Model Risk Management KI: Diese Rollen brauchen Unternehmen jetzt

Wer Modellrisiken von KI-Systemen praktisch managen will, braucht heute vier Rollen: Head of AI, AI Governance Officer, MLOps Engineer und AI Security Engineer. Der EU AI Act verpflichtet Unternehmen ab August 2026 zur Förderung von AI-Kompetenz im Personal, und viele Organisationen finden für diese Rollen keine passenden Fachkräfte. Genau hier setzt eine gezielte Besetzungsstrategie an, wie sie Polydigital anbietet.

Kurz gesagt:

• Nur spezialisierte Rollen wie AI Governance Officer oder MLOps Engineer sind geeignet, um Modellrisiken effektiv zu steuern und regulatorische Anforderungen zu erfüllen.
• Für eine erfolgreiche Bedarfsanalyse sollten die Risiken, Rollen und erforderlichen Skills klar priorisiert und präzise beschrieben werden, um Vakanzzeiten zu verkürzen.
• Betriebe müssen ab 2026 Maßnahmen zur Förderung von AI-Literacy im gesamten Personal nachweisen, wobei die Dokumentation der Weiterbildungsmaßnahmen essenziell ist.
• Interim-Lösungen bieten bei unklaren Rollen oder schnell notwendigen Lücken eine flexible Alternative zur langwierigen Festanstellung.
• Eine Mensch-zentrierte Besetzung sorgt für echte Entscheidungsbefugnisse in der KI-Governance und verhindert das Risiko des Deskilling durch Technik statt menschlicher Kontrolle.

Inhaltsverzeichnis

• Welche Rollen Modellrisiken konkret adressieren
• So bestimmen Sie Bedarf und Stellenprofil richtig
• Festanstellung oder Interim: So wählen Sie den Auswahlprozess
• Onboarding und laufende Qualifizierung nach dem Stufenmodell
• Was der AI Act zur Förderung von AI-Kompetenz vorschreibt
• Menschzentrierte Besetzung als strategischer Hebel
• Polydigital: Rollenbesetzung für Ihr Modellrisiko-Team
• Quellen
• FAQ

Welche Rollen Modellrisiken konkret adressieren

Modellrisikomanagement ist keine einzelne Funktion, sondern verteilt sich auf mehrere Positionen mit klar getrennten Aufgaben. Wer diese Rollen nicht unterscheidet, besetzt am Ende die falsche Stelle mit dem falschen Profil.

• Head of AI verantwortet die Gesamtstrategie und trägt die Rechenschaftspflicht gegenüber Geschäftsführung und Aufsicht.
• AI Governance Officer dokumentiert Richtlinien, überwacht Compliance und stellt die Verbindung zur zweiten Verteidigungslinie sicher.
• MLOps Engineer betreibt die technische Überwachung von Modellen im Produktivbetrieb, inklusive Drift-Erkennung und Versionierung.
• AI Security Engineer prüft Angriffsflächen, Datenintegrität und Zugriffsrechte entlang der Modellpipeline.
• AI Enablement Lead organisiert Schulung und Kompetenzaufbau in den Fachbereichen.

Die ECB Banking Supervision betont, dass KI-Governance eine strategische Aufgabe bleibt und klare Verantwortlichkeiten sowie eine kontinuierliche Überwachung durch die zweite Verteidigungslinie verlangt. In regulierten Branchen sollte diese zweite Linie also nicht erst nach der Einführung eines Modells eingebunden werden, sondern schon in der Stellenbeschreibung und im Auswahlprozess mitwirken. Sonst entstehen Governance-Lücken, die später teuer zu schließen sind.

Dazu kommt die Frage der Kompetenzstufen. Der Supervisory Guide der ECB fordert ein Model Risk Management Framework mit dokumentierten Rollen, klaren Kompetenzanforderungen und wiederkehrender Trainingsüberprüfung. Übersetzt in die Praxis heißt das: Ein MLOps Engineer braucht andere Nachweise als ein AI Governance Officer. Wer beide Rollen mit derselben Checkliste bewertet, übersieht die eigentliche Verantwortungsstruktur.

So bestimmen Sie Bedarf und Stellenprofil richtig

Eine präzise Bedarfsanalyse verhindert Fehlbesetzungen, die im KI-Kontext besonders teuer werden, weil offene Stellen lange unbesetzt bleiben. Die OECD-Analyse zum deutschen KI-Arbeitsmarkt zeigt eine anhaltende Lücke bei KI-Fachkräften, und unpräzise Bedarfsanalysen verschärfen genau diese Vakanzzeiten zusätzlich.

1. Geschäftsziel klären: Welches Produkt oder welcher Prozess nutzt das Modell, und was passiert, wenn es versagt?
2. Risiko einordnen: Wie hoch ist die Auswirkung eines Fehlers auf Kunden, Finanzen oder Reputation?
3. Rolle ableiten: Welche der oben genannten Positionen deckt dieses Risiko primär ab?
4. Skills mappen: Welche technischen und regulatorischen Kenntnisse muss die Person mitbringen?
5. Priorität setzen: Welche Lücke schließt die größte Risikoexposition zuerst?

