Ein Gastbeitrag von Frank Giroux
Frank Giroux ist Digital-Transformation-Experte mit über 20 Jahren Erfahrung in globalen Konzernen. Zuletzt verantwortete er bei Bayer Pharmaceuticals als Manager Digital Transformation die digitale Strategie in der Supply Chain und arbeitete an KI-Agenten für interne Prozesse.
Seit 2023 ist generative KI von der exotischen Technologie zur strategischen Pflichtaufgabe geworden. Viele Unternehmen sehen inzwischen konkret, wie GenAI Arbeit verändert, etwa in Programmierung oder Kundenservice. Gleichzeitig wächst die kritische öffentliche Sicht auf KI. Sobald es um den eigenen Arbeitsplatz, die eigenen Daten oder die eigene berufliche Zukunft geht, kippt die Neugier schnell zu Skepsis.
Die Kernthese: Wer KI erfolgreich einführen will, muss Vertrauen aktiv aufbauen. Responsible AI ist dafür kein „Nice-to-have“, sondern ein Beschleuniger. Richtig aufgesetzt schaffen Anforderungen aus Recht, Sicherheit und Ethik die Stabilität, die das notwendige Tempo bei der Einführung erst ermöglicht.
Was ist Responsible AI?
Responsible AI meint: KI-Lösungen so einzusetzen, dass das Unternehmen seiner Verantwortung gegenüber Mitarbeitenden, Unternehmenszielen sowie gesellschaftlichen Werten und Gesetzen gerecht wird.
Das klingt abstrakt, lässt sich aber konkret herunterbrechen. Sechs Aspekte bilden den Rahmen: rechtliche Anforderungen, Cybersecurity, ethische Sicherung, robustes Management der Lösungen, Mitarbeiterengagement und strategische Einbettung. Jeder dieser Aspekte adressiert eine andere Dimension von Verantwortung und wirkt auf unterschiedliche Stakeholder. Gemeinsam bilden sie das Fundament, auf dem KI-Transformation funktioniert.
Im Blick haben wir dabei zwei zentrale Einsatzfelder: GenAI am Arbeitsplatz, also Self-Service-Tools wie ChatGPT, Copilots in Office-Plattformen und interne LLM-Umgebungen, sowie GenAI in übergreifenden Prozessen, etwa Informationsassistenten auf Unternehmensdaten oder teilautonome Agenten, die Prozessschritte ausführen. In beiden Feldern gelten dieselben Prinzipien, aber die Schwerpunkte verschieben sich.
1. Legal: Der rechtliche Rahmen entsteht parallel zur Technologie
KI-basierte Lösungen berühren eine Vielzahl an Regulierungen, darunter EU AI Act, DSGVO, Data Act, Betriebsverfassungsgesetz und Geschäftsgeheimnisgesetz. Wichtig ist dabei ein Punkt, der in der Praxis oft zu spät ankommt: Beim internen Einsatz trägt das Unternehmen als Betreiber die Verantwortung für den regelkonformen Einsatz, nicht allein der Modellanbieter.
Der EU AI Act gibt die Taktung vor: Seit Februar 2025 gelten Verbote bestimmter Anwendungen und die KI-Kompetenzpflicht, seit August 2025 Pflichten für Anbieter großer KI-Modelle. Im August 2026 folgt die Transparenzpflicht.
Ein pragmatischer Einstieg ist unspektakulär, aber wirksam: KI-Anwendungen inventarisieren und nach Risiko einstufen. Ein internes KI-Anwendungsregister schafft Transparenz darüber, wer was nutzt, mit welchen Daten, und wer verantwortlich ist. Es bildet die Grundlage für Risikobewertung und Audit-Fähigkeit.
2. Cybersecurity: neue Angriffsflächen, neue Routinen
Sprachmodelle bringen Sicherheitsrisiken mit, die klassische IT-Security-Frameworks nur unzureichend abdecken: Prompt Injection, Data Leakage, Model Poisoning und Shadow AI.
Es gibt Orientierungshilfen, die Teams sofort arbeitsfähig machen, etwa OWASP Top 10 für LLM-Anwendungen oder ISO 42001. Ein besonders wirksamer Hebel gegen Shadow AI ist konstruktiv: eine sichere interne LLM-Plattform, die Mitarbeitenden eine echte Alternative zu öffentlichen Tools bietet.
3. Ethics: Leitplanken für Systeme, die nicht neutral sind
Auch Modelle, die auf Bias-Reduktion trainiert wurden, zeigen weiterhin implizite Verzerrungen. Für Unternehmen bleibt das Modell selbst weitgehend eine Black Box. Der praktikable Fokus liegt daher auf dem beobachtbaren Systemverhalten und auf klaren internen Maßstäben.
Drei Instanzen spielen hier zusammen: Ethik-Boards übersetzen Werte in Leitplanken, der Betriebsrat sichert Mitbestimmung überall dort, wo KI über Personalfragen mitentscheidet, und externe Audits prüfen mit kritischer Distanz. Entscheidend ist die Verankerung auf Vorstandsebene. Wer diese Instanzen früh einbindet, gewinnt Legitimität und reduziert Reibungsverluste.
