Stellen Sie einen Head of AI gegen eine schriftliche Scorecard ein: drei bis fünf Ergebnisse für das erste Jahr, die Kompetenzen, die sie treiben, und explizite Ausschlusskriterien – vereinbart, bevor Sie einen einzigen Kandidaten treffen. Ohne sie wird die Rolle von demjenigen besetzt, der am eindrucksvollsten über KI redet – und genau so entstehen die Fehlbesetzungen.
Ergebnisse: Was Jahr eins liefern muss
- Zwei oder drei KI-Fähigkeiten in Produktion mit gemessenem Business-Impact.
- Eine KI-Roadmap, die das Exec-Team tatsächlich für Entscheidungen nutzt.
- Eine funktionierende Eval- und Governance-Praxis – Qualität und Risiko geownt, nicht improvisiert.
- Ein umgesetzter Hiring-Plan: die ersten KI-Engineers an Bord und produktiv.
- Eine Build-vs.-Buy-Haltung, die echtes Geld gespart oder fokussiert hat.
Kompetenzen und wie Sie sie testen
- Technisches Urteilsvermögen: Gehen Sie ein System durch, das sie geshippt haben – Entscheidungen, Trade-offs, Fehlschläge. Tiefe lässt sich in 45 Minuten nicht faken.
- Priorisierung: Geben Sie ihnen Ihre echten Use-Case-Kandidaten und lassen Sie sie mit Begründung ranken.
- Übersetzung: Können sie einem CFO die Eval-Strategie erklären? Spielen Sie es durch.
- Hiring-Fähigkeit: Wen haben sie eingestellt, und wo sind diese Leute heute?
- Pragmatismus: Fragen Sie, was sie kaufen statt bauen würden – Eiferer scheitern daran.
Ausschlusskriterien, die Sie durchsetzen sollten
- Hat nie KI in Produktion geshippt – nur beraten, evangelisiert oder geforscht.
- Kann kein eigenes Projekt nennen, das gescheitert ist, und was sich dadurch geändert hat.
- Tut Evals, Safety oder Kosten als „Details für später“ ab.
- Redet ausschließlich in Vendor- und Framework-Namen statt in Problemen.
