KI-Tools lassen sich schnell beschaffen. Viel schwieriger ist die Frage, ob Mitarbeitende ihre Ergebnisse kritisch prüfen, sinnvoll in Abläufe einbauen und den wirtschaftlichen Nutzen belegen können. Im Rosental Gespräch spricht Kay Schönewerk mit Fatima Özer, CMO der REDOX Projektgesellschaft UG, über teure KI-Investitionen, unterschätzte Weiterbildung und die Verantwortung von Führungskräften. Dabei geht es nicht um einen vermeintlichen Gegensatz zwischen Technik und Menschen, sondern um die Frage, warum beides gemeinsam entwickelt werden muss.

Fatima Özer, CMO der REDOX Projektgesellschaft UG
im Gespräch mit Kay Schönewerk, Gründer und Geschäftsführer der Bildungsakademie am Rosental

 
 

Frau Özer, „Millionen für KI, aber kein Geld für Weiterbildung“ – ist das eine faire Beschreibung der Realität?

• Als Schlagzeile ist das zugespitzt. Nicht jedes Unternehmen investiert Millionen, und viele schulen durchaus ernsthaft. Der Widerspruch ist dennoch real: Für Software gibt es oft einen klaren Einkaufsprozess, für das Lernen im Alltag dagegen keine vergleichbar verbindliche Planung. Eine Lizenz lässt sich abrechnen. Ob Mitarbeitende die Anwendung richtig einsetzen, Fehler erkennen und Verantwortung übernehmen, ist schwerer zu organisieren. Deshalb sollte jede KI-Investition von Anfang an ein Qualifizierungsbudget, konkrete Lernziele und Zuständigkeiten enthalten. Sonst bezahlt man für Möglichkeiten, die im Betrieb nicht zuverlässig ankommen.

 

Wo begegnet Ihnen als CMO diese Lücke zwischen technischer Möglichkeit und tatsächlicher Kompetenz besonders deutlich?

• Gerade im Marketing sieht man sehr schnell beeindruckende Ergebnisse: Texte, Kampagnenideen, Übersetzungen oder Auswertungen entstehen in wenigen Minuten. Das verführt dazu, Geschwindigkeit mit Qualität zu verwechseln. Ein professioneller Entwurf muss aber zur Zielgruppe, zum Angebot, zum rechtlichen Rahmen und zur Marke passen. Eine KI kann plausible Aussagen formulieren, die inhaltlich falsch oder für den Kunden unpassend sind. Mitarbeitende brauchen deshalb nicht nur gute Prompts, sondern Branchenwissen, kritisches Urteilsvermögen und klare Freigabewege. Erst diese Kombination macht aus einer schnellen Ausgabe eine brauchbare Leistung.

 

Was kann eine schlecht vorbereitete KI-Einführung ein Unternehmen am Ende konkret kosten?

• Das beginnt bei versteckten Stunden: Teams korrigieren fehlerhafte Ergebnisse, prüfen Quellen nach oder produzieren Inhalte doppelt, weil Standards fehlen. Hinzu kommen mögliche Risiken durch vertrauliche Daten in ungeeigneten Anwendungen, widersprüchliche Kundenaussagen oder Entscheidungen auf fraglicher Datengrundlage. Nicht jeder Fehler führt zu einem großen Schaden. Aber viele kleine Korrekturschleifen können den erhofften Produktivitätsgewinn auffressen. Die ehrliche Rechnung muss deshalb neben Lizenzen auch Einarbeitung, Kontrolle, Nacharbeit und betroffene Prozesse berücksichtigen.

 

Müssen Führungskräfte selbst mit KI umgehen können – oder dürfen sie das Thema an IT und Fachabteilungen delegieren?

