Die meisten AI-Initiativen scheitern nicht an der Technologie. Sie scheitern daran, dass niemand den Weg vom Prototyp in den produktiven Betrieb verantwortet: Die Daten waren nicht bereit, der Betrieb nicht geplant, die Risiken nicht eingegrenzt, die Einführung nicht gestaltet — und der Wert wurde nie gemessen.
Scaled Agile beziffert das Ausmass deutlich: Branchenanalysen setzen die Misserfolgsquote von AI-Projekten auf über 80 Prozent an; eine Studie der RAND Corporation kommt zum selben Befund für den erwarteten Wert von AI-Lösungen. Für das Phänomen hat sich ein eigener Begriff etabliert — der «POC-Friedhof»: vielversprechende Demonstrationen, die nie den Sprung in die skalierte, dauerhafte Nutzung schaffen.
Scaled Agile bringt die Diagnose auf einen Satz, der sitzt: Organisationen haben kein AI-Zugangsproblem mehr. Sie haben ein Wert-Realisierungsproblem.
Genau an dieser Stelle setzt die neue Rolle an, die Scaled Agile mit AI-Native SAFe® eingeführt hat: der AI Value Architect.
Warum es diese Rolle braucht
Die Zahlen, die wir in unserer Einordnung zu AI-Native SAFe® ausführlich behandelt haben, beschreiben das Problem präzise: 88 % der Organisationen nutzen AI regelmässig in mindestens einem Geschäftsbereich — aber nur 39 % ordnen ihr überhaupt einen Effekt auf das EBIT zu (McKinsey, November 2025). PwC bringt die Ursache auf eine Faustregel: Technologie liefert rund 20 % des Werts einer Initiative. Die anderen 80 % entstehen durch das Neugestalten der Arbeit.
Diese 80 % haben in den meisten Organisationen heute keinen Besitzer. Teams sollen AI einführen — zusätzlich zu ihren bestehenden Rollen, Verantwortlichkeiten und laufenden Lieferverpflichtungen. Das Ergebnis beschreibt Scaled Agile treffend: Stückwerk und lokale Optimierungen, ohne dass jemand die grössere Chance sieht oder das eigentliche Wertpotenzial erschliesst. Die RAND-Analyse benennt die häufigste Ursache: AI wird als technische Herausforderung behandelt statt als Geschäftschance.
Anders gesagt: Es fehlt die Systemsicht. Und Systemsicht entsteht nicht nebenbei — sie braucht eine Rolle, die dafür da ist.
Was ein AI Value Architect ist
AI Value Architects sind dedizierte Rollen auf dem Agile Release Train mit einem klaren Auftrag: den ART dabei zu unterstützen, AI wirksam einzusetzen. Sie können einem einzelnen Team zugeordnet sein, mehreren Teams, einer bestimmten Lösung — oder den ART als Ganzes unterstützen.
Zwei Klarstellungen aus dem Framework-Artikel verdienen besondere Beachtung:
Die Grösse der AI-Lösung spielt keine Rolle. Ob kleine Workflow-Verbesserung für ein einzelnes Team oder ART-weites, kundengerichtetes Produkt — die Verantwortlichkeiten bleiben dieselben. Das verhindert das verbreitete Missverständnis, AI-Rollen seien nur für «grosse» AI-Produkte relevant.
Es ist keine Einzelrolle. Scaled Agile geht davon aus, dass jeder ART mehrere AI Value Architects hat, die gemeinsam die nötige Breite und Tiefe abdecken — nicht jeder muss jedes Verantwortungsfeld gleich stark ausfüllen. Das macht den Einstieg realistischer: Man wächst über die eigenen Stärken hinein, nicht über ein Idealprofil.
Die Positionierung beschreibt Scaled Agile über drei Spannungsfelder, und diese Formulierung lohnt genaues Hinsehen: Der AI Value Architect ist geschäftskundig, ohne Business Owner zu sein; AI-versiert, ohne der AI-Entwickler zu sein; moderierend, ohne nur Moderator zu sein.
Wer schon einmal versucht hat, eine AI-Initiative über die Prototyp-Phase hinauszubringen, erkennt sofort, warum genau diese Kombination fehlt: Der Data Scientist versteht das Modell, aber nicht das Portfolio. Der Business Owner kennt das Ziel, aber nicht die technischen Grenzen. Der Scrum Master moderiert, hat aber kein Mandat für die AI-Frage. Der AI Value Architect besetzt die Lücke dazwischen.
Die fünf Verantwortungsfelder
Der Framework-Artikel beschreibt fünf Felder — das «Responsibility Wheel» der Rolle:
1 · Coaching AI Adoption. AI-Einführung als Coaching-Disziplin, nicht als Schulungsübung. Dazu gehört zuerst die eigene AI-Fluency — tief genug, um Fachspezialisten die richtigen Fragen zu stellen und schwache Annahmen früh zu erkennen. Darauf aufbauend: Menschen dabei begleiten, AI verantwortungsvoll in ihre konkrete Arbeit zu integrieren — wann AI einsetzen, wann nicht, wie Ergebnisse prüfen, wie sensible Daten schützen. Als gemeinsames Zielbild dienen die sieben AI-Native Success Factors, gegen die sich Teams und ART regelmässig selbst einschätzen.
