5 Fragen, die jede KI-Führungskraft 2027 beantworten können muss

Vier Jahre nach dem Start von ChatGPT ist die KI-Euphorie nicht verschwunden. Aber sie hat ihre Form verändert.

Aus Experimentierfreude ist Erwartungsdruck geworden. Und für viele Heads of AI wird 2027 das erste Jahr sein, in dem Verwaltungsrat, CEO und CFO nicht mehr primär fragen: «Machen wir genug mit KI?» , sondern: «Was bringt es?»

Das ist auch gut so. Denn KI-Transformation darf nicht bei Tool-Schulungen, Prompt-Tipps und einzelnen Automatisierungen stehenbleiben. Wenn Unternehmen KI ernst nehmen, müssen sie zeigen können, wie sich Arbeit, Kostenstrukturen, Entscheidungsprozesse und Geschäftsmodelle dadurch verändern.

Unabhängig davon, wo ein Unternehmen aktuell steht: Die Fragen an KI-Verantwortliche werden in den nächsten Jahren deutlich anspruchsvoller.

Diese fünf Fragen sollten KI-Führungskräfte bis 2027 beantworten können.

1. Habt ihr eine KI-Strategie oder nur eine Sammlung von KI-Projekten?

Viele KI-Initiativen starten organisch. Einzelne Teams testen Chatbots und Mitarbeitende bauen eigene Automatisierungen. Das ist in der frühen Phase richtig und wichtig. Das Problem entsteht, wenn aus Experimenten keine Struktur wird.

Dann produziert die Organisation vor allem eines: sehr viel KI-Zeug. Überschneidende Agenten oder halb fertige Prototypen. Das sind einzelne Erfolgsgeschichten, aber kein klares Bild davon, wohin die Reise geht.

Nach einer ersten Experimentierphase braucht es deshalb zwei Dinge: eine Strategie und eine Bestandsaufnahme.

Die Strategie muss kein 80-seitiges Dokument sein. Im Gegenteil: Gute KI-Strategien sind oft erstaunlich knapp. Entscheidend ist, dass sie drei Fragen beantwortet:

• Warum ist KI für unsere Organisation gerade jetzt relevant?
• Wo wollen wir mit KI konkret Wert schaffen?
• Was machen wir anders als andere?

Dazu gehören ein klares KI-Manifest, ein bis drei messbare Ziele und eine saubere Verantwortungsstruktur.

Ein Ziel könnte zum Beispiel lauten:

Wir halbieren die Kosten im Kundenservice bis Ende 2027, ohne die Servicequalität zu senken.

Oder:

Wir reduzieren die Durchlaufzeit in der Angebotserstellung um 60 Prozent und erhöhen gleichzeitig die Qualität der Erstentwürfe.

Solche Ziele zwingen Unternehmen dazu, KI nicht als Aktivität, sondern als Hebel zu betrachten.

Genauso wichtig ist die Verantwortungsfrage. Wer trägt KI auf Unternehmensebene? Wer in den Fachbereichen? Wer in den Teams? Wer entwickelt Agenten? Wer betreibt sie langfristig? Wer entscheidet, welche Experimente eingestellt werden?

Ohne diese Klarheit entsteht eine Schattenlandschaft aus Tools, Workflows und Agenten, die niemand wirklich führt.

Eine ehrliche Bestandsaufnahme sollte deshalb mindestens diese Fragen beantworten:

• Welche KI-Lösungen wurden im Unternehmen bereits gebaut?
• Welche davon werden tatsächlich genutzt?
• Welche Agenten laufen bereichsübergreifend, welche nur innerhalb einzelner Teams?
• Welche Experimente wurden beendet, weil sie keinen Nutzen gebracht haben?
• Wo entstehen Doppelspurigkeiten zwischen Abteilungen?
• Wie hoch sind die laufenden Inference-Kosten?
• Welcher Nutzen steht diesen Kosten gegenüber?

Wenn ein Head of AI diese Fragen nicht beantworten kann, ist das kein Versagen. Aber es ist ein klares Signal: Die Organisation ist von der Experimentierphase noch nicht in eine steuerbare KI-Transformation übergegangen.

2. Arbeiten Menschen einfach schneller oder entsteht Arbeit, die vorher gar nicht möglich war?

Viele Unternehmen messen KI-Erfolg zuerst über Zeitersparnis. Das ist naheliegend. Wenn Mitarbeitende mit KI schneller recherchieren, schreiben, analysieren oder zusammenfassen, entsteht ein sichtbarer Nutzen.

