Teil 1 – Die 14%-Falle: Warum die KI-Einführung in Unternehmen nach der Unterzeichnung des Lizenzvertrags ins Stocken gerät

Zusammenfassung:

Wenn Unternehmen innovative KI-Modelle wie Claude oder ChatGPT einführen, stagniert die wöchentliche aktive Nutzung regelmäßig bei etwa 14% und beschränkt sich auf das einfache Umschreiben von E-Mails, während aufwendige manuelle Arbeitsschritte unberührt bleiben. Der Umgang mit innovativer KI wie bei der Beschaffung herkömmlicher SaaS-Lösungen scheitert, da der Mehrwert nicht im Modell selbst liegt – er liegt vielmehr in der Kluft zwischen dem Modell und den unternehmensinternen data, Berechtigungen sowie den täglichen Arbeitsabläufen. Der Mehrwert unterliegt einer einfachen Rechnung: Wert = Modell × Bereitstellung × Ebene. Solange diese Lücke nicht geschlossen wird, verfügt ein Unternehmen nicht über KI-Fähigkeiten; es hat lediglich ein Abonnement.

Vor einigen Monaten zeigte mir ein CIO sein Claude Enterprise-Dashboard. Zweitausend Benutzerlizenzen, innerhalb von sechs Wochen eingeführt, Single Sign-On über den Identitätsanbieter des Unternehmens, eine Nutzungsrichtlinie, die von der Rechtsabteilung genehmigt und von jedem Mitarbeiter beim ersten Login bestätigt wurde. Dann scrollte er zur zweiten Registerkarte. Wöchentliche aktive Nutzer: 14%. Die häufigste Anfrage: “Fassen Sie diese E-Mail zusammen.” Die zweithäufigste: “Formulieren Sie dies in einem professionelleren Ton um.” Keine einzige Anbindung an das ERP-System, das data-Lager oder die Dokumentenablagen. Kein einziger Agent im Produktivbetrieb. Drei Stockwerke unter uns öffnete das Team der Kreditorenbuchhaltung nacheinander die PDF-Dateien der Lieferanten, las die Rechnungsnummer, den Betrag und die Kostenstelle ab und gab diese manuell in das Finanzsystem ein – etwa hundert Rechnungen pro Monat, was etwa anderthalb Arbeitstage in Anspruch nahm.

Das überrascht mich mittlerweile nicht mehr. Ich bin mittlerweile der Ansicht, dass dies das typische Ergebnis der Art und Weise ist, wie Unternehmen KI beschaffen, und ich möchte ganz offen darlegen, warum das so ist.

Wir haben gemeinsam beschlossen, Frontier-Modelle wie Software zu behandeln: die Lizenz erwerben, die Nutzerlizenzen bereitstellen, ein Webinar durchführen, weitermachen. Das hat bei E-Mail und CRM funktioniert, weil der Wert dieser Tools im Tool selbst lag – der Posteingang war das Produkt, die Pipeline-Ansicht war das Produkt. Der Wert eines “Frontier”-Modells liegt nicht im Modell selbst. Er liegt in der Distanz zwischen dem Modell und den data-Kennzahlen, Berechtigungen, Gewohnheiten und Prozessen eines bestimmten Unternehmens: ob das Modell die Umsätze des letzten Quartals nach SKU anzeigen kann, ob es weiß, dass „Nettoumsatz“ in diesem Unternehmen Handelsausgaben ausschließt, ob eine Vertriebsleiterin es jemals auch nur ein einziges Mal genutzt hat, um eine Frage zu beantworten, die sie in dieser Woche tatsächlich klären musste. Niemand in der Organisation wird dafür bezahlt, diese Lücke zu schließen. Die IT-Abteilung ist für den Mandanten zuständig und misst die Verfügbarkeit. Das Geschäft ist für die Anwendungsfälle zuständig und misst gar nichts. Der Anbieter ist für die Roadmap zuständig und misst die Lizenzanzahl. Der Raum dazwischen gehört niemandem, und genau in diesem Raum liegt der Wert.

Nach einem Jahr, in dem ich Unternehmen genau in diesem „14%“-Moment besucht habe, bin ich zu der Überzeugung gelangt, dass dieser Bereich eine eigenständige Disziplin darstellt. Es handelt sich weder um Change Management mit besseren Folien noch um Systemintegration mit einer neuen API. Es handelt sich um die gemeinsame Arbeit in den Bereichen Technik, data, Sicherheit und Akzeptanz, die direkt beim Kunden vor Ort von Mitarbeitern geleistet wird, die auch in die Roadmap des Labors eingebunden sind und die eher für ein Ergebnis als für ein Lieferobjekt verantwortlich sind. Ich bezeichne dies als die „Deployment-Ebene“, und in diesem Artikel lege ich dar, warum sie wichtiger ist als die nächste Modellversion.

