Wenn KI die Spielregeln ändert: Was moderne Führung jetzt können muss

Diese Sorge ist absolut nachvollziehbar und begegnet uns in fast jedem Unternehmen. Unsere Erfahrung ist aber: KI ersetzt in der Regel keine kompletten Jobs, sondern verändert Arbeit. Es fallen vor allem Routineaufgaben, Dokumentationsaufgaben oder wiederkehrende Tätigkeiten weg – und gleichzeitig entstehen neue Aufgaben.

Wir versuchen das Thema deshalb anders zu framen: nicht als Rationalisierungsprojekt, sondern als Entlastungsprojekt. Die Frage ist nicht: „Wo sparen wir Menschen ein?“, sondern: „Wo gewinnen wir Zeit für wichtigere Arbeit?“

In vielen Bereichen haben wir heute eher zu wenig Personal und zu viel Arbeit. Wenn KI uns hilft, Dokumentation, E-Mails, Protokolle, Berichte oder Auswertungen schneller zu machen, dann gewinnen wir Zeit für die eigentliche Arbeit: Entscheidungen treffen, mit Menschen sprechen, Probleme lösen, Qualität verbessern.

Der entscheidende Punkt ist: KI darf nicht gegen die Mitarbeitenden eingeführt werden, sondern muss als Werkzeug für die Mitarbeitenden eingeführt werden. Dann verändert sich auch die Wahrnehmung.

Aus meiner Sicht gibt es drei zentrale Hebel für Führungskräfte:

1. Selbst verstehen und ausprobieren:  
Führungskräfte müssen KI nicht technisch verstehen, aber sie sollten verstehen, was KI heute schon kann und was nicht. Der wichtigste Schritt ist deshalb, KI selbst im eigenen Arbeitsalltag auszuprobieren – zum Beispiel für E-Mails, Zusammenfassungen, Recherche, Präsentationen oder Auswertungen.

2. Mitarbeitende befähigen statt kontrollieren 
Der größte Fehler wäre, KI nur über Verbote oder Freigaben zu steuern. Wichtiger ist es, Mitarbeitende zu befähigen: Schulungen anbieten, Austauschformate schaffen, gute Beispiele teilen und Zeit zum Ausprobieren geben. Die Produktivitätseffekte entstehen nicht durch die Technologie allein, sondern dadurch, dass Menschen lernen, damit zu arbeiten.

3. Rahmen und Regeln festlegen: 
Führung bedeutet hier vor allem, Orientierung zu geben: Welche Tools dürfen genutzt werden? Welche Daten dürfen eingegeben werden? Wo sind Grenzen? Welche Anwendungsfälle wollen wir gezielt voranbringen?

Wenn man es zusammenfasst, verändert KI Führung ein Stück weit: Weg vom reinen Steuern und Kontrollieren, hin zum Ermöglichen, Befähigen und Orientierung geben. 

Gerade kleine Unternehmen haben eigentlich einen Vorteil: Sie sind schneller und müssen nicht sofort eine perfekte KI-Strategie bauen. Die besten ersten Schritte sind aus meiner Sicht sehr pragmatisch:

• Mit Standard-Tools anfangen (z. B. Copilot, ChatGPT, europäische KI-Tools) – man muss keine eigene KI entwickeln.
• Konkrete Anwendungsfälle im Alltag suchen: Angebote schreiben, E-Mails formulieren, Protokolle zusammenfassen, Recherche, Marketingtexte, Stellenanzeigen usw.
• Mitarbeitende ausprobieren lassen – Lernen passiert gerade vor allem durch Anwenden, nicht durch Theorie.
• Einfache Regeln festlegen: Welche Daten dürfen in KI eingegeben werden und welche nicht?
• Klein anfangen, Erfahrungen sammeln und dann Schritt für Schritt erweitern.

Viele denken beim Thema KI sofort an große Technologieprojekte. In der Realität entstehen die größten Effekte oft durch einfache Anwendungsfälle im Büroalltag. 

Ja, es gibt inzwischen sehr viele Schulungsangebote – aber aus meiner Sicht ist nicht entscheidend, welchen Anbieter man wählt, sondern welche Inhalte Führungskräfte lernen. Für Führungskräfte geht es weniger um Technik und mehr um drei Dinge:

• Was kann KI heute konkret im Arbeitsalltag?
• Wie verändert KI Arbeit und Führung?
• Wie führe ich ein Team, das mit KI arbeitet?

“KI Jeopardy” ist bei kein reines Quiz-Spiel, sondern ein Lernformat, das mehrere Lernschritte kombiniert. Die Teilnehmenden arbeiten in Teams und nutzen aktiv KI-Tools wie Copilot oder BahnGPT.

