KI-Governance: Was es braucht, um KI sicher zu skalieren

Ich verbringe einen Großteil meiner Zeit dort, wo Technologieprojekte begründet werden müssen: in Vorstandssitzungen, Investitionsausschüssen und Gesprächen über Kosten, Risiken und Renditen.

Aus dieser Perspektive ist mir etwas Merkwürdiges an der künstlichen Intelligenz aufgefallen. Nur wenige Technologien wurden so bereitwillig für Testzwecke zugelassen, und dennoch tun sich so viele Organisationen nach wie vor schwer damit, sie in großem Maßstab einzusetzen.

Eine im September 2026 veröffentlichte Gartner-Studie ergab, dass sich nur 4 % der Versicherer in den fortgeschrittensten Phasen der KI-Reife befanden, um KI zur Steigerung des Geschäftswerts zu skalieren. Als ich dies mit Dennis Milan, CIO und CTO für digitale Innovation bei Tokio Marine Seguradora, in der Sendung „The IT Leaders’ Brief“ besprach, machte er eine Unterscheidung, die ich nachvollziehen kann: Zu Hause mit generativer KI zu experimentieren ist eine Sache; sie in einem Unternehmen einzusetzen, das für Millionen von Versicherungsnehmern verantwortlich ist, eine ganz andere.

Die Kluft zwischen Pilotprojekt und großangelegter Umsetzung ist nicht nur technischer Natur. Es ist auch eine Frage des Vertrauens. Governance trägt dazu bei, dieses Vertrauen aufzubauen.

Vorstände genehmigen Risiken, die sie verstehen

Governance wird oft als Innovationsbremse angesehen: ein weiterer Ausschuss, eine weitere Richtlinie oder ein weiteres Formular, das es zu bewältigen gilt. Aus der Perspektive derjenigen, die Investitionen genehmigen, sehe ich das anders.

Ein Vorstand genehmigt eine Technologie nicht einfach deshalb, weil sie vielversprechend erscheint. Er muss verstehen, worum es geht: Wer trägt die Verantwortung, welche Risiken bestehen, wie viel das Projekt kosten könnte und welche Kontrollmechanismen vorhanden sind – einschließlich der Frage, ob der Betrieb bei Bedarf gestoppt werden kann.

KI-Projekte ohne klare Antworten können kostspielig werden, wenn sie in der Schwebe bleiben. Sie sind möglicherweise zu unsicher, um sie in großem Maßstab umzusetzen, doch es fehlt ein ausreichend überzeugendes Argument, um sie zu stoppen. So häufen sich Pilotprojekte an.

Dennis wollte damit sagen, dass das Unternehmen weiterhin für die Antworten verantwortlich ist, die es seinen Kunden gibt, selbst wenn ein Modellanbieter die Technologie bereitstellt. Die Verantwortung lässt sich nicht zusammen mit der Technologie auslagern. Wenn ein Unternehmen diese Verantwortung übernimmt und festlegt, wie es damit umgehen wird, wird die Unternehmensführung zu einem Faktor, der es Führungskräften ermöglicht, KI mit Zuversicht zu genehmigen.

KI kann Schwachstellen in bestehenden Prozessen aufdecken

Ein Beispiel, das Dennis anführte, zeigte, wie durch den Einsatz von KI bereits bestehende Probleme aufgedeckt werden können.

Bei der Aufbereitung von Dokumenten für das Training von KI-Modellen stellte sein Team fest, dass einige Verträge und Verfahren für die KI schwer zu interpretieren waren. Bei näherer Untersuchung stellte sich heraus, dass auch Menschen damit Schwierigkeiten hatten. Durch die Überarbeitung des Materials konnte die KI die Dokumente besser verarbeiten, und sie wurden für Makler und Kunden verständlicher.

