Tag 2: Warum KI erst mit Prozessen und Governance Wert schafft

Stefan

Stell dir vor, du hast eine Technologie, die, um, praktisch jedes Unternehmen im Land bereits nutzt. Ganze 88 Prozent laut der globalen McKinsey Studie State of AI 2025. Aber wenn man dann auf die Bilanz schaut, auf das tatsaechliche Betriebsergebnis, also den EBIT, dann sagen nur magere 39 Prozent der Firmen, dass sie ueberhaupt irgendeinen positiven Effekt sehen.

Martina neu

39 Prozent nur bei so einer riesigen Verbreitung von 88 Prozent? Das ist ja, uh, eine gigantische Luecke. Wo verpufft denn die ganze Energie?

Stefan

Na ja, viele verwechseln eben die pure Modellleistung mit echtem Wertbewerbsvorteil. Und dabei erleben wir gerade die sogenannte LLMflation. Die Inferenzkosten fuer GPT 4 Leistung sind innerhalb von zwei Jahren um das zweihundertachtzigfache eingebrochen. Wir stehen 2026 bei etwa 0.10 US Dollar pro Million Tokens. Das reine Sprachmodell ist, um, vollkommen austauschbar geworden, eine reine Commodity.

Martina neu

0.10 US Dollar pro Million Tokens ist natuerlich spottbillig. Aber wenn das Modell selbst kaum noch was kostet, wo entsteht dann ueberhaupt noch die eigentliche Wertschoepfung?

Stefan

Die verlagert sich radikal in drei andere Schichten. Erstens proprietaere Daten, zweitens die tiefe Einbettung in den Workflow und drittens die Kontrolle ueber die Distribution. Und genau da setzt die Praxis an.

Martina neu

Ja, genau das zeigt auch die Arbeitsmarktforschung ganz deutlich. Die BCG hat dazu dieses bekannte 10 20 70 Prinzip aufgestellt. 10 Prozent des Transformationsaufwands fliessen in die Algorithmen, 20 Prozent in Technologie und Daten, aber ganze 70 Prozent entfallen auf Menschen und Prozesse. Wer nur ein Tool oben auf einen schlechten Ablauf setzt, scheitert. Schaut man sich etwa den britischen Versicherer Aviva an, die haben nicht einfach nur ein Modell eingekauft. Die haben den kompletten Schadenprozess umgebaut, ueber 80 KI Modelle integriert und so die Haftungspruefung um ganze 23 Tage verkuerzt.

Stefan

23 Tage weniger bei der Haftungspruefung, das ist mal eine Ansage. Da sieht man sofort den Hebel im Operating Model.

Martina neu

Absolut. Und trotzdem erleben wir in den Schweizer Firmen ein enormes Spannungsfeld auf der Fuehrungsebene. Laut dem BCG AI Radar entscheiden heute zwar 72 Prozent der CEOs persoenlich ueber die KI Budgets, die im Schnitt bei 1.7 Prozent des Unternehmensumsatzes liegen. Aber, um, auf der anderen Seite geben 66 Prozent der Firmen ihren Mitarbeitenden keinerlei Vorgaben, was mit der durch KI eingesparten Arbeitszeit eigentlich geschehen soll.

Stefan

66 Prozent ohne Zielvorgabe fuer die gesparte Zeit! Das ist ja im Grunde eine eingebaute Effizienzfalle. Die Zeit versickert einfach irgendwo im Alltag, statt in Wertzuwachs verwandelt zu werden.

Martina neu

Und das bringt uns direkt zum aktuellen Hype rund um autonom handelnde Agenten. Gartner hat da vor kurzem eine ziemlich drastische Prognose abgegeben: Bis Ende 2027 werden ueber 40 Prozent aller agentischen KI Projekte wieder abgebrochen. Wegen explodierender Tokenkosten, unklarem Nutzen und massivem Agent Washing der Softwareanbieter.

Stefan

Ueber 40 Prozent Abbruchquote bei Agenten, das unterstreicht genau das Problem. Ein Chatbot gibt nur Text aus, aber ein Agent ruft APIs auf, trifft Entscheidungen und erzeugt in Schleifen pausenlos Inferenz. Wenn man da nicht aufpasst, rennt die Kostenkontrolle komplett davon.

Martina neu

Genau deshalb verlangt die Schweizer Berufspruefung zum eidgenoessischen Fachausweis AI Business Specialist auch kein theoretisches Schwafeln, sondern ein glasklares dreistufiges Mini Assessment. Eine Idee muss raus aus der Spielzeugecke. Man braucht eine konkrete Vorher Nachher Kennzahl, klar definierte Rollen im Fachbereich und verbindliche menschliche Freigabepunkte im Prozess, bevor der Agent ueberhaupt handeln darf.

Stefan

Und auf der technischen Seite loesen wir das Problem der Kostenfalle heute ueber FinOps und eine hybride Router Architektur. Ein vorgelagerter Router analysiert jede Anfrage. Einfache Standardaufgaben gehen an extrem guenstige Basismodelle, und teure Reasoning Modelle werden nur dann zugeschaltet, wenn die Komplexitaet der Aufgabe es betriebswirtschaftlich wirklich rechtfertigt.

Martina neu

Das macht betriebswirtschaftlich absolut Sinn. Stefan, wenn du jetzt auf die Schweizer Unternehmensrealitaet blickst, an welchem konkreten Punkt entscheidet sich denn schlussendlich, ob so ein KI Case im Verwaltungsrat durchgewunken wird oder als unkontrollierbares Risiko endet?

Stefan

Es entscheidet sich genau an der Frage, ob du die drei Dinge zusammenbringst: ein valides Betriebskostenmodell mit strikten Limits, eine klare Verankerung der Verantwortung im Fachbereich und den Nachweis, dass der Arbeitsprozess von Grund auf neu gedacht wurde. Fehlt einer dieser Punkte, bleibt es ein teures Experiment.

Martina neu

Das bringt es auf den Punkt. Wer die Hausaufgaben bei den Prozessen und der Governance nicht macht, zahlt am Ende drauf.