Wir brauchen nicht noch eine Erklärung, warum KI wichtig ist. Wir brauchen mehr Teams, die unter realen Bedingungen belastbare Dinge bauen.

Die These in drei Sätzen

Deutsche Führungskräfte wissen, dass KI wichtig ist. Unternehmen kaufen Lizenzen, gründen Programme und formulieren Leitlinien. Trotzdem bleibt zwischen offizieller Ambition und dem Arbeitsalltag vieler Teams eine Lücke, weil konkrete Aufgaben, sichere Umgebungen und gemeinsame Praxis fehlen.

Das ist kein Wissensdefizit, sondern ein Koordinationsproblem. Security wartet auf einen belastbaren Use Case, der Fachbereich auf technische Kapazität und Engineering auf klare Priorität. Wer diesen Kreis mit einem kleinen, sichtbaren Pilot durchbricht, lernt mehr als durch die nächste allgemeine Strategiepräsentation.

Ambition ist reichlich vorhanden

Celonis berichtete 2026 von hohen Ambitionen auf dem Weg zum „agentic enterprise“, während die tatsächliche Nutzung in DACH deutlich zurücklag. Fehlende Expertise wurde als zentrales Hindernis genannt. Solche Zahlen messen nicht jedes Unternehmen exakt, zeigen aber den strukturellen Abstand zwischen Wollen und Können. [1]

Eine Lizenz löst diesen Abstand nicht. Mitarbeitende müssen Aufgaben schneiden, Datenklassen verstehen, Ergebnisse prüfen und aus einem Prototype eine Weiterführungsentscheidung ableiten. Das sind praktische Organisationsfähigkeiten. Sie entstehen nur begrenzt in Selbstlernmodulen, weil sie Zusammenarbeit und reale Systeme betreffen.

Vorsicht ist nicht das Problem

Die öffentliche Debatte zeigt zugleich hohe Erwartungen und Vorbehalte gegenüber KI. Bitkom dokumentiert Einstellungen von Erwerbstätigen und Bevölkerung; die Spannbreite reicht von Produktivitätsoptimismus bis zur Sorge um Kontrolle und Arbeitsplatz. Unternehmen müssen beide Seiten ernst nehmen. [2]

Deutsche Governance kann ein Wettbewerbsvorteil sein, wenn sie schnell konkret wird. Ein erlaubter Modellzugang, definierte Datenklassen, synthetische Testdaten und menschliche Freigabepunkte geben Teams Handlungssicherheit. Problematisch wird Vorsicht erst, wenn Regeln abstrakt bleiben und dadurch weder Risiko noch Nutzen praktisch geprüft werden.

Transfer braucht einen Ort

Programme wie Mittelstand-Digital zeigen, dass Wissenstransfer und praxisnahe Unterstützung politisch längst als Schlüssel für kleine und mittlere Unternehmen erkannt sind. Der nächste Schritt ist, allgemeines Wissen in eigene Workflows, Repositories und Produkte zu übersetzen. [3]

Ein Transferformat braucht Fachpersonen, Builder, echte Beispiele und einen Termin, an dem eine Entscheidung sichtbar wird. Ohne diesen Ort bleibt KI entweder Sache einzelner Enthusiasten oder ein Programm des zentralen Transformationsteams. Beides reicht nicht, um eine breite interne Fähigkeit aufzubauen.

  • Einen Bereich statt das ganze Unternehmen aktivieren.
  • Drei bis acht echte, begrenzte Challenges vorbereiten.
  • Freigegebene Tools und Daten vor dem Start testen.
  • Den Sponsor zum Demo Day in die Verantwortung nehmen.
  • Jeden weiterführbaren Prototype einem Owner zuordnen.

Vom Reden ins Bauen

Ein eintägiger Hackathon ist keine KI-Transformation. Genau darin liegt seine Stärke. Er ist klein genug, um gekauft, vorbereitet und verantwortet zu werden, aber groß genug, um mehrere Teams gleichzeitig aus der Zuschauerrolle zu holen. Das Ergebnis ist beobachtete Evidenz statt weiterer Grundsatzpositionen.

Deutschland muss nicht erst überzeugt werden. Es muss häufiger die Distanz zwischen einer Entscheidung und dem ersten belastbaren Prototype verkürzen. Wer zwanzig solcher Lernräume in echten Unternehmen schafft, verändert mehr als jemand, der die zwanzigste Studie über die Bedeutung von KI veröffentlicht.

Nach dem ersten Tag zählt die organisatorische Reaktion. Werden Zugangsprobleme beseitigt? Bekommt ein starker Prototype einen Owner und einen kleinen Folgesprint? Dürfen interne Builder ihre Muster teilen? Ohne diese Entscheidungen wird auch der beste Event zum isolierten Beweis, dass das Unternehmen theoretisch schneller sein könnte.

Umsetzung ist deshalb keine Eigenschaft einzelner besonders motivierter Mitarbeitender. Sie ist ein Führungssystem aus Priorität, Freiraum, Grenzen und Anschluss. Der Hackathon kann dieses System nicht ersetzen, aber er macht innerhalb eines Tages sichtbar, wo es bereits funktioniert und wo es blockiert.

Die Konsequenz für Entscheider

Die Position „Deutschland hat kein Erkenntnisproblem.“ ist bewusst zugespitzt, aber sie entbindet niemanden von Gegenargumenten. Führung sollte offenlegen, welche Annahmen über Technologie, Arbeit und Wettbewerb hinter einer Entscheidung stehen und welche Beobachtung die eigene These widerlegen würde. Nur dann wird Ambition zu einer lernfähigen Strategie statt zu einem neuen Glaubenssatz.

Ein guter nächster Schritt ist klein genug, um innerhalb weniger Wochen Erkenntnisse zu liefern, und relevant genug, um eine echte Folgeentscheidung auszulösen. Das Team braucht einen Nutzer, eine erlaubte Umgebung, einen sichtbaren Erfolgstest und einen Sponsor. So verbindet sich gesellschaftliche Debatte mit verantwortbarer betrieblicher Praxis.

Quellen

  1. Celonis: The enterprise AI reality check
  2. Bitkom: Künstliche Intelligenz in Deutschland 2026
  3. Bundesministerium für Wirtschaft und Energie: Mittelstand-Digital