Tag 3: Der Klarna-Effekt: Warum KI mehr braucht als Stellenabbau

Marc

Herzlich willkommen zu unserem ausfuehrlichen Audio Briefing fuer den AI Business Specialist Kurs an der Graduate School for Applied Technology and Management Zuerich. Mein Name ist Marc, und an meiner Seite ist Stefan. Heute bereiten wir gemeinsam den dritten Kurstag vor. Das Thema lautet: Interne Unternehmensanalyse fuer kuenstliche Intelligenz. Prozesslandkarte, KI Reifegrad und Quick Wins, der gezielte Blick nach innen fuer dein eigenes AI Projekt.

Stefan

Hallo Marc, hallo zusammen. Der dritte Kurstag findet am Freitag, dem 14. August 2026, ab 17:00 Uhr online via Zoom mit Dozent Alfonso Papa statt. Wer dieses Briefing hoert, kommt nicht mit leeren Haenden in den Unterricht, sondern bringt das praezise verstaendnis mit. An Tag zwei ging es um die Aussensicht. PESTEL Analyse, Porters Branchenstrukturanalyse, Stakeholder Grid. Das zeigt dir, was von aussen auf die Organisation einwirkt, was du aber selbst nicht direkt steuern kannst.

Marc

Heute drehen wir die Blickrichtung komplett um. Die Aussensicht sagt dir, was kommt. Sie sagt dir aber nicht, ob du im eigenen Haus ueberhaupt in der Lage bist, das Potenzial umzusetzen. Wer die Innensicht ueberspringt, verliebt sich rasend schnell in eine technologische Loesung, bevor das operative Problem verstanden wurde. Am Ende von Tag drei steht keine bloße Ideensammlung auf bunten Zetteln, sondern priorisierte Handlungsfelder mit harten Zahlen, klaren Quellen und namentlich benannten Process Ownern.

Stefan

Lass uns direkt bei der zentralen Ausgangslage ansetzen, Marc. Warum entscheidet die Innensicht ueber Erfolg oder Niederlage? Dazu gibt es zwei beeindruckende Zahlen aus der McKinsey Studie The State of AI von Ende 2025. Auf der einen Seite nutzen 88 Prozent der befragten Organisationen regelmaessig KI. Auf der anderen Seite berichten aber nur 39 Prozent ueberhaupt einen spuerbaren Effekt auf ihr Betriebsergebnis EBIT. Und mickrige sechs Prozent fuehren mehr als fünf Prozent ihres EBIT auf den Einsatz von KI zurueck.

Marc

Diese Lücke zwischen reiner Nutzung und echtem finanziellen Nutzen ist gewaltig. Und das MIT NANDA unterstreicht das in der Studie The GenAI Divide von Mitte 2025 noch schaerfer: Nur etwa fünf Prozent aller GenAI Piloten erzeugen messbaren betriebswirtschaftlichen Wert. Die Kernursache liegt laut MIT ausdrücklich nicht an der Modellqualitaet und auch nicht an den gesetzlichen Regulierungen, sondern schlicht daran, wie Organisationen KI in ihre bestehenden Arbeitsablaeufe einbinden. Wer vorne liegt, baut Arbeitsablaeufe grundlegend neu um, statt neue Werkzeuge einfach auf veraltete Prozesse draufzusatteln.

Stefan

Das beruehmteste Beispiel fuer dieses Spannungsfeld ist der Fall Klarna. Im Februar 2024 startete Klarna weltweit seinen OpenAI Assistenten. Angebunden an Konto und Transaktionsschnittstellen, geerdet in den Hilfeinhalten. Im ersten Monat verzeichnete das System 2,3 Millionen Konversationen. Laut Klarna entsprach das der Arbeitsleistung von rund 700 Vollzeitstellen, bei einer Lösungszeit von unter zwei Minuten statt vorher elf Minuten. Die Nachricht ging wie ein Lauffeuer durch die weltweite Wirtschaftspresse.

