Teklens logo
DEEN
01

Kapitel 01

Forschungsdimension: Leadership

Wie schafft Führung die Voraussetzungen für KI?

3 Min. LesezeitVeröffentlicht am Herausgegeben von Teklens

Führung schafft die Voraussetzungen für KI, wenn sie drei Dinge zusammenbringt: sichtbares Engagement, gesicherte Ressourcen und eine Vision mit Zielen. In der DACH-Analyse ist das Engagement mit 3,56 von 5 der zweithöchste Wert der Studie. Ressourcen (3,11) und Vision (3,09) fallen fast eine halbe Stufe ab. Der Rückhalt ist da; was fehlt, sind Budget, geschützte Zeit und ein Plan.

Inhalt · Kurzantwort

Drei Befunde

  1. 01

    Rückhalt ist der zweithöchste Wert der Studie

    Q1, das Engagement der Führung beim Anstossen und Verankern von KI-Initiativen, erreicht 3,56 mit Median 4. Nur die Offenheit der Mitarbeitenden liegt höher.[Probst 2026, Anhang B]

  2. 02

    Ressourcen streuen am zweitstärksten

    Q2, formale Ressourcen und Strukturen wie Budgets, geschützte Zeit oder Labs, liegt bei 3,11 mit SD 1,27. Manche Organisationen haben feste Budgets, viele arbeiten fallweise.[Probst 2026, Anhang B]

  3. 03

    Leadership trennt die Profile deutlich

    Das fortgeschrittene Profil erreicht 4,58, das mittlere Feld 3,51, die frühe Phase 2,35. Alle drei paarweisen Unterschiede sind signifikant (F = 75,6).[Probst 2026, Anhang C]

Evidenz

Abbildung 3Führung: Rückhalt, Ressourcen, Vision
  • Q1 Top Management Support3,56
  • Q2 Resource Availability3,11
  • Q3 Vision & Strategy3,09

Wähle eine Frage, um Wortlaut, Stufen und Kennzahlen zu sehen.

Lesart: Der Rückhalt der Führung (Q1, 3,56) ist der zweithöchste Wert der Studie. Ressourcen (Q2, 3,11) und Vision (Q3, 3,09) fallen fast eine halbe Stufe ab.

Einheit
Mittelwert auf der Reifeskala 1 (am wenigsten entwickelt) bis 5 (am weitesten entwickelt)
Population
DACH-Analyse: 64 bereinigte Selbsteinschätzungen aus Deutschland und der Schweiz, mehrheitlich Senior-Entscheidende
Basis
n = 64 Organisationen
Quelle
Probst 2026, Anhang B · Anhang B – Mittelwert, Standardabweichung, Median, Minimum, Maximum und Item-Rest-Korrelation aller 19 Fragen
Daten als Tabelle
Abbildung 3: Führung: Rückhalt, Ressourcen, Vision
FrageDimensionMSDMedianMinMaxr (Item-Rest)
Q1 Top Management SupportFührung3,561,014,00150,71
Q2 Resource AvailabilityFührung3,111,273,00150,77
Q3 Vision & StrategyFührung3,091,033,00150,78

Einordnung

Engagement ohne Mittel

Die Dimension Leadership umfasst drei Faktoren: Top Management Support, Resource Availability und Vision & Strategy. Ihr Mittelwert von 3,26 macht sie zur zweitstärksten Dimension. Innerhalb der Dimension zeigt sich ein Gefälle: Die Führung ist engagiert, die Mittel und der Plan halten nicht Schritt.[Probst 2026, Tabelle 4]

Stufe 3 bei Q1 heisst «KI-Pilote sind offiziell freigegeben, aber kein zentraler Teil der Strategie». Stufe 4 heisst «C-Level setzt ein klares Signal, Teams erhalten Entscheidungsrechte». Der Median von 4 zeigt, dass mindestens die Hälfte der Organisationen diese Schwelle erreicht. Bei den Ressourcen liegt der Median bei 3: «Projektbezogene Budgets und Discovery-Zeit sind verfügbar; erste formale KI-Strukturen existieren».[Probst 2026, Anhang A]

Die europäische Umfrage zeigt dasselbe Gefälle in kleinerem Ausmass: Rückhalt 3,52, Ressourcen 3,24 (n = 165).[AI Monitor 2026, Europa]

Was die Profile unterscheidet

Leadership ist die Dimension, in der das fortgeschrittene Profil seinen höchsten Wert erreicht (4,58). Auch die frühe Phase besitzt Führungsfaktoren «in gewissem Mass», wie die Arbeit schreibt; ihr Wert von 2,35 liegt über ihren Werten für Technik (1,95) und Anpassungsfähigkeit (1,84). Führung allein erklärt die Profile also nicht.[Probst 2026, Tabelle 5]

Teklens-Einordnung

Für euer Produktteam

Die Studie beschreibt Organisationen über Branchen hinweg. Die Übertragung auf Software-Produktteams ist unsere Interpretation, kein empirischer Befund für Produktteams.

Unsere Empfehlung für Product- und Engineering-Leads, die den Rückhalt haben, aber nicht die Mittel.

  • Ein Vorhaben, ein Owner, ein Budget

    Verlangt für das erste KI-Vorhaben eine feste Verantwortung und ein festes Budget statt einer allgemeinen KI-Strategie. Das ist die Schwelle von Stufe 3 zu Stufe 4 bei Q2.

