Künstliche Intelligenz (KI) bietet enormes Potenzial, um Herausforderungen wie Fachkräftemangel und eine wachsende Zahl älterer Patientinnen und Patienten zu bewältigen. Gleichzeitig jedoch stellt die soziotechnische Einbettung von KI in Organisationen eine komplexe Aufgabe dar, deren Misslingen zu Wissensverlust oder Unzufriedenheit im Team führen kann. In dieser Dissertation werden die entscheidenden Komponenten dieses KI-Alignments systematisch untersucht. Vier Studien – davon zwei auf allgemeiner Ebene und zwei mit Fokus auf Natural Language Processing (NLP) im klinischen Bereich – beleuchten, wie KI und organisatorische Anforderungen bestmöglich aufeinander abgestimmt werden können. Dabei entsteht ein Rahmenwerk, das sowohl Forschenden als auch Praktikerinnen und Praktikern hilft, KI-Lösungen gezielt zu planen, zu integrieren und kontinuierlich zu verbessern. Zugleich eröffnet die Arbeit neue Perspektiven für Forschung und Anwendung, vor allem durch die Betrachtung von KI in spezifischen Kontexten und durch die gezielte Identifikation bisher unbeachteter Aspekte. Artificial Intelligence (AI) offers enormous potential for tackling challenges such as staffing shortages and a growing elderly population with increasing healthcare needs. However, effectively embedding AI in organizations is a complex sociotechnical endeavor; if misaligned, it can lead to knowledge loss or employee dissatisfaction. This dissertation systematically examines the key components of AI alignment. Four studies—two at a general level and two focused on Natural Language Processing (NLP) in clinical settings—explore how AI can best be harmonized with organizational requirements. The resulting framework supports researchers and practitioners alike in planning, integrating, and continuously refining AI solutions. Moreover, this work opens new horizons in research and practice by examining AI in specific contexts and identifying aspects that have received little attention thus far.