Eine betriebliche KI-Strategie beschreibt, wofür ein Unternehmen künstliche Intelligenz einsetzen will und welche Voraussetzungen es dafür schafft: Anwendungsfälle, Daten, Kompetenzen, Zuständigkeiten und Regeln. Dieser Artikel behandelt nur die Ebene des einzelnen Betriebs, nicht die nationalen KI-Strategien von Staaten.
In einfachen Worten
Eine KI-Strategie ist der Plan eines Unternehmens für den Umgang mit KI. Sie klärt, wofür man KI nutzen will und welche Daten und Fähigkeiten dafür nötig sind. Dazu gehört auch, wer verantwortlich ist und welche Regeln gelten. Viele Fachleute raten, mit kleinen, machbaren Projekten zu beginnen. Den großen Plan schreibt man besser, wenn man erste Erfahrungen gesammelt hat.
Zusammenfassung
Die Quellen, auf die sich dieser Artikel stützt, widersprechen einander nicht, setzen aber verschiedene Akzente.
Andrew Ng beschreibt 2018 fünf Schritte und nennt die Strategie erst als vierten, nach Pilotprojekten, Team und Schulung (Ng 2018).
Davenport und Ronanki raten im selben Jahr, nicht mit „Moon Shots“ zu beginnen, sondern schrittweise vorzugehen und menschliche Fähigkeiten zu ergänzen statt zu ersetzen (Davenport/Ronanki 2018).
Die Bitkom-Befragung vom September 2026 zeigt, wo deutsche Unternehmen heute stehen (Bitkom 2026).
Was eine Strategie festlegt
Ng nennt als Zweck einer KI-Strategie, das Unternehmen zu Wertschöpfung zu führen und zugleich Vorsprünge aufzubauen, die Wettbewerber schwer einholen. Er rät, sich nicht im Allgemeinen mit Technologiekonzernen zu messen, sondern in der eigenen Branche führend zu werden (Ng 2018).
Zur Strategie gehört bei ihm eine Datenstrategie. Er nennt gezielte Beschaffung von Daten, zusammengeführte statt verstreuter Datenbestände und die Unterscheidung wertvoller von wertlosen Daten. Große Datenmengen führten nicht von selbst zu Nutzen (Ng 2018).
Davenport und Ronanki empfehlen, zu verstehen, welche Technologie welche Aufgaben erledigt, ein nach Geschäftsbedarf geordnetes Portfolio von Projekten zu bilden und Pläne für die Ausweitung im ganzen Unternehmen zu entwickeln. Sie unterscheiden drei Bedarfe: Prozesse automatisieren, aus Daten Erkenntnisse gewinnen und mit Kundschaft und Beschäftigten in Kontakt treten (Davenport/Ronanki 2018).
Reihenfolge: erst Erfahrung, dann Plan
Ng hält fest, dass manche Führungskräfte die Strategie für den ersten Schritt halten. Nach seiner Erfahrung können die meisten Unternehmen erst eine durchdachte Strategie entwerfen, wenn sie erste Erfahrungen mit KI gemacht haben (Ng 2018). Er empfiehlt Pilotprojekte, die klar messbar, technisch machbar und innerhalb von sechs bis zwölf Monaten sichtbar erfolgreich sein sollen. Für das Gesamtprogramm rechnet er mit zwei bis drei Jahren (Ng 2018).
Das heißt nicht, ohne Leitplanken zu starten. Es heißt, die Strategie zu überarbeiten, sobald die Piloten Daten über Aufwand und Nutzen liefern.
Schulung als Teil der Strategie
Ng sieht breite Schulung als eigenen Schritt und schlägt gestaffelte Umfänge vor: mindestens vier Stunden für Führungskräfte, mindestens zwölf für Bereichsleitungen und mindestens hundert für angehende KI-Ingenieur:innen (Ng 2018). Die rechtliche Pflicht dazu behandelt der Artikel über KI-Kompetenz.
Stand in Deutschland 2026
Laut Bitkom nutzen 57 Prozent der befragten Unternehmen ab 20 Beschäftigten KI, vor einem Jahr waren es 36 Prozent. Neun von zehn sehen sich bei KI am Anfang, und kein Unternehmen mit KI-Einsatz schöpft das Potenzial nach eigener Angabe voll aus (Bitkom 2026).
| Befund (Bitkom 2026) | Wert |
|---|---|
| Unternehmen mit KI-Einsatz | 57 % |
| Schulen Beschäftigte zu KI | 70 % |
| Sehen KI-Kompetenz der Belegschaft als gering | 66 % |
| Größte Kostenpunkte der Anwender | Infrastruktur 51 %, Datenaufbereitung 50 % |
Die Kosten liegen demnach seltener bei Lizenzen als bei Daten und Systemen: Für 21 Prozent der Anwender sind Abos und Lizenzen ein großer Kostenpunkt, für 50 Prozent die Aufbereitung von Daten und für 41 Prozent die Integration in bestehende Systeme. Datenschutzanforderungen nennen 66 Prozent der Anwender als Hindernis (Bitkom 2026).
Grenzen der Quellenlage
Ngs Leitfaden stammt von 2018, also aus der Zeit vor generativer KI, und richtet sich ausdrücklich an größere Unternehmen mit einem Marktwert zwischen 500 Millionen und 500 Milliarden US-Dollar (Ng 2018).
Davenport und Ronanki liegen nur als veröffentlichte Zusammenfassung vor, der Volltext hinter der Bezahlschranke wurde nicht gelesen.
Die Bitkom-Zahlen sind Selbstauskünfte aus einer Befragung von 603 Unternehmen und gelten für Betriebe ab 20 Beschäftigten, nicht für das gesamte Segment kleiner Betriebe.
Gesicherte Belege dafür, dass eine ausformulierte Strategie den Erfolg von KI-Projekten im Mittelstand erhöht, wurden nicht gelesen. Der Artikel beschreibt, was die Quellen empfehlen, nicht was nachweislich wirkt.
Verwandte Begriffe
- ISO/IEC 42001 – Norm für ein KI-Managementsystem, die Zuständigkeiten und Regeln festschreibt
- Governance, Risk und Compliance – Rahmen für Steuerung und Kontrolle im Betrieb
- Menschliche Aufsicht – Anforderung an den Betrieb von Hochrisiko-Systemen
- EU AI Act – Rechtsrahmen, den 37 Prozent der Unternehmen laut Bitkom als Anwender auf sich beziehen
- Andrew Ng – Verfasser des AI Transformation Playbook
Quellenangaben
- Bitkom e. V., 2026. Erstmals nutzt die Mehrheit der Unternehmen KI. Presseinformation, 14. September 2026. https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI, abgerufen am 3. November 2026.
- Davenport, Thomas H. / Ronanki, Rajeev, 2018. Artificial Intelligence for the Real World. In: Harvard Business Review, Januar–Februar 2018. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world, abgerufen am 3. November 2026 (nur Zusammenfassung gelesen).
- Ng, Andrew, 2018. AI Transformation Playbook: How to lead your company into the AI era. Landing AI. https://landing.ai/wp-content/uploads/2020/05/LandingAI_Transformation_Playbook_11-19.pdf, abgerufen am 3. November 2026.