Souveränität beginnt beim eigenen Wissen
Künstliche Intelligenz verleiht dem Thema Souveränität eine neue Dimension, denn sie verarbeitet Wissen. Dieses muss sowohl den Mitarbeitenden breit verfügbar gemacht als auch wirksam geschützt werden.
ChatGPT, Claude, Gemini und Co. verändern nicht nur die Arbeitsweise in Unternehmen, sondern auch, wie Informationen entstehen und wie Unternehmenswissen genutzt und weiterentwickelt wird. Damit bekommt die Debatte über digitale Souveränität eine neue Dimension. Wer langfristig souverän mit KI arbeiten will, muss deshalb mehr kontrollieren als Daten und Infrastruktur. Dazu gehört vor allem das eigene Unternehmenswissen.
Durch den Einsatz von generativer KI wandern immer mehr wissensintensive Aufgaben in digitale Systeme.
Wie verbreitet diese Abhängigkeit bereits ist, zeigt die Digitalisierungsumfrage 2026 der Deutschen Industrie- und Handelskammer (DIHK): 36 Prozent der Unternehmen schätzen sich beim Einsatz von KI als weitgehend abhängig ein, weitere 32 Prozent sogar als vollkommen abhängig. Damit sehen mehr als zwei Drittel der Organisationen ihre technologische Eigenständigkeit beim Einsatz von KI deutlich eingeschränkt.
Technologische Abhängigkeiten sind für Unternehmen also kein neues Thema. Seit Jahren sind sie mit der Frage konfrontiert, wo Daten gespeichert werden, welche Cloud-Infrastruktur sinnvoll ist und wie stark sie sich dabei an einzelne Anbieter binden. Generative KI setzt noch eine Ebene drauf. Durch ihren Einsatz wandern immer mehr wissensintensive Aufgaben in digitale Systeme. Mitarbeitende recherchieren mithilfe von KI, analysieren Dokumente, erstellen Texte, entwickeln Konzepte oder bereiten Entscheidungen vor. Das kann die Arbeit erheblich erleichtern.
Wer kontrolliert die Wissensbasis?
Abhängigkeit entsteht insbesondere dann, wenn Unternehmen nicht mehr nachvollziehen können, auf welcher Wissensbasis ihre KI arbeitet, wo verwendete Kontexte und validierte Ergebnisse gespeichert werden und ob diese auch mit anderen Technologien weiter nutzbar sind. Damit geht es längst nicht mehr nur um die Bindung an einen Anbieter, sondern eben um die Kontrolle über Wissen, Daten und deren weitere Nutzung.
In der Praxis erlebe ich die Entwicklung aus zwei Perspektiven: Einerseits als KI-Anwender im eigenen Unternehmen, andererseits als Anbieter von Software, die Prozesse und Systemlandschaften anderer Organisationen integriert. Aus beiden Blickwinkeln zeigt sich: Die entscheidende Frage ist nicht allein, welche KI eingesetzt wird, sondern wer die Kontrolle über die Wissensbasis behält, mit der diese Systeme arbeiten.
Die Frage „Wo liegen unsere Daten?“ ist also nach wie vor relevant. Unternehmenswissen ist jedoch mehr als eine Sammlung von Daten. Genau hier beginnt für mich die Fähigkeit eines Unternehmens, die Kontrolle darüber zu behalten, wie sein relevantes Wissen entsteht, strukturiert, miteinander verknüpft und durch KI genutzt wird. Das klingt zunächst abstrakt, hat aber sehr konkrete Auswirkungen auf den Unternehmensalltag. Die Herausforderung: KI kann zwar neue Inhalte erzeugen. Sie schafft aber nicht automatisch eine konsistente Wissensbasis. Entscheidend ist deshalb, wie Unternehmen die dabei entstehenden Ergebnisse prüfen, daraus relevante Erkenntnisse ableiten und diese für die weitere Nutzung verfügbar machen.
Von Schatten-KI zu Wissenssilos
Eine besondere Herausforderung entsteht, wenn Mitarbeitende generative KI außerhalb etablierter Prozesse nutzen. Häufig wird diese sogenannte Schatten-KI vor allem im Hinblick auf Sicherheits- oder Compliance-Risiken diskutiert. Damit ist jedoch nur ein Teil der Herausforderung beschrieben. Mindestens genauso relevant ist eine zweite Frage: Was passiert mit dem Wissen, das bei dieser Arbeit entsteht?
Ein Ergebnis, das in wenigen Sekunden generiert wird, ist noch kein Effizienzgewinn.
Aus individuellen Produktivitätsgewinnen können neue Wissenssilos entstehen. Der einzelne Mitarbeitende arbeitet möglicherweise schneller, doch das Unternehmen kann die entstandenen Erkenntnisse weder systematisch weiterverwenden noch nachvollziehen. Das ist ein Organisationsproblem. Ein Verbot allein löst es nicht. Wenn ein Werkzeug einen tatsächlichen Bedarf erfüllt, suchen Mitarbeitende im Zweifel nach anderen Lösungen. Unternehmen müssen deshalb geeignete Anwendungen bereitstellen und gleichzeitig dafür sorgen, dass diese in bestehende Informations- und Arbeitsprozesse eingebettet sind.