Das Format besteht im Kern aus mehreren Elementen:

1. Szenarien schreiben: Die Teams entwickeln zu bestimmten Kategorien eigene Fragestellungen oder Szenarien, z. B. aus ihrem Arbeitsalltag. Dadurch wird KI nicht abstrakt, sondern konkret auf die eigene Arbeit bezogen.
2. Refinement: Die Teams lernen, ihre Fragen und Prompts zu verbessern. Also nicht nur einmal eine Frage stellen, sondern iterativ nachschärfen, bis die Antwort wirklich brauchbar ist. Das ist ein ganz wichtiger Lernschritt im Umgang mit KI.
3. Arbeiten mit Wissensdatenbanken: In vielen Fällen arbeiten wir nicht nur mit frei verfügbarem KI-Wissen, sondern mit angebundenen Wissensdatenbanken, also internen Dokumenten oder Fachinformationen. Technisch spricht man hier oft von sogenannten RAG-Systemen (Retrieval Augmented Generation). Das bedeutet: Die KI antwortet nicht nur aus ihrem Trainingswissen, sondern greift zusätzlich auf hinterlegte Unternehmensdokumente zu.
4. Blended Learning: Das Ganze ist eine Mischung aus Spiel, Lernen, Ausprobieren und Reflexion. Die Teilnehmenden probieren Dinge aus, sprechen im Team darüber, was gut funktioniert hat und was nicht, und lernen so gemeinsam.

Das Ziel von KI-Jeopardy ist deshalb nicht in erster Linie Wissen abzufragen, sondern den praktischen Umgang mit KI zu trainieren: gute Fragen stellen, Ergebnisse bewerten, mit Unternehmenswissen arbeiten und im Team Lösungen entwickeln. 

Es gibt verschiedene Test- und Anwendungsszenarien, auch mit fortschrittlicheren Modellen. In der breiten Anwendung sprechen wir aktuell aber vor allem über generative KI-Tools wie Copilot oder interne Lösungen wie BahnGPT. 

Datenschutz und Informationssicherheit sind bei uns ein zentraler Punkt. Der Einsatz von KI erfolgt nicht einfach unkontrolliert, sondern über klare Freigabeprozesse im Rahmen unserer AI-Governance. Das bedeutet: Tools und Anwendungsfälle werden geprüft, bevor sie eingesetzt werden dürfen – insbesondere im Hinblick auf Datenschutz, Informationssicherheit und Compliance.

Zusätzlich haben wir bei der DB insgesamt einen sehr hohen Informationssicherheitsstandard. Das betrifft zum Beispiel die Frage, wo Daten gespeichert werden, welche Daten in KI-Systeme eingegeben werden dürfen und welche nicht, und welche Systeme überhaupt genutzt werden dürfen.

Wichtig ist deshalb: KI-Nutzung ist nicht nur eine technische Frage, sondern vor allem eine Governance- und Sicherheitsfrage. Unternehmen brauchen klare Regeln, Freigabeprozesse und sichere Systemumgebungen – sonst entsteht schnell ein Wildwuchs an Tools und Anwendungen.

Das ist ein sehr wichtiger Punkt, aber man muss hier unterscheiden: Das ist weniger klassische Führungsarbeit im Sinne von Menschen führen, sondern eher Richtlinienarbeit, Governance und Umsetzung von regulatorischen Anforderungen.

Für Führungskräfte bedeutet das aus meiner Sicht aber noch etwas anderes: Sie müssen nicht nur Richtlinien einhalten, sondern vor allem realistisch einschätzen können, wo KI sinnvoll eingesetzt werden kann – und wo nicht. Es geht also nicht nur um Regelkonformität, sondern auch um ein realistisches Verständnis von Nutzungsszenarien, Potenzialen und Risiken.

Führungskräfte müssen lernen, Fragen zu stellen wie:

• Wo kann KI uns konkret Arbeit erleichtern?
• Wo arbeiten Menschen heute viel mit Informationen, Texten, Auswertungen oder Suche?
• Wo brauchen wir zwingend menschliche Entscheidung und Verantwortung?
• Wo kann KI sinnvoll zuarbeiten, ohne kritische Entscheidungen zu übernehmen?

Das bedeutet: Neben Richtlinienkompetenz braucht es vor allem Anwendungskompetenz und ein Verständnis dafür, wie Arbeit sich durch KI verändert. Nicht die reine Richtlinientreue entscheidet über den Erfolg von KI im Unternehmen, sondern die Fähigkeit, sinnvolle Einsatzfelder zu erkennen und verantwortungsvoll umzusetzen

Ich halte diese Kritik für absolut berechtigt. Generative KI macht Fehler, halluziniert teilweise und kann sehr überzeugend falsche Inhalte formulieren. Deshalb ist es wichtig, generative KI nicht als automatisierte Arbeitsmaschine zu verstehen, sondern als Werkzeug, das punktuell in bestehenden Arbeitsprozessen unterstützt.

Ich vergleiche das oft mit einer Assistenz: Die KI kann zuarbeiten, Entwürfe schreiben, zusammenfassen, recherchieren oder strukturieren – aber die Verantwortung und die finale Prüfung liegen beim Menschen. In diesem Sinne arbeitet man mit KI eher in einer Art "Supervisor-Rolle": Man lässt sich zuarbeiten, prüft Ergebnisse, korrigiert und entscheidet am Ende selbst.

Der produktive Umgang mit KI besteht deshalb nicht darin, alles automatisch machen zu lassen, sondern darin, zu wissen, an welchen Stellen KI sinnvoll unterstützt und an welchen Stellen menschliche Prüfung zwingend notwendig ist.

Kompetenz im Umgang mit KI bedeutet also vor allem: prüfen, hinterfragen, nachschärfen und Ergebnisse einordnen – nicht blind übernehmen.