Wenn Unternehmen über KI-Governance sprechen, dreht sich die Diskussion schnell um Plattformen, Richtlinien und Kontrollmechanismen. Die Daten deuten jedoch in eine andere Richtung. In der BARC-Studie „The State of Data and AI Governance“ aus dem Jahr 2026 ist das am häufigsten genannte Hindernis für die Steuerung von Daten und KI weder die Regulierung noch die Technologie. Es sind die Menschen: 41 % der Unternehmen nennen einen Mangel an qualifiziertem Personal oder an Schulungen.
Gleichzeitig messen nur 12 % den Erfolg ihres Governance-Programms anhand des Abschlusses von Mitarbeiterschulungen. Die größte Lücke besteht im Bereich der Kompetenzen, und fast niemand erfasst diese. In diesem Beitrag wird untersucht, was das bedeutet, warum KI-Kompetenz darüber entscheidet, ob Governance in der Praxis funktioniert, was das EU-KI-Gesetz nun vorschreibt und wie Unternehmen diese Lücke schließen können.
Was KI-Kompetenz in einem Unternehmen bedeutet
KI-Kompetenz umfasst das Wissen, die Fähigkeiten und das Verständnis, die Menschen benötigen, um KI-Systeme kompetent und verantwortungsbewusst zu nutzen. Dazu gehört, zu wissen, was KI leisten kann und was nicht, ihre Risiken zu erkennen und zu wissen, welche Regeln für die Daten und Werkzeuge in der eigenen Arbeit gelten.
In einem Unternehmen gibt es bei der KI-Kompetenz kein einheitliches Niveau, das jeder erreichen muss. Ein Entwickler, der Steuerungsfunktionen in einen Agenten integriert, benötigt andere Fähigkeiten als ein Geschäftsführer, der einen KI-Anwendungsfall genehmigt, oder ein Sachbearbeiter, der mit Hilfe eines genehmigten Assistenten Dokumente zusammenfasst. KI-Kompetenz ist rollenbasiert und verändert sich genauso schnell wie die Tools selbst.
▼ ABSCHNITT 4 – HINDERNISSE
Kompetenzen sind das größte Hindernis für die Unternehmensführung
BARC befragte 234 Führungskräfte aus den Bereichen Daten, KI, IT und Wirtschaft und bat sie, die drei größten Hindernisse für eine effektive Steuerung von Daten und KI zu nennen. Die Qualifikationslücke liegt mit großem Abstand an erster Stelle:
| Die größten Hindernisse bei der Steuerung von Daten und KI | Anteil der Organisationen |
|---|---|
| Mangel an Fachkräften oder Ausbildung | 41% |
| Änderungen der Vorschriften | 25% |
| Unzureichende Datenqualität | 24% |
| In Silos gespeicherte Daten | 24% |
| Budgetbeschränkungen | 21% |
| Unzureichende Unterstützung durch die Führungsspitze | 20% |
| Versteckter (nicht genehmigter) Einsatz von KI | 17% |
BARC betrachtet dies als bekannte Herausforderungen, mit denen Führungskräfte aus Wirtschaft und IT bereits zuvor zu tun hatten. Was sie heute schwieriger macht, ist das Tempo der KI-Innovation. Die Autoren der Studie fassen das Problem in einer Frage zusammen:
„Wie bildet man Fachpersonal aus oder stellt es ein, damit es agentische Tools bedienen kann, die es vor drei Monaten noch gar nicht gab?“ BARC, „The State of Data and AI Governance“, 2026
Schaffen Sie eine Datenfundament, um KI-gestützte Automatisierung und zuverlässige Entscheidungsfindung zu ermöglichen. Laden Sie das Whitepaper herunter und erfahren Sie, wie Sie Data Governance als strategische Kompetenz etablieren – und so skalierbare Automatisierung und KI nutzen können.