Marc

Aber die Geschichte war im Mai 2025 noch nicht zu Ende. Da kam die Kehrtwende. CEO Sebastian Siemiatkowski raeumte öffentlich im Bloomberg Interview ein, dass Klarna wieder verstaerkt Menschen im Kundendienst einstellt. Warum? Weil man zu stark auf reine Kostenoptimierung gedrillt hatte und die Qualität bei komplexen faellen drastisch eingebrochen war. Einfache Statusanfragen oder Zahlungsplaene liefen hervorragend. Aber bei Streitfaellen, Betrugsverdacht oder Härtefaellen, wo Empathie und Vertrauen zaehlen, fiel die Kundenzufriedenheit massiv. Falsche Auskünfte bei Gebühren wurden in der Finanzbranche schnell zu einem teuren Compliance Thema.

Stefan

Aus dem Fall Klarna lernen wir vier essenzielle Dinge fuer die eigene Analyse. Erstens: Nicht Rollen, sondern Aufgaben betrachten. Nicht den ganzen Kundendienst automatisieren, sondern Statusanfragen automatisieren und Härtefaelle beim Menschen belassen. Zweitens: Eskalationspfade fest einplanen. Das System muss sagen koennen, ich bin unschlüssig und uebergebe mit vollem Kontext an einen Experten. Drittens: Die richtige Kennzahl waehlen. Reine Volumenkennzahlen verdeckten bei Klarna den Qualitätseinbruch. Und viertens: Ein Quick Win ohne Eskalationspfad ist kein Erfolg, sondern ein Risiko mit kurzer Vorlaufzeit.

Marc

Genau hier greift das beruehmte Aufwandsmodell von BCG, die 10 20 70 Regel. Zehn Prozent des Gesamtaufwands entfallen auf Algorithmen, Modellwahl und Prompting. Zwanzig Prozent entfallen auf Technik, Datenaufbereitung und Schnittstellen. Und volle siebzig Prozent entfallen auf Menschen und Prozesse, also Rollen, Entscheidungsrechte, Prozess Redesign und Schulung. Wer nur ueber Modellauswahl spricht, diskutiert ueber die zehn Prozent Stellschraube und vernachlaessigt den siebzig Prozent Hebel.

Stefan

BCG unterscheidet zudem drei Ambitionsstufen: Deploy, Reshape und Invent. Deploy nutzt vorhandene Standardwerkzeuge fuer zehn bis fünfzehn Prozent Produktivität. Reshape baut ganze Funktionsbereiche mit neuem Workflow um und bringt 30 bis 50 Prozent Verbesserung. Invent schafft voellig neue Geschaeftsmodelle. Wenn wir uns anschauen, was die grossen Beratungsgeschaefte bei sich selbst gebaut haben, wird dieses Muster extrem deutlich.

Marc

Nimm McKinsey mit ihrem internen Assistenten Lilli. Angebunden an ueber 40 Wissensquellen und mehr als 100000 Dokumente. 72 Prozent der Firma nutzen Lilli aktiv, ueber 500000 Prompts pro Monat, mit bis zu 30 Prozent Zeitgewinn bei Recherche und Synthese. Oder PwC mit ChatPwC fuer 200000 Mitarbeitende und der agent OS Architektur mit ueber 25000 Agenten im Kundenbetrieb. Oder Deloitte mit Zora AI auf SAP Joule und NVIDIA. Und EY mit 150 spezialisierten Agenten fuer 80000 Steuerfachleute. Das Muster ist immer identisch: Sichere interne Assistenten auf eigenem Wissen, spezialisierte Agenten je Aufgabe statt Allzweckwerkzeuge, und vorgeklaerte Governance.

