Vom Experiment zum Betrieb: Die entscheidende Transformation der KI-Führungsfähigkeit von Stadtregierungen

Einleitung: Wenn KI-Experimente auf die Komplexität urbaner Systeme treffen

Weltweit laufen in Hunderten von Städten KI-Pilotprojekte – von der Verkehrsflussoptimierung bis zur Automatisierung von Serviceprozessen. Doch nur wenige schaffen den Sprung vom Pilotprojekt zur großflächigen Umsetzung. Karthik Anbalagan, Managing Director für neue Technologien bei Granicus, weist in einem aktuellen Interview darauf hin, dass das Problem nicht in der Technologie selbst liegt, sondern darin, wie Stadtverwaltungen die Rolle von KI in ihrem Betrieb definieren.

„Der Unterschied liegt darin, ob Führungskräfte KI als ein Technologieprojekt oder als ein Betriebssystem betrachten.“ Anbalagans Standpunkt trifft den Kern des aktuellen Konflikts beim Aufbau smarter Städte: Städte behandeln KI oft als separates Werkzeug und nicht als Fähigkeit, die in die öffentliche Dienstleistungsinfrastruktur eingebettet ist.

Erster Schritt: Vom Ende her denken, nicht von der Technologie

Viele Städte starten KI-Experimente ohne klares Ziel. Anbalagan empfiehlt, vom Geschäftsziel rückwärts zu denken: Definieren Sie vorrangig zwei bis drei Anwendungsfälle und legen Sie klare Erfolgskennzahlen fest. Dieser Ansatz klingt einfach, steht aber im krassen Gegensatz zum weit verbreiteten Muster „erst Werkzeug kaufen, dann Problem suchen“.

Aus der Perspektive der Stadttechnologie bedeutet dies einen grundlegenden Wandel: KI ist kein Beschaffungslisteneintrag der IT-Abteilung mehr, sondern ein von Stadtverwaltern neu zu gestaltendes Modell der öffentlichen Dienstleistungserbringung. Beispielsweise sollte der Erfolg eines KI-Systems zur Verkürzung von Genehmigungsprozessen nicht daran gemessen werden, wie viele Anträge bearbeitet wurden, sondern daran, wie stark sich die Wartezeit der Bürger verkürzt hat und ob die Arbeitszufriedenheit der Beamten gestiegen ist.

Governance-Rahmen schaffen: Grenzen vor dem Experiment festlegen

Datensicherheit, Datenschutz und ethische Rahmenbedingungen werden oft erst nach dem Start eines Pilotprojekts hastig diskutiert. Anbalagan betont: „Warten Sie nicht, bis es zu spät ist, um die Schutzgrenzen für Datensicherheit und Beobachtbarkeit zu definieren.“

Für Städte ist Governance besonders entscheidend. Stadtverwaltungen verwalten große Mengen sensibler Bürgerdaten – von medizinischen Aufzeichnungen bis zu Steuerinformationen. Ein System ohne vorherige Governance-Regelung, das eine Abweichung aufweist, könnte das Vertrauen der Öffentlichkeit in die digitale Verwaltung zerstören. Dies erfordert, dass Städte bereits in der frühen Phase der KI-Einführung abteilungsübergreifende Governance-Ausschüsse einrichten, die für Recht, Sicherheit und Geschäftsbereiche zuständig sind.

KI-Ausbreitung vermeiden: Doppelte Integration von Infrastruktur und Rollen

„KI-Ausbreitung“ ist ein typisches Problem für Stadtverwaltungen: Verschiedene Abteilungen kaufen unabhängig voneinander unterschiedliche KI-Werkzeuge, was zu Datensilos und Doppelinvestitionen führt. Anbalagan empfiehlt, im Voraus zu entscheiden, welche Werkzeuge, Infrastrukturen und Datenschichten organisationsübergreifend wiederverwendet werden können.

Diese Empfehlung zielt auf den architektonischen Umbau der digitalen Infrastruktur von Städten ab. Zukünftige Städte benötigen eine gemeinsame KI-Plattformschicht, ähnlich einem städtischen Betriebssystem, die es allen Abteilungen ermöglicht, einheitliche Funktionsmodule zu nutzen. Gleichzeitig entstehen neue Rollen: Ein Governance-Leiter ist für die Einhaltung zuständig, ein Experience-Leiter für die Identifizierung von Schwachstellen in Geschäftsprozessen. Dieser organisatorische Wandel ist der Schlüssel, um KI von der Projektebene auf die Systemebene zu heben.

Budget-Dilemma: Vom „Bezahlen pro Token“ zur „Investition nach Ergebnis“## Budget-Dilemma: Vom „Pay-per-Token“ zum „Investieren in Ergebnisse“

Wenn das Budget unsicher ist, geraten Städte oft in kurzfristige Beschaffungszyklen. Anbalagan schlägt drei Strategien vor:

1. Das Gespräch von der Token-Anzahl auf Geschäftsergebnisse verlagern – zum Beispiel, ob die Kosten pro Transaktion nachhaltig sind. Wenn der Anbieter die Nutzung nicht mit Geschäftsergebnissen verknüpfen kann, ist das ein Warnsignal.
2. Kostenvorhersagbarkeit verstehen statt bloßer Kosteneffizienz – Gibt es eine Nutzungsobergrenze? Preisschutzmechanismen? Wenn nicht, besteht das Risiko unbegrenzter Kosten.
3. Optimierte Partner auswählen – solche, die nicht die rohen KI-Modellkosten weitergeben, sondern Architekturentscheidungen basierend auf dem Anwendungsfall treffen.

Aus stadträumlicher Perspektive geht es darum, ein Ausgabenmodell aufzubauen, das „Pay-as-you-go“ ist, aber ergebnisorientiert. Städte müssen das Finanzmodell für KI-Dienste genauso aufbauen wie für Wasser, Strom und Internet: stabil, vorhersagbar, basierend auf tatsächlichem Servicenutzungsvolumen statt Rechenleistungsverbrauch.

Fazit: Der Kern von Führung ist operatives Denken

Anbalagans zentrale Erkenntnis: KI-Führung hängt nicht mehr von den fortschrittlichsten Algorithmen ab, sondern davon, ob die Stadtverwaltung die systemische Fähigkeit besitzt, sie in den täglichen Betrieb zu integrieren. Der Sprung vom Pilotprojekt zur Skalierung erfordert klare Ziele, robuste Governance, integrierte Plattformen und kluge Finanzstrategien.

Für Manager, die eine Smart-City-Roadmap planen, erinnert dies daran: KI ist nicht das nächste Add-on-Projekt, sondern die Art und Weise, wie das Betriebssystem der städtischen öffentlichen Dienstleistungen neu definiert wird. Die Städte, die diesen Denkwandel zuerst vollziehen, werden im Wettbewerb der Städte der Zukunft einen Vorsprung haben.