KI ist kein Werkzeug mehr. Sie wird zur Strukturfrage.
Heute ist nicht der Tag eines spektakulären KI-Modells. Heute ist der Tag, an dem gleich mehrere Nachrichten denselben Befund liefern: KI verlässt die Werkzeug-Schublade. Sie verschiebt Aufsicht, Rollen, Verantwortung – und sie tut das schneller, als die meisten Organisationen ihre Strukturen darauf eingestellt haben.
Wenn Trump KI prüfen lassen will, wird Aufsicht zur Realität
Die US-Regierung erwägt staatliche Kontrollverfahren für neue KI-Modelle. Das ist für eine Trump-Administration, die bislang jede KI-Regulierung abgewehrt hat, eine Kehrtwende – und sie hat einen Auslöser: das Anthropic-Modell „Mythos“, das laut Berichten Sicherheitslücken so präzise findet, dass das Unternehmen es zurückhält und nur ausgewählten Konzernen wie Apple und Microsoft zur Härtung ihrer Systeme zugänglich macht. Diskutiert wird eine Arbeitsgruppe unter dem Pentagon, die KI-Modelle in Bund, Ländern und Kommunen sicherheitstechnisch prüft.
Wer aus Deutschland heraus US-Modelle einsetzt, sollte das nicht als US-Innenpolitik abtun – die Prüfregeln, die in Washington jetzt entstehen, werden in zwölf bis achtzehn Monaten in Lieferantenverträgen, AGB und Compliance-Anforderungen stehen. Die KI-Verordnung der EU bekommt damit ein transatlantisches Pendant. Wer heute beginnt, ein eigenes KI-Risiko-Register zu führen – welche Modelle nutzen wir, wofür, mit welchen Daten – kommt nicht ins Hinterherrennen, wenn Auditoren fragen.
76 Prozent der CEOs haben einen Chief AI Officer – Ihre Führungsetage hat das schon entschieden
Die jährliche IBM-CEO-Studie 2026 (2.000 Befragte, 33 Länder, 21 Branchen) liefert die Zahl, die heute am meisten verändert: 76 Prozent der Unternehmen haben 2026 einen Chief AI Officer. 2025 waren es noch 26 Prozent. In zwölf Monaten hat sich diese Rolle von einer Mode zum Normalfall entwickelt. 59 Prozent der CEOs erwarten zudem, dass die Bedeutung des CHRO – also der Personalführung – in den nächsten Jahren spürbar zunimmt.
Wer das ignoriert, ist in 24 Monaten nicht mehr satisfaktionsfähig im Wettbewerb um Talente und Verträge. Die Studie nennt zwei Zahlen, die HR-Verantwortliche und Geschäftsführungen direkt betreffen: 29 Prozent der Beschäftigten brauchen zwischen 2026 und 2028 eine Umschulung für eine andere Rolle, 53 Prozent ein Upskilling für die aktuelle Tätigkeit. Das sind über 80 Prozent der Belegschaft in Bewegung. 25 Prozent der operativen Entscheidungen werden bereits heute ohne menschliches Eingreifen von KI getroffen, 48 Prozent erwarten die CEOs bis 2030.
Die Botschaft an Mittelstand und öffentlichen Dienst: Sie brauchen keinen Chief AI Officer mit C-Titel. Sie brauchen aber jemanden, der KI-Themen ressortübergreifend verantwortet, mit Mandat und Budget. Und Sie brauchen eine Lernlandkarte für die nächsten 24 Monate – pro Funktion, pro Team, pro Person.
SAP zeigt, wo die KI-Bremse wirklich sitzt: bei den Daten
SAP hat am 4. Mai zwei Übernahmen angekündigt – die US-Lakehouse-Plattform Dremio sowie das Freiburger Start-up Prior Labs, in das SAP über vier Jahre mehr als eine Milliarde Euro investiert. Prior Labs entwickelt sogenannte Tabular Foundation Models, also KI-Modelle, die auf strukturierte Geschäftsdaten spezialisiert sind – eine Klasse, die Sprachmodelle bei klassischen ERP-Aufgaben wie Zahlungsausfällen oder Kundenabwanderung deutlich übertrifft. SAP-CTO Philipp Herzig formulierte den Kern in einem Satz: Unternehmens-KI scheitere nicht an den Modellen, sondern an den Daten.