  • Ziele in Produktsprache

    Eine Vision mit «definierten Zielen» (Stufe 3 bei Q3) lässt sich prüfen: Welche Activity soll schneller, welche Entscheidung besser werden? Nennt das Ergebnis, nicht das Werkzeug.

  • Freigabe bleibt beim Menschen

    Entscheidungsrechte für Teams (Stufe 4 bei Q1) funktionieren, wenn klar ist, wer was freigibt. Haltet die Freigabe im Ablauf fest, bevor Agents Arbeit übernehmen.

Einordnung & Grenzen

  • 54,7 % der Antworten stammen von der obersten Führungsebene, die ihr eigenes Engagement einschätzt. Das kann den Wert für Q1 nach oben ziehen.
  • Die drei Fragen messen wahrgenommene Führung, nicht Budgethöhen oder dokumentierte Strategien.
  • Dass fortgeschrittene Organisationen hohe Führungswerte haben, ist konstruktionsbedingt: Die Profile wurden auf denselben Dimensionen gebildet.

Fragen & Antworten

Braucht ein Unternehmen eine KI-Strategie, bevor es anfängt?

Die Daten zeigen, dass viele Organisationen mit Pilotprojekten beginnen, bevor eine Strategie steht (Median 3 bei Vision). Entscheidend ist, dass aus dem Pilot Ziele, Verantwortung und Budget entstehen, sonst bleibt es bei Stufe 3.

Ist Führungsengagement der wichtigste Faktor?

Er ist einer der acht Schlüsselfaktoren der Literatur, aber die Forschungsarbeit findet die schärfste Trennlinie zwischen den Profilen bei der Anpassungsfähigkeit, nicht bei der Führung.

Wie sieht Stufe 5 bei Ressourcen aus?

«Ressourcen folgen laufend dem Bedarf; KI-Innovation ist Teil der Kernprozesse». Kein Sonderbudget mehr, sondern ein normaler Bestandteil der Produktarbeit.

Quellen

  1. Probst 2026, Tabelle 4 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 4 und Abbildung 4 – Mittelwerte und Standardabweichungen der sechs Dimensionen (Abschnitt 4.3). Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Reifeskala 1–5 · Grenzen: Selbsteinschätzung, explorativ, nicht repräsentativ.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
  2. Probst 2026, Tabelle 5 · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Tabelle 5 und Abbildung 7 – Dimensionswerte je Profil (Abschnitt 4.4.2). Stichprobe: n = 64; Profile mit n = 12, 27 und 25 · Skala: Reifeskala 1–5 · Grenzen: Profile aus K-means auf denselben sechs Dimensionen; Unterschiede zwischen Profilen sind konstruktionsbedingt gross.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
  3. Probst 2026, Anhang A · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang A – Vollständiger Fragebogen (19 Fragen, fünf Stufen). Stichprobe: Instrument, keine Stichprobe · Skala: Reifeskala 1–5 · Grenzen: Sieben der 19 Fragen tragen nur Stufenbezeichnungen ohne ausformulierten Verhaltensanker.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
  4. Probst 2026, Anhang B · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang B – Mittelwert, Standardabweichung, Median, Minimum, Maximum und Item-Rest-Korrelation aller 19 Fragen. Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: Reifeskala 1–5 · Grenzen: Selbsteinschätzung, explorativ, nicht repräsentativ.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
  5. Probst 2026, Anhang C · Capturing AI's Potential: How Ready Are Organisations in the DACH Region? (2026). Anhang C – Einfaktorielle ANOVA und Tukey-HSD je Dimension. Stichprobe: n = 64 bereinigte Antworten, Deutschland und Schweiz · Skala: F-Werte, df (2, 61), p · Grenzen: Beschreibt die Trennschärfe der Cluster auf den Clustervariablen selbst; kein Hypothesentest.Probst, F. (2026). Capturing AI's Potential: How Ready Are Organisations in the DACH Region? An Empirical Analysis Using an Integrated TOE–DCT Framework. Master's thesis, University of St.Gallen, Institute of Information Systems and Digital Business. Supervisor: Prof. Dr. Ingrid Bauer-Hänsel; co-supervisor: Prof. Dr. Benjamin van Giffen. St. Gallen, 21 August 2026. Conducted in cooperation with Teklens.
  6. AI Monitor 2026, Europa · AI Monitor 2026 – europäische Umfrage, Rohexport (2026). Nachrechnung aus dem Rohexport vom 2026-08-19; dokumentiert im internen Redaktionsbrief vom 2026-08-18 (Nachträge). Stichprobe: n = 165 auswertbare Antworten, davon 106 mit demografischen Angaben; einzelne Fragen n = 163 · Skala: 1–5 je Frage, je Antwort auf 0–100 normalisiert · Grenzen: Selbsteinschätzung; kein Länderfeld im Export; Branche und Grösse nicht geprüft. Rollenvergleiche vergleichen verschiedene Personen, nicht dieselbe Organisation.Teklens (2026). AI Monitor 2026 – European survey on organisational AI readiness, raw export of 19 August 2026. Research partners: ETH Zürich and University of St.Gallen. Internal aggregate, published on teklens.ai/ai-monitor.

Methodik & Quellen

Verwandte Kapitel