Was machen die wenigen Firmen richtig, denen KI einen wirtschaftlichen Nutzen bringt?

Frage: Herr Shchepanskyi, die meisten Unternehmen beschäftigen sich inzwischen intensiv mit KI. Das scheint dafür zu sprechen, dass KI weitgehend adaptiert wird. Trotzdem lautet Ihre These: Den meisten bringt sie keinen Gewinn. Wie passt das zusammen?

Antwort: Weil KI zu haben und mit KI Geld zu verdienen zwei völlig unterschiedliche Dinge sind. 89 Prozent der Unternehmen nutzen KI regelmäßig in mindestens einer Geschäftsfunktion. Aber nur 37 Prozent erkennen überhaupt einen Effekt auf ihr Unternehmensergebnis. Lediglich sechs Prozent erzielen einen EBIT-Effekt von mehr als fünf Prozent. 
Das sollte Unternehmen nachdenklich machen. Denn offensichtlich fehlt es nicht an Technologie. Es fehlt daran, die technologischen Möglichkeiten in wirtschaftliche Ergebnisse zu übersetzen.

Frage: Wenn die Technologie stimmt - suchen Unternehmen den Fehler also an der falschen Stelle?

Antwort: Das ist zumindest eine große Gefahr. Wenn ein KI-Projekt nicht die erwartete Wirkung erzielt, ist es bequem, nach einem besseren Modell, einer neuen Plattform oder einer leistungsfähigeren Anwendung zu suchen. Damit wird das eigentliche Problem aber möglicherweise umgangen. 
KI macht organisatorische Schwächen nicht automatisch wett. Im Gegenteil: Sie kann sehr deutlich sichtbar machen, wo Verantwortlichkeiten fehlen, Prozesse nicht funktionieren oder niemand die notwendigen Entscheidungen treffen darf.

Frage: Ist also nicht die KI das Problem, sondern das Unternehmen?

Antwort: Genau darin liegt die eigentliche Herausforderung. Die Modelle entwickeln sich rasant weiter. Organisationen tun das nicht im gleichen Tempo. Budgets, Verantwortlichkeiten, Prozesse und Risikomodelle verändern sich wesentlich langsamer. Diese Distanz zwischen technologischer Möglichkeit und tatsächlicher wirtschaftlicher Nutzung ist das, was ich in diesem Zusammenhang die „Absorptionslücke“ nenne. 

Frage: Wie kann man diese Lücke schließen? 

Antwort: An dieser Stelle formuliere ich eine leider recht unbequeme Forderung: Unternehmen sollten nicht nur fragen: Was kann unsere KI? Sie sollten sich vielmehr fragen: Was verhindert unsere Organisation gerade selbst – was kann sie eben nicht?

Frage: Ist das nicht eine ziemlich harte Diagnose?

Antwort: Ja, aber eine notwendige. Denn wenn Unternehmen den Grund für ausbleibende Ergebnisse ausschließlich in der Technologie suchen, müssen sie sich selbst nicht verändern. Und was passiert: Es wird das nächste Modell gekauft, die nächste Lizenz ausgerollt oder der nächste Pilot angekündigt. Das sieht nach Fortschritt aus. Wirtschaftliche Transformation ist es deshalb noch lange nicht – eher Spiegelfechterei.

Frage: Wann bewerten Sie ein KI-Vorhaben als reines Vanity Project?

Antwort: Wenn die Sichtbarkeit des Projekts wichtiger wird als seine Wirkung. Ein eindrucksvoller Showcase hat noch keinen Geschäftsprozess verbessert. Eine hohe Zahl aktivierter Nutzer sagt noch nichts über EBIT aus. Und ein technisch erfolgreicher Pilot schafft noch keinen wirtschaftlichen Nutzen. 
Die entscheidende Frage muss deshalb von Anfang an lauten: Welches konkrete wirtschaftliche Ergebnis soll sich durch dieses Projekt verändern? Kann darauf niemand eine belastbare Antwort geben, besteht die Gefahr, dass Unternehmen Aktivität mit Fortschritt verwechseln.

Frage: Aber verbessert KI nicht zumindest die Produktivität der Beschäftigten?

Antwort: Genau hier wird es interessant. 80 Prozent der Befragten berichten, dass KI ihre persönliche Produktivität verbessert hat. Auf Unternehmensebene sehen jedoch nur 37 Prozent einen EBIT-Effekt. Das deutet auf einen entscheidenden Unterschied hin: Mitarbeitende können ihre persönliche Arbeitsweise relativ schnell verändern. Eine Organisation mit ihren Prozessen, Verantwortlichkeiten und Steuerungsmodellen verändert sich wesentlich langsamer.

Frage: Persönliche Produktivität allein reicht also nicht?

