Warum Governance im KI-Zeitalter zur Wettbewerbsfrage wird – und „New Lean“ kein Aufkleber ist

Es gehört zu den zuverlässigsten Begleitgeräuschen jeder Technologiewelle, dass sie zuerst als Technikproblem missverstanden wird. Erst später stellt sich heraus, dass die eigentliche Arbeit nicht im Rechenzentrum liegt, sondern im Organigramm der UNternehmen – und, noch unangenehmer, in der Frage, wer entscheidet. McKinsey formuliert diesen Punkt in jüngsten Beiträgen auffallend klar: KI ist „board-level priority“, weil sie die Wettbewerbsdynamik ganzer Branchen verschiebt – nicht, weil Aufsichtsräte jetzt Modelle tunen sollen.

Es gibt Begriffe, die nach Ordnung klingen, ohne schon Ordnung zu schaffen. Governance ist einer von ihnen. In vielen Unternehmen bezeichnet er noch immer Regelwerke, Ausschüsse und Berichtspflichten – ein Vokabular der Kontrolle, das in der analogen Managementwelt seine Berechtigung hatte. Im Zeitalter der Künstlichen Intelligenz verliert diese Lesart ihre Unschuld. Denn KI verschiebt nicht nur Prozesse, sondern die Architektur des Entscheidens. Modelle priorisieren, filtern, prognostizieren; sie strukturieren Wahrnehmung, bevor ein Mensch überhaupt urteilt. Wer das für ein technisches Detail hält, verpasst die eigentliche Verschiebung. Die Entscheidung bleibt formal menschlich, aber sie wird faktisch vorgeprägt – durch die Vorauswahl dessen, was als Option überhaupt sichtbar wird, und durch die Suggestion dessen, was als plausibel gilt. Damit verändert sich die zentrale Frage von Governance: nicht mehr nur, ob Regeln eingehalten werden, sondern ob Verantwortlichkeit in hybriden Systemen aus Menschen, Modellen und Organisationen eindeutig bleibt.

An dieser Stelle ist es aufschlussreich, wie ungewöhnlich einhellig selbst die Beratungs- und Prüfungshäuser argumentieren – und das kommt selten vor. Die Botschaft, quer durch die Häuser, lautet: KI darf nicht zur Erosion von Zuständigkeit führen. BCG insistiert darauf, dass die Wertagenda nicht in Technikfunktionen geparkt werden darf, sondern bei den Ergebnisverantwortlichen liegen muss. Accenture beschreibt die Skalierung agentischer Systeme als Operating-Model-Frage: Agenten, Modelle und Plattformen wirken erst dann, wenn sie als System entworfen sind – mit klaren Regeln, wo KI „lebt“, wie sie an Daten kommt und wie Handlungen gesteuert werden. Deloitte zieht den Blick auf die Tragfähigkeit: Die bestehende Technologie- und Betriebslogik vieler Organisationen ist nicht darauf ausgelegt, KI verlässlich in den produktiven Maßstab zu bringen; Nutzung und Komplexität wachsen schneller als die Fähigkeit, sie zu kontrollieren. PwC wiederum setzt den europäisch naheliegenden Akzent: Der Aufsichtsrat wird zum Navigationsorgan in einer Lage, in der Technologie schneller ist als klassische Entscheidungsrituale – und gerade deshalb Strukturen braucht, die nicht erst im Nachhinein erklären, wer eigentlich zuständig war. KPMG macht daraus ein Aufsichtsthema im engeren Sinn: Audit Committees müssen KI-Governance und Risikomanagement auf die Agenda nehmen, und Verantwortlichkeit wandert dorthin, wo sie juristisch und wirtschaftlich hingehört – in Richtung C-Suite, mit benennbaren Verantwortlichen und einem funktionierenden Operating Model statt bloßer Kästchen. McKinsey rahmt dasselbe Problem für Boards als Notwendigkeit, überhaupt erst eine strategische „Haltung“ zu definieren: Ohne gemeinsame Posture wird Governance entweder oberflächlich oder lähmend. Roland Berger beschreibt die gleiche Lücke als Umsetzungsproblem: Strategie und Wirkung finden nicht zusammen, wenn Alignment, Fähigkeiten und Ausführungskraft fehlen. Und Bain bringt es auf die schlichte Formel der Gegenwart: Zwischen KI-Strategie und Realität klafft vor allem eine Execution-Lücke.

So weit der Konsens von außen – entscheidend ist, was innen passiert. Denn wenn im Mittelstand „KI, New Lean und Leadership“ in einem Satz auftauchen, ist der erste Reflex meist der richtige: Das klingt nach einem modernen Dreiklang, der mehr Ordnung verspricht, als er schon stiftet. In der Praxis wirkt diese Kombination oft wie ein Etikett, das drei getrennte Baustellen mit einer Klammer versieht, während darunter alles beim Alten bleibt: KI läuft als Projekt, Lean bleibt punktuell, Führung wird diskutiert, aber selten als Struktur durchdekliniert.Oliver Wyman: 10 Wealth Management Trends Shaping 2026 (Governance shift zu Algorithmen/Entitlements), Dez 2025.

