Was fehlt, ist nicht die Idee, sondern die Zeit
Bevor es um Werkzeuge, Daten oder Use Cases geht, braucht es einen Menschen, der das Ganze zusammenhält. Damit beginnt dieser Fahrplan, und damit beginnt die Breite aus dem Auftakt: das Fundament, auf dem alles Weitere aufbaut.
Wo fangen wir an? Dahinter steckt fast nie ein Mangel an Ideen. Es gibt Werkzeuge, es gibt Budget, es gibt Neugier. Was fehlt, ist jemand, der den Anfang trägt.
Was Unternehmen wirklich aufhält, ist selten die Technik. Und fast nie zuerst das Geld. In meinen Gesprächen ist der größte Faktor fast immer die Zeit. Die Zeit, sich einzuarbeiten, Use Cases zu finden, auszuprobieren, die beste Lösung zu wählen. Diese Zeit fällt nicht vom Himmel. Jemand muss sie bekommen.
„KI-Transformation scheitert selten an der Technik. Viel öfter daran, dass niemand die Zeit dafür bekommt.“
Befähigung ist ein Invest, kein Nebenprodukt
Viele Unternehmen behandeln KI wie ein Werkzeug, das man kauft und verteilt. Lizenz raus, fertig. Meine Erfahrung ist eine andere. Die Lizenz ist der kleinere Teil. Der größere ist der Mensch, der die Einführung begleitet, und die Zeit, die dieser Mensch bekommt.
Sich in KI einzuarbeiten kostet erst einmal etwas, bevor es etwas zurückgibt. Zu verstehen, wie die Lösungen funktionieren, wie man selbst etwas damit baut, wie man Prozesse umstellt. Das ist ein Invest. Wer ihn nicht macht, bekommt KI, die zwischen Tür und Angel passiert. Und das heißt meistens: Sie passiert nicht.
Deshalb braucht es eine dedizierte Rolle. Bei größeren Häusern ein ganzes Team. Mit direktem Draht zur Führung und mit offenem Ohr für die Belegschaft. Nicht als IT-Projekt, sondern als Transformationsprogramm. Das ist ein Unterschied in der Haltung, nicht nur in der Organisation.
Eine Lizenz verteilt sich von selbst. Eine Transformation braucht jemanden, der sie trägt.
Im Fahrersitz sitzt das Business, nicht die IT
Es gibt keine Erfolgsgeschichte, in der die Führung nicht im Fahrersitz saß. Die IT kann unterstützen, treiben müssen es die Verantwortlichen aus dem Geschäft. Und jede Technologie-Transformation ist am Ende eine Menschen-Transformation. Nicht das Modell entscheidet, sondern die Fähigkeit der Organisation, es zu nutzen.
Genau diese Fähigkeit baut sich nicht nebenbei auf. Sie braucht Menschen, die dafür zuständig sind, und Zeit, in der sie es tun. Auch das AI Transformation Manifesto von McKinsey führt beides als zentrale Punkte einer gelungenen Transformation.
Die Größenordnung dahinter macht die Boston Consulting Group greifbar. In ihrer Analyse zur KI als Workforce Transformation verteilt sich der Erfolg nach der Faustregel 10, 20, 70. Etwa 10 Prozent hängen am Algorithmus, 20 Prozent an Technik und Daten, und rund 70 Prozent an Menschen und Prozessen. Der größte Hebel liegt also bei den Menschen und Prozessen. Dort wird noch zu wenig investiert, auch wenn immer mehr den Wert erkennen, in die Menschen und ins AI Enablement zu investieren. Das ist auch in Ordnung, denn die Technik entwickelt sich rasant, und mit ihr entwickeln sich die Wege der Einführung.
Was diese Rolle wirklich tut
Die Stelle hat noch keinen einheitlichen Namen. Mal heißt sie AI Enablement Manager, mal AI Adoption Manager, mal AI Transformation Manager. Gemeint ist fast immer dasselbe. Eine interne Rolle, die zwischen den technischen KI-Teams und dem Geschäft vermittelt und dafür sorgt, dass KI verstanden, genutzt und auch vertraut wird.
In den Stellenprofilen, die gerade überall entstehen, taucht dasselbe Bild auf. Diese Rolle treibt die Adoption und sorgt dafür, dass aus Nutzung messbare Effizienz wird. Sie verantwortet Governance und den regelkonformen, verantwortungsvollen Einsatz. Sie baut Befähigungsprogramme, die aus Mitarbeitenden KI-fähige Problemlöser machen. Und sie bewegt all das ohne direkte Weisungsbefugnis, über Einfluss, klare Kommunikation und Zahlen. Nicht umsonst wachsen genau diese nicht-technischen Enablement-Rollen schneller als der KI-Arbeitsmarkt insgesamt.
