Die meisten Unternehmen im Gesundheitswesen und in den Biowissenschaften gehen bei ihrer ersten ernsthaften KI-Einstellung genauso vor wie bei jeder anderen Besetzung einer Führungsposition: Sie verfassen eine Stellenbeschreibung für den besten verfügbaren Kandidaten, führen eine Suche durch und unterbreiten ein Angebot. Für fast jede andere Funktion funktioniert das. Für die KI-Führung in einem regulierten klinischen Umfeld ist dies jedoch der teuerste Fehler, den wir beobachten – denn was Sie tatsächlich brauchen, ist keine einzelne Person. Es ist ein kleines, bewusst zusammengestelltes Team, und die Reihenfolge, in der Sie es aufbauen, entscheidet darüber, ob Ihre KI-Ambitionen den Kontakt mit Ihrer eigenen Unternehmensführung überstehen.

Dies ist der praktische Leitfaden, den wir uns von mehr Vorständen vor ihrer ersten Personalentscheidung wünschen würden: welche Funktionen ein Führungsteam im Bereich KI im Gesundheitswesen tatsächlich benötigt, in welcher Reihenfolge diese besetzt werden sollten und welche Fallstricke das gesamte Vorhaben still und leise zum Scheitern bringen können.

Die wichtigsten Erkenntnisse

• KI-Kompetenz im Gesundheitswesen ist eine Teamleistung, nicht die Sache eines einzelnen Genies. Der Drang, einen einzigen brillanten KI-Experten zu finden, ist der Hauptgrund dafür, dass die meisten Projekte ins Stocken geraten.
• Die drei Kernfunktionen – ein strategischer KI-Leiter, ein Entwickler und ein Verantwortlicher für die klinische Steuerung – ziehen naturgemäß in unterschiedliche Richtungen. Werden sie in einer Person vereint, ist es vorprogrammiert, dass eine der drei Aufgaben vernachlässigt wird.
• Die Reihenfolge ist wichtiger als die Geschwindigkeit. Wenn man den Entwickler beauftragt, bevor die Strategie feststeht oder bevor jemand die Verantwortung für die klinische Steuerung übernimmt, entstehen zwar beeindruckende Prototypen, die jedoch niemals den Patienten erreichen.
• Klinische Glaubwürdigkeit ist unverzichtbar und lässt sich nicht nachträglich erlangen. Ein Leiter, dem die Kliniker kein Vertrauen entgegenbringen, wird seine Modelle nicht in die Produktion bringen können, egal wie gut die technische Umsetzung auch sein mag.
• Der häufigste Fehler ist eine Fehlbesetzung: Man stellt einen Wissenschaftler ein, obwohl für die Stelle eigentlich ein Verwaltungsfachmann benötigt wird, oder umgekehrt. Auf diese Thematik sind wir in unserem Einstellungsausblick für 2026 bereits ausführlicher eingegangen.

Eine KI-Kompetenz im Gesundheitswesen ist ein Team, nicht die Einstellung eines Einzelkämpfers.

Warum KI im Gesundheitswesen eine Teamangelegenheit ist und keine Einzelpersonensache

In einem Technologieunternehmen kann ein einziger herausragender KI-Führungskraft einen Großteil der Last schultern, da die Folgen von Fehlern kommerzieller Natur und behebbar sind. Im Gesundheitswesen und in den Biowissenschaften sind die Folgen klinischer, regulatorischer und oft irreversibler Natur, und die Arbeit erstreckt sich über drei wirklich unterschiedliche Disziplinen: die Festlegung der Strategie, die Entwicklung der Technologie und die Gewährleistung ihrer sicheren Nutzung. Diese drei Disziplinen erfordern unterschiedliche Temperamente und unterschiedliches Fachwissen, und Menschen, die in allen drei Bereichen gleichzeitig Weltklasse sind, gibt es in dem Zeitrahmen, in dem Sie jemanden einstellen müssen, praktisch nicht.

