Führungskräfte müssen bei künstlicher Intelligenz selten selbst die besten Prompts schreiben. Ihre wichtigere Aufgabe ist, Verantwortung im Team so zu organisieren, dass Nutzen, Qualität und Schutzinteressen zusammenpassen. Wer darf ein KI-Ergebnis verwenden? Wer erkennt einen Fehler? Wer stoppt einen problematischen Prozess? Und wer erklärt eine Entscheidung gegenüber Beschäftigten, Kundschaft oder Geschäftsführung?
Eine KI-Checkliste für Führungskräfte übersetzt diese Fragen in beobachtbare Arbeitsschritte. Sie hilft österreichischen Teamleitungen, nicht jeden Anwendungsfall neu zu erfinden und dennoch den Kontext zu berücksichtigen. Der folgende Leitfaden richtet sich an Führungskräfte, die bereits erste KI-Werkzeuge im Team sehen oder einen geregelten Einsatz vorbereiten. Er ersetzt keine rechtliche Einzelfallprüfung, schafft aber eine belastbare operative Routine.
Führungsverantwortung beginnt vor der Tool-Auswahl
Die Diskussion startet oft mit einem Produktnamen: Welcher Assistent ist am leistungsfähigsten? Für die Führungspraxis ist eine andere Reihenfolge sinnvoll. Zuerst kommt die Aufgabe, dann das Risiko und erst danach das Werkzeug. Eine KI kann einen Entwurf beschleunigen, eine Entscheidung vorbereiten oder einen Prozess automatisieren. Diese drei Rollen haben sehr unterschiedliche Folgen.
Die österreichische KI-Servicestelle der RTR erläutert für Betreiber von Hochrisiko-KI-Systemen unter anderem Pflichten zu Betriebsanleitungen, passenden Eingabedaten, Überwachung und menschlicher Aufsicht. Die konkrete rechtliche Einordnung hängt vom System und seinem Zweck ab. Für jede Führungskraft lässt sich daraus eine allgemeine Lehre ziehen: Menschliche Aufsicht braucht nicht nur einen Namen, sondern Kompetenz, Zeit und echte Befugnis.
Die Verantwortung verschwindet nicht, weil ein Anbieter das Modell betreibt. Wer einen KI-Vorschlag in einen Arbeitsablauf übernimmt, muss die fachlichen Folgen verstehen und kontrollieren können.
Der 90-Sekunden-Check für neue KI-Ideen
Bevor ein Team ein neues Werkzeug testet, helfen vier kurze Fragen. Eine einzige rote Antwort bedeutet nicht automatisch ein Verbot, aber sie verlangt eine vertiefte Prüfung:
- Menschen: Beeinflusst der Output Zugang zu Arbeit, Einkommen, Leistungseinschätzung, Weiterbildung oder anderen wichtigen Chancen?
- Daten: Werden personenbezogene, vertrauliche, geschützte oder nicht notwendige Informationen verarbeitet?
- Außenwirkung: Verlässt das Ergebnis das Team, wird veröffentlicht oder gegenüber Kundinnen und Kunden als verlässlich präsentiert?
- Automatisierung: Kann ein falsches Ergebnis ohne wirksame menschliche Kontrolle eine Handlung auslösen?
Wenn alle Antworten klar „nein“ lauten, kann ein begrenzter, datensparsamer Test oft rasch bewertet werden. Bei einer oder mehreren „ja“-Antworten braucht es Fachprüfung und je nach Fall Datenschutz, Informationssicherheit, HR, Rechtsberatung oder Betriebsrat.
Die Führungscheckliste: zwölf Punkte für den Arbeitsalltag
1. Den Zweck in einem Satz festhalten
„Wir wollen KI nutzen“ ist kein Zweck. Besser ist: „Das Team erstellt aus bereits freigegebenen Produktinformationen einen ersten Entwurf für interne Schulungsfragen.“ Der Satz benennt Aufgabe, Daten und Zielgruppe. Ändert sich einer dieser Punkte, wird neu geprüft.
2. Einen fachlich Verantwortlichen bestimmen
Die Person muss beurteilen können, ob der Output fachlich stimmt. Tool-Erfahrung allein genügt nicht. Für einen Vertrag braucht es anderes Wissen als für einen Social-Media-Entwurf. Die verantwortliche Person erhält ausdrücklich das Recht, ein Ergebnis abzulehnen oder den Prozess zu stoppen.