Die Messlücke: 41 % gegenüber 12 %
Wenn Kompetenzen das größte Hindernis darstellen, würde man erwarten, dass Unternehmen diese messen. Das tun sie jedoch nicht. Unternehmen messen den Erfolg ihrer Governance-Programme hauptsächlich anhand der Abdeckung von KI-Anwendungsfällen (37 %), der Reduzierung von Vorfällen im Zusammenhang mit der Datenqualität (33 %) und des geschäftlichen Nutzens von geregelten KI-Projekten (31 %). Nur 12 % erfassen den Abschluss von Mitarbeiterschulungen, und lediglich 10 % messen die Einhaltung von Richtlinien durch die Mitarbeiter.
BARC bezeichnet dies als Diskrepanz im Bereich des Humankapitals und zieht daraus eine klare Schlussfolgerung: Unternehmen müssen diese Lücke durch die Weiterbildung ihrer Mitarbeiter schließen. Diese Lücke erklärt auch, warum die Automatisierung der Unternehmensführung nach wie vor schwierig ist.
„Unternehmen können Governance nicht effektiv automatisieren, wenn ihnen die Kompetenzen und die operative Disziplin fehlen, um zu definieren, wie gute Governance in realen KI-Workflows aussieht. Man braucht qualifizierte Teams, um Richtlinien in automatisierte Kontrollmechanismen in großem Maßstab umzusetzen.“ BARC, „The State of Data and AI Governance“, 2026
Warum Menschen darüber entscheiden, ob KI-Governance funktioniert
KI-Kompetenz wird oft als Thema des Personalwesens behandelt. In der Praxis entscheidet sie jedoch darüber, ob die „ rest “ des Governance-Programms funktioniert. Drei Erkenntnisse aus der Studie zeigen, warum das so ist.
Für die Steuerung braucht man Menschen, die sie entwickeln können
Richtlinien verringern das Risiko nur dann, wenn sie als Kontrollmechanismen in den laufenden KI-Workflows umgesetzt werden. Jemand muss diese Kontrollmechanismen definieren, sie in Modelle, Pipelines und Agenten integrieren und auf dem neuesten Stand halten. Ohne dieses Fachwissen bleibt die Governance reine Theorie. Um zu erfahren, wie Kontrollmechanismen in der gesamten Architektur funktionieren, lesen Sie unseren Leitfaden zum Aufbau eines KI-Governance-Rahmens.
Menschliche Kontrolle ist nur so gut wie der Mensch selbst
59 % der Unternehmen kontrollieren KI-Agenten bei sensiblen Aktionen durch eine „Human-in-the-Loop“-Genehmigung. Diese Kontrolle hängt vollständig von der Person ab, die die Genehmigung erteilt. Jemand, der nicht versteht, was ein Agent tun wird, welche Daten er verwendet oder wohin seine Ergebnisse gelangen, kann lediglich auf „Genehmigen“ klicken. Ohne KI-Kompetenz wird die menschliche Aufsicht zu einer reinen Formalität.
Shadow AI gewinnt dort an Bedeutung, wo den Menschen die Orientierung fehlt
22 % der Unternehmen melden bereits nicht genehmigte oder „Shadow-AI“-Anwendungen als KI-bezogene Vorfälle. Mitarbeiter, die nicht wissen, welche Tools zugelassen sind, welche Daten das Unternehmen nicht verlassen dürfen oder welche Alternativen es gibt, werden ihren eigenen Weg finden. Lesen Sie mehr dazu in unserem Artikel „Shadow-AI: Warum in der EMEA-Region mehr nicht genehmigte KI-Vorfälle gemeldet werden“.
Die BARC-Studie „The State of Data and AI Governance“ basiert auf einer weltweiten Umfrage unter Führungskräften aus den Bereichen Daten, KI, IT und Wirtschaft. Sie zeigt, was die KI-Vorreiter von den Rest des Marktes unterscheidet und welche Schritte erforderlich sind, um Governance von einer reinen Compliance-Maßnahme in ein Betriebsmodell zu verwandeln, das eine zuverlässige Skalierung der KI ermöglicht.
Wer benötigt welche KI-Kenntnisse?
