Die Kommission für Kommunikation, Raumfahrt und Technologie (CST) hat im Juli 2026 die erste Ausgabe ihres Sensibilisierungsleitfadens zur KI-Einführung in Technologieunternehmen veröffentlicht. Der Leitfaden hat beratenden Charakter, ist nicht verbindlich und ersetzt kein bestehendes Gesetz und keine bestehende Vorschrift. Was er jedoch liefert, hat dem saudischen Markt bisher gefehlt: einen offiziellen, gemeinsamen Rahmen dafür, wie ein Unternehmen von verstreuten KI-Experimenten zu einer strukturierten Einführung gelangt, die messbaren Nutzen bringt. Er richtet sich an Technologieunternehmen jeder Größe, von Start-ups bis zu Großkonzernen, und erscheint zeitgleich damit, dass der Ministerrat 2026 zum Jahr der Künstlichen Intelligenz erklärt hat.

Der Kerngedanke: Einführung ist eine organisatorische Fähigkeit, kein Werkzeugkasten

Die erste Botschaft des Leitfadens ist zugleich seine klarste: Behandeln Sie KI als zentralen Bestandteil der institutionellen Architektur Ihres Geschäftsmodells, nicht als eine Reihe technischer Werkzeuge, die an den Rändern angeflanscht werden. Diese Unterscheidung ist keine Wortklauberei. Ein Unternehmen, das KI als Werkzeug behandelt, kauft ein Abonnement und wartet auf Ergebnisse. Ein Unternehmen, das sie als Fähigkeit behandelt, organisiert seine Daten, Arbeitsabläufe, Berechtigungen und Kompetenzen um sie herum neu.

Der Leitfaden hält außerdem eine Beobachtung fest, bei der es sich lohnt innezuhalten: Obwohl sich das Experimentieren weit verbreitet hat, bleibt nachhaltiger und skalierbarer Nutzen weitgehend auf Organisationen beschränkt, die strukturierte Betriebsmodelle einführen, statt bei Pilotprojekten stehen zu bleiben. Anders gesagt: Die Lücke liegt heute nicht mehr im Zugang zu Modellen. Sie liegt in der Fähigkeit, sie innerhalb der Organisation zu betreiben.

Die fünf Reifedimensionen: Wo Sie tatsächlich anfangen

Die Einführung beginnt mit einer Bewertung der institutionellen Reife in fünf miteinander verbundenen Dimensionen, wie der Leitfaden sie darlegt:

  • Kontextreife: Wissen Sie, wo KI in Ihrem konkreten Geschäft einen echten Unterschied macht, oder kopieren Sie Anwendungsfälle von Unternehmen, die Ihrem in keiner Weise ähneln?
  • Datenreife: Sind Ihre Daten vorhanden, sauber, strukturiert und zugänglich, oder verteilt auf Tabellen, Dateien und die Köpfe einzelner Mitarbeiter?
  • Infrastrukturreife: Haben Sie eine Laufzeitumgebung, eine Integrationsschicht und eine Protokollierung, die Bereitstellung und Überwachung ermöglichen, oder ist jedes Experiment ein eigenes Projekt, das bei null anfängt?
  • Reife bei Fähigkeiten und Fachwissen: Wer ist in der Lage, die Ergebnisse zu bewerten und zu korrigieren, statt das System nur zu bedienen?
  • Reife der Organisationskultur: Vertraut das Team dem Werkzeug und nutzt es in der täglichen Arbeit, oder betrachtet es dieses als Bedrohung oder als Dekoration?

Der Leitfaden betont, dass KI-Kompetenz sowohl auf Führungs- als auch auf operativer Ebene ein entscheidender Erfolgsfaktor ist. Der praktische Nutzen dieser Bewertung besteht darin, dass sie die Frage von "Welches Modell nutzen wir?" zu "Welche Lücke schließen wir zuerst?" verschiebt, einer günstigeren und weit präziseren Frage.

Das Prinzip KI zuerst: Strategie vor Werkzeugen

Der Leitfaden schlägt ein Betriebsprinzip auf Grundlage von "KI zuerst" vor, dessen Kern lautet, dass die Festlegung der Strategie der Auswahl technischer Werkzeuge vorausgeht. In der Praxis heißt das, drei Dinge zu klären, bevor Sie irgendein Abonnement unterzeichnen: wo KI einen messbaren Vorteil bringt, wo Ihre eigenen Daten einen Wettbewerbsvorsprung schaffen, den andere nur schwer einholen können, und welcher Grad an Autonomie in jedem Anwendungsfall akzeptabel ist.

Ein Punkt, den viele übersehen: Ein nachhaltiger Vorteil entsteht selten allein aus dem Zugang zu Modellen, denn diesen Zugang haben alle. Er entsteht aus dem spezifischen Kontext, den ein Unternehmen besitzt, aus seinen eingebetteten Arbeitsabläufen, dem Verhalten und den Rückmeldungen seiner Kunden und aus kontinuierlichen Feedbackschleifen. Das Modell ist eine Massenware, die allen zur Verfügung steht. Ihre Daten und Ihre Abläufe sind es nicht.