3. Erlaubte Eingaben konkret definieren
Eine Führungskraft sollte mit Beispielen festlegen, welche Informationen verwendet werden dürfen. „Keine sensiblen Daten“ ist zu abstrakt. Aussagekräftiger sind Listen: keine Bewerbungsunterlagen, keine Gesundheitsdaten, keine Zugangsdaten, keine unveröffentlichten Kennzahlen und keine Kundendaten in nicht freigegebenen Diensten. Wo möglich, werden Texte anonymisiert oder auf die wirklich nötigen Angaben reduziert.
4. Den schlimmsten plausiblen Fehler benennen
Teams prüfen genauer, wenn sie wissen, wonach sie suchen. Kann die KI eine falsche Frist nennen, eine Person benachteiligen, vertrauliche Daten offenlegen oder eine erfundene Quelle ausgeben? Der schlimmste plausible Fehler bestimmt die Tiefe der Kontrolle.
5. Das Qualitätsgate vorab festlegen
Vor Beginn wird entschieden, welche Nachweise ein Ergebnis braucht. Bei Texten können dies Originalquellen, Vier-Augen-Freigabe und ein Faktenprotokoll sein. Bei Berechnungen sind Vergleichswerte und Stichproben erforderlich. Bei Code gehören Tests und Sicherheitsreview dazu. Die WKO betont in ihrer Guideline zur Daten- und Ergebnisqualität, dass KI-Inhalte mit gesichertem Fachwissen und vertrauenswürdigen aktuellen Quellen abgeglichen werden sollten.
6. Menschliche Aufsicht arbeitsfähig machen
Die kontrollierende Person braucht Zugang zu Eingaben, Ausgaben, relevanten Quellen und der Beschreibung des Systems. Sie braucht außerdem Zeit. Ein Review, das nur fünf Minuten vor einer Veröffentlichung angesetzt wird, ist keine wirksame Aufsicht. Für kritische Outputs sollte eine zweite qualifizierte Person eingeplant werden.
7. Betroffene und Schnittstellen früh einbinden
Ein Team kann nicht allein entscheiden, wenn ein System Beschäftigtendaten auswertet oder Arbeitsleistung beeinflusst. In Österreich sind arbeitsrechtliche Mitwirkungs- und Informationsfragen ernst zu nehmen. Die Arbeiterkammer informiert zu KI in der Arbeitswelt über Rechte und Pflichten rund um Datenschutz, AI Act und betriebliche Mitbestimmung. Führungskräfte sollten HR, Datenschutz und Betriebsrat nicht erst informieren, wenn der Vertrag bereits unterschrieben ist.
8. Einen sicheren Testbereich schaffen
Ein Pilot arbeitet mit begrenzter Nutzerzahl, definierten Daten und einem festen Enddatum. Produktive Entscheidungen werden nicht heimlich in die Testphase verschoben. Für den Vergleich werden einige Aufgaben auch ohne KI bearbeitet. Nur so wird sichtbar, ob tatsächlich Zeit gespart oder bloß Arbeit in die Nachkontrolle verlagert wird.
9. Fehler und Beinahe-Fehler protokollieren
Nicht nur große Vorfälle sind lehrreich. Auch ein rechtzeitig erkannter falscher Name, eine verzerrte Empfehlung oder ein ungeeigneter Ton zeigt, wo Kontrollen fehlen. Ein kurzes Protokoll mit Datum, Anwendungsfall, Wirkung, Ursache und Maßnahme genügt für den Start. Es darf nicht zu einer Schuldzuweisung an jene werden, die einen Fehler offen melden.
10. Ergebnisse nicht mit Leistung von Menschen verwechseln
KI kann Formulierungen glätten oder unterschiedliche Arbeitsweisen vereinheitlichen. Daraus darf keine vorschnelle Leistungsbewertung entstehen. Besonders bei Recruiting, Zielvereinbarungen und Personaleinsatz braucht jede Führungskraft eine klare Trennung zwischen maschinellem Hinweis, fachlicher Beobachtung und menschlicher Entscheidung. Bewerbungsdaten verdienen zusätzlichen Schutz; der jobspot.at-Beitrag zum Löschen von Bewerbungsdaten erklärt wichtige Grundlagen für den Umgang nach einer Absage.
11. Den Nutzen mit wenigen Kennzahlen prüfen
Zeitersparnis allein kann täuschen. Sinnvoll ist ein kleines Set aus Bearbeitungszeit, Nachbearbeitungsaufwand, Fehlerquote, Akzeptanz und Beschwerden. Bei externen Inhalten kann zusätzlich gemessen werden, wie oft Quellen korrigiert oder Aussagen zurückgezogen werden mussten. Der Nutzen wird gegen Lizenzkosten, Schulungszeit und Kontrollaufwand gestellt.