Die Studie zeigt, wie die Verantwortung für Daten und KI-Governance heute aufgeteilt ist: Die Führungskräfte geben die Richtung vor, die Geschäftsverantwortlichen überwachen, und die Ingenieure setzen die Maßnahmen um. Jede Gruppe benötigt eine andere Art von KI-Kompetenz.
| Rolle | Die zentrale Rolle der Unternehmensführung heute | Die KI-Kenntnisse, die sie benötigen |
|---|---|---|
| CDO, CAIO, CISO | Beaufsichtigen (39 %, 38 % und 29 %) | Risiken und Nutzen der KI bewerten, Prioritäten setzen, das Governance-Programm gemeinsam steuern |
| Produktverantwortliche für KI/ML, Geschäftsleiter | Ausführen (31 %, 28 %), beaufsichtigen (27 %, 26 %) | Anwendungsfälle bewerten, akzeptables Risiko definieren, KI-gestützte Entscheidungen genehmigen |
| Entwickler, Dateningenieure, ML-/KI-Ingenieure | Ausführen (56 %, 55 %, 53 %) | Einbindung von Steuerungsfunktionen in Agenten, Pipelines und Modelle bereits ab der Entwurfsphase |
| Sicherheitsanalysten, Ingenieure und Architekten | Ausführen (45 %) | Identität, Zugriff, Überwachung und Schutz vor KI-spezifischen Bedrohungen |
| Rechts- und Compliance-Beauftragte | Beraten (49 %) | Regulatorische Anforderungen wie das EU-KI-Gesetz und die DSGVO, angewandt auf konkrete KI-Anwendungen |
| Alle Mitarbeiter, die KI nutzen | Nicht Gegenstand der Studie | Sicherer Einsatz im Alltag: zugelassene Werkzeuge, Datenklassen, Erkennen falscher Ausgaben, Eskalation |
BARC empfiehlt, dass Geschäfts- und Produktverantwortliche eine übergeordnete Rolle übernehmen und die Umsetzung den technischen Experten überlassen, und dass Führungskräfte auf C-Level-Ebene vermeiden sollten, sich in Details zu verlieren. Vor allem aber beginnt die Schließung der Qualifikationslücke nicht mit der Einstellung neuer Mitarbeiter:
„Governance erfordert keine neuen Titel, sondern dass bestehende Teams und Rollen sich gegenseitig unterstützen, voneinander lernen und sich weiterbilden.“ BARC, „The State of Data and AI Governance“, 2026
KI-Kompetenz und das EU-KI-Gesetz
Für europäische Organisationen ist KI-Kompetenz zudem eine gesetzliche Anforderung. Artikel 4 des EU-KI-Gesetzes gilt seit dem 2. Februar 2025. Er betrifft sowohl Anbieter von KI-Systemen als auch Nutzer, d. h. jede Organisation, die KI-Systeme im beruflichen Kontext einsetzt, einschließlich handelsüblicher Assistenzsysteme.
Im Juli 2026 wurde die Verpflichtung durch das „Digital Omnibus“-Paket zur KI (Verordnung (EU) 2026/1744) angepasst. Es trat am 27. Juli 2026 in Kraft. Anbieter und Betreiber müssen weiterhin Maßnahmen ergreifen, um die KI-Kompetenz ihrer Mitarbeiter und anderer Personen zu fördern, die KI-Systeme in ihrem Auftrag betreiben. Was sich geändert hat, ist der Maßstab: Der ursprüngliche Wortlaut verlangte von ihnen, nach besten Kräften ein ausreichendes Niveau an KI-Kompetenz sicherzustellen. Die Verpflichtung konzentriert sich nun auf die ergriffenen Maßnahmen und nicht mehr darauf, für jede einzelne Person ein bestimmtes Kompetenzniveau zu garantieren. Die Europäische Kommission und die Mitgliedstaaten sollen Organisationen bei der Umsetzung unterstützen. Betreiber von KI-Systemen mit hohem Risiko unterliegen weiterhin spezifischeren Kompetenzanforderungen.
In der Praxis bedeutet dies: Untätigkeit ist nach wie vor keine Option. Unternehmen sollten darlegen können, welche Maßnahmen sie ergriffen haben, für wen und warum. Das ist einfacher, wenn Schulungen rollenbezogen geplant und dokumentiert werden, womit wir wieder bei der Messlücke angelangt sind.