Viele Unternehmen packen KI automatisch in das Format, das sie für Neues immer benutzen: ein Projekt mit Pilot, Budget, Lenkungskreis, Meilensteinen. Das ist bequem, weil es in die vorhandene Steuerungslogik passt. Aber KI ist kein normales Projekt, weil sie nicht nur ein neues Werkzeug einführt, sondern Entscheidungen und Arbeitsteilung verändert: Wer bekommt Vorschläge? Wer darf automatisieren? Wer stoppt? Wer haftet?

Wenn man KI trotzdem wie ein Projekt behandelt, passiert typischerweise Folgendes: Man bekommt einzelne Use Cases, die lokal funktionieren, aber keine Durchdringung der Wertschöpfung, weil niemand verbindlich entscheidet, wo KI strategisch wirken soll, wie Prozesse end-to-end geändert werden und wer die Verantwortung in der Linie trägt. Am Ende steht nicht Transformation, sondern Pilot-Sammlung – und eine Organisation, die schneller experimentiert, aber nicht besser entscheidet.

Damit steigt der Preis unklarer Zuständigkeiten. Wer entscheidet, wenn das Modell plausibel wirkt, aber der Prozess widerspricht? Wer darf überstimmen – und wer muss begründen? Wenn darauf keine Antwort existiert, skaliert man nicht Wert, sondern Verlegenheit.

Genau hier gerät „New Lean“ in diese Debatte – und wird leicht zur Dekoration. New Lean ist nur dann mehr als ein frisches Etikett, wenn es nicht als Effizienzprogramm verstanden wird, sondern als Lern- und Verantwortungslogik in der Wertschöpfung: Probleme sichtbar machen, Ursachen trennen, Wirkung nachhalten. Viele Unternehmen haben das klassische Lean nicht flächendeckend etabliert; sie haben Inseln, keine Betriebslogik. Wer darauf KI „draufsetzt“, kann kurzfristig Produktivität gewinnen, aber langfristig die falsche Richtung beschleunigen. Denn KI passt hervorragend zu alten Steuerungssehnsüchten: Sie macht Kennzahlen schneller, Berichte glatter, Abweichungen lauter. In Organisationen, die Führung mit Prozesspflege verwechseln, wird sie zum Verstärker eines Missverständnisses: Man hält Messung für Erkenntnis und Tempo für Richtung. So entsteht operative Betriebsamkeit, aber keine strategische Bewegung.

Moderne Governance beginnt deshalb nicht mit einem weiteren Gremium, sondern mit einer klaren Verantwortungsordnung: Verantwortung muss verankert, nicht verwaltet werden. Sie legt fest, wer einem Modell widersprechen darf – und unter welchen Bedingungen. Sie klärt, wer Fehler trägt, wer Abweichungen begründet und wer eingreift, wenn ein System sich irrt. Das ist keine moralische Aufladung, sondern betriebswirtschaftliche Notwendigkeit. Denn KI beschleunigt nicht nur Produktivität, sie beschleunigt auch Fehlentscheidungen – gerade dann, wenn eine Organisation das Plausible mit dem Richtigen verwechselt.

Damit wird auch greifbar, was das vielzitierte Dreieck aus KI, New Lean und Leadership praktisch bedeutet – jenseits der Seminarfolie. KI bringt Skalierung in die Organisation, aber sie skaliert zunächst vor allem Vorschläge. New Lean ist die Gegenkraft, die diese Skalierung erdet: nicht als Parole, sondern als institutionalisierte Lernlogik nahe an der Wertschöpfung, die Hypothesen prüft, Ursachen klärt und Wirkung nachhält. Leadership heißt unter diesen Bedingungen nicht, mit Visionen zu glänzen, sondern die Disziplin des Entscheidens zu organisieren: Wer besitzt den Wertstrom, wer entscheidet bei Zielkonflikten, wer darf das Modell überstimmen, und wie wird aus Abweichungen Lernen statt Schuldzuweisung? Funktionieren kann das nur, wenn KI nicht „oben“ als Steuerungsphantasie und nicht „unten“ als Toolkiste läuft, sondern in eine durchgängige Verantwortungs- und Lernarchitektur eingebettet wird. Modelle liefern Tempo, die Organisation liefert Urteil; Systeme schlagen vor, Menschen entscheiden – und die Organisation sorgt dafür, dass Entscheidungen begründet, überprüft und verbessert werden, bis aus plausiblen Antworten verlässliche Ergebnisse werden.