2 · Unlocking Value from AI Workflows and Tools. Der oft unterschätzte Hebel: Wert aus dem ziehen, was schon da ist. AI Value Architects inventarisieren die vorhandenen AI-Fähigkeiten — lizenzierte Copilots, eingebaute Features, auch inoffizielle Workarounds — und machen sichtbar, was ungenutzt bleibt. Sie halten Teams über die schnelle Entwicklung der Werkzeuge auf dem Laufenden und helfen, Standard-Tools auf die spezifischen Workflows des Teams zuzuschneiden — innerhalb der Governance-, Sicherheits- und Kostengrenzen der Organisation.
3 · Bridging Business and Technology. AI-Initiativen in Geschäftswert verankern, bevor sie starten: klare Ergebnisse, Erfolgsmessung und Validierungsschritte definieren — mit dem Ende im Kopf beginnen. Erwartungen mit dem technisch Machbaren abgleichen (Kosten, Latenz, Genauigkeit) und AI-spezifische Governance — Agenten-Autonomie, menschliche Freigabeschwellen, Fairness, Nachweisbarkeit — in praktisch umsetzbare Leitplanken übersetzen.
4 · Facilitating AI Solution Development. AI bringt Fehlermodi mit, die klassische Produktentwicklung kaum kennt: nicht-deterministische Ergebnisse, Datendrift, Evaluationslücken, die erst im Grossen sichtbar werden. AI Value Architects sorgen dafür, dass die richtigen Gespräche stattfinden, bevor grosse Entscheidungen fallen — und holen Daten-, Risiko-, Rechts- und Ethikfragen in die Discovery, bevor das Design steht, nicht danach.
5 · Optimizing Outcomes. Die Disziplin, die auf dem POC-Friedhof am häufigsten fehlt: Wirkung messen statt behaupten. Zwei Messebenen: Produktkennzahlen (Kosten, Ertrag, Risiko, Kundenerlebnis) zeigen, ob die Lösungen ankommen; Flow-Kennzahlen (Durchlaufzeit, Durchsatz, Fehlerrate) zeigen, ob der ART besser darin wird, sie zu bauen. Dazu Sense-and-Respond-Schleifen im Takt der AI — und die Unterstützung von Führungsentscheidungen: weiterführen, anpassen, pausieren oder stoppen.
Wer unsere Artikel kennt, erkennt das Muster: Diese fünf Felder sind die operationalisierte Antwort auf den verschobenen Engpass. Wenn die Herausforderung nicht mehr das Bauen ist, sondern das Validieren — ob etwas sicher, korrekt und wertvoll ist —, dann ist der AI Value Architect die Rolle, die diese Validierung organisiert. Feld 5 ist zudem bemerkenswert nah an dem, was wir seit Langem predigen: Flow-Metriken und Wirkungsmessung gehören zusammen.
Wer für die Rolle in Frage kommt
Hier wird es für viele Leserinnen und Leser persönlich — und die wichtigste Botschaft vorweg: Die Rolle erfordert keine Neueinstellung. Die Menschen, die am besten positioniert sind, arbeiten in den meisten Organisationen bereits dort.
Scaled Agile stellt dabei die Eigenschaften über die aktuelle Rollenbezeichnung: mit Komplexität arbeiten können, ohne sie vorschnell zu reduzieren; die naive Frage im Raum voller Spezialisten stellen; diszipliniert messen, auch wenn es unbequem ist; Vertrauen bei ART-Führung und auf Teamebene aufbauen.
Als konkrete Ausgangsrollen nennt das Framework:
- Scrum Master und Team Coaches — für sie ist es laut Scaled Agile die natürliche Weiterentwicklung: Sie moderieren bereits die Events, in denen AI-Adoption praktisch verhandelt wird. Ihr Gespür für Teamdynamik und Feedback-Schleifen überträgt sich direkt; hinzu kommen technische AI-Fluency und Messdisziplin.
- SAFe Practice Consultants (SPCs) — bringen Transformations-Erfahrung über mehrere ARTs und tragfähige Beziehungen zu Stakeholdern mit.
- Release Train Engineers — halten bereits die Systemsicht und koordinieren über das Team of Teams; mit AI-Fluency und Wertmessungs-Disziplin ein direkter Weg in die Rolle.
- System Architects — verbinden bereits Engineering und Business und bringen die technische Systemsicht mit; ihr Beitrag geht oft Richtung Solution Shaping.
- Product Management — besitzt die Wertdefinition auf dem ART; der Weg führt oft über die Wirkungsmessung.
Das bestätigt, was wir in unserem Artikel zu den Rollen argumentiert haben — und macht es konkret. Die dort beschriebene Verschiebung hat jetzt einen Namen, ein Rollenprofil und einen Ausbildungspfad.
