Explorative Orientierung · Entwurf Juni 2026
AI Operating Model: KI in Organisation passend verankern
Ein AI Operating Model beschreibt die Arbeitslogik einer Organisation im Umgang mit KI: Wie wird KI genutzt, verantwortet, entschieden, betrieben und weiterentwickelt? Diese Seite gibt Orientierung, worauf es ankommt, wenn Organisationen KI nicht nur punktuell nutzen, sondern passend in ihre Arbeitslogik integrieren wollen.
Sie zeigt die sichtbaren Bausteine eines AI Operating Models, aktuelle Entwicklungen und die Spannungsfelder, die Organisationen dabei klären müssen. Kein fertiges Framework, sondern eine Landkarte: Welche Aspekte gehören dazu? Welche Erfahrungen zeichnen sich ab? Und wo braucht es Orientierung?
Unkontrollierte KI-Nutzung trifft auf nicht mehr passende Strukturen
Ob wir es mögen oder nicht. KI ist in den meisten Organisationen in der ein oder anderen Form angekommen. Sei es, weil Mitarbeiter unkontrolliert auf private ChatGPTs zugreifen, weil Microsoft ihnen mit einem Update den Copilot beschert hat, lokale Initiativen in einzelnen Bereichen oder weil gezielt neue Ansatzpunkte pilotiert werden.
Die Frage ist nicht ob, sondern wie abgestimmt wir als Organisation darauf agieren. Und wie stark die Reibungspunkte werden, die aus der Organisation selbst entstehen.
Sei es, weil Compliance-Abteilungen die Initiative ergreifen und Mitarbeiter Richtlinien unterschreiben lassen, die jegliches Experimentieren fast unmöglich machen - niemand hat den falschen Einsatz von KI riskieren wollen. Sei es, weil es Grabenkämpfe gibt, wo dieses Thema jetzt zu verorten ist. Sei es, weil es unterschiedliche Auslegungen gibt, wie was ausgestaltet werden sollte, was Priorität hat und wo der Fokus liegt.
Kurzum: Organisationen treffen auf eine Dynamik, in der es Führung braucht - Führung, die Orientierung schafft und dabei hilft, nicht alles aussteuern zu wollen, aber das nötige Alignment zu finden, um gemeinsam effektiver zusammenzuwirken.
Genau in dieser Richtung kann ein AI Operating Model helfen. Es beschreibt die angestrebte Arbeitslogik für KI: Wie wird KI genutzt, verantwortet, entschieden, betrieben und weiterentwickelt? Wer entscheidet was? Welche Leitplanken gelten? Und wie stellen wir sicher, dass KI nicht an der Organisation vorbei wächst, sondern in ihr - kontrolliert, nutzbar und lernfähig?
Eine KI-Strategie kann die Richtung vorgeben. Das AI Operating Model klärt, wie diese Richtung in veränderte Arbeit, Verantwortung, Entscheidungen und Betrieb übersetzt wird. Beides gehört zusammen.
KI bereichsübergreifend denken — die unterschiedlichen Sichten
KI berührt nicht einen Bereich. Aber jedes Ressort hat eine andere Brille auf — und das ist auch richtig so. Die Frage ist nur, ob und wie diese Sichten zusammengeführt werden, bevor sie im Alltag gegeneinander arbeiten.
Fachbereiche
·Use Cases, Arbeitsnähe, Geschwindigkeit"Wir sehen, wo KI echten Mehrwert bringt — lasst uns loslegen, nicht ewig abstimmen."
IT & Data
·Plattformen, Datenzugriff, Sicherheit"Wir müssen die Infrastruktur stabil halten. Jeder neue Service ist ein Angriffspunkt."
Compliance & Legal
·Regeln, Risiken, Nachweise"Wer haftet, wenn ein KI-System falsch entscheidet? Das muss geregelt sein, bevor es produktiv wird."
