Aufbau eines Führungsteams für KI im Gesundheitswesen: Aufgaben, Ablauf und die Fallstricke, die zum Scheitern führen

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 bestmöglichen Kandidaten, führen eine Suche durch und unterbreiten ein Angebot. Das funktioniert für die meisten Funktionen. Für KI-Führungspositionen in einem regulierten klinischen Umfeld ist dies jedoch der kostspieligste Fehler, den wir beobachten, denn was das Unternehmen benötigt, ist ein kleines Team, das in einer sorgfältig festgelegten Reihenfolge eingestellt wird – und diese Reihenfolge entscheidet darüber, ob seine KI-Pläne die eigene klinische Governance durchlaufen.

Dieser Leitfaden behandelt die Rollen, die ein Führungsteam für KI im Gesundheitswesen benötigt, die Reihenfolge, in der diese Mitarbeiter eingestellt werden sollten, sowie die Fehler, die ein Programm am häufigsten zum Stillstand bringen.

Die wichtigsten Erkenntnisse

• Die KI-Kompetenz im Gesundheitswesen ruht auf einem kleinen Team. Die Suche nach einer einzigen außergewöhnlichen Person, die sich „mit KI auskennt“, ist der Grund für die meisten der ins Stocken geratenen Programme, die wir beobachten.
• Die drei Kernrollen – ein strategischer KI-Leiter, ein Entwickler und ein Verantwortlicher für die klinische Steuerung – haben von Natur aus unterschiedliche Prioritäten. Wenn eine Person alle drei Rollen innehat, kommt eine der Aufgaben zu kurz.
• Die Reihenfolge ist wichtiger als die Geschwindigkeit. Ein Entwickler, der beauftragt wird, bevor die Strategie feststeht oder bevor jemand die Verantwortung für die klinische Steuerung übernimmt, erstellt in der Regel Prototypen, die niemals den Patienten erreichen.
• Die klinische Glaubwürdigkeit muss von Anfang an gegeben sein. Eine Führungskraft, der die Kliniker kein Vertrauen entgegenbringen, wird die Modelle nicht in die Praxis umsetzen können, egal wie gut die technische Umsetzung auch sein mag.
• Der häufigste Grund für ein Scheitern ist eine Fehlbesetzung, beispielsweise wenn ein Forscher eingestellt wird, obwohl für die Stelle eigentlich jemand benötigt wird, der Aufgaben im Bereich Governance übernimmt. Wir haben uns in unserem Einstellungsausblick für 2026 ausführlicher mit diesem Thema befasst.

In einem regulierten klinischen Umfeld hängt die KI-Kompetenz von drei Rollen ab, die eine Person nicht gleichzeitig ausüben kann.

Warum KI im Gesundheitswesen von Anfang an ein Team benötigt

In einem Technologieunternehmen kann ein herausragender KI-Führungskraft einen Großteil der Last schultern, da die Folgen eines Fehlers wirtschaftlicher Natur und in der Regel behebbar sind. Im Gesundheitswesen und in den Biowissenschaften sind die Folgen klinischer und regulatorischer Natur und lassen sich oft nicht rückgängig machen. Die Arbeit erstreckt sich zudem auf drei verschiedene Disziplinen: die Festlegung der Strategie, die Entwicklung der Technologie und die Gewährleistung ihrer sicheren Nutzung. Jede davon erfordert ein anderes Temperament und unterschiedliches Fachwissen, und Personen, die in allen drei Bereichen hervorragend sind, stehen in keinem Zeitrahmen zur Verfügung, in dem ein Einstellungsplan umgesetzt werden kann.

Deshalb scheitert eine Stellenausschreibung, in der „ein KI-Experte“ gesucht wird. Damit wird von einer einzigen Person erwartet, dass sie gleichzeitig Stratege, Ingenieur und Beauftragter für klinische Sicherheit ist. Die eingestellte Person ist in der Regel in einem der drei Bereiche stark und in den anderen beiden schwächer, und in einem regulierten Umfeld ist der vernachlässigte Bereich fast immer die Governance, da Probleme dort unsichtbar bleiben, bis etwas schiefgeht.