Deshalb scheitert die Vorgabe „Findet mir jemanden für den KI-Bereich“. Sie verlangt implizit von einer einzigen Person, gleichzeitig Stratege, Ingenieur und Beauftragter für klinische Sicherheit zu sein. Was man stattdessen bekommt, ist jemand, der in einem der drei Bereiche stark ist, die anderen beiden jedoch stillschweigend vernachlässigt – und in einem regulierten Umfeld ist der Bereich, der vernachlässigt wird, fast immer die Governance, da diese am wenigsten sichtbar ist, bis etwas schiefgeht.

Die drei Rollen, die jedes KI-Team im Gesundheitswesen benötigt

Der strategische KI-Verantwortliche (der „Eigentümer“). Verantwortlich dafür, welchen Zweck KI in Ihrem Unternehmen erfüllt: welche Probleme sie lösen wird und welche nicht, wie sie mit klinischen und kommerziellen Prioritäten verknüpft ist und wie ihre Risiken auf Vorstandsebene getragen werden. Dies ist eine Führungs- und Entscheidungsrolle, keine Programmierrolle, und sie wird zunehmend als Chief AI Officer bezeichnet. Sie steht in engem Zusammenhang mit – ist jedoch nicht identisch mit – dem Daten-Führungsauftrag, den wir in unserem Leitfaden zur Einstellung eines Chief Data Officers dargelegt haben.

Der Entwickler (der technische Leiter). Die Person, die tatsächlich Ergebnisse liefert: ein Leiter für Machine Learning oder klinische KI-Entwicklung, der die Mitarbeiter rekrutieren und leiten kann, die Modelle erstellen, validieren und warten. Der Mangel an solchen Fachkräften ist real und gut dokumentiert – wir haben darüber im Artikel zum KI-Fachkräftemangel berichtet –, doch im Gesundheitswesen besteht ein besonderer Bedarf an Entwicklern, die Validierung, Überwachung und Dokumentation als Teil des Entwicklungsprozesses betrachten und nicht als Verwaltungsaufwand, der erst später erledigt wird.

Der Verantwortliche für die klinische Governance. Die Rolle, die Organisationen am häufigsten vergessen – und die ein Programm meist zum Scheitern bringt, wenn sie fehlt. Jemand – häufig ein Kliniker mit fundierten Informatikkenntnissen – muss vor einem Ausschuss für klinische Governance und zunehmend auch vor einer Aufsichtsbehörde dafür einstehen, dass ein Modell sicher, fair und vertretbar ist. Diese Person bremst die beiden anderen nicht aus; sie ist vielmehr der Grund dafür, dass die Arbeit der beiden anderen überhaupt den Patienten erreicht.

Diese drei Rollen stehen von Natur aus in einem produktiven Spannungsverhältnis zueinander. Der Stratege will ehrgeizige Ziele, der Umsetzer will Ergebnisse liefern, der Verantwortliche für die Steuerung will Sicherheit. Ein gesundes Team kann dieses Spannungsverhältnis aufrechterhalten. Eine einzelne Person, die alle drei Rollen übernehmen soll, kann keine davon wirklich gut ausfüllen.

Die Reihenfolge: Wen sollte man zuerst einstellen, und warum?

Zunächst einmal der strategische Leiter. Stellen Sie den Eigentümer vor allen anderen ein, denn jede nachfolgende Entscheidung – was entwickelt werden soll, mit wem die Entwicklung erfolgen soll und was unter „sicher genug“ zu verstehen ist – ergibt sich aus der Strategie. Unternehmen, die zuerst einen Entwickler einstellen, in der Hoffnung, dass sich die Strategie aus der Technologie ergibt, enden fast immer mit einem Portfolio cleverer Pilotprojekte, die keine klar definierte Fragestellung beantworten.