Ich beobachte in verschiedenen Organisationen immer wieder dasselbe Muster. KI kann Unklarheiten aufdecken, mit denen Teams durch Erfahrung, informelle Gespräche und das Wissen einiger weniger Personen gelernt haben, umzugehen. Ein Modell kann sich nicht auf diese Abkürzungen verlassen; es ist auf die Informationen angewiesen, die es erhält.

Das bedeutet, dass ein Teil des Nutzens eines KI-Programms bereits vor der Inbetriebnahme eines Agenten zum Tragen kommen kann: klarere Prozesse, einheitlichere Dokumentation und Geschäftsregeln, die endlich schriftlich festgehalten werden. Diese Vorteile tauchen möglicherweise nicht im ursprünglichen Business Case auf, da die zugrunde liegenden Probleme nicht erkennbar waren. Sie sollten zumindest als potenzielle Ergebnisse berücksichtigt werden.

Messen Sie KI anhand der Geschäftsergebnisse

Die Frage, die mir in Investitionsausschüssen am häufigsten gestellt wird, lautet: Wie lässt sich die Rendite von KI messen? Das ist eine berechtigte Frage, doch die individuelle Bewertung jedes einzelnen Akteurs kann zu falschen Schlussfolgerungen führen.

Je mehr Mitarbeiter Unternehmen einstellen, desto schwieriger wird die Leistungsmessung auf Einzelmitarbeiter-Ebene. Außerdem kann dabei der Schwerpunkt eher auf dem liegen, was sich am einfachsten erfassen lässt, als auf dem, was für das Unternehmen wirklich wichtig ist.

Bewerten Sie KI stattdessen anhand ihrer Auswirkungen auf Prozesse, das Kundenerlebnis sowie die operativen und finanziellen Ergebnisse. In der Versicherungsbranche könnte dies Folgendes umfassen:

• Wie lange dauert die Erstellung eines Angebots?
• Ob Makler Produkte verkaufen dürfen, für die bisher Fachwissen erforderlich war
• Wie viele Kundenanfragen werden ohne Eskalation geklärt?

Dennis beschrieb ein Beispiel aus dem Bereich der gewerblichen Versicherungen, bei dem ein Makler den Wirtschaftszweigcode eines Unternehmens eingibt und auf der Grundlage historischer Daten ein Angebot mit passendem Versicherungsschutz erhält. Der geschäftliche Maßstab ist nicht die Leistung des Modells für sich genommen, sondern die Frage, ob mehr Makler ein Produkt verkaufen können, das sie zuvor nicht verkaufen konnten.

Auch die allgemeinen Marktzahlen deuten auf dieselbe Herausforderung hin. Die Analyse von BCG zur Einführung und zum Nutzen von KI in der Schaden- und Unfallversicherung zeigt, dass Schaden- und Unfallversicherer davon ausgehen, dass sich die KI-Ausgaben im Verhältnis zum Umsatz bis 2026 verdreifachen werden, während nur 38 % in ihren Kernabläufen in großem Maßstab einen Mehrwert durch KI erzielen. Höhere Investitionen führen nicht automatisch zu besseren Ergebnissen. Die Herausforderung besteht darin, KI mit strategischen Prioritäten, Geschäftsprozessen und messbaren Ergebnissen zu verknüpfen.

Wie Dennis in unserem Gespräch sagte: „KI ist kein technologisches Thema, sondern ein geschäftliches.“

Für den Ausbau der KI sind Eigenverantwortung und Kostentransparenz erforderlich

Dennis erklärte, dass Tokio Marine zum Zeitpunkt des Gesprächs über mehr als 1.200 Vertreter verfügte. Er beschrieb, wie das Unternehmen einen Katalog erstellte und KI-Geschäftspartner zuwies, um den Geschäftsbereichen dabei zu helfen, zu entscheiden, wo der Einsatz von KI sinnvoll sei – und wo eine einfachere Option, wie beispielsweise Automatisierung, Prozessänderungen oder manuelle Verfahren, besser funktionieren würde.