4. Robustness: Stabilität in einem beweglichen Fundament
Wer GenAI in produktive Prozesse integriert, baut auf einem Fundament, das sich bewegt. Neue Modellversionen verändern die Performance, Änderungen der Datenbasis verschieben das Verhalten, und Antwortqualität kann schleichend driften.
Ein zentraler Schritt ist deshalb die bewusste Entscheidung: Braucht dieser Use Case wirklich KI, oder reicht eine gute Suche oder Prozessautomatisierung? Volatilität sollte nur dort in die Wertschöpfung kommen, wo sie einen klaren Mehrwert stiftet.
Wenn KI sinnvoll ist, braucht es ein Betriebsmodell mit Verantwortlichkeiten für Daten und Applikationen, automatisiertem Testen und laufendem Monitoring sowie Kostentransparenz von Anfang an.
5. Engagement: Adoption ist keine Nebenbedingung
Die beste KI-Lösung scheitert, wenn Anwender:innen nicht mitspielen oder an ihr vorbeiarbeiten. KI verändert auch Rollenbilder: Menschen arbeiten mit Entscheidungsvorschlägen, die nicht mehr deduktiv herleitbar sind.
Bewährt hat sich ein gestuftes AI-Literacy-Programm. Awareness für alle, vertiefte Trainings für Power-User sowie Multiplikator:innen als interne Botschafter:innen. Führungskräfte gehören ausdrücklich dazu. Wer KI-gestützte Arbeit beurteilen soll, braucht einen passenden Referenzrahmen. Das unterstützt zugleich die Kompetenzanforderungen des EU AI Act.
6. Strategy: KI braucht Richtung, Daten brauchen Ordnung
KI-Initiativen brauchen die Kopplung an die Unternehmensstrategie, sonst wird die Auswahl opportunistisch und kann den eigenen Zielen entgegenwirken. Gerade in frühen Phasen, in denen belastbare Business Cases nicht immer möglich sind, gibt Strategie den langfristigen Opportunitäten eine Chance.
Wichtig ist die Trennung zweier Ebenen: Datenstrategie beschreibt, wie Daten erhoben, gesichert und verfügbar gemacht werden. KI-Strategie beschreibt, wo KI welchen Wertbeitrag leisten soll. Eine KI-Strategie ohne tragfähige Datenstrategie steht auf Sand, aber beides ist nicht dasselbe.
Fünf Querschnittsthemen verbinden alle sechs Aspekte
Diese sechs Aspekte stützen sich auf fünf gemeinsame Querschnittsthemen. Wer sie adressiert, bearbeitet nicht sechs Baustellen parallel, sondern baut ein Fundament, das die Transformation eines Unternehmens wie ein Kanal beschleunigen kann.
- Informations- und Datenstrategie als Fundament. Ohne verlässlichen Informationszugriff bleiben Assistenten, Search-Lösungen und spätere Agenten Stückwerk. Gleichzeitig liefert die Strategie die Grundlage für Provider-Strategien wie Build vs. Buy, Multi-Vendor und die Vermeidung von Lock-in.
- Risikomanagement als gemeinsame Sprache. Rechtliche, Sicherheits-, Ethik-, Robustness- und Strategie-Risiken müssen in einem konsistenten Bewertungsrahmen zusammengeführt werden, damit Teams nicht nebeneinander her bewerten, sondern vergleichbar entscheiden.
- Governance und klare Verantwortlichkeiten. Ein Managementmandat, funktionsübergreifende Gremien, Hersteller- und Betreiber-Verantwortung sowie neue Rollen schaffen die Struktur, in der verantwortungsvolle Lösungen nachhaltig betrieben werden können.
- KI als kultureller Wandel. KI verändert nicht nur Prozesse, sondern Erwartungen, Rollen und Selbstverständnis. Diese Veränderung braucht eine bewusste Begleitung und gezielten Kompetenzaufbau (Future Skills).
- Arbeiten in Unsicherheit als Organisationsfähigkeit. Sprachmodelle und Datenquellen bleiben „atmende Konstrukte“. Organisationen müssen Nutzung, Fehlerbilder und Akzeptanz systematisch beobachten und Erkenntnisse gezielt zurückspielen, damit Lösungen mit der Realität reifen.
Responsible AI macht Transformation schneller
Wie die KI-Landschaft in Unternehmen künftig aussieht, ist offen. Plattformen, Modelle und Regulierung sind gleichermaßen in Bewegung. Wenn Mitarbeiter mit Wissen ausgestattet sind und einen klaren Rahmen für die Nutzung von KI haben, zeigen sich schnell drei Wirkungen:
- Innovation wird schneller. Menschen, die Möglichkeiten und Grenzen kennen und innerhalb klarer Leitplanken arbeiten, identifizieren sinnvolle Use Cases früher und setzen sie sicherer um.
- Transformation wird anschlussfähig. Rollen, Erwartungen und Zusammenarbeit werden aktiv gestaltet, statt sie dem Zufall zu überlassen.
- Die Organisation bleibt adaptiv. Regulierung und Technologie entwickeln sich weiter. Ein klarer Rahmen macht Anpassung zur Routine.
Mehr erfahren: Das vollständige Whitepaper mit den Details zu den sechs Aspekten und konkreten Handlungsempfehlungen gibt es hier zum Download.