• Technische Spezialfragen dürfen und sollen Expertinnen und Experten lösen. Die Führungsverantwortung lässt sich dadurch aber nicht abgeben. Wer Budgets und Prioritäten setzt, muss zumindest beurteilen können, welche Aufgaben sich für KI eignen, wo menschliche Kontrolle nötig ist und wie man Risiken meldet. Gerade CMO, Geschäftsführung und Bereichsleitung müssen die richtigen Fragen stellen: Was ist die Datenbasis? Wer hat das Ergebnis geprüft? Was messen wir? Wer entscheidet bei Zweifeln? Dafür braucht es keine Programmierausbildung, sondern ein belastbares Verständnis von Möglichkeiten, Grenzen und Verantwortlichkeiten.

 

Warum reicht es nicht, einmal ein allgemeines KI-Webinar für die gesamte Belegschaft anzubieten?

• Ein gemeinsamer Einstieg ist sinnvoll, schafft aber noch keine Handlungssicherheit in sehr verschiedenen Rollen. Eine Mitarbeiterin im Kundenservice muss andere Fälle üben als ein Controller oder eine Marketingverantwortliche. Am besten beginnt man mit wenigen realistischen Aufgaben, vereinbart Prüfregeln, lässt die Menschen selbst arbeiten und wertet nach einigen Wochen aus, wo Fragen geblieben sind. Ebenso wichtig ist die Zeit zum Anwenden. Wer nach einem Vortrag unverändert dieselben Ziele und Arbeitslasten erfüllen muss, kann neue Routinen kaum in Ruhe entwickeln. Weiterbildung ist ein Prozess und kein einzelner Kalendertermin.

 

Über REDOX gibt es eine veröffentlichte Fallstudie zur KI-Transformation. Darin geht es unter anderem um Medienbrüche, Datenqualität und zuvor isolierte KI-Versuche. Welche Lehre steckt darin?

• Die Fallstudie zeigt zumindest einen wichtigen Grundkonflikt, den viele Unternehmen kennen dürften: Neue Werkzeuge können bestehende Unordnung nicht einfach wegautomatisieren. Wenn Daten an verschiedenen Orten liegen, Zuständigkeiten unklar sind oder einzelne Teams ohne gemeinsame Standards experimentieren, wird die Einführung schwer steuerbar. Man braucht deshalb zuerst eine saubere Beschreibung der Arbeitsabläufe, geeignete Daten, verantwortliche Personen und nachvollziehbare Regeln. Qualifizierung gehört in diese Architektur hinein. Die in der Fallstudie veröffentlichten Projektergebnisse sollten vor einer persönlichen Einordnung selbstverständlich mit den Beteiligten abgeglichen werden.

 

Wie würden Sie den wirtschaftlichen Nutzen eines KI-Projekts messen, ohne in schöne Effizienzversprechen zu verfallen?

• Ich würde mit einem konkreten Prozess anfangen und vor dem Pilotprojekt seinen Ausgangszustand festhalten. Wie lange dauert eine Aufgabe tatsächlich? Wie viele Korrekturen gibt es? Wie gut ist das Ergebnis? Danach misst man denselben Ablauf mit KI – einschließlich Prüfzeit und Fehlerkorrektur. Im Marketing wären beispielsweise Bearbeitungszeiten, Freigabeschleifen oder die Qualität eingehender Anfragen denkbare Kennzahlen. Aus den Zahlen allein entsteht noch keine Kausalität: Kampagneneffekte und Marktveränderungen müssen mitgedacht werden. Entscheidend ist, dass Teams Ergebnisse hinterfragen dürfen, statt möglichst schnell einen positiven ROI berichten zu müssen.

 

Was passiert, wenn Mitarbeitende die Einführung von KI als Kontrolle oder Bedrohung erleben?

• Dann können selbst technisch gute Lösungen an der Umsetzung scheitern. Wer nur ankündigt, dass künftig alles schneller gehen muss, löst leicht die Frage aus, was mit eingesparter Arbeitszeit oder einzelnen Aufgaben passiert. Führungskräfte sollten daher offen erklären, welche Ziele die Einführung verfolgt, welche Entscheidungen weiterhin Menschen treffen und wie Beschäftigte beteiligt werden. Skepsis ist nicht automatisch Widerstand gegen Fortschritt; manchmal zeigt sie konkrete Schwachstellen. Gute Schulungen bieten Raum für genau diese Fragen und geben den Teams die Möglichkeit, eigene Anwendungsfälle und Grenzen mitzuentwickeln.