Jeder Agent kann einen Mehrwert bieten, verursacht aber auch wiederkehrende Kosten, Abhängigkeiten und Risiken, die es zu bewältigen gilt. Unternehmen müssen wissen, wer für den jeweiligen Agenten verantwortlich ist, welche Kosten für dessen Wartung anfallen, welche Ergebnisse er liefert und wann er zuletzt überprüft wurde. Ohne diese Transparenz ist es schwierig zu entscheiden, was beibehalten, verbessert oder eingestellt werden soll.

Diese Disziplin trägt auch dazu bei, die Kosten der KI in den Griff zu bekommen. Die Einbindung einer KI-Ebene in einen bereits gut funktionierenden digitalen Dienst kann zusätzliche Kosten verursachen, ohne einen Mehrwert zu schaffen. Zu wissen, wann man KI nicht einsetzen sollte – und klare Gründe für diese Entscheidung zu haben –, ist Teil einer soliden KI-Strategie.

Bei der KI-Governance müssen Geschäftspartner einbezogen werden

Bei Diskussionen zum Thema Unternehmensführung geht es oft darum, was innerhalb der Organisation geschieht. KI kann jedoch auch Auswirkungen auf die Partner und Vermittler haben, die ein Unternehmen mit seinen Kunden verbinden.

Dennis beschrieb das Netzwerk unabhängiger Makler von Tokio Marine sowie die unterschiedlichen Stufen der technologischen Reife innerhalb dieses Netzwerks. Wenn Partner neue Systeme nicht einführen oder damit arbeiten können, führt eine interne Weiterentwicklung möglicherweise nicht zum gewünschten Ergebnis.

Für Unternehmen, die auf Zwischenhändler angewiesen sind, erfordert dies klare Integrationsregeln, gemeinsame Datenstandards und einen durchdachten Ansatz zur Unterstützung des Vertriebskanals. Die Steuerung von KI über ein ganzes Ökosystem hinweg ist schwieriger als die Steuerung innerhalb eines einzelnen Unternehmens, aber es handelt sich dabei auch um eine geschäftliche Entscheidung – nicht nur um eine technische.

Führungskräfte müssen das Hier und Jetzt meistern und sich auf die Zukunft vorbereiten

Dennis verwendete den Begriff „Beidhändigkeit“, um die Bewältigung des Tagesgeschäfts bei gleichzeitiger Schaffung von Raum für Innovationen zu beschreiben. Er betonte zudem die Bedeutung der Unternehmenskultur: Es gelte, Mitarbeiter zu identifizieren, die sich mit KI wohlfühlen, und ein Netzwerk aufzubauen, in dem Wissen ausgetauscht und die Einführung von KI unterstützt werden kann.

Da stimme ich zu. Ich möchte noch eine Frage hinzufügen, die ich in Gesprächen über KI mit Führungskräften immer stelle: Wer in Ihrem Unternehmen ist befugt, „Ja“ zu sagen?

Wenn niemand diese Frage beantworten kann, bleibt die KI möglicherweise im Pilotmodus. Wenn alle mit „Ja“ antworten können, könnte die Einführung der KI der Aufsicht vorauslaufen. Eine wirksame Governance stellt klar, wer entscheidet, welche Informationen dieser Entscheidung zugrunde liegen und welche Grenzen gelten.

Der Vorstand muss nicht jedes technische Detail jedes Modells im Detail kennen. Er muss die Risiken, Verantwortlichkeiten und erwarteten Ergebnisse verstehen und den Prozessen vertrauen, die als Grundlage für Entscheidungen im Bereich der KI dienen.

Der Aufbau dieses Vertrauens ist eine der weniger sichtbaren – aber unverzichtbaren – Aufgaben, wenn es darum geht, KI vom Proof-of-Concept zu geschäftlichen Erfolgen zu führen.

Entdecken Sie die Dienstleistungen von Getronics im Bereich Künstliche Intelligenz und erfahren Sie, wie Governance den Weg von der Ermittlung von Anwendungsfällen bis hin zur Implementierung und kontinuierlichen Verbesserung unterstützen kann.