Drei Anwendungsbereiche, jeder mit einer anderen Reifeschwelle

Der Leitfaden unterteilt die Anwendung in drei Bereiche und ordnet sie auf eine Weise, die Respekt verdient:

  • Interne Abläufe: in der Regel der schnellste und risikoärmste Weg zum angestrebten Nutzen. Ein Fehler kostet Sie hier interne Zeit, nicht Ihren Ruf.
  • Kundennahe Lösungen: größere Chancen zur Differenzierung am Markt, aber sie erfordern eine höhere Reife, weil sie für Kunden sichtbar sind, das Vertrauen direkt beeinflussen und regulatorisch sensibel sind.
  • KI-Agenten: ein fortgeschrittenes Umsetzungsmodell. Der Leitfaden rät, schrittweise mit eingeschränkten Berechtigungen und menschlicher Aufsicht zu beginnen und den Einsatz danach auszuweiten, wie zuverlässig und sicher sich die Leistung erweist.

Diese Reihenfolge entspricht dem, was wir in der Praxis beim Aufbau jedes Systems empfehlen: Beginnen Sie dort, wo Fehler wenig kosten, und gehen Sie erst dann zur kundennahen Ebene über, wenn die Zuverlässigkeit intern nachgewiesen ist.

Selbst entwickeln, kooperieren oder zukaufen?

Der Leitfaden stellt einen Entscheidungsrahmen für Selbstentwicklung, Partnerschaft oder Zukauf vor und verknüpft ihn mit einer tiefer liegenden Frage: dem Risiko der Abhängigkeit von einem kleinen Kreis von Anbietern. Seine Empfehlung lautet, dem mit einer modularen, flexiblen und zerlegbaren technischen Architektur zu begegnen, gestützt durch vertragliche Klarheit, damit Sie eine Ebene austauschen können, ohne den gesamten Stack zu zerlegen. Er ergänzt ein Element, das die meisten Machbarkeitsstudien weglassen: die Ökonomie der Inferenz, also die Kosten für den Betrieb des Modells pro Vorgang, die als wesentlicher Treiber der Betriebskosten statt als Fußnote behandelt werden.

Anschließend empfiehlt er eine schrittweise Umsetzung: Prüfung der Reife, dann gesteuerte Experimente, dann unternehmensweite Integration und schließlich kontinuierliche Verbesserung.

Governance als risikobasiertes Betriebsmodell

Der Abschnitt, von dem wir hoffen, dass er sorgfältig gelesen wird, ist der zur Governance. Der Leitfaden beschreibt sie als risikobasiertes Betriebsmodell, das mit Disziplin bei der Auswahl der Anwendungsfälle beginnt, nicht mit Kontrollen, die nach der Bereitstellung auferlegt werden. Unzureichend gesteuerte KI-Systeme können zu rechtlichen, finanziellen und Reputationsrisiken führen.

Entscheidend ist, dass die Governance dem Risikoniveau angemessen sein sollte: dem erwarteten Einfluss, dem Grad der Autonomie, der Sensibilität der Daten und dem Ausmaß der Auswirkungen auf Kunden. Ein interner Assistent, der Besprechungen zusammenfasst, braucht nicht dasselbe wie ein Agent, der Kreditentscheidungen trifft.

Die saudische Dimension: Daten, Arabisch und Souveränität

Der Leitfaden warnt, dass sich Unternehmen im Königreich bei der Planung nicht allein auf globale Kennzahlen und Trends stützen sollten. Sie müssen sich an lokalen Vorschriften, den Anforderungen an Data Governance sowie an Überlegungen zu Datensouveränität und grenzüberschreitender Übermittlung ausrichten. Hinzu kommt ein sehr praktischer Punkt: Prüfen Sie den Grad der Unterstützung der arabischen Sprache in kundennahen Anwendungsfällen.

Das ist kein kosmetisches Detail. Der Unterschied zwischen einem Modell, das in einem Kundenservice-Gespräch den saudischen Dialekt versteht, und einem, das wörtlich übersetzt, ist der Unterschied zwischen einem gut bedienten und einem verärgerten Kunden. Ebenso kommt die Frage "Wo werden Ihre Daten gespeichert?" vor der Frage "Welches Modell ist klüger?", sobald es sich um personenbezogene Daten handelt, die dem Gesetz zum Schutz personenbezogener Daten (PDPL) unterliegen.

Womit Sie diese Woche anfangen

Würden wir den Leitfaden auf Schritte verdichten, die Sie tatsächlich umsetzen: Bewerten Sie Ihre Reife ehrlich in den fünf Dimensionen und vergeben Sie für jede eine Punktzahl; wählen Sie einen einzigen internen Anwendungsfall mit messbarer Wirkung und geringem Risiko; legen Sie dafür ein Zahlenziel fest, bevor Sie beginnen, nicht danach; führen Sie ihn mit menschlicher Aufsicht und vollständiger Protokollierung der Ergebnisse durch; und weiten Sie ihn aus, sobald die Zahlen stabil bleiben. Die Unternehmen, die heute in Saudi-Arabien mit KI eine Rendite erzielen, sind nicht diejenigen, die am meisten ausgeben, sondern diejenigen, die bei der Wahl ihres Problems am diszipliniertesten sind.

Quellen

  • Kommission für Kommunikation, Raumfahrt und Technologie: Sensibilisierungsleitfaden zur KI-Einführung in Technologieunternehmen, erste Ausgabe, Juli 2026: cst.gov.sa/ai-adoption-guide-ar
  • Kommission für Kommunikation, Raumfahrt und Technologie: cst.gov.sa
  • Saudische Behörde für Daten und Künstliche Intelligenz (SDAIA): Gesetz zum Schutz personenbezogener Daten: sdaia.gov.sa