Der Workflow als Hebel
Ich halte es für problematisch, wenn Unternehmen ihre KI-Strategie primär über die zu verwendende Technologie definieren. Der erste Schritt sollte nicht die Tool-Auswahl sein, sondern die Analyse des Ist-Zustands: Wo liegen relevante Inhalte und Informationen? Wie fließt Wissen heute durch die Organisation? Welche Systeme und Anwendungen sind beteiligt? Wo gibt es Medienbrüche, Dopplungen oder manuelle Arbeitsschritte?
Es geht nicht darum, möglichst viele Einsatzszenarien zu schaffen, sondern die relevanten zu definieren.
Im Anschluss hilft ein Blick auf den Idealzustand: An welchen Stellen leistet KI einen konkreten Mehrwert? Beispielsweise indem sie Routinetätigkeiten übernimmt, vorhandene Informationen schneller zugänglich macht oder Mitarbeitende bei wissensintensiven Aufgaben unterstützt. Es geht nicht darum, möglichst viele Einsatzszenarien zu schaffen, sondern die relevanten zu definieren. Erst auf dieser Grundlage sollte die technologische Auswahl erfolgen: Aus dem konkreten Anwendungsfall ergeben sich die Anforderungen an Technologie, Daten und Prozesse. KI schafft keine Ordnung. Sie arbeitet mit der Ordnung (oder Unordnung), die sie vorfindet. Wer fragmentierte Prozesse lediglich um KI-Anwendungen ergänzt, beseitigt ihre Schwächen nicht, sondern riskiert, bestehende Komplexität weiter zu skalieren.
Auch der wirtschaftliche Nutzen muss realistisch bewertet werden. Ein Ergebnis, das in wenigen Sekunden generiert wird, ist noch kein Effizienzgewinn. Einarbeitung, Prompt-Schleifen sowie Prüf- und Korrekturaufwand müssen ebenfalls berücksichtigt werden. Führungskräfte benötigen deshalb konkrete Vergleichsgrößen. Wie verändern sich Qualität, Zeitaufwand und Kosten eines Prozesses tatsächlich durch KI?
Souveränität braucht Austauschbarkeit
Vor diesem Hintergrund verändert sich das Verständnis von digitaler Souveränität. Unternehmen können ihren Technologie-Stack nicht vollständig selbst entwickeln, das müssen sie auch nicht, das wäre ineffizient. Es wird immer Abhängigkeiten geben. Entscheidend ist der richtige Umgang damit. Das unternehmensinterne Wissen zählt zu den zentralen Ressourcen einer Organisation und darf nicht an einzelne Anwendungen gekoppelt sein.
Beschäftigte brauchen weit mehr als Prompting-Schulungen.
Modelle werden besser, Anbieter verändern ihre Angebote und neue Anwendungen kommen auf den Markt. Auch politische oder regulatorische Rahmenbedingungen können sich verändern. Ein souveränes Unternehmen muss jederzeit darauf reagieren können, ohne seine Wissensbasis neu aufbauen zu müssen. Ist ein Wechsel technisch oder organisatorisch nicht möglich, wird dieser Handlungsspielraum eingeschränkt. Anbieter und Technologien sollten mit vertretbarem Aufwand austauschbar sein. Unternehmenswissen hingegen muss unabhängig davon erhalten und nutzbar bleiben.
Wissenssouveränität als Führungsaufgabe
Die Verantwortung dafür kann nicht allein bei der IT liegen. Führungskräfte müssen gemeinsam mit den Fachbereichen festlegen, wie KI eingesetzt wird, welches Wissen dafür genutzt werden darf und wie neu entstehendes Wissen in der Organisation erhalten bleibt. Gleichzeitig braucht es die entsprechenden Kompetenzen bei den Mitarbeitenden. Beschäftigte brauchen dafür weit mehr als Prompting-Schulungen. Sie müssen verstehen, welche Wissensquellen eine KI heranzieht, wie verlässlich ihre Ergebnisse sind und welches Wissen für die Organisation relevant bleibt. Je stärker KI in wissensintensive Prozesse eingreift, desto wichtiger wird diese Urteilsfähigkeit. Die fachliche Verantwortung bleibt beim Menschen. Wer Ergebnisse nicht mehr selbst beurteilen kann, gewinnt durch KI zwar an Geschwindigkeit, verliert aber einen Teil seiner Souveränität.
Wissenssouveränität entsteht deshalb nicht durch die Wahl eines bestimmten KI-Tools, sondern durch das Zusammenspiel von Technologie, Prozessen und menschlicher Urteilskraft.