Aber Geschwindigkeit allein ist noch keine Transformation. Die entscheidende Unterscheidung lautet: Cut oder Create.

Cut bedeutet: KI reduziert Aufwand. Aufgaben werden schneller erledigt, manuelle Arbeitsschritte verschwinden und externe Dienstleister werden seltener benötigt.

Das ist wichtig. Unternehmen brauchen diesen Modus, um früh Wirkung zu zeigen und interne Akzeptanz aufzubauen. Aber beim Cut-Modus darf es nicht bleiben.

Create bedeutet: KI ermöglicht Arbeit, die vorher gar nicht realistisch war. Neue Dienstleistungen und neue Produkte. Also Dinge, die früher an Kosten, Kapazität oder Geschwindigkeit gescheitert wären.

Die Aufgabe von KI-Führungskräften besteht darin, Organisationen möglichst schnell vom reinen Effizienzdenken in diesen Create-Modus zu bringen.

Das beginnt auf individueller Ebene:

• Welche Aufgaben muss ich künftig gar nicht mehr selbst erledigen?
• Wo kann ich mit KI bessere Varianten meiner Arbeit erzeugen?
• Welche zusätzlichen Leistungen kann ich erbringen, weil Kapazität frei wird?

Und es reicht bis zur Geschäftsleitung:

• Welche Angebote wären möglich, wenn Grenzkosten für bestimmte Wissensarbeit sinken?
• Welche Kundenerlebnisse könnten wir personalisieren, die bisher zu teuer waren?
• Welche Prozesse würden wir gar nicht mehr so bauen, wenn wir heute neu starten würden?

Für 2027 reicht es nicht mehr zu sagen: «Unsere Mitarbeitenden sparen Zeit.»

Die bessere Antwort lautet: «Wir wissen, wo KI Kosten senkt, und wir wissen, wo KI neue Wertschöpfung ermöglicht.»

3. Wie viele KI-Agenten verbrauchen Tokens, ohne Mehrwert zu schaffen?

KI-Agenten werden für Unternehmen ein mächtiges Werkzeug. Und gleichzeitig ein Governance-Problem.

Denn Agenten sind nicht einfach Dokumente oder Dashboards. Sie führen Aufgaben aus und greifen dabei auf Daten zu. Sie verursachen laufende Kosten und in vielen Unternehmen können sie von Mitarbeitenden ohne zentrale Kontrolle erstellt werden.

Das führt zu einem neuen Phänomen: Ghost Agents.

Das sind Agenten, die irgendwann gebaut wurden, noch immer laufen, Tokens verbrauchen und vielleicht sogar auf Systeme zugreifen, aber niemand weiss mehr genau, wofür sie gedacht waren, wer sie betreut oder ob sie noch Wert schaffen.

Deshalb braucht es eine einfache, aber konsequente Agent-Governance. Nicht jeder Agent muss gleich streng reguliert werden. Sinnvoll ist eine Einteilung in drei Kategorien.

Persönliche Automatisierungen

Diese Agenten werden von einzelnen Mitarbeitenden für die eigene Arbeit erstellt. Sie laufen lokal oder in einem klar begrenzten persönlichen Kontext. Das Risiko ist überschaubar.

Hier braucht es vor allem gute Leitplanken: keine sensiblen Daten ohne Freigabe, klare Nutzungsregeln und automatische Ablaufdaten.

Team- oder Funktions-Agenten

Diese Agenten werden von mehreren Personen in einem Team oder einer Abteilung genutzt. Sie greifen auf teambezogene Daten zu und beeinflussen gemeinsame Workflows.

Hier braucht es eine verantwortliche Person. In der Regel ist das die jeweilige Führungskraft, abgestimmt mit dem zentralen KI-Team.

Unternehmensweite Agenten

Diese Agenten sind mit zentralen Systemen verbunden, zum Beispiel CRM, ERP, Data Warehouse oder Kernprozessen. Ein Fehler kann Auswirkungen auf das ganze Unternehmen haben.

Solche Agenten gehören nicht in eine Schattenstruktur. Sie müssen wie digitale Produkte geführt werden: mit Owner, Monitoring, Dokumentation, Zugriffskontrolle, Tests und klaren Betriebsprozessen.

Eine praktikable Governance kann mit wenigen Massnahmen beginnen:

• Persönliche Agenten erhalten standardmässig ein Ablaufdatum, zum Beispiel nach 30 Tagen.
• Automatisierte Audits identifizieren Agenten, die Kosten verursachen, aber keine Outputs liefern.
• Jede Abteilungsleitung verantwortet das Agent-Portfolio ihres Bereichs.
• Geschäftskritische Agenten werden dokumentiert und versioniert.
• Für den Weggang von Mitarbeitenden gibt es einen Übergabeprozess für wichtige Agenten.