HR & Betriebsrat
·Kompetenz, Rollen, Beteiligung"KI verändert Arbeit. Unsere Aufgabe ist, dass niemand überrollt wird und Mitbestimmung ernst genommen wird."
Führung & Strategie
·Wirkung, Richtung, Ressourcen"Wir sehen die Chancen, aber auch die Risiken. Ohne klare Entscheidungen passiert alles gleichzeitig — und nichts richtig."
Kurzum: Die zentrale Aufgabe eines AI Operating Models ist nicht, alle Perspektiven in einem großen Modell zu harmonisieren. Es geht darum, die entscheidenden Spannungen sichtbar zu machen und so zu gestalten, dass daraus produktive Energie entsteht — nicht Lähmung oder Grabenkämpfe.
Bausteine eines AI Operating Models
Ein AI Operating Model setzt sich aus mehreren Bausteinen zusammen. Jeder Baustein klärt eine andere Frage. Die nachfolgende Sammlung zeigt, welche Aspekte heute in der Praxis und Diskussion sichtbar werden - basierend auf der AI-Org Knowledge Base und Beobachtungen aus der Organisationsentwicklung.
Transition — vom Zielbild zum Weg
Die Bausteine zeigen, was zu einem AI Operating Model gehört. Aber wie kommt eine Organisation von ihrer aktuellen Situation zu dieser Arbeitslogik?
Die grösste Hürde für Enterprise-KI ist nicht die Technologie, sondern der organisatorische Wandel (a16z, 2026). Change Management ist der Flaschenhals — und er lässt sich nicht durch ein einmaliges Projekt auflösen. Die KB zeigt drei parallele Streams, die ein Transition Team orchestrieren muss:
Wer entscheidet was? Welche Leitplanken gelten? Wie wird gemessen?
- Modell wählen: Drei Operating Models (Kruczek/EY) — Centralized → Hub-and-Spoke → Federated. Die meisten Organisationen brauchen Hub-and-Spoke als Target State.
- Organizational Readiness (Dataframed): Fünf Patterns führender Firmen — Systemintegration, Workflow-Standardisierung, Executive Sponsorship, Data Readiness, Change Management.
- Strategie ohne Landkarte ist blind (Simon Wardley): Fehlende Landkarten führen zu Schuldzuweisungen. Strategie braucht Sichtbarkeit des Umfelds.
Welche technische Basis? Wie wird betrieben? Wie skalieren wir?
- Vom Pilot zur Infrastruktur (FLAIR Framework): AI-as-Project erzeugt isolierte Piloten. AI-as-Infrastructure schafft dauerhafte Betriebsfähigkeit — Foundation → Leverage → Activate → Iterate → Realize.
- AI Flywheel (MLOps Community): Plan-Build-Run-Optimize. Impact/Effort-Matrix verhindert Overengineering. Plattform schlägt Einzelprodukt.
- Systemtransformation statt Chatbot (a16z): Erfolg erfordert Neugestaltung von Backend-Systemen, nicht nur Frontend-Tools.
Wer kann was? Wie lernen wir? Was lassen wir los?
- Stufenweise Adoption (Agents of Scale): Adoption verläuft in aufeinander aufbauenden Stufen. Peer-Sharing wirkt besser als Top-down-Anweisungen.
- Agiles Change Management (formaler Wahnsinn): Kurze Sprints statt Meilensteinplanung. Nach jedem Zyklus gemeinsam entscheiden: Weiter oder Stopp?
- Verlustkompetenz (Future of Work): Freiwilliges Aufgeben funktionierender Prozesse schafft Raum für zukunftsfähige Modelle. Kreative Zerstörung der eigenen Komfortzone.
Diese drei Streams laufen parallel, nicht sequenziell. Ein Transition Team orchestriert sie, das Zielbild entsteht und wird in der Praxis getestet — nicht erst fertig geplant, dann umgesetzt. Die Kruczek/EY-Erfahrung zeigt: Der häufigste Fehler ist, kein bewusstes Modell zu wählen — Organisationen erben ihr Operating Model, statt es zu gestalten.