Stefan

McKinsey empfiehlt in ihrem Framework Rewired ausserdem ausdrücklich, keine langen Use Case Listen zu sammeln, sondern fokussierte Domaenen auszuwaehlen. Eine ganze Kundenreise oder ein kompletter Produktionsablauf wird von Anfang bis Ende neu konzipiert. Sechs Faehigkeiten muessen dabei gemeinsam aufgebaut werden: Roadmap, Talent, Operating Model, Technologie, Daten und Adoption. Jede Domaene wird an einen Vertrag mit der Geschaeftsleitung gebunden, der konkrete operative Leistungskennzahlen wie weniger Abwanderung oder hoehere Prozessausbeute garantiert.

Marc

Wie bringt man nun Struktur in diese Fuelle von Moeglichkeiten? Im Unterricht nutzen wir als erstes Suchraster die Wertschöpfungskette nach Michael Porter von 1985. Porter unterteilt ein Unternehmen in fünf Primaeraktivitaeten und vier Unterstuetzungsaktivitaeten. Zu den Primaeraktivitaeten gehoeren Eingangslogistik, Leistungserbringung, Ausgangslogistik, Marketing und Vertrieb sowie Service. Zu den Unterstuetzungsaktivitaeten zaehlen Infrastruktur, Personalwesen, Technologieentwicklung und Beschaffung.

Stefan

Das geniale an Porters Raster ist, dass man fuer jede einzelne Aktivitaet dieselben drei Fragen stellt: Wie viel Zeit bindet sie, wie viele faelle laufen monatlich durch, und wie strukturiert liegen die Daten vor? Oft wird KI ja als erstes im Marketing oder Kundendienst vermutet. Wenn man aber die Wertschöpfungskette systematisch durchgeht, entdeckt man riesige Hebel in der Eingangslogistik bei der automatischen Belegerfassung, in der Leistungserbringung bei der visuellem Qualitaetspruefung oder im Personalwesen bei der Stellenprofilerstellung.

Marc

Aus der Wertschöpfungskette leiten wir den zweiten Schritt ab: Die einseitige Prozesslandkarte. Eine saubere Prozesslandkarte passt auf eine einzige Seite und gliedert sich in drei horizontale Bander. Oben die Managementprozesse wie Strategie, Finanzsteuerung und Compliance. In der Mitte die Kernprozesse entlang der Kundenreise von der Anfrage bis zum Kundendienst. Und unten die Unterstuetzungsprozesse wie IT, HR und Buchhaltung.

Stefan

Fuer jeden einzelnen Kernprozess muessen zwingend drei Fakten eingetragen werden: Erstens die verantwortliche Person, also der Process Owner. Zweitens das geschaetzte Fallvolumen pro Monat. Und drittens das fuehrende IT System. Wenn diese drei Fakten fehlen, ist es keine Prozesslandkarte, sondern ein Wunschkonzert. Erst danach vertieft man ausgewaehlte Prozesse mit SIPOC, also Supplier, Input, Process, Output, Customer, oder modelliert sie formal in BPMN 2.0.

Marc

SIPOC zwingt dich dazu, Anfang, Ende und Beteiligte auf einer halben Seite zu definieren, bevor du in die Details gehst. Die meisten Prozessdiskussionen scheitern naemlich nicht an fehlenden Details, sondern an unklarer Abgrenzung. Erst wenn Anfang, Ende, Inputs und Outputs stehen, lohnen sich aufwendige BPMN Diagramme. Und koordiniert verhütet das zwei Fehler gleichzeitig: die Detailfalle und die Silofalle.

Stefan

Wenn die Landkarte steht, stellt sich die Frage: Wie erheben wir den Ist Prozess? Hier verweisen wir auf das Diktum Daten statt Meinungen. Workshops liefern meistens nur die Wunschversion der Beteiligten. Systemdaten hingegen liefern die ungeschminkte Wirklichkeit. Das Zauberwort heisst Process Mining. Aus dem Event Log eines ERP, CRM oder Ticketsystems mit den drei Spalten Fall ID, Aktivitaet und Zeitstempel rekonstruiert die Software automatisch den tatsaechlichen Prozessablauf.