Der letzte Punkt wird oft unterschätzt. Was passiert, wenn die Person, die einen wichtigen Agenten gebaut hat, das Unternehmen verlässt? Wer versteht den Prompt, die Systemlogik, die Datenzugriffe, die Ausnahmen?

2027 wird Agent-Governance kein Spezialthema mehr sein. Sie wird Teil der normalen Unternehmensführung.

4. Wenn ihr eure KI-Transformation heute prüfen würdet: Was würdet ihr finden?

Die Benchmarks für leistungsstarke Unternehmen verschieben sich.

KI-native Unternehmen zeigen bereits heute, wie stark sich Umsatz, Output und Teamgrösse entkoppeln können. Natürlich lassen sich solche Unternehmen nicht eins zu eins mit klassischen Organisationen vergleichen. Aber sie setzen neue Referenzpunkte.

Für alle Unternehmen in der Wissensökonomie stellt sich deshalb eine unbequeme Frage:

Messen wir unsere Leistungsfähigkeit noch mit Kennzahlen aus einer Vor-KI-Welt?

Ein Verwaltungsrat, der KI ernst nimmt, wird wissen wollen:

• Wie viele Mitarbeitende nutzen KI wirklich kompetent?
• Welche zentralen Geschäftstreiber werden durch KI beeinflusst?
• Welche Kosten entstehen dabei?
• Welche Risiken gibt es und wie werden sie gesteuert?

Diese Fragen sind anspruchsvoll, weil sie nicht nur das KI-Team betreffen. Sie betreffen Strategie, Finanzen, Operating Model, Führung und Kultur.

Genau deshalb sollten Heads of AI solche Diskussionen vorbereiten. Nicht als defensive Rechtfertigung. Sondern als strategisches Angebot an die Unternehmensleitung.

Eine gute KI-Transformation beantwortet nicht nur die Frage: «Welche Tools nutzen wir?»

Sie beantwortet die Frage: «Wie verändert KI die Logik unseres Unternehmens?»

5. Mehr als zwölf Monate sind vergangen - wo ist der ROI?

Früher oder später kommt die ROI-Frage. CEOs und CFOs wollen verstehen, ob KI-Investitionen tatsächlich Wirkung zeigen. Gleichzeitig ist es gefährlich, zu früh die falschen Beweise zu verlangen. Der ROI von KI entsteht selten linear. Er entwickelt sich in Phasen.

Die ersten sechs Monate: Fähigkeiten aufbauen

In den ersten Monaten gibt es meist noch keine belastbaren finanziellen Resultate. Das ist normal. In dieser Phase geht es darum, neue Gewohnheiten und Kompetenzen aufzubauen. Mitarbeitende lernen, wo KI hilft und wo nicht. Dies geschieht mit physischen Schulungen oder bei grösseren Teams mit einem E-Learning.

6 bis 12 Monate: qualitative Wirkung erkennen

Nach sechs bis zwölf Monaten werden Veränderungen sichtbar und interne Prozesse verändern sich. Die Belege sind in dieser Phase oft qualitativ oder prozessnah. Sie sind trotzdem wertvoll, vorausgesetzt, Führungskräfte beobachten genau und verbinden die Veränderungen mit konkreten Kennzahlen.

12 bis 24 Monate: finanzielle Effekte auf Teamebene messen

Nach einem bis zwei Jahren sollten erste finanzielle Effekte sichtbar werden. Teams reduzieren externe Kosten. Bestimmte Aufgaben benötigen weniger Zeit. Einzelne Workflows wirken sich auf Umsatz, Marge, Kundenzufriedenheit oder Betriebskosten aus. Jetzt wird es möglich, KI-Investitionen mit konkreteren Business-KPIs zu verbinden.

Nach 24 Monaten: neue Wertschöpfung sichtbar machen

Nach mehr als zwei Jahren sollte KI nicht nur bestehende Arbeit effizienter machen. Dann geht es um neuen Wert. Es werden neue Produkte, neue Services und neue Geschäftsmodelle möglich. Und möglicherweise neue KPIs, weil sich die Kostenstruktur des Unternehmens verändert hat.

Für 2027 sollten KI-Führungskräfte drei Arten von Return unterscheiden.

Messbarer Return

Hier werden konkrete KI-Lösungen mit konkreten Kosten und Effekten verglichen.

