttern? Ist Ihre Führungsstruktur bereit, Entscheidungen unter Unsicherheit zu treffen? Und haben Sie ein Risikobewertungsmodell, das über „Ampelfarben in einer PowerPoint” hinausgeht?

Joschka Buel macht deutlich, dass in der Pharmaindustrie historisch gewachsene Silosysteme den größten Einzelhebel darstellen — und das gilt branchenübergreifend. Bevor Sie KI-Anwendungen ausrollen, lohnt sich eine ehrliche Inventur der Dateninfrastruktur. Nicole Groß liefert dafür das passende Bewertungsinstrument: Die drei Risikofaktoren (Auftretenswahrscheinlichkeit, Schadensgrad, Entdeckungswahrscheinlichkeit) geben Ihnen eine priorisierte Liste, welche KI-Anwendungen mit welcher Absicherung produktiv gehen dürfen.

Steffen und Roman liefern die operative Gegenthese zur Überplanung: Starten Sie mit dem, was heute möglich ist, und messen Sie konsequent bis zum Ende. Roman ergänzt, dass Realitätskontakt — mit Kunden, mit Daten, mit Marktveränderungen — nicht als Störung einer guten Strategie zu verstehen ist, sondern als deren Kern. Das 50/50-Modell ist dabei keine Kapitulation vor Komplexität, sondern ein strukturierter Umgang damit.

Führungskräfte, die KI in Konzernen einführen, sollten Anastasias Perspektive nicht unterschätzen: Die Qualität der Richtungskommunikation entscheidet darüber, ob ein KI-Projekt interne Unterstützung bekommt oder an Widerstand scheitert. Technik ist das kleinste Problem. Koordination ist das eigentliche Projekt.

Bereit für den nächsten Schritt?

Die Muster aus diesen zehn Interviews sind klar: KI-Einführungen in Unternehmen scheitern nicht an mangelnder Technologie, sondern an unzureichender Vorbereitung in den Bereichen Dateninfrastruktur, Führung und Risikobewertung. Wenn Sie wissen wollen, wo Ihre Organisation heute steht — und welche konkreten Maßnahmen den größten Hebel haben — ist ein strukturiertes Erstgespräch der sinnvollste nächste Schritt.

Kontakt aufnehmen →

Häufige Fragen

Welche Fehler machen Unternehmen am häufigsten beim KI-Einsatz?

Der häufigste Fehler ist der Einsatz von KI-Tools auf isolierten, historisch gewachsenen Systemen, die keine gemeinsame Datenbasis haben. Hinzu kommt fehlende Priorisierung bei der Umsetzung, sodass Initiativen scheitern, bevor sie wirklich beginnen. Beides lässt sich durch eine strukturierte Vorabanalyse vermeiden.

Wie lässt sich KI in regulierten Branchen wie Pharma sicher einführen?

Regulierte Branchen müssen Risikofaktoren wie Auftretenswahrscheinlichkeit, Schadensgrad und Entdeckungswahrscheinlichkeit systematisch bewerten und minimieren. Zusätzlich ist eine integrierte Datenstrategie Voraussetzung — Silosysteme untergraben jeden KI-Nutzen von Beginn an und erzeugen regulatorische Risiken statt Effizienzgewinne.

Brauche ich zuerst eine fertige Strategie, bevor ich KI einführe?

Nein. Mehrere Experten empfehlen, mit verfügbaren Mitteln anzufangen und parallel zu messen. Eine vollständige Strategie vor dem ersten Schritt ist oft eine Blockade. Wichtiger ist ein klares Zielbild, kombiniert mit konsequenter Priorisierung bei Zielkonflikten und einer definierten Methode zur Erfolgsmessung.