Die Struktur bestimmt das Ergebnis

Finanzinstitute investieren viel in KI-Technologie. Sie investieren wenig in die Frage, wie ihre Organisation aufgestellt sein muss, um KI wirklich zu nutzen. Das ist ein strategischer Fehler und einer der häufigsten Gründe, warum gute KI-Lösungen in der Realität nicht die erwartete Wirkung erzielen.

Das deckt sich mit einem zentralen Befund des Whitepapers "Auf dem Weg zum KI-nativen Versicherer" von InsurTech Hub Munich und QAware: Die Skalierung von KI scheitert vor allem an Organisation und Change Management, nicht an der Technik. Technologie verändert Arbeit, aber sie verändert nicht automatisch, wie Verantwortung verteilt ist, wie Entscheidungen getroffen werden und wie Teams zusammenarbeiten. Das muss aktiv gestaltet werden, sonst läuft die neue Technik gegen alte Strukturen.

Das Zentrum-dezentral-Problem

Viele Institute stehen vor derselben Frage. Baut man eine zentrale KI-Einheit, schnell und kohärent, aber mit dem Risiko, an der Praxis vorbeizuarbeiten? Oder verteilt man die Kompetenz in die Fachbereiche, näher am Problem, aber langsamer und uneinheitlich? Beide Reinformen haben Schwächen, die sich im Betrieb deutlich zeigen.

Das in der Praxis erfolgreichste Modell ist hybrid. Eine kleine zentrale Einheit setzt Standards, bündelt Wissen, klärt Governance und unterstützt Projekte. In den Fachbereichen sitzen benannte Ansprechpartner, die die konkreten Probleme kennen und die Umsetzung tragen. Die Zentrale industrialisiert das Wiederholbare, der Fachbereich liefert die Nähe zum Problem. Diese Aufteilung verhindert sowohl die abgehobene Stabsstelle als auch den unkoordinierten Wildwuchs.

Verantwortung und Entscheidungswege

Der häufigste organisatorische Defekt ist nicht das Organigramm, sondern die ungeklärte Verantwortung. Wenn ein KI-System einen Vorgang vorbereitet oder vorentscheidet, muss klar sein, wer das Ergebnis verantwortet und wer eingreifen darf. Solange diese Frage offen ist, wird das System im Zweifel umgangen, weil niemand das persönliche Risiko tragen will.

Dazu gehören schnelle Entscheidungswege. KI-Vorhaben sterben selten an einem Nein, sie sterben an der ausbleibenden Entscheidung. Wenn jede Freigabe durch drei Gremien muss, ist das Vorhaben tot, bevor es produktiv wird. Organisationsdesign für KI heißt deshalb auch, Entscheidungsbefugnisse so nah wie möglich an die Umsetzung zu legen und klar zu definieren, wer was allein entscheiden darf.

Kultur ist Teil der Struktur

Strukturen wirken nur, wenn die Kultur sie trägt. KI verlangt Ausprobieren, und Ausprobieren verlangt einen Raum, in dem ein Fehlversuch nicht bestraft wird. In einer Organisation, die auf Stabilität trainiert ist, ist das nicht selbstverständlich. Wer Experimente einfordert, ohne psychologische Sicherheit zu schaffen, bekommt Stillstand, weil niemand das Risiko eingeht.

Das heißt nicht, die Sorgfalt im Kerngeschäft aufzuweichen. Es heißt, klar zu trennen, wo null Fehlertoleranz gilt und wo ein kontrolliertes Experiment ausdrücklich erwünscht ist. Diese Trennung ist selbst eine strukturelle Entscheidung und gehört in das Organisationsdesign, nicht in einen Wertekatalog.

Wer baut, wer betreibt, wer entscheidet

Ein häufig unterschätzter Punkt ist die Trennung dreier Rollen, die in vielen Häusern vermischt werden. Es gibt die, die ein KI-System bauen oder einführen. Es gibt die, die es im Alltag betreiben und nutzen. Und es gibt die, die über seinen Einsatz und seine Grenzen entscheiden. Wenn diese drei Rollen nicht klar zugeordnet sind, entsteht ein vorhersehbares Muster: Das System wird gebaut, aber niemand fühlt sich für den Betrieb zuständig, und bei der ersten schwierigen Entscheidung weiß niemand, wer sie treffen darf.

Klar zugeordnete Rollen lösen das. Die zentrale Einheit baut und unterstützt, der Fachbereich betreibt und verantwortet das Ergebnis im Tagesgeschäft, und eine benannte Stelle entscheidet über Einsatzgrenzen und Eskalationen. Diese Zuordnung kostet nichts außer Klarheit, und sie entscheidet darüber, ob ein System im Betrieb ankommt oder im Niemandsland zwischen den Bereichen liegen bleibt.

Die Größe des Instituts verändert die Antwort

Es gibt nicht das eine richtige Organisationsmodell. Ein großes Institut mit eigener IT und hunderten Mitarbeitern in der Marktfolge braucht eine andere Struktur als eine kleinere Sparkasse oder Volksbank, die stärker auf ihren Rechenzentrumsdienstleister angewiesen ist. Für kleinere Häuser liegt der Hebel weniger in einer eigenen KI-Einheit als in klar benannten Verantwortlichen und in der gezielten Nutzung dessen, was der Verbund und der zentrale Dienstleister bereitstellen.