Ein Unternehmen könnte zum Beispiel die fünf bis zehn wichtigsten zentral verwalteten Agenten analysieren:

• Was kosten sie im Betrieb?
• Welche Prozesskennzahlen beeinflussen sie?
• Welche Kosten senken sie?
• Welchen Umsatz unterstützen sie?

Das ist die sauberste Form der ROI-Betrachtung.

Richtungsweisender Return

Hier wird geprüft, ob sich wichtige Kennzahlen in Funktionen oder Teams in die richtige Richtung bewegen und ob diese Veränderungen plausibel mit KI-Nutzung zusammenhängen.

Das kann über Vorher-Nachher-Vergleiche geschehen. Oder durch den Vergleich von Teams mit hoher und tiefer KI-Nutzung. Diese Messung ist weniger exakt, aber oft sehr hilfreich, um Muster zu erkennen.

Angenommener Return

Hier werden KI-Kosten mit alternativen Personalkosten verglichen.

Ein Beispiel:

Ein Marketingteam mit 250 Personen gibt monatlich rund 206 Franken pro Person für KI aus. Das entspricht rund 51’560 Franken pro Monat oder 618’720 Franken pro Jahr. Wenn diese Summe ungefähr den Kosten von sieben zusätzlichen Mitarbeitenden entspricht, lautet die entscheidende Frage:

Erhalten wir durch KI mindestens den Output von sieben zusätzlichen Personen?

Wenn die Antwort Ja lautet, ist die Investition plausibel. Wenn nicht, muss das Unternehmen genauer hinschauen: Werden die Tools falsch eingesetzt? Fehlt Enablement? Gibt es zu wenig Fokus auf wertschöpfende Use Cases? Oder werden zu viele Experimente ohne Wirkung weitergeführt?

Was KI-Führungskräfte jetzt tun sollten

Die fünf Fragen haben einen gemeinsamen Kern: KI wird 2027 stärker nach Unternehmenslogik beurteilt.

Heads of AI sollten deshalb bereits jetzt damit beginnen, die Antworten vorzubereiten:

• Eine klare KI-Strategie formulieren.
• Bestehende KI-Projekte, Agenten und Kosten inventarisieren.
• Zwischen Effizienzgewinnen und neuer Wertschöpfung unterscheiden.
• Agent-Governance aufbauen, bevor sie zum Problem wird.
• Eine realistische ROI-Zeitachse mit passenden Messgrössen etablieren.
• Verwaltungsrat und Geschäftsleitung auf die nächste Ebene der KI-Fragen vorbereiten.

Die Budgetplanung für 2027 sollte diese Themen ausdrücklich berücksichtigen: Inference-Kosten, Transformation Support, Enablement, Governance, Monitoring und dedizierte personelle Ressourcen.

Häufige Fragen

Was ist der Unterschied zwischen einer KI-Strategie und einzelnen KI-Projekten?

Einzelne KI-Projekte zeigen, dass im Unternehmen experimentiert wird. Eine KI-Strategie zeigt, wohin diese Experimente führen sollen. Sie verbindet KI mit klaren Geschäftszielen, Verantwortlichkeiten und messbarer Wirkung.

Warum reicht es nicht, wenn Mitarbeitende mit KI schneller arbeiten?

Schneller arbeiten ist nur der erste Schritt. Entscheidend ist, ob KI neue Wertschöpfung ermöglicht: neue Workflows, bessere Entscheidungen, neue Dienstleistungen oder veränderte Kostenstrukturen. Genau dort beginnt echte Transformation.

Was sind Ghost Agents?

Ghost Agents sind KI-Agenten, die irgendwann gebaut wurden, weiterhin laufen und Tokens verbrauchen, aber keinen klaren Owner, keinen sichtbaren Nutzen und keine saubere Governance mehr haben. In grossen Organisationen können sie schnell zu einem Kosten- und Risikothema werden.

Ab wann sollte ein Unternehmen den ROI von KI messen können?

In den ersten sechs Monaten geht es vor allem um Fähigkeiten und Gewohnheiten. Nach sechs bis zwölf Monaten sollten qualitative Veränderungen sichtbar werden. Nach zwölf bis 24 Monaten sollten erste finanzielle Effekte auf Team- oder Prozessebene messbar sein.

Welche Frage sollten Heads of AI zuerst beantworten können?

Die wichtigste Frage lautet: Welche geschäftlich relevante Wirkung erzeugt KI bereits heute? Wer diese Frage beantworten will, braucht eine Übersicht über Projekte, Agents, Kosten, Governance und die wichtigsten Hebel für Wertschöpfung.