Marc

Process Mining umfasst drei Phasen: Discovery zur automatischen Rekonstruktion des Ist Prozesses, Conformance zum Abgleich mit dem Soll Prozess, und Enhancement zur Anreicherung mit Kennzahlen wie Durchlaufzeiten, Wartezeiten und Rework Quoten. Die Guidehouse Fallstudie bei einem grossen US Versicherer zeigte, wie in nur vier Tagen Process Mining Analyse auf einem einzigen volumenstarken Prozess Einsparpotenziale von bis zu einer Million US Dollar pro Jahr aufgedeckt wurden. Und eine Forrester TEI Studie zu Celonis belegt eine Steigerung der Dunkelverarbeitungsquote von 33 auf 86 Prozent.

Stefan

Stefan, was macht man eigentlich, wenn ein Schweizer KMU keine perfekten Event Logs hat? Das ist bei Betrieben mit 50 oder 150 Mitarbeitenden oft der Normalfall. Man verzichtet trotzdem nicht auf Fakten. Es gibt drei pragmatische Ersatzwege: Erstens die Stoppuhrmessung bei zehn realen faellen. Zweitens die Ticket und Mailstatistik aus bestehenden Systemen. Und drittens die direkte Arbeitsplatzbeobachtung fuer eine Stunde, um Medienbrueche und manuelle Kopieraktionen zwischen Systemen live zu protokollieren. Der Anspruch ist nicht mathematische Vollstaendigkeit, sondern Belegbarkeit.

Marc

Auf dieser Datenbasis suchen wir nach den sieben Schmerzsignalen im Unternehmen. Erstens Wartezeiten, also Liegezeiten zwischen Schritten. Zweitens Rework, sprich Mehrfachbearbeitung wegen Fehlern. Drittens Medienbrueche durch manuelles Übertragen. Viertens unnötige Prozessvarianten. Fünftens wiederkehrende Rückfragen. Sechstens hohes Fallvolumen bei kleinem Einzelwert. Und siebtens Know how Monopole, wenn ein Ablauf an einer einzigen Person haengt. Jeder Schmerzpunkt wird mit vier Angaben beziffert: Was passiert, wie oft, wie lange und was kostet es.

Stefan

Um einen Schmerzpunkt in Schweizer Franken zu übersetzen, nutzen wir eine einfache Formel: monatliche Fallzahl mal Bearbeitungsminuten pro Fall mal Vollkostensatz pro Minute mal 12 Monate gleich jaehrliche Prozesskosten. Beispiel: 1250 Serviceanfragen pro Monat, davon 40 Prozent Statusfragen. Bei 6 Minuten Bearbeitung und CHF 1.20 Vollkosten pro Minute ergeben sich jaehrliche Kosten von rund 43200 Franken. Wenn man 60 Prozent dieser Statusfragen via KI automatisiert, spart das über 26000 Franken pro Jahr ein. Eine glasklare Rechenbasis fuer jedes Budgetgespraech.

Marc

Nun zoomen wir noch eine Ebene tiefer auf die Task Ebene. KI wirkt naemlich auf Aufgaben, nicht auf ganze Berufe. Eine Berufsrolle wie die Sachbearbeitung im Innendienst wird in ihre einzelnen Teilaufgaben zerlegt. Der Anthropic Economic Index von 2026 zeigt auf Basis der O NET Datenbank, dass bei 49 Prozent der untersuchten Berufe bereits mindestens ein Viertel der Aufgaben durch KI unterstuetzt werden kann. Dabei unterscheiden wir zwischen Automatisierung, wo das System eigenstaendig ausfuehrt, und Augmentation, wo Mensch und KI zusammenarbeiten.

Stefan

Nehmen wir die Angebotserstellung im Innendienst. Anfrage sichten und zuordnen ist 10 Prozent der Zeit und eignet sich fuer Automatisierung. Informationen zusammensuchen macht 30 Prozent aus und ist ideale Augmentation durch Wissenszugriff. Kalkulation und Marge festlegen ist 15 Prozent und bleibt reine Ermessensentscheidung beim Menschen. Angebot formulieren macht 25 Prozent aus und profitiert von KI Textentwürfen. Freigabe bleibt beim Menschen, Nachfassen wird automatisiert. Ergebnis: 55 Prozent der Arbeitszeit sind adressierbar, aber das Berufsbild bleibt bestehen. Das nimmt die Angst vor Jobverlust und macht die Analyse hochpraezise.