Zweitens: der Governance-Verantwortliche – noch vor oder parallel zum Entwickler. Die Versuchung ist groß, Governance erst dann einzuführen, wenn es etwas zu regeln gibt. Das ist der falsche Weg. Wenn Governance erst nach der Entwicklung der ersten Modelle zum Tragen kommt, verbringt der Governance-Verantwortliche sein erstes Jahr damit, Systeme, die nie dafür ausgelegt waren, nachträglich mit Sicherheitsvorkehrungen auszustatten – die teuerste Vorgehensweise, bei der die Wahrscheinlichkeit eines Scheiterns bei einem Audit am größten ist.

Drittens: der „Builder“ und das ihm unterstellte Team. Mit einer klaren Strategie und einem festgelegten Governance-Rahmen kann der „Builder“ Mitarbeiter einstellen und definierte Ziele erreichen, wobei die Leitplanken bereits vorgegeben sind. Die besten „Builder“ möchten sich einem Projekt mit einem glaubwürdigen Auftrag anschließen, nicht einer leeren Leinwand und einem verunsicherten Vorstand – eine Realität , die wir in unserem Jahresausblick beschrieben haben.

Die Fallstricke, die KI-Teams im Gesundheitswesen zu Fall bringen

Die „Einhorn“-Stellenbeschreibung. Gesucht wird eine Person, die Stratege, Umsetzer und Experte für klinische Governance in einem ist. Der Markt erkennt diese Stellenbeschreibung sofort als naiv, und Ihre stärksten Kandidaten scheiden von sich aus aus.

Governance als nachträglicher Einfall. Da mit dem EU-KI-Gesetz die Vorschriften für Projekte mit hohem Risiko noch in diesem Jahr in Kraft treten, ist die nachträgliche Einführung von Governance-Maßnahmen nicht nur kostspielig – sie stellt auch ein strategisches Risiko für das gesamte Programm dar.

Man stellt für die Demo ein, nicht für das ganze Jahrzehnt. Man wählt den Kandidaten aus, der den beeindruckendsten Prototyp entwickelt, anstatt denjenigen, der ein klinisches KI-System über Jahre hinweg betreiben, überwachen und aufrechterhalten kann.

Die klinische Glaubwürdigkeit unterschätzen. Vertrauen ist die Währung, die ein Modell von der Validierung in den klinischen Arbeitsablauf bringt, und es lässt sich nicht durch ein Organigramm nachträglich schaffen.

Wie das aussieht

Die Organisationen, die dies im Jahr 2026 richtig gemacht haben, beschlossen vor dem Markteintritt, ein Team mit drei klar abgegrenzten Zuständigkeiten aufzubauen. Sie stellten zunächst den strategischen Verantwortlichen ein und übertrugen ihm ein echtes Mandat auf Vorstandsebene. Sie integrierten Governance früh genug, um den Aufbau zu gestalten, anstatt ihn im Nachhinein zu prüfen. Und sie rekrutierten ihren Entwickler für eine Struktur mit einem klaren Ziel und glaubwürdigen Leitplanken – was, nicht zufällig, die Rolle für die wenigen Fachkräfte attraktiv machte, die andere Optionen hatten.

Nichts davon ist langsamer als der Ansatz „Sucht mir einfach jemanden für den KI-Bereich“. Es geht schneller, weil dadurch die achtzehn Monate vermieden werden, die die meisten Unternehmen damit verlieren, durch ein ins Stocken geratenes Pilotprojekt oder ein gescheitertes Audit herauszufinden, was sie eigentlich schon zu Beginn hätten entscheiden sollen. Wenn Sie diese erste Besetzung abwägen, gibt es die Disziplin der spezialisierten Personalvermittlung genau dafür: um die Rollen richtig zu definieren, sie in die richtige Reihenfolge zu bringen und die wenigen Personen zu erreichen, die sie ausfüllen können. Was das genau beinhaltet, erläutern wir in unserem Artikel „Was ist eigentlich AI-Executive-Search?“.

Banba ist eine auf Führungskräfte in den Bereichen KI, maschinelles Lernen und Data Science spezialisierte Personalberatungsagentur mit Schwerpunkt auf dem Gesundheitswesen und den Biowissenschaften und Niederlassungen in New York, London und Berlin.