Der Fehler wäre, ein Modell zu kopieren, das für ein Institut anderer Größe gedacht war. Eine kleine zentrale Einheit, die in einem Großinstitut sinnvoll ist, kann ein kleines Haus überfordern. Das richtige Organisationsdesign ist immer eine Antwort auf die konkrete Größe, Kultur und IT-Aufstellung, nicht die Übernahme einer Vorlage.

Struktur folgt der Priorisierung

Ein letzter Punkt wird oft übersehen: Die Organisation sollte sich an den priorisierten Use Cases ausrichten, nicht umgekehrt. Wer zuerst eine große KI-Organisation aufbaut und dann nach Aufgaben sucht, bekommt eine Struktur, die sich selbst beschäftigt. Wer zuerst die wenigen wichtigen Anwendungsfälle bestimmt und dann genau die Rollen schafft, die diese brauchen, bekommt eine schlanke Struktur, die liefert.

Das Anti-Muster: KI als Innovationsinsel

Ein verbreitetes Anti-Muster verdient eine eigene Warnung: die KI-Innovationsinsel. Ein Haus gründet eine engagierte, gut ausgestattete Innovationseinheit, die beeindruckende Prototypen baut, aber von den operativen Bereichen abgekoppelt ist. Die Einheit ist sichtbar, motiviert und produktiv, und trotzdem kommt nichts im Tagesgeschäft an, weil ihr die Verbindung zur Linie fehlt. Die Fachbereiche sehen die Insel als Spielwiese, nicht als Partner, und die Prototypen bleiben Prototypen.

Der Fehler liegt nicht im Engagement der Einheit, sondern in ihrer Stellung. Wer Innovation organisatorisch von der Umsetzung trennt, baut genau die Lücke ein, an der KI später scheitert. Die zentrale Einheit darf keine Insel sein, sie muss mit den Fachbereichen verzahnt arbeiten, an deren echten Problemen, mit deren Verantwortung für das Ergebnis.

Anreize müssen die Zusammenarbeit belohnen

Organisationsdesign endet nicht beim Kästchen im Organigramm, es reicht bis in die Zielsysteme. Wenn die zentrale Einheit an der Zahl ihrer Prototypen gemessen wird und der Fachbereich an seinen klassischen Kennzahlen, dann arbeiten beide aneinander vorbei, völlig rational. Erst wenn beide Seiten an der produktiven Nutzung im Tagesgeschäft gemessen werden, entsteht das gemeinsame Interesse, einen Use Case wirklich über die Ziellinie zu bringen.

Das klingt nach einem Detail, ist aber oft der eigentliche Hebel. Strukturen geben vor, wer mit wem reden soll. Anreize entscheiden, ob sie es auch tun. Ein KI-Organisationsmodell, das die Anreize nicht anfasst, bleibt ein Schaubild, dem die Wirklichkeit nicht folgt.

Strukturen brauchen Zeit, um zu wirken

Ein letzter, oft unterschätzter Punkt betrifft die Geduld. Organisatorische Veränderungen wirken nicht sofort. Eine neue Verantwortungszuordnung, ein hybrides Modell, geänderte Anreize, all das entfaltet seine Wirkung erst, wenn die Beteiligten die neuen Rollen verinnerlicht haben und die ersten gemeinsamen Erfolge das Modell bestätigen. Wer nach drei Monaten die Wirkung misst und enttäuscht ist, zieht oft den falschen Schluss und reorganisiert erneut, bevor die erste Struktur überhaupt greifen konnte.

Erfolgreiche Häuser halten ein einmal durchdachtes Modell deshalb stabil und justieren nur gezielt, statt es bei der ersten Reibung wieder umzuwerfen. Stabilität ist hier kein Selbstzweck, sondern die Voraussetzung dafür, dass Menschen Vertrauen in die neuen Wege fassen. Ein ständig wechselndes Organisationsmodell erzeugt genau die Unsicherheit, die es eigentlich beseitigen sollte, und macht jede KI-Initiative zur Geisel der nächsten Umstrukturierung.

Nicht das neue Organigramm, sondern neue Klarheit

Die Lösung ist selten eine große Reorganisation. Sie ist meist ein Satz klarer Antworten: Wer setzt Standards? Wer entscheidet über Use Cases? Wer verantwortet die Datenqualität? Wer trägt eine KI-gestützte Entscheidung im Betrieb? Wo ist Experimentieren erlaubt? Wer diese Fragen beantwortet, braucht kein neues Organigramm, sondern bekommt die Klarheit, die gute Technik erst wirksam macht.

Mehr zum Thema: Nearshoring als Antwort auf IT-Fachkräftemangel im Banking: Was funktioniert und was nicht. und RPA war ein Fehler. Hier ist, was stattdessen funktioniert..

Wir entwerfen mit Ihnen das Organisationsmodell, das zu Ihrer Größe, Ihrer Kultur und Ihren priorisierten Use Cases passt. Strategie und Umsetzung aus einer Hand. Beginnen Sie mit einem Workshop.