KI-Reporting an die Geschäftsführung.
Spätestens nach dem zweiten oder dritten Pilotprojekt stellt jede Geschäftsführung dieselbe Frage: Was bringt das eigentlich? Die Antwort darauf liegt selten in einem einzelnen Dashboard, sondern in einem strukturierten Reporting, das ehrlich Fortschritt zeigt, Risiken benennt und Entscheidungen vorbereitet. In der Praxis zeigen sich dabei zwei Extreme: Auf der einen Seite die zwanzig-seitigen Statusberichte voller Diagramme, die niemand mehr liest. Auf der anderen Seite das mündliche „läuft alles gut“, das genauso wenig hilft. Was dazwischen funktioniert, ist eine schlanke, regelmäßige Berichterstattung, die in zehn Minuten verstanden ist und die zentralen Fragen beantwortet — wo stehen wir, wo brennt es, wo müssen Sie als Geschäftsführung entscheiden. Wie ein solches Reporting aussieht, welche Kennzahlen sich bewährt haben und welche Fallen man beim Aufbau vermeidet, zeigt dieser Beitrag.
Wofür Geschäftsführer ein KI-Reporting wirklich brauchen.
Geschäftsführer lesen ein KI-Reporting nicht aus Neugier, sondern um Entscheidungen zu treffen. Die drei wichtigsten Fragen, die ein gutes Reporting beantworten muss, lauten: Bringt unser KI-Programm einen messbaren Nutzen? Wo gibt es Risiken oder Verzögerungen, die wir adressieren müssen? Welche Investitionsentscheidungen stehen in den nächsten Wochen an?
Ein Reporting, das diese Fragen nicht beantwortet, ist Beschäftigungstherapie für den Berichterstatter. Ein Reporting, das sie beantwortet, ist die Grundlage für Steuerung. Das klingt banal, ist aber der zentrale Filter, an dem man jeden Bestandteil eines KI-Berichts prüfen sollte: Hilft das beim Entscheiden?
In der Praxis bedeutet das, sich beim Reporting auf das Wesentliche zu beschränken. Nicht jedes Detail aus der operativen Steuerung gehört in die Geschäftsführungs-Sicht. Eine grobe Faustregel: Wenn die Geschäftsführung über ein Detail nicht entscheidet, gehört es nicht ins Reporting — bestenfalls in den Anhang. Diese Disziplin ist anstrengend, weil sie verlangt, Berichtetes wegzulassen. Aber sie ist der Unterschied zwischen einem Werkzeug und einem Ritual.
Die richtige Berichtsfrequenz und Tiefe.
Ein häufiger Fehler ist, KI-Reporting in derselben Frequenz und Tiefe wie das Finanzreporting zu fahren. Monatliche zehnseitige Berichte mit allen denkbaren Kennzahlen — das überfordert Empfänger und Ersteller gleichermaßen. Für die meisten mittelständischen Unternehmen ist eine zweistufige Logik praktikabel.
| Format | Frequenz | Umfang | Empfänger |
|---|---|---|---|
| Monatlicher Kurzbericht | Monatlich | 1–2 Seiten | Geschäftsführung |
| Quartalsbericht | Quartalsweise | 4–6 Seiten plus Anhang | Geschäftsführung, ggf. Beirat |
| Ad-hoc-Eskalation | Bei Bedarf | 1 Seite | Geschäftsführung |
Der monatliche Kurzbericht ist ein Statusinstrument — er zeigt Ampelfarben pro Initiative, nennt Schlüsselereignisse, weist auf anstehende Entscheidungen hin. Der Quartalsbericht ist ein Steuerungsinstrument — er bewertet Portfolio, ROI-Indikationen, Risiken auf Programmebene. Die Ad-hoc-Eskalation existiert für Fälle, die nicht warten können, etwa Datenschutzvorfälle oder gescheiterte Pilotprojekte mit relevanten Konsequenzen.
Wichtig ist, diese Frequenzen einzuhalten und nicht „bei Bedarf“ zu reduzieren. Reporting, das fehlt, wenn es gerade nicht so gut läuft, verliert sofort an Glaubwürdigkeit. Lieber knapper berichten und die Linie halten als unregelmäßig ausführlich.
Welche Kennzahlen wirklich aussagekräftig sind.
Die Frage, welche KPIs man in einem KI-Reporting verwendet, wird oft zu früh gestellt. Bevor man Kennzahlen wählt, sollte man wissen, welche Geschichten man erzählen will. Drei Geschichten sind in der Regel relevant: Wie nutzen wir KI?, Was bringt sie uns?, Wo sind wir verwundbar?
Für die Nutzungsperspektive helfen einfache Aktivitätskennzahlen: Anzahl produktiver Anwendungsfälle, Anzahl aktiver Nutzer pro freigegebenem Tool, geschätzter Anteil der bearbeiteten Vorgänge mit KI-Unterstützung. Diese Kennzahlen sind nicht perfekt, aber sie zeigen, ob KI tatsächlich im Alltag ankommt — oder ob sie nur in Pilotprojekten existiert.