Marc

Kommen wir zum dritten grossen Themenblock: Reifegrad und Datenreife. Um den digitalen Standort ehrlich zu bestimmen, waehlen wir das CMM Stufenmodell des Software Engineering Institutes. Wir unterscheiden fünf Reifestufen: Initial mit verstreuter Schatten KI, Explorativ mit isolierten Piloten, Strukturiert mit Strategie und Governance, Skaliert mit KI in Kernprozessen, und Transformiert als KI natives Betriebsmodell. Das MIT CISR hat bei 721 Unternehmen nachgewiesen, dass erst ab Stufe 3 die finanzielle Performance messbar über den Branchenschnitt steigt. Aber nur 7 Prozent der Unternehmen erreichen die oberste Stufe.

Stefan

Eine globale Gesamtnote wie Stufe 2,5 bringt einem Unternehmen allerdings gar nichts. Sie verdeckt die wahren Schwachstellen. Deshalb bewerten wir im AIBS Modell sieben Achsen getrennt: Strategie, Daten, Technologie, Prozesse, Kompetenzen, Governance und Adoption. Fuer jede Achse erfassen wir den Ist Zustand heute, den besten Wettbewerber und das Zielbild in 12 bis 18 Monaten. Die drei groessten Lücken werden farblich markiert und mit Massnahme, Termin und Owner hinterlegt.

Marc

In den meisten Unternehmen erzeugt dieser mehrachsige Check einen heilsamen Reifegrad Schock. 63 Prozent der Datenverantwortlichen wissen laut Gartner nicht einmal, ob ihre Datenmanagement Praktiken KI tauglich sind. Und Gartner prognostiziert, dass bis 2026 rund 60 Prozent aller KI Projekte ohne KI taugliche Daten abgebrochen werden. Wichtig dabei: AI ready Data heisst nicht blitzblank geputzt, sondern repräsentativ fuer den konkreten Anwendungsfall, inklusive aller Fehlerfaelle und Ausreisser. Datenreife laesst sich nicht auf Vorrat herstellen, sondern immer nur vom konkreten Use Case her.

Stefan

Blicken wir auf die Schweizer Praxis. Das Schweizer Daten und KI Observatorium 2026 von Colombus Consulting, Oracle und der HEG Genf zeigt, dass erst 16 Prozent der Schweizer Unternehmen KI breit eingefuehrt haben. 65 Prozent haben zwar kleine Teams, aber die Skalierung stockt. Der Wavestone Cyber Benchmark 2026 belegt zudem: 76 Prozent der Firmen haben zwar Richtlinien fuer sichere KI Nutzung auf Papier, aber nur 10 Prozent verfügen ueber konkrete technische Schutzmechanismen. Papier schlaegt Umsetzung, und genau diese Lücke muessen wir schliessen.

Marc

Dazu kommt die Governance und die Pflichtenlage. Eine UpGuard Erhebung ergab, dass 81 Prozent der Mitarbeitenden und 88 Prozent der Sicherheitsverantwortlichen unberechtigte Schatten KI nutzen, 45 Prozent umgehen sogar technische Sperren. Statt Schatten KI stur zu bestrafen, nutzen wir sie als praezise Bedarfsliste der Belegschaft. Parallel gilt seit Februar 2025 Artikel 4 des EU AI Acts: Anbieter und Betreiber muessen ein ausreichendes Mass an KI Kompetenz bei allen mitarbeitenden Personen nachweislich sicherstellen. Das ist keine Kann Vorschrift, sondern Pflicht.

