Digitalisierung ohne Blindflug: Warum KI-Kompetenz viel mehr ist als Tool-Kompetenz

Warum sprechen wir eigentlich im Jahr 2026 immer noch über Digitalisierung? Seit dem Release von ChatGPT im November 2022 sind technologisch doch bereits gefühlte Generationen vergangen. Neue Software, oftmals KI-unterstützt, ist eingeführt, Dashboards adaptieren sich individuell an ihre Nutzer, Prozesse sind automatisiert und Agenten lösen darin eigenständige Aktionen aus. Und doch bleibt häufig ein diffuses Gefühl von Unsicherheit. Entscheidungen wirken nicht souveräner als früher, Reports erzeugen Diskussionen statt Klarheit, und im Zweifel setzt sich weiterhin das Bauchgefühl durch. Die unbequeme Wahrheit ist: Digitalisierung scheitert nur selten an fehlender Technologie. Sehr viel häufiger scheitert sie an mangelnder Daten- und KI-Kompetenz.

Viel Technik, wenig Orientierung  ​

Ein typisches Beispiel aus der Praxis: Ein mittelständisches Unternehmen investiert in ein modernes Business-Intelligence-System, um Bestell- und Warenströme nicht nur zu monitoren, sondern auf deren Basis das eigene Verhalten zu optimieren. Verkaufszahlen, Kundenverhalten und Lieferzeiten sind jederzeit in Echtzeit abrufbar. Die Managementmeetings dauern allerdings noch genauso lange wie früher – weil die anstehenden Entscheidungen trotz der überwältigenden Datenflut immer noch alles andere alternativlos sind. Es wird darüber gestritten, welche Kennzahl wirklich relevant ist, wie sich Widersprüche – und sei es nur solche zu etablierten Erfahrungsregeln – erklären lassen und wie eine Abweichung von fünf Prozent überhaupt einzuordnen sei. Die Technik funktioniert einwandfrei. Was fehlt, ist das gemeinsame Verständnis dafür, wie Daten interpretiert werden müssen. Denn Daten liefern keine Entscheidungen, sondern lediglich das Rohmaterial, aus dem Entscheidungen entstehen können.

Daten und KI sind nicht objektiv – und genau das ist das Problem

Ein zentraler Irrtum der digitalen Transformation liegt im Glauben an die Objektivität von Daten und Algorithmen. Daten sind jedoch stets kontextabhängig. Sie sind das Ergebnis von Annahmen, Messmethoden und Auswahlprozessen. Schon die Frage, welche Daten erhoben werden und welche nicht, prägt das Bild der Realität: you can only manage what you measure. Dasselbe gilt für die Wahl, wie die Daten erhoben werden sollen, etwa hinsichlich ihrer sachlichen, räumlichen und zeitlichen Granularität. Mit dem Einsatz von KI verschärft sich dieses Problem noch. Modelle lernen aus bestehenden Daten, übernehmen deren potenzielle Verzerrungen und reproduzieren implizite Annahmen. Ein Beispiel: Immer wieder begegnen uns Unternehmen, die ihre Kunden mit aufwändigem Scoring für Kampagnen auswählen – aber dabei die Kontrollgruppe vergessen. Customer Analytics zeigt dann zwar (hoffentlich), dass die Kampagne Kunden zum Kauf verleitet hat, aber nicht, ob das Scoring funktioniert hat, und zwar besser als eine reine Zufallsauswahl. Ohne ein grundlegendes Verständnis dieser Mechanismen erscheinen Ergebnisse zwar als harte Fakten, suggerieren aber zugleich eine Sicherheit und Präzision, die es in dieser Form nicht gibt. Wer Systeme nach KI-generierten Ergebnissen steuert (oder gar durch einen Algorithmus steuern lässt), riskiert einen Blindflug: technisch beeindruckend, aber riskant, wenn schlimmstenfalls niemand mehr so genau weiß, wie das System eigentlich funktioniert und zu seinen Entscheidungen kommt.

KI-Kompetenz ist mehr als Datenanalyse

KI-Kompetenz bedeutet nicht, selbst Algorithmen programmieren oder komplexe Modelle entwickeln zu können. Sie bedeutet vor allem, zu verstehen, was datenbasierte und KI-gestützte Systeme leisten können – und wo ihre Grenzen liegen. Dazu gehört die Fähigkeit, Wahrscheinlichkeiten einzuordnen, Risiken zu erkennen und scheinbar präzise Ergebnisse kritisch zu hinterfragen.
Wer KI kompetent einsetzen will, muss verstehen, dass Korrelationen per se keine Ursache-Wirkungs-Beziehungen darstellen und Prognosen stets mit Unsicherheit behaftet sind. Ebenso wichtig ist der Umgang mit Unsicherheit. KI reduziert sie nicht automatisch, möglicherweise erweckt sie nur eine Illusion von Sicherheit. Entscheidungen bleiben  mit Unsicherheit und damit mit dem Risiko von Fehlern behaftet, auch wenn sie durch Modelle unterstützt werden. Die Verantwortung dafür bleibt beim Menschen.