Für die Nutzenperspektive ist Vorsicht geboten. Harte ROI-Zahlen sind in den ersten Monaten meist Schätzungen. Ehrlicher ist es, mit indirekten Indikatoren zu arbeiten: eingesparte Bearbeitungszeit pro Vorgang (gemessen oder qualifiziert geschätzt), Qualitätsverbesserung (Fehlerquote, Reklamationen), Kundenfeedback. Wer hier zu früh konkrete Euro-Zahlen schreibt, riskiert, dass diese Zahlen später korrigiert werden müssen — was die Glaubwürdigkeit beschädigt.
Für die Risikoperspektive helfen drei einfache Größen: Zahl offener Compliance-Punkte (z. B. fehlende AVV, ungeklärte Datenklassifikation), Zahl der gemeldeten Vorfälle, Status der AI-Act-Konformität bei eingesetzten Systemen. Diese Zahlen muss man nicht beschönigen — eine wachsende Vorfall-Zahl ist oft ein gutes Zeichen, weil sie zeigt, dass das Meldesystem funktioniert.
Wie man Fortschritt sichtbar macht — ohne Schaufenster.
Fortschritt zu berichten ist in KI-Projekten heikel, weil viele Vorhaben nichtlinear verlaufen. Drei Monate Vorarbeit ohne sichtbares Ergebnis, dann ein produktiver Durchbruch — das ist eher Regel als Ausnahme. Wer in solchen Phasen Fortschritt nur am Ergebnis misst, erzeugt entweder demoralisierende Berichte oder geschönte.
Hilfreich ist ein Rahmen, der zwischen Output (was wurde gebaut), Outcome (was hat sich im Geschäft verändert) und Impact (welcher übergeordnete Nutzen ergibt sich daraus) unterscheidet. In frühen Phasen ist es ehrlicher, Output und Aktivität zu berichten, ohne so zu tun, als gäbe es bereits messbaren Outcome. Sobald Pilotprojekte in den Regelbetrieb übergehen, verschiebt sich die Berichtslogik in Richtung Outcome.
Für Geschäftsführer ist es wertvoll, einen einheitlichen Ampelstatus pro Initiative zu sehen — kombiniert mit einer Kurzformulierung, was die Ampel begründet. „Gelb, weil Datenzugriff aus dem ERP noch nicht freigegeben ist, Klärung mit IT bis KW 24“ ist nützlicher als jede Prozentangabe ohne Kontext. Die Ampel ohne Begründung ist hingegen Reporting-Theater.
Ein Praxistipp: Beim Übergang von Pilot zu Regelbetrieb explizit den Statuswechsel im Reporting markieren — etwa als eigene Spalte „Phase“. Geschäftsführer wollen wissen, ob ein Anwendungsfall noch experimentell ist oder ob er bereits unter Service-Level fällt. Wer das nicht kennzeichnet, vermischt zwei sehr unterschiedliche Steuerungslogiken.
Risiken und Vorfälle ehrlich kommunizieren.
Der riskanteste Teil eines KI-Reportings ist der Umgang mit Risiken. Wer sie kleinredet, riskiert, dass die Geschäftsführung sich unangenehm überrascht fühlt, wenn etwas schiefgeht. Wer sie übertreibt, verliert nach drei Berichten an Aufmerksamkeit. Was dazwischen funktioniert, ist eine nüchterne, sachliche Darstellung mit klarer Einordnung.
Bewährt hat sich eine Risiko-Sektion mit drei Spalten: Risiko, aktueller Status, geplante Maßnahmen. Datenschutzrechtliche Lücken, Compliance-Auflagen, Vorfälle mit Halluzinationen oder fehlerhafte Modell-Outputs in produktiven Anwendungsfällen — all das gehört in diese Sektion. Wichtig ist die Abgrenzung zwischen bekanntem Risiko (akzeptiert, mit Maßnahmen hinterlegt) und neuem Risiko (gerade aufgetaucht, noch nicht bewertet).
Ein heikler Punkt ist die Behandlung von Vorfällen. In manchen Unternehmen herrscht die Versuchung, kleinere Vorfälle nicht zu berichten, um keine schlafenden Hunde zu wecken. Das ist ein strategischer Fehler. Vorfälle, die später bekannt werden und vorher nicht im Reporting auftauchten, beschädigen das Vertrauen erheblich. Besser ist eine Kultur, in der jeder Vorfall — auch kleine — knapp und sachlich genannt wird, mit klarer Bewertung des Eskalationsbedarfs.
Hilfreich ist eine kleine Vorfall-Taxonomie: harmlose Modellabweichung, korrigierter Datenschutzvorfall, kritischer Datenschutzvorfall, fehlerhafte Geschäftsentscheidung durch KI-Output. Geschäftsführer wollen schnell sehen, was zu welcher Kategorie gehört — die Aufmerksamkeit konzentriert sich dann auf das, was wirklich Aufmerksamkeit verdient.