Die regulatorischen Erwartungen der ECB und die Vorgaben aus Artikel 4 des AI Acts wirken direkt auf die Skill-Matrix ein. Eine Stellenausschreibung, die nur Programmierkenntnisse verlangt, aber keine Governance-Erfahrung, wird die Aufsichtsanforderungen nicht erfüllen. Ein häufiger Fehler ist die Kopie generischer Data-Science-Profile für Governance-Rollen. Das Ergebnis sind Kandidaten, die Modelle bauen können, aber keine Entscheidung zur Modellfreigabe verantworten dürfen.

Profi-Tipp: Formulieren Sie jede Stellenausschreibung entlang einer konkreten Risikofrage, etwa „Wer entscheidet, wenn das Modell driftet?“, statt entlang einer generischen Tool-Liste.

Festanstellung oder Interim: So wählen Sie den Auswahlprozess

Nicht jede Rolle passt zu einer klassischen Festanstellung. Wer schnell eine Governance-Lücke schließen muss, während der interne Aufbau noch läuft, ist mit einer Interim- oder Fractional-Lösung oft schneller handlungsfähig als mit einem langen Recruiting-Prozess.

Ein belastbarer Interviewprozess prüft nicht nur Lebensläufe, sondern konkrete Entscheidungsfähigkeit:

• Wie würden Sie eine Modellvalidierung vor Produktivsetzung dokumentieren?
• Welche Methode nutzen Sie, um Drift in einem laufenden Modell zu erkennen?
• Wie erklären Sie einer Fachabteilung eine Entscheidung, die das Modell nicht selbst begründen kann?
• Wer trägt in Ihrem bisherigen Setup die Verantwortung bei einem Governance-Verstoß?

Referenzgespräche sollten gezielt nach früheren Eskalationsfällen fragen, nicht nur nach Erfolgsgeschichten. Eine Person, die noch nie einen Fehlalarm im Produktivbetrieb erlebt hat, kann die Rolle schwer glaubwürdig ausfüllen. Für die Entscheidung zwischen Festanstellung und Interim gilt eine einfache Logik: Ist die Rolle neu im Organigramm und die Anforderung noch unklar, testet ein Interim-Mandat das Profil, bevor eine langfristige Bindung eingegangen wird. Ist die Rolle etabliert und der Bedarf dauerhaft, lohnt sich die Festanstellung von Anfang an.

Onboarding und laufende Qualifizierung nach dem Stufenmodell

Ein gestuftes Trainingsmodell trennt operative von aufsichtsführenden Kompetenzen und macht regulatorische Pflichten praktisch umsetzbar. Das Interface-EU-Framework für AI-Literacy am Arbeitsplatz beschreibt genau dieses gestufte Modell: eine Basisebene für alle Mitarbeitenden, eine operative Ebene L1 für Personen, die täglich mit KI-Systemen arbeiten, und eine Aufsichtsebene L2 für Governance- und Entscheidungsrollen.

• L1-Onboarding vermittelt Grundlagen zu Modellgrenzen, Dateneingabe und Eskalationswegen bei Auffälligkeiten.
• L2-Onboarding vertieft Erklärbarkeit, Datenqualitätsprüfung und die formale Freigabekette für neue Modelle.
• Nachweismethoden wie dokumentierte Assessments und Trainingsrecords sichern die Auditfähigkeit ab.

Ein gestuftes Literacy-Framework macht regulatorische Pflichten operational und dient als Bewertungsgrundlage bei Stellenbesetzungen, wie das Interface-EU-Framework beschreibt. Diese Dokumentation zahlt sich doppelt aus: Sie erfüllt die Nachweispflicht gegenüber der Aufsicht und liefert zugleich eine belastbare Grundlage, um Kompetenzentwicklung intern zu messen, statt sie nur zu behaupten.

Was der AI Act zur Förderung von AI-Kompetenz vorschreibt

Seit dem 2. August 2026 müssen Anbieter und Betreiber von KI-Systemen in der EU Maßnahmen zur Förderung von AI-Literacy bei ihrem Personal unterstützen. Diese Pflicht aus Artikel 4 des AI Acts betrifft nicht nur Entwicklerteams, sondern jede Person, die mit KI-Systemen im Unternehmen in Berührung kommt, von der Fachabteilung bis zur Geschäftsführung.

Für Unternehmen bedeutet das zweierlei. Erstens braucht es eine Person oder ein Team, das diese Kompetenzförderung strukturiert und dokumentiert, üblicherweise der AI Governance Officer oder AI Enablement Lead. Zweitens verlangt die Implementierungsleitlinie zum AI Act Nachweise und Nachverfolgbarkeit für hochriskante Systeme über den gesamten Lebenszyklus hinweg. Ein Schulungsnachweis, der einmal erstellt und nie aktualisiert wird, erfüllt diese Anforderung nicht.