Antwort: Nein. Wenn ein Mitarbeiter mit KI eine Aufgabe schneller erledigt, entsteht dadurch noch nicht automatisch ein finanzieller Effekt für das Unternehmen. Dafür muss sich die gewonnene Produktivität im Prozess niederschlagen. Abläufe müssen sich verändern, Entscheidungen müssen schneller oder besser werden, Kapazitäten müssen anders genutzt werden. Sonst bleibt die Effizienzsteigerung beim Einzelnen hängen.

Hier gab es ein Beispiel aus dem Profifußball, das den Zusammenhang sehr schön illustriert: Vereine wollten mithilfe von Daten und Sprachmodellen den „nächsten Messi“ finden. Scouts sollten in normaler Sprache beschreiben können, welchen Spielertyp sie suchen. Ein System sollte anschließend physische, technische und ereignisbezogene Daten auswerten. Rein technologisch war das auch machbar ...

Frage: Und warum hat es trotzdem nicht gereicht?

Antwort: Weil nach der technischen Machbarkeit die wesentlich schwierigeren Fragen kommen: Wer hat das Mandat, den Scouting-Prozess tatsächlich zu verändern? Wer verfügt über das Budget? Und wer besitzt die Entscheidungskompetenz? Genau daran lässt sich das Grundproblem erkennen: Nicht das Modell entscheidet, sondern die Organisation.

Frage: Welche Rolle spielt dann überhaupt noch die Auswahl der Technologie?

Antwort: Eine große Rolle, denn natürlich muss die Technologie zum Anwendungsfall passen. Aber ein leistungsfähiges System kann mangelhafte organisatorische Voraussetzungen nicht kompensieren. 
Ob Unternehmen beispielsweise Microsoft Copilot, branchenspezifische Lösungen, eigene Modelle oder IBM watsonx einsetzen, ändert nichts an dieser grundsätzlichen Herausforderung: Das beste Werkzeug nützt wenig, wenn Verantwortlichkeiten ungeklärt bleiben oder der betroffene Geschäftsprozess nicht verändert werden darf.

Frage: Wo genau müssen Unternehmen dann bei sich selbst suchen?

Antwort: Fünf Bereiche sind besonders wichtig: Mandat, Entscheidungsrechte, Daten und Plattform, Kompetenzen sowie Kontrolle. Viele Unternehmen konzentrieren sich stark auf Daten und Technologie. Das ist verständlich, denn Technologie ist greifbar. Man kann Produkte vergleichen, Budgets definieren und Implementierungsprojekte starten. Aber die unangenehmeren Fragen beginnen davor und danach.

Frage: Welche unangenehmen Fragen sind das genau?

Antwort: Zum Beispiel: Wer trägt tatsächlich die Verantwortung? Wer darf einen Geschäftsprozess verändern? Verfügen die Beteiligten über die notwendigen Kompetenzen? Wer entscheidet, ob eine Initiative fortgesetzt oder beendet wird? Wenn diese Fragen offenbleiben, rettet auch ein technisch hervorragendes KI-Modell das Projekt nicht.

Frage: Sie nannten das Mandat. Warum ist das Mandat ein so entscheidender Faktor?

Antwort: Weil Begeisterung keine Entscheidungskompetenz ersetzt. Engagierte Fachkräfte können hervorragende Ideen entwickeln und Piloten starten. Damit besitzen sie aber noch nicht automatisch die Autorität, Budgets freizugeben oder Prozesse zu verändern. Ein KI-Projekt braucht deshalb einen benannten Verantwortlichen, eine klare Begründung und eine verbindliche Perspektive.

Frage: Was passiert, wenn dieses Mandat fehlt?

Antwort: Dann kann sehr viel Aktivität entstehen, ohne dass das Unternehmen wirklich vorankommt. Workshops laufen, Piloten entstehen, Demos beeindrucken und Menschen experimentieren mit neuen Anwendungen. Spätestens aber, wenn eine Investitionsentscheidung getroffen oder ein etablierter Prozess verändert werden muss, bleibt das Projekt stehen. Fehlt ein Sponsor auf Führungsebene, kann Begeisterung zunächst wie Fortschritt aussehen, bevor das Projekt an der eigentlichen Entscheidung scheitert.

Frage: Ist also der klassische KI-Pilot Teil des Problems?

Antwort: Er kann es sein, wenn das Unternehmen ihn mit Transformation verwechselt. Ein Pilot beantwortet zunächst die Frage, ob etwas technisch funktioniert und ob End-Anwender die Lösung akzeptieren und nutzen könnnen. Unternehmen brauchen aber zusätzlich eine Antwort darauf, ob und wie dadurch ihre Arbeit verändert wird.

Frage: Sie nannten Prozesse. Warum ist die Veränderung bestehender Prozesse so wichtig?

Antwort: Um es ganz hart zu sagen: Weil eine neue Technologie in einem alten Prozess zunächst einmal genau das ist: Neue Technologie in einem alten Prozess. Ein KI-Modell kann technisch perfekt integriert sein, ohne dass jemand befugt ist, den Prozess selbst neu zu gestalten. Das Resultat können zwar eindrucksvolle Demonstrationen sein, die aber anschließend kaum Wirkung entfalten.