Wer im Unternehmen mit fragmentierten Datentöpfen, inkonsistenten Stammdaten und gewachsenen Excel-Inseln arbeitet, hat keinen KI-Engpass – er hat einen Datenengpass. Solange dieser Engpass besteht, bleiben KI-Pilotprojekte teure Demos. Aus 40 Jahren Praxiserfahrung mit Veränderungsprozessen weiß ich: Die unsichtbare Vorarbeit – Datenqualität, Zugriffsrechte, fachliche Definitionen – entscheidet darüber, ob KI im Alltag landet oder im Innovations-Theater verschwindet. Das Gespräch über KI gehört nicht in die IT-Abteilung allein. Es gehört dorthin, wo Daten erzeugt werden: in Vertrieb, Produktion, Personalabteilung, Verwaltung.
KI schlägt Ärzte in der Notaufnahme – und scheitert beim nächsten Hitzerekord
Zwei Studien dieser Tage zeigen den Unterschied zwischen KI-Stärke und KI-Grenze besser als jede Pressemitteilung. Eine Untersuchung von Harvard Medical School und Beth Israel Deaconess Medical Center, veröffentlicht in Science, ließ das OpenAI-Modell o1 gegen menschliche Ärzte antreten – an 76 realen Notfällen aus Bostoner Krankenhäusern. Das Modell stellte in 80 Prozent der Fälle die korrekte Diagnose, deutlich vor den menschlichen Vergleichsteams. Die Studienautoren betonen: Das ersetzt keine Ärzte, sondern verlangt nach einem dreifachen Versorgungsmodell aus Ärzten, Patienten und KI.
Parallel dazu zeigt eine Untersuchung des Karlsruher Instituts für Technologie und der Universität Genf in Science Advances: Bei normalen Wetterlagen sind KI-Modelle den physikbasierten Modellen ebenbürtig oder überlegen – aber bei Extremereignissen mit Rekordwerten unterschätzen sie die Intensität systematisch. Die Begründung ist physikalisch zwingend: Neuronale Netze extrapolieren schlecht über ihren Trainingsbereich hinaus. Frühwarnsysteme dürfen sich auf reine KI-Vorhersagen also nicht verlassen.
Beide Studien sagen denselben Satz mit verschiedenen Worten: KI ist da am stärksten, wo viele ähnliche Fälle bereits gesehen wurden – und am schwächsten, wo es um das Neue, das Seltene, das noch nie Dagewesene geht. Wer KI einsetzt, muss diese Asymmetrie strukturell mitdenken: Routine an die Maschine, Ausnahmen an den Menschen.
Personalabbau wegen KI bringt keinen Gewinnschub – die teure Lehre
Eine am 5. Mai von Reuters und Heise verbreitete Gartner-Studie unter 350 Unternehmen mit über einer Milliarde Dollar Umsatz liefert die wirtschaftliche Pointe des Tages: 80 Prozent der KI-nutzenden Unternehmen haben Personal abgebaut – aber die Renditen unterscheiden sich kaum zwischen denen, die abgebaut haben, und denen, die nicht abgebaut haben. Personalabbau schaffe finanziellen Spielraum, sagt Gartner-Analystin Helen Poitevin, aber keinen Renditevorteil. Erfolgreich seien vor allem Unternehmen, die auf Weiterbildung statt Entlassung gesetzt haben.
Wenn sich nichts ändert, machen Unternehmen genau den Fehler, den die Tech-Branche gerade öffentlich revidiert: Sie sparen kurz, verlieren institutionelles Wissen und stellen Monate später teurer wieder ein. Eine zweite Arbeit zweier Ökonomen von Wharton und Boston University zeigt das makroökonomische Echo: Ein Automatisierungswettlauf, der die eigene Kundenbasis schrumpft, weil entlassene Beschäftigte aufhören zu konsumieren. Die Schlussfolgerung für KMU und öffentlichen Dienst ist nüchtern: Eine KI-Strategie, die sich primär als Personalabbau-Instrument versteht, ist betriebswirtschaftlich riskanter als eine, die in Qualifizierung investiert.
Wenn beide Seiten ChatGPT nutzen, ist das Motivationsschreiben tot
Im Handelsblatt schildert Robert-Walters-Deutschlandchef Thomas Hoffmann eine Szene, die viele HR-Profis kennen: Im Online-Interview wandern die Augen des Bewerbers zur Seite, die Antworten klingen abgelesen. Liest er KI-generierte Antworten von einem zweiten Bildschirm ab? Beweisbar ist es nicht – das schlechte Bauchgefühl bleibt. Parallel sagt der frühere UBS-Konzernpersonalchef Gery Bruederlin in der NZZ einen Satz, der das gesamte Bewerbungswesen erschüttert: Das Bewerbungsdossier hat als Differenzierungsmerkmal ausgedient, weil sich heute jeder ein gutes Dossier von einer KI bauen lassen kann.