 

Der EU AI Act spricht von KI-Kompetenz. Macht ein Schulungszertifikat ein Unternehmen automatisch sicher?

• Nein. Ein Zertifikat allein beweist weder, dass Regeln im Arbeitsalltag eingehalten werden, noch dass jemand problematische Ergebnisse erkennt. Für Organisationen ist entscheidend, den Kompetenzaufbau an den tatsächlich verwendeten Systemen, den Aufgaben und den Risiken auszurichten. Dazu gehören Grundlagen, Datenschutz, Prüfung von Ausgaben, menschliche Aufsicht und klare Ansprechpersonen. Die Europäische Kommission weist ausdrücklich darauf hin, dass Artikel 4 keinen bestimmten Zertifikatsnachweis verlangt. Eine nachvollziehbare interne Dokumentation der Maßnahmen ist sinnvoll; sie ersetzt aber weder eine konkrete Risikoprüfung noch die nötigen organisatorischen Entscheidungen.

 

Was sollten Unternehmen morgen als Erstes tun, bevor sie die nächste KI-Lizenz bestellen?

• Drei Fragen beantworten: Erstens, welche konkrete Aufgabe soll besser werden? Zweitens, wer wird mit dem System arbeiten, und was muss diese Person dafür können? Drittens, woran erkennen wir nach vier oder acht Wochen, ob sich der Einsatz wirklich lohnt? Dann würde ich einen überschaubaren Piloten mit klarer Datenregel, benannter Verantwortung und genügend Lernzeit starten. Funktioniert er, kann man skalieren. Funktioniert er nicht, muss man die Gründe offen benennen. Eine gute KI-Strategie erkennt man nicht daran, wie viele Tools angeschafft wurden, sondern daran, ob Menschen damit verlässlich bessere Arbeit leisten.

 

Was sich daraus für die Praxis ableiten lässt

Wer KI im Unternehmen einführt, sollte nicht mit einer Tool-Liste beginnen, sondern mit einer klar abgegrenzten Aufgabe, einer belastbaren Ausgangsmessung und der Frage nach den benötigten Kompetenzen. Zu jedem Pilotprojekt gehören Datenregeln, Verantwortliche, definierte Prüfschritte und ein realistisches Weiterbildungsformat. Erst anschließend lässt sich beurteilen, ob zusätzliche Lizenzen sinnvoll sind.

 

Über die Beteiligten und das Format

Fatima Özer: CMO der REDOX Projektgesellschaft UG (haftungsbeschränkt). Weitere biografische Angaben werden nach persönlicher Bestätigung ergänzt.

Kay Schönewerk: Gründer und Geschäftsführer der Bildungsakademie am Rosental. Er führt die Gespräche über Kommunikation, Führung, Weiterbildung und den verantwortungsvollen Umgang mit KI.

Rosental Gespräche: Die Interviewreihe der Bildungsakademie am Rosental veröffentlicht das vollständige Gespräch zunächst auf der Seite des Gesprächspartners und anschließend eine eigenständige redaktionelle Einordnung bei BARO.

Transparenz: REDOX und die Bildungsakademie am Rosental sind über den Geschäftsführer Kay Schönewerk verbunden. Das Gespräch ist ein redaktionell abgestimmter Fachbeitrag, keine unabhängige Bewertung der BARO-Leistungen durch eine externe Dritte.

 

Fachlicher Hintergrund und Quellen

• Europäische Kommission: AI Literacy – Fragen und Antworten – Orientierung zur KI-Kompetenz gemäß EU-KI-Verordnung, insbesondere zur Frage von Zertifikaten.
• NIST AI Risk Management Framework – internationaler Orientierungsrahmen für die Steuerung von KI-Risiken.