Tobias Zwingmann | AI Advisor und Managing Partner bei RAPYD.AI

Liebe KI-Fans,

allein 2025 haben Unternehmen weltweit laut Gartner über 1,5 Billionen Dollar in Künstliche Intelligenz investiert – Tendenz steigend. Doch eine NBER Studie, durchgeführt von Stanford-Forschern unter 6.000 Führungskräften, belegt, was viele bereits am eigenen Leib erfahren haben: Mehr als 80 % sehen nicht den erhofften Produktivitätseffekt – und das obwohl mehr als 70 % aktiv KI nutzen.

Warum passiert das? Einfach gesagt, weil die meisten Unternehmen auf Tools, nicht auf Lösungen setzen.

Ein Beispiel: Mittlerweile hat so ziemlich jedes Unternehmen einen „Allzweck-KI" Assistenten im Einsatz – beispielsweise ChatGPT, oder den Copilot von Microsoft. Darüber hinaus gesellen sich Plugins, Spezialtools, oder neue KI-Features in bestehender Software hinzu. Allein im Microsoft App Store gibt es mittlerweile über ein Dutzend vorgefertigte KI-Agenten für Excel als Add-Ons - mit wenigen Klicks installiert.

Ich nenne diese Tools Productivity AI. Einzelne Mitarbeitende werden dadurch schneller. Auf Organisationsebene jedoch lösen sich diese Effekte nahezu vollständig auf. „Zeit gespart” taucht nicht in der GuV auf – im Gegenteil: Durch die neuen Lizenzen entstehen sogar höhere Kosten.

Für messbaren ROI benötigt es einen anderen Ansatz, den ich als Engineered AI bezeichne: Auf die jeweiligen Prozesse des Unternehmens zugeschnittene Lösungen, die einen klaren Hebel auf Kosten, Qualität, Geschwindigkeit oder Skalierung haben – und dabei die Art und Weise in der Arbeit erledigt wird mitunter komplett neu definieren. Stichwort Prozessdesign, statt Prozessoptimierung. 

Aber Vorsicht: Solche KI-Lösungen haben eine andere Kostenkurve als klassische IT-Projekte. Bei klassischer Software fallen die größten Kosten am Anfang, in der Entwicklung, an. Bei KI jedoch ist es umgekehrt – die laufenden Kosten wachsen in der Regel nach dem Go-Live mit steigender Nutzung, nicht davor. Wer das nicht kalkuliert, baut eine Kostenfalle.

Drei Prinzipien helfen, das zu vermeiden:

Prinzip 1: Starte mit Anwendungsfällen, die sich schnell rechnen.

Das ambitionierte Transformationsprojekt macht sich gut im Strategy-Deck, aber schlecht in der konkreten Operationalisierung. Starte daher nicht mit dem „coolsten” KI-Case, sondern mit dem profitabelsten. Mein einfachster Filter dafür ist die 10K-Regel. Die funktioniert so: Bevor du ein Problem mit KI lösen willst, fragst du dich: Liefert das einen wiederkehrenden Mehrwert von mindestens 10.000 €, z. B. durch weniger manuelle Bearbeitung, vermiedene Fehler oder schnellere Durchlaufzeiten? Und wenn ja, wie häufig? Unter 10.000€ pro Jahr lohnt sich keine Eigenentwicklung – diese Fälle starten besser als Productivity AI, aber kein eigenes KI-Projekt.

Prinzip 2: Business Ownership, anstelle von „Die IT macht das schon" 

Die besten KI-Anwendungsfälle entstehen dort, wo die operativen Pain Points und zukünftigen Bottlenecks sitzen – Entscheider aus Produktion, Marketing, Controlling oder HR kennen ihre jeweiligen Probleme am besten. Deshalb muss die Richtung vom Fachbereich kommen. Wer als Business-Verantwortlicher die KI-Roadmap nicht selbst in die Hand nimmt, wird sie auch nicht bekommen.

Prinzip 3: Mitarbeitende früh einbinden und iterieren 

Involviere deine Teams von Tag 1 – nicht als Schulungsteilnehmer, sondern als Mitgestalter der KI-Lösung. Die besten KI-Ideen kommen von den Menschen, die die Prozesse jeden Tag leben. Wer bereits Productivity AI im Alltag nutzt, entwickelt ein Gespür dafür, welche Aufgaben sich für Engineered AI eignen. Diese Mitarbeitenden sind deine besten Scouts für profitable Anwendungsfälle. Starte klein, lerne, passe an. Jeder Erfolg finanziert den nächsten Schritt.

Auf diese Weise entstehen KI-Projekte mit Wirkung – und du stellst sicher, dass dein Investment nicht in der Tool-Falle landet, sondern echten Mehrwert für die GuV bringt.

Über den Autor: Tobias Zwingmann ist Autor von „The Profitable AI Advantage" und berät Unternehmen bei der Entwicklung profitabler KI-Strategien. Wöchentlicher Newsletter mit 10.000+ Abonennt*innen: blog.tobiaszwingmann.com

3 weitere KI-Trends:

📣 EU AI Act Hochrisiko-Phase startet? Seit dem 6. April 2026 gelten neue Pflichten für KI in Bereichen wie HR, Bildung und Gesundheit – Kommunikationsteams müssen jetzt intern erklären, wo KI eingesetzt wird und was sich ändert.

📣 Ohne gute Daten keine gute KI: KI-Projekte scheitern selten an der Technik, sondern an schlechter Datenqualität und fehlender Governance – interne Kommunikation wird zum entscheidenden Enabler für den Erfolg.

📣 KI-Vertrauen entsteht nicht von allein: Mitarbeitende akzeptieren KI nicht automatisch, selbst wenn sie entlastet – sie wollen wissen, wofür sie eingesetzt wird, welche Daten genutzt werden und wo menschliche Verantwortung bleibt. IK muss diese Einordnung aktiv liefern.