Fünf Schritte zur Überwindung der KI-Kompetenzlücke
1. Beginnen Sie mit Rollen und Anwendungsfällen
Allgemeines KI-Training richtet sich an alle, hilft aber nur wenigen. Beginnen Sie mit den KI-Anwendungsfällen im Produktivbetrieb und den beteiligten Rollen: Wer entwickelt, wer genehmigt, wer nutzt, wer überwacht? Legen Sie für jede Rolle fest, was die jeweilige Person wissen muss, um ihre Aufgabe sicher zu erfüllen. Dies bildet zudem die Grundlage für die Dokumentation Ihrer Maßnahmen.
2. Vermitteln Sie den richtigen Weg, nicht nur die Regeln
Mitarbeiter müssen mehr wissen als nur, was verboten ist. Sie müssen wissen, welche Tools zugelassen sind, welche Daten sie für welche Zwecke nutzen dürfen, wie sie ein falsches oder verzerrtes Ergebnis erkennen können und an wen sie sich wenden sollen, wenn etwas schiefgeht. Ein klar geregelter Ablauf ist der wirksamste Schutz vor Schatten-KI.
3. Kompetenzaufbau durch ein Kompetenzzentrum
38 % der Unternehmen betreiben ihr Governance-Programm als Kompetenzzentrum, das zentral Standards festlegt, während dezentrale Teams diese umsetzen. Unter den KI-Vorreitern liegt dieser Anteil bei 48 %. Laut BARC fördert dieses Modell KI-Projekte an der Basis und dient gleichzeitig der Schulung der Beteiligten, dem Wissensaustausch und der Stärkung der Kontrollmechanismen. Es macht die Governance zu einem Ort, an dem Teams voneinander lernen, wie es die Studie empfiehlt.
4. Schulung für Mitarbeiter und menschliche Aufsicht
Agenten legen die Messlatte höher. Wer die Handlungen von Agenten genehmigt, muss verstehen, was der Agent tun darf, was er gerade tun wird und wann er gestoppt werden muss. Derzeit verfügen nur 16 % der Unternehmen über „Kill-Switches“ für Agenten. Schulen Sie die Genehmiger anhand konkreter Szenarien aus Ihren eigenen Prozessen und kombinieren Sie menschliche Aufsicht mit automatisierten Kontrollen wie Audit-Protokollierung und Aktionsgrenzen.
5. Messen Sie das Training wie jede andere Kontrollgröße auch
BARC empfiehlt, die Hauptrisiken in eine kleine Auswahl von Betriebskennzahlen umzusetzen, wobei die Mitarbeiterschulung ausdrücklich einbezogen werden sollte. Diese Kennzahlen sind einer der sechs Bausteine eines KI-Governance-Rahmens. Erfassen Sie den Abschluss von Schulungen nach Rolle, die Einhaltung von Richtlinien sowie Vorfälle, die auf Qualifikationslücken hindeuten, wie beispielsweise „Shadow-KI“ oder fehlerhafte Ergebnisse, die an Kunden gelangen. Wenn 41 % die Qualifikationen als größtes Hindernis nennen, gehören diese in das Governance-Dashboard.
Wie SoftProject dabei hilft
Schulungen sind unerlässlich, aber niemand kann sich jede Regel für jeden Datensatz und jedes KI-Tool merken. Je stärker die Governance in die Systeme integriert ist, mit denen die Mitarbeiter arbeiten, desto weniger hängt vom individuellen Gedächtnis ab. Das ist der Gedanke hinter der konvergenten Plattform von SoftProject:
- Gemeinsames Verständnis von Daten: Daten-Governance mithilfe eines geschäftsorientierten Datenkatalogs verschafft den Geschäftsbereichen und der IT eine gemeinsame Sprache: Was bedeutet ein Datensatz, wem gehört er, wie gut ist er und wofür kann er verwendet werden?
- Regeln dort, wo die Arbeit stattfindet: Durch die Prozessautomatisierung werden Genehmigungen, Zugriffsregeln und Eskalationspfade direkt in den Workflow eingebettet, sodass Mitarbeiter und Bearbeiter standardmäßig den vorgegebenen Ablauf befolgen.