Bei mir heißt sie AI Enablement. Sie ist keine Stabsstelle, die Folien produziert. Sie arbeitet an vier Dingen gleichzeitig, immer zusammen mit den Fachbereichen.
Ein klares Bild davon, was KI im Haus leisten soll, mit Rückendeckung der Führung. Ohne Mandat bleibt jede Initiative ein Hobby.
Trainings, Einzelcoachings, ein Netzwerk aus Mitstreitern. Menschen dort abholen, wo sie stehen, statt Werkzeuge über sie auszukippen.
Use Cases einsammeln, priorisieren, von der Idee bis produktiv begleiten. Den Überblick behalten, damit nichts versandet.
Erste Anlaufstelle für die Belegschaft. Für die Fragen, die zu klein für ein Ticket und zu groß fürs Stillschweigen sind.
Was sich dadurch ändert, ist nicht magisch, sondern schlicht. Es läuft koordiniert. Man kann Dinge nachfassen. Es geht nicht im Tagesgeschäft unter. Aus vielen einzelnen Versuchen wird ein gemeinsames Vorankommen.
Was ich darin konkret mache
Konkret heißt das bei mir: Ich nehme Use Cases auf, priorisiere sie nach Wert und Aufwand und steuere die Umsetzung sprintbasiert über Jira. Ich baue das Operating Model mit Rollen, Rhythmus und Entscheidungswegen, skaliere die Befähigung über ein Ambassador-Netzwerk und praxisnahe Trainings, und bringe Agents und Workflows mit Langdock und Make vom Prototyp bis produktiv. Das Ergebnis ist greifbar, die aktive Nutzung ist in sieben Monaten von 39 auf 80 Prozent gestiegen.
Und ich rechne. Für jeden Use Case berechne ich den ROI nach einer festen Logik. Das hilft beim Priorisieren und belegt den Wert gegenüber der Geschäftsführung, am Anfang sogar den ROI des ganzen Tech-Stacks für den Einkauf. Jeder Use Case wird sauber dokumentiert, in Confluence und Jira, inklusive Risikolevel. So arbeiten wir von Anfang an regelkonform und sind fast nebenbei bereit für ein Audit. Genau diese Spannweite, von der Strategie über die Befähigung bis zur Berechnung und Dokumentation, macht die Rolle aus.
So habe ich die Rolle bei uns verankert:
- Sponsor ist der CEO, mit direkter Berichtslinie.
- Gesicherte Zeit heißt bei uns zwei dezidierte AI-Enablement-Stellen auf rund 200 Mitarbeitende.
- Wir haben uns selbst tief in Langdock eingearbeitet und trainieren seither regelmäßig weiter.
Eine Rolle ist kein Allheilmittel
So wichtig diese Rolle ist, sie hat eine Grenze. Wer alles auf eine Person legt, baut einen Flaschenhals. Eine zentrale Stelle kann nicht in jedem Team sitzen, nicht jeden Use Case selbst bauen, nicht jede Frage selbst beantworten. Wird sie zum einzigen Kanal, wird sie zur Bremse, die sie eigentlich lösen sollte.
Die Rolle ist also der Anfang, nicht die Lösung. Ihr Job ist es, andere stark zu machen, damit nicht alles an ihr hängt. Überflüssig wird sie dadurch nicht, im Gegenteil. Sie verschiebt sich nur, von der ersten Befähigung hin zum Orchestrieren, Messen und Weiterentwickeln. Je mehr KI im Alltag ankommt, desto mehr gibt es zu steuern. Diese Rolle bleibt. Genau da setzt der nächste Teil dieser Reihe an. Ohne Mitstreiter, ohne Champions in den Teams, bleibt die beste Rolle allein.
Für mich gelingt die Rolle dann, wenn sie nicht alles selbst macht, sondern viele befähigt, es selbst zu können.
McKinsey, The AI transformation manifesto (April 2026), zur Führungsverantwortung und zur Menschen-Transformation.
BCG, AI Transformation Is a Workforce Transformation (2026), zur Faustregel 10, 20, 70.
SkillSeek, AI Enablement Roles Inside Companies (2026), zu Aufgaben und Anforderungen der Rolle.
Wer hat bei euch die Zeit für dieses Thema?
Eigene Rolle, Team, oder läuft es nebenbei mit? Ich bin neugierig, wie ihr das gelöst habt.
Fahrplan „KI-Transformation aus der Praxis“, Phase 1 · Fundament · Als Nächstes: Struktur und Daten · Zur Übersicht