12. Eine Ausstiegsentscheidung vorbereiten
Jeder Pilot braucht Kriterien für Pause oder Abbruch. Beispiele sind wiederkehrende Faktenfehler, nicht beherrschbare Datenflüsse, fehlende Transparenz, geringe Akzeptanz oder ein Anbieterwechsel mit unklaren Bedingungen. Ein Team, das nur Erfolg definieren kann, ist nicht entscheidungsfähig.
Eine Entscheidungsmatrix für unterschiedliche Folgen
Nicht jeder Output braucht dasselbe Freigabeniveau. Eine einfache Matrix verbindet Reichweite und mögliche Wirkung:
- Niedrige Wirkung, intern: Entwurf oder Ideenliste; Selbstprüfung durch geschulte Anwenderin oder geschulten Anwender.
- Mittlere Wirkung, intern: Prozessvorschlag oder Zusammenfassung vertraulicher Materie; fachliches Review und nur freigegebenes System.
- Mittlere Wirkung, extern: Kundenmail, Stellenanzeige oder Website-Text; Fakten- und Tonalitätsprüfung, Datencheck und dokumentierte Freigabe.
- Hohe Wirkung auf Menschen: Recruiting, Einsatzplanung, Bewertung oder Zugang zu Leistungen; keine automatische Entscheidung, vertiefte Prüfung und zuständige interne Stellen einbinden.
Die Matrix bleibt bewusst vorsichtig. Eine vermeintlich harmlose Zusammenfassung kann hohe Wirkung haben, wenn sie die Grundlage einer Personalentscheidung bildet.
Wie Führungskräfte menschliche Aufsicht prüfen
Der AI Act beschreibt für Hochrisiko-Systeme Anforderungen an menschliche Aufsicht. Unabhängig von der formalen Risikoklasse helfen fünf praktische Tests:
- Kann die Aufsichtsperson erklären, wofür das System eingesetzt wird und wo seine Grenzen liegen?
- Sieht sie die relevanten Eingaben und nicht nur ein fertiges Ergebnis?
- Kann sie den Output begründet überstimmen, pausieren oder verwerfen?
- Wird ihre Entscheidung dokumentiert, wenn erhebliche Folgen möglich sind?
- Gibt es eine Vertretung, damit Kontrolle nicht bei Urlaub oder Krankenstand ausfällt?
Die WKO formuliert in ihrer aktuellen Guideline „Der Mensch hat im Einsatz der KI das letzte Wort“ und empfiehlt bei kritischen Outputs ein Vier-Augen-Prinzip. Entscheidend ist, dass dieses letzte Wort fachlich informiert ist und nicht bloß formal bestätigt wird.
Shadow AI ansprechen, ohne Vertrauen zu zerstören
Wenn Beschäftigte unerlaubte Tools nutzen, steckt dahinter oft ein echtes Arbeitsproblem: Zeitdruck, fehlende Funktionen oder ein zu langsamer Freigabeweg. Eine Führungskraft sollte zuerst verstehen, welche Aufgabe gelöst werden sollte. Danach werden Datenrisiko und Alternativen geklärt. Pauschale Drohungen führen eher dazu, dass Nutzung unsichtbar wird.
Hilfreich sind monatliche Sprechstunden oder ein einfacher Kanal für neue Ideen. Wer einen Anwendungsfall meldet, erhält innerhalb einer verbindlichen Frist eine Antwort. Gleichzeitig bleibt klar: Zugangsdaten, Personalinformationen, Geschäftsgeheimnisse und unfreigegebene Kundendaten gehören nicht in beliebige öffentliche Werkzeuge.
Die wöchentliche 15-Minuten-Routine
Verantwortung lässt sich in bestehende Führungsarbeit integrieren. Eine kurze wöchentliche Runde mit den aktiven Anwenderinnen und Anwendern reicht oft, um Veränderungen früh zu erkennen:
- Welche KI-Anwendungsfälle wurden diese Woche tatsächlich genutzt?
- Gab es falsche, verzerrte oder überraschende Ergebnisse?
- Wurden neue Datenarten oder externe Empfänger einbezogen?
- Hat sich das Werkzeug, seine Konfiguration oder sein Vertrag sichtbar verändert?
- Braucht ein Teammitglied Schulung, Freigabe oder Unterstützung?