Bildung statt Tool-Schulung

Häufig reagieren Unternehmen auf Unsicherheiten mit weiteren Investitionen. Noch ein Tool, noch ein Dashboard, noch ein KI-Pilotprojekt sollen Orientierung schaffen. Doch je mehr Systeme hinzukommen, desto deutlicher wird oft ein anderes Problem: Das Verständnis dafür, wie daten- und KI-gestützte Ergebnisse zustande kommen und wie sie sinnvoll genutzt werden können, hält mit dem technologischen Ausbau nicht Schritt, weil es sich dabei letztlich um orgaisationales Lernen handelt. So hat ein großes Technologie-Unternehmen, das ich im März 2025 im Silicon Valley besucht habe, den Satz “learn it all” als Maxime der Unternehmenskultur ausgegeben. Eine Top-Managerin meinte dazu: “Es hat fünf, sechs Jahre gedauert, bis wir diese Kultur des Wissens-Teilens und des gemeinsamen Lernens einigermaßen in den Köpfen verankern konnten. Das ist definitiv ein Investment und wir werden vermutlich erst in zehn Jahren wissen, ob es funktioniert.” 
Was es braucht, ist kein weiterer Technologiesprung, sondern ein Kompetenzsprung. KI-Kompetenz entsteht nicht durch Einführungsworkshops für einzelne Anwendungen, sondern durch kontinuierliche Auseinandersetzung mit Daten, Modellen und Unsicherheit. Sie wächst dort, wo Menschen lernen, Ergebnisse einzuordnen, Annahmen zu hinterfragen und Grenzen offen zu benennen. Bildung wird damit zu einem strategischen Faktor der Digitalisierung – nicht als einmalige Maßnahme, sondern als langfristiger Prozess.

KI-Kompetenz als organisationale Fähigkeit

Daten- und KI-Kompetenz darf dabei keinesfalls ein Skill sein, der einzelnen Spezialistinnen oder Spezialisten vorbehalten bleibt. Wenn nur wenige verstehen, wie Modelle arbeiten und was ihre Ergebnisse bedeuten, entstehen neue Abhängigkeiten und blinde Flecken. 
Daten- und KI-Kompetenz entfaltet ihren Wert erst, wenn sie tief verankert ist: in Führungsteams, in Fachabteilungen, in Schnittstellen zwischen Technik und Business. Sie zeigt sich darin, dass Fragen präziser werden, Erwartungen realistischer und Entscheidungen nachvollziehbarer - nicht, weil Unsicherheit verschwindet, sondern weil sie bewusst mitgedacht wird. In unseren gemeinsamen Forschungsprojekten sprechen Sanne Kruse-Becher von der DHBW Stuttgartt und ich von der Notwendigkeit einer “zirkulären Datenkompetenz”: Mitarbeitende, die Daten bereitstellen, müssen verstehen (dürfen), was mit ihren Daten geschieht. Wer hingegen Daten nutzt, muss deren Herkunft kennen und die damit verbundenen Limitationen. Dies ist Datenkompetenz auf Ebene der Organisation, nicht nur auf Ebene des Individuums.

Digitale Mündigkeit als Standortfaktor

Erst wenn Unternehmen neben dem Tool- auch das notwendige Skillset und vor allem das entsprechende Mindset hinter der zirkulären Datenkompetenz flächendeckend verankern, können sie durch den Einsatz von KI nachhaltigen Mehrwert schaffen. Erst dann werden Meetings fokussierter, Diskussionen sachlicher und Entscheidungsprozesse transparenter. Der Einsatz von KI ist dann weniger spektakulär, aber wirksamer. Unternehmen verstehen Technologie nicht länger als Ersatz für Urteilskraft, sondern als Unterstützung für informierte Entscheidungen.
Digitale Transformation bedeutet dann nicht, neuen Entwicklungen hinterherzulaufen, sondern sie einordnen und verantwortungsvoll nutzen zu können. Mit Augenmaß, Reflexion und der Bereitschaft, Ungewissheit als Teil unternehmerischer Realität anzuerkennen.

Fazit: Weniger Hype, mehr Urteilskraft

Die nächste Phase der Digitalisierung wird nicht durch neue Tools entschieden, sondern durch die Frage, wer KI kompetent einsetzen kann. KI-Kompetenz ist dabei kein Zusatzwissen für Spezialistinnen und Spezialisten, sondern eine zentrale Voraussetzung für zukunftsfähiges Wirtschaften über alle Ebenen des Unternehmens. Oder anders gesagt: Digitalisierung ohne Blindflug funktioniert nur dann, wenn neben den passenden Tools auch der bewusste Umgang mit Daten und KI in den Köpfen verankert ist.