Die Konsequenz für die Personalplanung ist konkret: Wer diese Rolle nicht besetzt, trägt das Risiko einer Aufsichtsbeanstandung selbst, unabhängig davon, ob ein Modellfehler tatsächlich eintritt. Die Pflicht existiert unabhängig vom Schadensfall, sie betrifft die Organisation, nicht nur das einzelne Modell. Wer 2026 noch ohne dokumentierte AI-Literacy-Struktur arbeitet, sollte diese Lücke vor der nächsten Prüfung schließen, nicht danach.

Menschzentrierte Besetzung als strategischer Hebel

Viele Unternehmen kaufen Tooling, bevor sie die Person einstellen, die dieses Tooling kritisch hinterfragen kann. Das ist die falsche Reihenfolge. Die ECB warnt vor genau diesem Deskilling-Risiko, wenn KI-Ausgaben nicht mit Schulung und kritischer Überprüfung kombiniert werden.

Menschliches Urteilsvermögen bleibt die eigentliche Kontrollinstanz, nicht das Modell selbst. Eine Organisation, die Governance an Software delegiert, statt an Personen mit echter Entscheidungsbefugnis, verliert genau die Fähigkeit, die sie im Ernstfall am dringendsten braucht. Es wird ein Ansatz verfolgt, der die menschliche Komponente in den Mittelpunkt der Besetzung stellt, nicht als Ergänzung zur Technik, sondern als deren Voraussetzung.

— Ingmar

Polydigital: Rollenbesetzung für Ihr Modellrisiko-Team

Wer diese Rollen selbst sucht, konkurriert mit vielen Unternehmen um dieselben wenigen Profile. Gezielt werden Fachkräfte für Rollen identifiziert, die im bestehenden Organigramm oft noch gar nicht existieren, durch Direktansprache statt Standarddatenbanken.

Zum Angebot gehören:

• Head of AI / fractional CAIO, AI Governance Officer und MLOps / AI Platform Engineer für die Kernverantwortung im Modellrisiko.
• AI Solutions Architect, Forward Deployed Engineer und AI Enablement Lead für Umsetzung und Kompetenzaufbau.
• Ein Kandidatenpool und ein Signal Report mit branchenspezifischen Einblicken zu aktuellem und künftigem Bedarf.

Alle vermittelten Rollen im Überblick, oder direkt den Signal Report anfordern, um Ihre Bedarfsanalyse mit belastbaren Marktdaten zu unterlegen.

Quellen

Die OECD-Analyse zum deutschen KI-Arbeitsmarkt und die EU-Kommission zu AI-Kompetenz liefern den regulatorischen und arbeitsmarktbezogenen Rahmen dieses Artikels.

• AI talent, skills and literacy — European Commission
• Technology Is Neutral, Governance Is Not — ECB Banking Supervision (2026)
• An Operational Framework For AI Literacy In The Workplace — Interface‑EU (2026)
• OECD Artificial Intelligence Review of Germany (2024)

FAQ

Welche Rolle sollte ein Unternehmen bei knappem Budget zuerst besetzen?

Der AI Governance Officer schließt die dringlichste Lücke, weil er die Dokumentations- und Nachweispflichten aus Artikel 4 des AI Acts abdeckt. Ohne diese Rolle fehlt die Grundlage für alle weiteren Besetzungen im Modellrisikobereich.

Was bedeutet die AI-Literacy-Pflicht konkret für den HR-Bereich?

Seit dem 2. August 2026 müssen Unternehmen Maßnahmen zur Förderung von AI-Literacy im Personal unterstützen und nachweisen können. Für HR heißt das, Trainingsinhalte, Assessments und Verantwortlichkeiten zu dokumentieren, nicht nur einmalig zu schulen.

Wie lange dauert die Besetzung einer spezialisierten AI-Governance-Rolle üblicherweise?

Die Dauer hängt stark vom Marktsegment und der Präzision der Stellenbeschreibung ab. Die OECD-Analyse zeigt, dass unpräzise Bedarfsanalysen die Vakanzzeit zusätzlich verlängern, weshalb ein klares Skill-Mapping vor der Ausschreibung entscheidend ist.

Was unterscheidet Polydigital von klassischen Recruiting-Ansätzen?

Polydigital konzentriert sich auf die menschliche Komponente der KI-Einführung und identifiziert Fachkräfte über Direktansprache statt über Standarddatenbanken. Das Unternehmen besetzt dabei auch Rollen, die im bestehenden Organigramm bisher nicht existieren, über einen geprüften Kandidatenpool.

Muss jede KI-nutzende Fachabteilung geschult werden, nicht nur die IT?

Ja, die Pflicht zur Förderung von AI-Literacy betrifft jede Person, die mit KI-Systemen arbeitet, nicht nur technische Teams. Ein gestuftes Trainingsmodell mit Basis- und Aufsichtsebene, wie es das Interface-EU-Framework beschreibt, deckt diese unterschiedlichen Bedarfsniveaus ab.