Ein typisches Reporting-Format, das sich bewährt hat.
Wer kein eigenes Format hat, kann sich an einer schlanken Vorlage orientieren. Hier ein Skelett für einen monatlichen Kurzbericht, das in der Praxis funktioniert:
KI-Statusbericht - Monat MM/JJJJ ================================= 1. Headline-Update (3-4 Saetze) - Wichtigste Entwicklung - Wichtigster Erfolg - Wichtigste Sorge 2. Portfolio-Sicht (Tabelle) - Initiative | Phase | Status | Naechster Meilenstein 3. Nutzungsmetriken - Aktive Anwendungsfaelle, aktive Nutzer - Trend zum Vormonat 4. Risiken und Vorfaelle - Maximal 5 Punkte, sortiert nach Relevanz - Jeweils Status und Massnahme 5. Anstehende Entscheidungen - 1-3 Punkte, an denen GF gefragt ist - Mit Termin und Kontext 6. Anhang (optional) - Detail-KPIs, Drilldown
Dieser Bericht passt auf zwei Seiten — bewusst, weil das die Bereitschaft zum Lesen erhöht. Wer mehr braucht, kann den Anhang nutzen. Aber die ersten fünf Punkte sind die Substanz; alles weitere ist ergänzende Tiefe. Geschäftsführer, die nur diese fünf Punkte lesen, haben das Wichtigste verstanden.
Was Reporting nicht leisten kann.
Selbst das beste Reporting ersetzt nicht das Gespräch. Ein Kurzbericht zeigt, wo etwas brennt; er zeigt nicht zuverlässig, warum es brennt. In der Praxis funktioniert die Kombination aus schriftlichem Bericht und kurzem mündlichen Austausch — etwa 15 Minuten in einer Steuerungsrunde — besser als jede der beiden Komponenten allein. Wer nur schriftlich berichtet, verliert die Möglichkeit, schwache Signale zu vertiefen. Wer nur mündlich berichtet, verliert Nachvollziehbarkeit über die Zeit.
Reporting kann auch keinen kulturellen Mangel ausgleichen. Wenn Mitarbeitende Vorfälle nicht melden, werden sie nicht im Bericht auftauchen — egal wie gut das Berichtsformat ist. Wenn Fachbereiche keine Daten über KI-Nutzung erfassen, bleibt die Nutzungs-KPI eine grobe Schätzung. Reporting setzt eine Datenkultur voraus; es kann sie nicht ersetzen.
Und schließlich: Reporting bildet ab, was bereits geschehen ist. Strategische Entscheidungen über Investitionen in noch nicht existente Anwendungsfälle lassen sich daraus nur begrenzt ableiten. Hier braucht es ergänzende Formate — Roadmap-Diskussionen, Portfolio-Workshops, Marktbeobachtung. Reporting ist ein Rückspiegel, kein Navigationsgerät.
Wie Sie ein KI-Reporting aufbauen, das bleibt.
Reportings haben eine Halbwertszeit. Was im ersten Quartal noch interessant ist, wird im dritten Quartal Routine, im fünften Quartal ignoriert — wenn niemand das Format aktiv pflegt. Ein KI-Reporting, das langfristig wirken soll, braucht zwei Dinge: Konsistenz und Anpassungsfähigkeit. Klingt widersprüchlich, ist aber lösbar.
Konsistenz heißt: Grundstruktur, Frequenz und Kennzahlen bleiben über Quartale hinweg stabil. Vergleichbarkeit zwischen Monaten ist mehr wert als jede einzelne Neuerung. Wenn jede Berichtsausgabe ein anderes Layout hat, kann niemand Trends erkennen — und Trends sind das eigentlich Wertvolle.
Anpassungsfähigkeit heißt: Einmal pro Jahr, etwa zu Jahresbeginn, wird das Reporting bewusst überprüft. Welche Kennzahlen haben sich als wertvoll erwiesen? Welche wurden nie gelesen? Welche neuen Themen sind dazugekommen, etwa neue AI-Act-Pflichten oder Investitionen in eine neue Toolkategorie? Das Reporting wird dann gezielt angepasst, mit klarem Vorher-Nachher.
Wer diese Disziplin durchhält, hat nach zwei Jahren ein Werkzeug, das nicht nur über den aktuellen Stand informiert, sondern Trends sichtbar macht und strategische Diskussionen fundiert. Das ist mehr wert als das aufwendigste Dashboard, das nach drei Monaten nicht mehr gepflegt wird.
Sie wollen Ihr KI-Reporting an die Geschäftsführung schlanker und entscheidungsstärker aufstellen? Unverbindlich anfragen — wir entwickeln gemeinsam ein Format, das in zehn Minuten gelesen ist und Entscheidungen tatsächlich vorbereitet.