Wenn Sie heute Personalauswahl ohne strukturierte Verhaltensinterviews, Arbeitsproben oder Probetage betreiben, messen Sie nicht mehr Eignung – Sie messen Prompting-Skills. Eignungsfeststellung muss neu gedacht werden: weniger Dossier, mehr beobachtbares Verhalten in realistischen Aufgaben. Ein konkreter erster Schritt für die nächste Stellenbesetzung: Ersetzen Sie zwei Standardfragen im Interview durch eine zwanzigminütige Aufgabe aus dem echten Arbeitsalltag, gemeinsam bearbeitet, im Gespräch nachgefragt. Das ist nichts Revolutionäres. Es ist ein altes Handwerk, das gerade wieder relevant wird.
Mona stellt ein, ein Agent löscht alles, Phishing wird industriell – Verantwortung wird die Schlüsselfrage
Drei Geschichten, die zusammengelesen werden müssen. In Stockholm experimentiert das Café Andon mit einer KI-„Chefin“ namens Mona: Sie schaltet Stellenanzeigen, führt Telefoninterviews, trifft Einstellungsentscheidungen, bestellt Waren – manchmal zehn Liter Öl zu viel und neun Liter Kokosmilch ungebraucht. Die Beschäftigten haben eine Wall of Shame eingerichtet. Beim Software-Hersteller PocketOS hat ein KI-Agent über die Entwicklungsumgebung Cursor in der Produktionsumgebung nahezu alle Daten gelöscht – inklusive Backups – und anschließend ein schriftliches Geständnis abgelegt. Und der KnowBe4 Phishing Threat Trends Report 2026 dokumentiert: Die große Mehrheit der Phishing-Angriffe ist mittlerweile KI-gestützt, in 30 Prozent der Fälle imitieren Angreifer interne Identitäten – etwa Kollegen aus der IT.
Drei verschiedene Geschichten, eine gemeinsame Frage: Wer haftet, wenn die KI entscheidet? Mona kann keine Beschäftigten kündigen, ohne dass dahinter eine juristische Person steht. Der Cursor-Agent löscht keine Datenbank, ohne dass jemand das Backup-Konzept verantwortet. Und keine Phishing-Welle erreicht die Belegschaft, wenn klare Eskalations- und Verifikationspfade vorhanden sind. Die Aufgabe ist konkret: Schreiben Sie auf, welche Entscheidungen in Ihrem Haus von KI getroffen oder vorbereitet werden – und wer im Ernstfall den Stift in der Hand hält. Diese Liste sollte auf eine A4-Seite passen. Wenn sie länger wird, haben Sie ein Governance-Problem.
Was bleibt nach diesem Tag
Die einzelnen Meldungen sind beeindruckend. Die Summe ist es mehr. Wenn die USA eine Aufsicht vorbereiten, drei Viertel der Unternehmen einen Chief AI Officer benennen, SAP eine Milliarde in Daten-Infrastruktur investiert, KI Ärzte schlägt und gleichzeitig bei Wetter-Extremen versagt, Personalabbau ohne Renditevorteil bleibt, das Bewerbungsdossier seine Aussagekraft verliert und ein Café in Stockholm eine KI als Chefin testet – dann ist der gemeinsame Nenner unübersehbar. KI ist heute keine Werkzeug-Frage mehr. Sie ist eine Strukturfrage: über Rollen, Aufsicht, Datenarbeit, Eignungsfeststellung, Haftung.
Die gute Nachricht für Sie als Führungskraft, HR-Verantwortliche oder Geschäftsleitung in KMU und öffentlichem Dienst: Diese Strukturfragen können Sie gestalten. Sie müssen nicht der Erste sein. Aber Sie sollten in den nächsten sechs Monaten drei Dinge angefangen haben: Eine Lernlandkarte für Ihre Belegschaft. Eine Liste der KI-Entscheidungen in Ihrem Haus mit klar zugeordneter Verantwortung. Und einen Eignungsfeststellungs-Prozess, der mehr misst als ein KI-poliertes Dossier.
Schreibe einen Kommentar