- Rückverfolgbarkeit: Abstammungs- und Prüfpfade zeigen, was mit Daten und Entscheidungen geschehen ist, was sowohl das Lernen aus Vorfällen als auch die Dokumentation der Compliance unterstützt.
Auch die KI-Kompetenz hat ihre Grenzen: Selbst gut ausgebildete Fachkräfte erzielen mit schlechten Daten nur schlechte Ergebnisse. Der verantwortungsvolle Umgang mit KI zahlt sich nur dann aus, wenn die zugrunde liegenden Daten zuverlässig, dokumentiert und geregelt sind – weshalb die Datenverwaltung die Grundlage für KI bildet.
Lese- und Schreibkompetenz und integrierte Governance ergänzen sich: Die Menschen verstehen, warum es Regeln gibt, und die Plattform sorgt dafür, dass der richtige Weg auch der einfachste ist.
Edouard Cante ist als Chief Product Officer für die strategische Ausrichtung und Weiterentwicklung des Produktportfolios von SoftProject verantwortlich. Mit seinem fundierten Marktverständnis und seiner hohen Innovationskraft treibt er kundenorientierte Lösungen voran und sichert die langfristige Wettbewerbsfähigkeit des Unternehmens.
FAQ: KI-Kompetenz
Was versteht man unter KI-Kompetenz?
KI-Kompetenz umfasst das Wissen, die Fähigkeiten und das Verständnis, die Menschen benötigen, um KI-Systeme kompetent und verantwortungsbewusst zu nutzen. Dazu gehört das Wissen darüber, was KI leisten kann und was nicht, das Erkennen ihrer Risiken sowie die Kenntnis der Regeln, die für die Daten und Werkzeuge in der eigenen Arbeit gelten. In Organisationen unterscheiden sich die erforderlichen Fähigkeiten je nach Rolle.
Warum ist KI-Kompetenz ein Thema der Unternehmensführung?
Governance funktioniert nur, wenn Menschen Richtlinien in Kontrollmaßnahmen umsetzen, beurteilen können, was sie genehmigen, und genehmigte KI korrekt einsetzen. In der BARC-Studie von 2026 nennen 41 % der Unternehmen einen Mangel an qualifiziertem Personal oder an Schulungen als ihr größtes Hindernis bei der Steuerung von Daten und KI – mehr als jeden anderen Faktor.
Ist KI-Kompetenz gemäß dem EU-KI-Gesetz verpflichtend?
Ja. Artikel 4 des EU-KI-Gesetzes gilt seit dem 2. Februar 2025 für Anbieter und Betreiber von KI-Systemen. Seit Inkrafttreten des „Digital Omnibus“-Pakets zur KI am 27. Juli 2026 müssen sie Maßnahmen ergreifen, um die KI-Kompetenz ihrer Mitarbeiter und anderer Personen, die in ihrem Auftrag KI-Systeme betreiben, zu fördern, ohne jedoch für jede einzelne Person ein bestimmtes Kompetenzniveau garantieren zu müssen.
Wer benötigt eine Schulung zum Thema KI-Kompetenz?
Alle, die KI entwickeln, genehmigen, überwachen oder nutzen – wobei die Inhalte je nach Rolle variieren. Führungskräfte müssen Risiken und Nutzen abwägen, Geschäftsinhaber müssen Anwendungsfälle bewerten, Ingenieure und Entwickler müssen Kontrollmechanismen einrichten, die Rechts- und Compliance-Abteilungen benötigen Kenntnisse der gesetzlichen Vorschriften, und alle Mitarbeiter müssen die genehmigten Tools und Datenregeln kennen.
Wie lässt sich KI-Kompetenz messen?
Nur wenige Unternehmen tun dies: Lediglich 12 % erfassen den Abschluss von Schulungen und 10 % die Einhaltung von Richtlinien durch die Mitarbeiter. Zu den nützlichen Kennzahlen zählen der Abschluss von Schulungen nach Funktion, die Einhaltung von Richtlinien sowie Vorfälle, die auf Qualifikationslücken hindeuten, wie beispielsweise „Shadow-AI“ oder fehlerhafte KI-Ergebnisse, die an Kunden gelangen.