Es lohnt sich, die PwC-Analyse daneben zu legen: Die Wissensarbeit entwickelt sich zur Sanduhr — AI-Agenten übernehmen zunehmend spezialisierte Aufgaben der mittleren Ebene, gefragt sind Generalisten, die Agenten beaufsichtigen und deren Arbeit auf Geschäftsziele ausrichten. Der AI Value Architect ist exakt dieses Profil: breit statt tief, verbindend statt ausführend, wirkungs- statt aktivitätsorientiert.
Unsere Einschätzung
Drei Beobachtungen aus Schweizer Perspektive:
Erstens: Die Rolle adressiert ein echtes Problem, kein erfundenes. Die 80-Prozent-Befunde und der POC-Friedhof decken sich mit dem, was wir in Gesprächen mit Organisationen sehen: Es mangelt selten an Piloten. Es mangelt an jemandem, der den Weg von Pilot zu Wirkung verantwortet.
Zweitens: «Dediziert» ist das entscheidende Wort. Die häufigste Fehlerquelle wird sein, die Rolle als Zusatzaufgabe zu vergeben — an Menschen, die bereits voll ausgelastet sind. Scaled Agile benennt genau dieses Muster als Teil des Problems, das die Rolle beheben soll. Das gilt besonders für RTEs: Sie sind fachlich hervorragende Kandidaten — aber als Rollenwechsel oder mit explizit freigeräumter Kapazität, nicht als zweiter Hut auf einem vollen Kopf. Wer den AI Value Architect als «macht das jemand nebenbei» einführt, reproduziert die Ursache des POC-Friedhofs.
Drittens: Die Mehrzahl ist Programm. Dass Scaled Agile ausdrücklich von mehreren AI Value Architects pro ART ausgeht, die sich ergänzen, ist klug — und eine Chance: Ein Scrum Master mit Coaching-Stärke, ein Architekt mit Technik-Tiefe und ein PM mit Wertfokus ergeben zusammen das Profil, das keiner allein erfüllen muss. Für die Einführung heisst das: nicht die eine perfekte Person suchen, sondern das passende Trio.
Was Sie jetzt tun können
Wenn Sie Scrum Master, RTE, SPC, PM oder Architekt sind: Prüfen Sie das Profil gegen Ihre eigene Standortbestimmung. Die Frage aus unserem Rollen-Artikel gilt auch hier: Wo sitzt der Engpass in Ihrer Organisation — und arbeiten Sie dort? Wenn Validierung, Wertnachweis und teamübergreifende AI-Fragen bei Ihnen niemandem gehören, haben Sie gerade eine Lücke gefunden, in die Sie hineinwachsen können.
Wenn Sie einen ART verantworten: Stellen Sie die unbequeme Frage: Wer verantwortet bei Ihnen heute den Weg vom AI-Piloten zur messbaren Wirkung? Wenn die Antwort «niemand so richtig» lautet, wissen Sie, warum Ihre Piloten Piloten bleiben.
Für beide: Zur Rolle gehört ein eigenes Training — AI-Native Value Architect. Als Scaled Agile Partner begleiten wir die Entwicklung der AI-Native-Kurslandschaft und beraten Sie gerne, welcher Einstieg für Ihre Situation passt.
Nächste Schritte
Sie wollen die Rolle in Ihrer Organisation einordnen? Sprechen Sie mit uns — wir zeigen Ihnen, wie der AI Value Architect in Ihre bestehende ART-Struktur passt. → Kontakt aufnehmen
Die Grundlagen zuerst? Was AI-Native SAFe® als Operating Model bedeutet: → Link zum Pillar-Artikel Was sich für SM, PO, RTE und PM verschiebt: → Link zum Rollen-Artikel
Bleiben Sie auf dem Laufenden: Wir begleiten jede Early-Access-Session auf Deutsch und berichten im September direkt vom SAFe® Summit in San Diego. → LinkedIn folgen
Mehr zu den AI-Native Kursen und Inhouse-Formaten von Taleon finden Sie auf unserer AI-Native Seite.
Quellen
- Scaled Agile — «AI Value Architect», AI-Native SAFe® Framework-Artikel, Stand 14. Juli 2026 https://framework.scaledagile.com/ain-safe-ai-value-architect
- Scaled Agile — «Enterprise AI-Native Playbook», Whitepaper (Sieben AI-Native Success Factors) [Link über die Framework-Seite]
- McKinsey & Company — «The state of AI in 2025: Agents, innovation, and transformation», QuantumBlack, 5. November 2025 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- PwC — «2026 AI Business Predictions», Dezember 2025 https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-predictions.html
- RAND Corporation — Studie zu AI-Lösungen unterhalb des erwarteten Werts (zitiert nach Scaled Agile, Quelle 1)
- SAFe® Summit San Diego, 14.–18. September 2026 https://safesummit.com/2026sandiego/