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

Der strategische KI-Verantwortliche (der Inhaber der Position). Er ist dafür verantwortlich, welchen Zweck KI innerhalb der Organisation erfüllt: welche Probleme damit gelöst werden sollen und welche nicht, wie sie mit klinischen und geschäftlichen Prioritäten verknüpft ist und wie die damit verbundenen Risiken auf Vorstandsebene getragen werden. Es handelt sich eher um eine Führungsrolle als um eine technische Funktion, und sie wird zunehmend als „Chief AI Officer“ bezeichnet. Diese Rolle überschneidet sich mit dem Aufgabenbereich der Datenführung, den wir im Artikel „So stellen Sie einen Chief Data Officer ein“ dargelegt haben, unterscheidet sich jedoch davon.

Der Entwickler (der technische Leiter). Ein Leiter des Bereichs Machine Learning oder klinische KI-Entwicklung, der die Mitarbeiter rekrutieren und leiten kann, die Modelle erstellen, validieren und warten. Diese Fachkräfte sind rar, wie wir im Abschnitt zum Fachkräftemangel im KI-Bereich dargelegt haben. Im Gesundheitswesen besteht die besondere Anforderung, dass der Entwickler Validierung, Überwachung und Dokumentation als Teil des Entwicklungsprozesses betrachtet und nicht als Verwaltungsaufwand, der erst im Nachhinein zu erledigen ist.

Der Verantwortliche für die klinische Governance. Die Rolle, die Organisationen am häufigsten außer Acht lassen – und deren Fehlen ein Programm am häufigsten zum Scheitern bringt. Jemand – häufig ein Kliniker mit Erfahrung im Bereich Informatik – muss die Verantwortung dafür übernehmen, dass ein Modell sicher, fair und vor einem Ausschuss für klinische Governance sowie zunehmend auch vor einer Aufsichtsbehörde vertretbar ist. Diese Person bremst die beiden anderen nicht aus; erst ihre Freigabe ermöglicht es, dass die Arbeit der beiden anderen die Patienten erreicht.

Die drei Rollen stehen von Natur aus im Spannungsverhältnis zueinander. Der Stratege drängt auf ehrgeizige Ziele, der Umsetzer auf die Erreichung dieser Ziele und der Verantwortliche für die Steuerung auf die Sicherstellung der Qualität. Ein gut geführtes Team hält dieses Gleichgewicht aufrecht – etwas, das eine einzelne Person, die alle drei Aufgaben übernehmen soll, nicht leisten kann.

Die Reihenfolge der Einstellung

Zunächst einmal der strategische Leiter. Jede spätere Entscheidung – darunter auch, was entwickelt werden soll, mit wem die Entwicklung erfolgen soll und was als ausreichend sicher gilt – hängt von der Strategie ab. Unternehmen, die zuerst einen Entwickler einstellen und erwarten, dass sich aus der Technologie eine Strategie ergibt, enden in der Regel mit einer Reihe von Pilotprojekten, die keine der Fragen beantworten, für die jemand verantwortlich ist.

Zweitens: Der Verantwortliche für die Governance – entweder vor oder parallel zum Entwickler. Es ist verlockend, abzuwarten, bis es etwas zu regeln gibt. Wenn die Governance erst nach der Entwicklung der ersten Modelle einsetzt, verbringt der Verantwortliche sein erstes Jahr damit, Sicherheitsvorkehrungen in Systeme zu integrieren, die nicht dafür ausgelegt waren – was mehr kostet und die Wahrscheinlichkeit erhöht, dass ein Audit nicht bestanden wird.

Drittens: der Projektträger und sein Team. Mit einer Strategie und einem Governance-Rahmen kann der Projektträger Mitarbeiter einstellen und innerhalb vereinbarter Grenzen ein definiertes Ziel erreichen. Die stärksten Projektträger ziehen es zudem vor, sich einer Organisation mit einem klaren Auftrag anzuschließen, anstatt sich mit einem unkonkreten Auftrag und einem nervösen Vorstand auseinanderzusetzen – ein Punkt, den wir bereits in unserem Jahresausblick angesprochen haben.