Warum die Einführung von KI in Unternehmen nach der Unterzeichnung des Lizenzvertrags ins Stocken gerät

Das Muster ist im Bankwesen, bei Konsumgütern, im Immobiliensektor und in der Telekommunikation dasselbe und vollzieht sich in einer wiedererkennbaren Abfolge. Ein Pilotprojekt ist erfolgreich: ein kleines Team im Marketing oder Kundenservice, ein wohlwollender Förderer, ein klarer Anwendungsfall, eine Demo, die die Geschäftsleitung in ihren Sitzen nach vorne beugen lässt. Ein zweites Pilotprojekt ist in einem anderen Bereich erfolgreich. Die Unternehmensleitung genehmigt eine unternehmensweite Einführung, oft mit einem Ziel wie “KI für alle bis zum 2. Quartal”. Die Einführung erfolgt. Die Akzeptanz steigt drei Wochen lang aufgrund des Neuheitsfaktors, flacht dann auf dem Niveau einer besseren Suchmaschine ab, und die Maßnahmen, die auf die Einführung folgen sollten, verharren auf einer Folie mit dem Titel “Phase 2”.”

Die üblichen Erklärungen sind falsch. Es ist nicht so, dass sich die Mitarbeiter gegen Veränderungen wehren; diejenigen, denen ich begegne, wünschen sich sehnlichst, dass das Tool bei ihrer eigentlichen Arbeit hilft, und sind frustriert darüber, dass es die Tabellenkalkulation, die sie gerade vor sich haben, nicht erkennen kann. Es liegt nicht daran, dass die Modelle noch nicht ausgereift sind; schon vor zwei Generationen waren sie zu einem Großteil dazu in der Lage, und die Kluft zwischen dem, was Claude oder GPT leisten können, und dem, was das Unternehmen von ihnen verlangt, hat sich seitdem nur noch vergrößert. Und es mangelt auch nicht an Anwendungsfällen. In jedem Workshop, den ich geleitet habe, entstehen an einem Vormittag achtzig davon, von denen die Hälfte Variationen des Satzes “Hören Sie auf, mich dazu zu zwingen, das immer wieder neu einzugeben” sind.”

Der Vorgang bleibt hängen, da drei Fragen keinen Verantwortlichen haben:

• Was weiß das Modell über uns? Auf welche Systeme hat es Zugriff – das Lager, die Dokumentenarchive, das Ticketingsystem, die HR-Plattform? Unter welchen Berechtigungen greift es darauf zu: unter denen des Dienstkontos oder unter denen der anfragenden Person? Und wenn es eine Nummer ausgibt, kann dann jemand diese auf die Tabelle oder das Dokument zurückverfolgen, aus dem sie stammt?
• Wer ist in den einzelnen Abteilungen für die Umsetzung verantwortlich? Nicht für die Erfassung der Lizenzzahlen – sondern für die Gewohnheit, das Tool montagmorgens bei der eigentlichen Arbeit in den Bereichen Vertrieb, Finanzen, Rechtsabteilung und Betrieb einzusetzen, wobei jeder dieser Bereiche unterschiedliche data-Werte, ein anderes Vokabular und eine andere Definition von “nützlich” aufweist.”
• Wer entwickelt die Agenten, und wer wartet sie, wenn die Berater das Unternehmen verlassen? Ein IT-Rückstand, der sich bereits über achtzehn Monate erstreckt, ein externer Dienstleister mit einem Zeit- und Materialvertrag oder Mitarbeiter aus dem Unternehmen, die den zu automatisierenden Prozess verstehen?

Mir ist bisher noch kein Programm bekannt, das erfolgreich war, bei dem diese Fragen von einem Lenkungsausschuss beantwortet wurden. Sie werden von denjenigen beantwortet, die die Arbeit vor Ort leisten und über Entscheidungsbefugnis verfügen.

Die Berechnung des KI-Werts

Die Rechnung, auf die ich immer wieder zurückkomme, ist einfach: Wert = Modell × Bereitstellung × Ebene

Der Wert ist eine sehr große Zahl. Multipliziert man ihn mit Null, erhält man Null. Mit jeder neuen Veröffentlichung aus den Forschungslabors wird der erste Faktor größer und der zweite Faktor entscheidender.

Und hier liegt der unangenehme Aspekt für alle, die hoffen, sich den Weg freikaufen zu können: Die Bereitstellungsschicht lässt sich nicht als Software erwerben. Die Labore verkaufen das Modell und die Plattform, und sie tun gut daran, es dabei zu belassen. Der Kontext, die Berechtigungen, die Gewohnheiten auf Abteilungsebene und die ersten Mitarbeiter sind spezifisch für das data-Modell und die Unternehmenspolitik jedes einzelnen Unternehmens – welches System gilt für einen Kunden als „Quelle der Wahrheit“, wer darf die Margen nach Produkten einsehen, und wie schließt das Finanzteam einen Monat tatsächlich ab? Diese müssen vor Ort entwickelt werden, und zwar von Personen, die sowohl die Roadmap des Modells als auch die Systeme des Kunden verstehen. Es gibt keine Abkürzung, und ich bin misstrauisch gegenüber jedem, der eine solche verspricht.

⏭️ Als Nächstes in Teil 2 – Der Fahrplan: Einführen, verankern, umsetzen, ausbauen

Wenn die Bereitstellungsschicht nicht als Standardsoftware erworben werden kann, woraus besteht sie dann? In Teil 2, erläutern wir die vier konkreten Komponenten, die aus einem generischen Modell einen internen Kollegen machen – „Deploy“, „Ground“, „Adopt“ und „Build“ – und untersuchen, wie die Haarpflegegruppe Bora Brasil löste das klassische Vertriebsproblem am Montagmorgen, indem er Claude in das Live-Unternehmen data einband.