Stefan

Wie kommen wir jetzt von der Analyse zu den konkreten Initiativen? Hier definiert der AIBS Kurs fünf knallharte Bedingungen fuer einen echten Quick Win. Erstens: Daten liegen bereits vor. Zweitens: Owner im Fachbereich ist namentlich benannt. Drittens: Fehlerfall ist beherrschbar mit klarem Eskalationspfad. Viertens: Eine Mess Baseline existiert vor dem Start. Fünftens: Erste Wirkung in Wochen, nicht in Quartalen. Fehlt nur eine dieser fünf Bedingungen, ist es kein Quick Win, sondern ein komplexes Projekt.

Marc

Zur Priorisierung verwenden wir das PICK Raster von Lockheed Martin. Die vier Quadranten lauten: Implement fuer hohen Nutzen und kleinen Aufwand, Challenge fuer hohen Nutzen und grossen Aufwand, Possible fuer kleinen Nutzen und kleinen Aufwand, und Kill fuer kleinen Nutzen und grossen Aufwand. Wenn zwei Kandidaten im Implement Quadranten gleich gut aussehen, rechnen wir den RICE Score von Intercom durch: Reach mal Impact mal Confidence geteilt durch Effort. Der Schlüssel liegt im Faktor Confidence. Liegt die Unsicherheit unter 50 Prozent, ist es ein Experiment, kein verlaessliches Vorhaben.

Stefan

Ein Vorhaben ohne Vorher Messung ist wertlos. Vor dem Go live erheben wir die Baseline mit genau derselben Methode, mit der wir nach 8 bis 12 Wochen den Erfolg kontrollieren. BCG schaetzt, dass ohne explizite Wertlogik 10 bis 20 Prozent des erwarteten Werts schlicht erodieren. Ausserdem muss im Vorfeld geklaert werden, was mit der gewonnenen Arbeitszeit passiert. Wird sie fuer komplexere Kundenfaelle genutzt, fuer Weiterbildung oder fuer Prozessverbesserung? Ohne klare Antwort bleibt die Einsparung rein theoretisch.

Marc

Lass uns noch den konkreten Ablauf von Tag drei am Freitag, dem 14. August 2026, durchgehen. Von 17:00 bis 21:00 Uhr leitet Alfonso Papa durch den Abend. Es gibt drei geplante Aktivierungen. Um 17:35 Uhr ein Slido Poll zur KI Verbreitung in der Schweiz. Um 17:50 Uhr einen Chat Sturm zum groessten Prozessvolumen der Teilnehmenden. Und um 18:00 Uhr eine Breakout Session in Vierergruppen zum drängendsten Prozessschmerz. Nach der Pause um 18:45 Uhr startet der zweite Block mit einem knackigen Rückholer Quiz mit drei Fragen.

Stefan

Und ab 20:00 Uhr folgt dann die eigentliche Case Werkstatt, in der alle an ihrem eigenen KI Projekt arbeiten. Es entstehen drei konkrete Artefakte: Eine Prozesslandkarte auf einer Seite, eine mehrachsige Reifegradanalyse mit belegten Lücken und eine PICK gefilterte Quick Win Shortlist samt Baseline Messung. Alfonso bleibt im Hauptraum für Sprechstunden bis 21:00 Uhr zur Verfügung.

Marc

Das ist die direkte Vorbereitung auf die SAQ Zertifizierung zum AI Business Specialist für die Handlungskompetenz A3. Wer diese drei Artefakte am Freitag sauber erarbeitet, verschafft sich für die Use Case Discovery am nächsten Kurstag einen Vorsprung von zwei Wochen. Weil echte KI Transformation eben nicht bei der Frage beginnt, was ChatGPT tolles kann, sondern bei der ehrlichen Antwort auf die Frage, wo die eigenen Prozesse heute jeden Tag Zeit und Geld verlieren. Wir sehen uns am Freitag in der Session. Bis dahin und viel Erfolg bei der Vorbereitung.

Stefan

Auf Wiederhoeren und bis Freitag in der Zoom Session.