Frage: Zurück zu Ihrer Eingangsthese: Nur die wenigsten Unternehmen verdienen mit KI. Was genau machen diese wenigen anders? 

Antwort: Sie kaufen nicht einfach mehr KI. Sie verändern ihre Arbeitsweise. Sie benennen Verantwortliche, definieren die gewünschte wirtschaftliche Wirkung bereits vor Projektbeginn, geben Entscheidern ein echtes Mandat und setzen geeignete Fachkräfte ein. Vor allem betrachten sie das Prozessdesign als Teil der KI-Transformation. Sie stellen die richtigen Fragen ...

Frage: Welche Fragen sind das? 

Antwort: Wer trägt die Verantwortung für das KI-Programm? Wer darf die betroffenen Prozesse verändern? Für welche Initiative wurde vor Projektbeginn ein wirtschaftlicher Effekt definiert? Ist HR an den Entscheidungen beteiligt? Können die gesamten KI-Ausgaben beziffert werden? Und wer betreibt und steuert den KI-Bestand dauerhaft?
Kurz: Sie integrieren KI nicht einfach in den Status quo. Zugespitzt gesagt: Ein KI-Modell in einem unveränderten Prozess ist häufig nicht mehr als eine Demo mit Lizenzgebühr.

Frage: Unternehmen investieren gleichzeitig viel in Daten und Plattformen. Ist das falsch?

Antwort: Nein. Datenqualität und technische Plattformen sind unverzichtbar. Der Fehler besteht darin, sie mit der Lösung des gesamten Problems gleichzusetzen. Sie sind das Fundament. Mehr nicht. Wie im Messi-Beispiel: Im Fußballbeispiel waren Daten und Infrastruktur selbst bei später gestoppten Projekten vorhanden. Sie waren also nicht automatisch der entscheidende Engpass.

Frage: Kann man sich aus der Absorptionslücke also nicht einfach herauskaufen?

Antwort: Eben das geht leider nicht. Technologie lässt sich einkaufen. Eine funktionierende Organisation nicht. Eine Plattform ist wie der Fußboden eines Hauses. Man braucht ihn unbedingt. Aber wer zieht in einen Fußboden ein? Mandate, Verantwortung, Kompetenzen und funktionierende Entscheidungsstrukturen entstehen nicht automatisch mit der Vertragsunterschrift beim Technologieanbieter.

Frage: Wird die Rolle der Menschen in dieser Entwicklung richtig unterschätzt?

Antwort: Vor allem wird häufig unterschätzt, dass nicht nur Menschen neue Fähigkeiten benötigen, sondern sich ihre Arbeit verändern muss. Unternehmen planen die Einführung einer Technologie häufig sehr sorgfältig. Die Veränderung von Rollen und Arbeitsweisen bekommt dagegen weniger Aufmerksamkeit. Gleichzeitig wird die Personalorganisation oft später in die KI-Governance eingebunden als die Technologieorganisation.

Frage: Am Ende muss KI aber auch finanziell messbar sein, oder?

Antwort: Unbedingt. Ein Return on Investment lässt sich nur sinnvoll berechnen, wenn zwei Größen bekannt sind: die gesamten Kosten und der messbare Nutzen. Wenn ein Unternehmen nicht weiß, was es insgesamt für KI ausgibt, besitzt es keinen belastbaren Nenner. Dann ist der vermeintliche ROI schnell eher eine Erzählung als eine Messung.

Frage: Gehört dazu auch, erfolglose KI-Projekte zu stoppen? 

Antwort: Ja. Kontrolle darf nicht nur bedeuten, Erfolge zu dokumentieren. Sie muss auch ermöglichen, unwirksame Initiativen zu erkennen und zu beenden. Sonst entsteht eine weitere Form von Augenwischerei: Projekte werden fortgesetzt, weil sie sichtbar sind, Aufmerksamkeit erhalten oder bereits viel investiert wurde, nicht weil sie einen messbaren Beitrag leisten.

Frage: Damit es gar nicht erst so weit kommt, damit die von Ihnen genannte Lücke nicht zu groß wird; kurz: Damit Unternehmen nicht den Anschluss an den Mitbewerb verlieren und auf dem Markt abgehängt werden: Welchen Kurs verfolgt Ihr Unternehmen, verfolgt SoftwareOne bei der Beratung von Kunden?

Antwort: Wir verarbeiten die ganze Bandbreite unserer bislang gewonnenen Erfahrungen, mit denen wir die Distanz zwischen KI-Investitionen und organisatorischer Reife schließen können. Es gibt da eine ganze Reihe von Hebeln, die man in Bewegung setzen kann – und muss, um zu den wenigen Erfolgreichen zu gehören. Damit können wir bei einer erfolgreichen, systematischen Einführung von KI unterstützen. Und das, so darf ich sagen, tun wir bislang mit einigem Erfolg. 

Frage: Vielen Dank für das Interview!