Nur Abweichungen und Entscheidungen werden protokolliert. So entsteht ein schlankes Betriebswissen, ohne jedes Promptdetail dauerhaft zu speichern.
Praxisfall: KI-Entwürfe im Kundenservice
Ein österreichisches Serviceteam möchte Standardantworten schneller vorbereiten. Die Leitung definiert den Zweck als Entwurfshilfe, nicht als automatische Kommunikation. Das freigegebene Werkzeug erhält nur anonymisierte Sachverhalte. Namen, Vertragsnummern und besondere Kategorien personenbezogener Daten werden entfernt. Der Output wird mit der Wissensdatenbank verglichen und von der zuständigen Person freigegeben.
Im Pilot zeigt sich, dass die Bearbeitungszeit sinkt, aber veraltete Fristen gelegentlich überzeugend formuliert werden. Die Führungskraft ergänzt deshalb einen Pflichtlink zur aktuellen Fachquelle und nimmt die Fehlerquote in das Wochenreview auf. Nach vier Wochen wird nicht gefragt, ob „die KI gut“ ist, sondern ob der gesamte Prozess mit Kontrolle besser funktioniert. Diese Perspektive verhindert, dass ein attraktiver Einzeloutput mit einem verlässlichen Arbeitsablauf verwechselt wird.
Warnsignale, bei denen Führungskräfte sofort pausieren sollten
- Niemand kann erklären, welche Daten das System erhält oder speichert.
- Ein KI-Output beeinflusst Personalentscheidungen, ohne dass Betroffene und zuständige Stellen informiert wurden.
- Die fachliche Kontrolle ist nur auf dem Papier vorhanden.
- Das Team muss Fehler verschweigen, um versprochene Zeitgewinne zu erreichen.
- Ein Anbieter ändert wesentliche Funktionen oder Bedingungen ohne neue Prüfung.
- Externe Inhalte werden ohne Quellen- und Rechteprüfung veröffentlicht.
- Beschäftigte können einen problematischen Output nicht stoppen oder überstimmen.
Häufige Fragen für Teamleitungen
Muss die Führungskraft jedes KI-Ergebnis selbst prüfen?
Nein. Sie muss aber sicherstellen, dass eine fachlich geeignete Person prüft und die Kontrolle zum Risiko passt. Verantwortung wird organisiert, nicht durch persönliches Abnicken jedes Entwurfs erfüllt.
Reicht eine allgemeine KI-Schulung für das ganze Team?
Eine Basis schafft gemeinsames Verständnis. Zusätzlich braucht es Übungen für den konkreten Anwendungsfall: Welche Fehler treten auf, welche Daten sind erlaubt, welche Quellen gelten und wann wird eskaliert? Artikel 4 des AI Act stellt auf Kenntnisse, Erfahrung und Nutzungskontext ab.
Wie detailliert muss dokumentiert werden?
So detailliert, dass Zweck, Verantwortliche, Freigaben und wesentliche Abweichungen nachvollziehbar sind. Eine wahllose Vollspeicherung aller Eingaben kann neue Datenschutz- und Sicherheitsrisiken erzeugen. Die Dokumentation sollte deshalb bewusst und zweckgebunden gestaltet werden.
Was ist bei KI in Bewerbungsprozessen besonders wichtig?
Personalbezogene Anwendungen können erhebliche Folgen für Menschen haben. Führungskräfte sollten keine automatische Auswahl zulassen, Datenminimierung und menschliche Entscheidung sicherstellen sowie HR, Datenschutz und Betriebsrat früh einbinden. Der konkrete Anwendungsfall muss vor dem Start fachlich und rechtlich bewertet werden.
Fazit: Gute Führung macht Kontrolle sichtbar
Die wichtigste Führungsleistung beim KI-Einsatz ist kein technischer Trick. Sie besteht darin, Zweck, Daten, Entscheidung und Kontrolle sauber zu verbinden. Eine kurze Checkliste sorgt dafür, dass Teams nicht erst nach einem Vorfall über Zuständigkeiten sprechen.
Beginnen Sie mit einem aktiven Anwendungsfall. Führen Sie den 90-Sekunden-Check durch, benennen Sie den schlimmsten plausiblen Fehler und bestimmen Sie eine fachlich befugte Aufsichtsperson. Vereinbaren Sie anschließend Qualitätsgate, Kennzahlen und Abbruchkriterien. Damit wird aus KI-Begeisterung ein verantwortbarer Arbeitsprozess.