Die Fehler, die KI-Teams im Gesundheitswesen ausbremsen

Von einer Person zu erwarten, dass sie alles übernimmt. Eine Stellenbeschreibung, in der ein Stratege, ein Umsetzer und ein Experte für klinische Governance in einer Person vereint sein soll, wirkt auf erfahrene Bewerber unrealistisch, und die besten unter ihnen sehen von einer Bewerbung ab.

Nachträgliche Einführung von Governance-Maßnahmen. Im Februar 2026 waren die Verpflichtungen des EU-KI-Gesetzes für Bereiche mit hohem Risiko ursprünglich für August 2026 vorgesehen. Aktueller Stand, September 2026: Diese Fristen wurden inzwischen auf Dezember 2027 bzw. August 2028 verschoben (siehe unser Update vom September). In jedem Fall gefährdet die nachträgliche Einführung von Governance-Maßnahmen nach Abschluss der Entwicklung das gesamte Programm und verursacht zusätzliche Kosten.

Einstellung aufgrund des Prototyps. Die Wahl des Bewerbers mit dem beeindruckendsten Prototyp gegenüber demjenigen, der ein klinisches KI-System über Jahre hinweg betreiben, überwachen und warten kann.

Unterschätzung der klinischen Glaubwürdigkeit. Das Vertrauen der Ärzte ist entscheidend dafür, dass ein Modell den Schritt von der Validierung in den klinischen Arbeitsablauf schafft – und ein Organigramm allein kann dieses Vertrauen nicht schaffen.

Wie das aussieht

Die Unternehmen, die dies unserer Beobachtung nach gut bewältigen, haben bereits vor der Markteinführung beschlossen, ein Team mit drei getrennten Zuständigkeitsbereichen aufzubauen. Sie haben zunächst den strategischen Verantwortlichen eingestellt und dieser Person ein echtes Mandat auf Vorstandsebene übertragen. Sie haben die Governance früh genug eingebunden, um den Aufbau mitzugestalten. Und sie haben den Umsetzer in eine Struktur mit einem klaren Ziel und vereinbarten Grenzen eingebunden, was die Rolle auch für Kandidaten attraktiver machte, die andere Angebote hatten.

Dieser Ansatz ist nicht langsamer als die Einstellung einer einzelnen „KI-Fachkraft“. Nach unserer Erfahrung ist er sogar schneller, da er den Zeitverlust von einem Jahr oder mehr vermeidet, den Unternehmen in der Regel dadurch erleiden, dass sie erst durch ein ins Stocken geratenes Pilotprojekt oder ein gescheitertes Audit herausfinden, was sie eigentlich schon zu Beginn hätten entscheiden sollen. Wenn Sie diese erste Einstellung planen, kann eine spezialisierte Personalvermittlung dabei helfen, die Rollen zu definieren, die Reihenfolge festzulegen und die wenigen Personen zu erreichen, die diese Positionen besetzen können; wie das funktioniert, beschreiben wir im Abschnitt „Was ist KI-Executive-Search?“.

Update, August 2026: Ein anschauliches Beispiel für ein KI-Team im Gesundheitswesen, das nicht um eine einzelne Person herum, sondern in mehreren Ebenen aufgebaut ist, finden Sie in dem Beitrag „Was Every Cure über den Aufbau von KI-Teams im Gesundheitswesen lehrt“.

Fergal Nolan ist Gründer von Banba, einer auf KI im Gesundheitswesen und in den Biowissenschaften spezialisierten Personalberatungsagentur, die in New York, London und Berlin tätig ist. Er verfügt über mehr als 25 Jahre Erfahrung in der Personalbeschaffung, unter anderem als Gründungsmitglied von SThree / Real Staffing und als Gründer von Upstream, wo er Data-Science- und KI-Teams sowie Führungskräfte im KI-Bereich für Start-ups, Scale-ups und globale Unternehmen aufgebaut hat.