Die Umsetzungslücke ist real, und sie wird größer
Europa baut Schwung im Bereich künstliche Intelligenz auf, doch der Fortschritt verläuft ungleichmäßig. Accentures Forschung zu KI-Fortschritt, die Tausende von Unternehmen weltweit analysiert, zeigt, dass die größten Organisationen des Kontinents davonziehen, während kleinere Firmen zurückbleiben. Mauro Macchi, CEO von Accenture für Europa, den Nahen Osten und Afrika, formulierte es deutlich: Die Unternehmen, die Schwung aufbauen, verstehen, dass KI eine unternehmensweite Neuerfindung erfordert, keine Plug-and-Play-Einführung. Die Geschwindigkeit der Umsetzung, so argumentiert er, wird Europas künftige Wettbewerbsfähigkeit bestimmen.
Die Lücke ist kein Technologieproblem. Der Zugang zu Foundation Models, Cloud-Infrastruktur und vortrainierten APIs war noch nie so einfach. Die Lücke ist operativ. Große europäische Unternehmen gestalten Workflows neu, stärken Datenfundamente, weisen Führungsverantwortung zu und verankern Governance von Anfang an. Kleinere Firmen, insbesondere im DACH-Mittelstand, tun das Gegenteil: Sie kaufen Tools, führen Pilotprojekte durch und warten darauf, dass sich Wert materialisiert. Das tut er nicht.
Die Lehre für mittelständische Unternehmen besteht nicht darin, die Programmgröße eines multinationalen Versicherers oder Herstellers zu replizieren. Es geht darum, die Abfolge zu replizieren. Große Unternehmen sind erfolgreich, weil sie einer disziplinierten Reihenfolge folgen: eine Prozessfamilie wählen, nur die Daten bereinigen, die der Workflow erfordert, einen verantwortlichen Eigentümer zuweisen und Governance in die erste Produktivversion einbauen. Diese Abfolge lässt sich herunterskalieren. Das Budget muss es nicht.
Warum Beschaffung nicht dasselbe ist wie Kompetenzaufbau
Ein Großteil der Diskrepanz rührt von einem Fokus auf Beschaffung statt auf Kompetenzaufbau her. Technologie zu kaufen ist relativ einfach. Gewohnheiten, Workflows und Praktiken der Kundenbetreuung zu ändern ist weitaus anspruchsvoller, und viele Firmen unterschätzen die Investition, die erforderlich ist, um diesen Wandel zu unterstützen. Diese Beobachtung, die aus Analysen von Anwaltskanzleien stammt, die KI implementieren, gilt gleichermaßen für DACH-Fertigungs-, Logistik- und Dienstleistungsunternehmen.
Das Muster ist konsistent: Die Geschäftsführung genehmigt ein Budget, die IT-Abteilung beschafft eine Plattform, ein Pilot wird gestartet, und sechs Monate später stellt die Organisation fest, dass die Technologie funktioniert, die Menschen sie aber nicht nutzen. Der Engpass ist nicht die Genauigkeit des Modells oder die Latenz der API. Es ist das Fehlen eines neu gestalteten Workflows, das Fehlen eines benannten Eigentümers, der für die Einführung verantwortlich ist, und das Versäumnis, die spezifischen Daten zu bereinigen, die der neue Prozess erfordert.
Unternehmensweite Neuerfindung bedeutet, die Arbeit neu zu gestalten, nicht das Chaos zu automatisieren. Accentures Forschung zeigt, dass große europäische Unternehmen Betriebsmodelle überdenken und Workflows neu gestalten. Im Versicherungssektor beispielsweise automatisieren Unternehmen die Bearbeitung unkomplizierter Schadensfälle nicht, indem sie KI auf bestehende Genehmigungsketten aufsetzen, sondern indem sie die Kette vollständig zusammenlegen. Die KI wird zur Entscheidungsinstanz der ersten Linie, und menschliche Underwriter bearbeiten nur die Ausnahmen, die das Modell kennzeichnet. Das erfordert, die Prozesskarte neu zu schreiben, Rollen neu zu definieren und Mitarbeiter weiterzubilden. Es erfordert auch Führungsengagement und Governance-Strukturen, die sicherstellen, dass der neue Workflow befolgt wird.
Mittelständische Unternehmen können dasselbe in ihrer eigenen Größenordnung tun. Der Unterschied besteht darin, dass ein mittelständisches Logistikunternehmen nicht jeden Workflow in jeder Abteilung neu gestalten muss. Es muss einen neu gestalten: vielleicht die Bearbeitung von Lieferausnahmen, oder Rechnungsabgleich, oder Lieferanten-Onboarding. Auch die Neugestaltung eines einzelnen Workflows erfordert funktionsübergreifende Abstimmung zwischen IT, Betrieb, Compliance und gegebenenfalls Betriebsrat sowie mehrere Monate Change Management – aber mit klarer Eigentümerschaft ist dies innerhalb eines Geschäftsjahres erreichbar. Das Prinzip ist identisch. Der Umfang ist kleiner.
Die Infrastrukturfalle: Warum Datenfundamente vor der Modellauswahl kommen
Geschäftsführer wollen, dass KI Probleme löst und neue Fähigkeiten schafft, doch die Lücke zwischen dem Zugang zu KI-Fähigkeiten und ihrer sicheren, zuverlässigen und skalierbaren Operationalisierung ist weitaus größer, als viele einschätzen. Die erfolgreiche Integration von KI in bestehende Systeme erfordert erhebliche Voraussetzungen, einschließlich der Infrastruktur, Integrationsschichten, Sicherheitskontrollen und KI-Betriebsfähigkeiten, die erforderlich sind, um KI im großen Maßstab zu unterstützen. Zu viele Führungskräfte glauben, dass heutige KI Plug-and-Play ist. Das ist sie nicht.
Die Infrastrukturfalle ist besonders ausgeprägt in DACH-Mittelstandsunternehmen, wo Daten oft in isolierten ERP-Systemen, Legacy-Datenbanken und Abteilungs-Tabellen leben. Die Versuchung besteht darin, zuerst eine Plattform zu beschaffen und sich später um Daten zu kümmern. Diese Reihenfolge garantiert Scheitern. Die richtige Reihenfolge ist: zuerst den Workflow wählen, die Daten identifizieren, die dieser Workflow erfordert, nur diese Daten bereinigen und dann die Plattform auswählen, die sie aufnehmen kann.
Datenfundamente bedeuten nicht einen Data Lake oder ein Warehouse-Modernisierungsprogramm. Sie bedeuten sicherzustellen, dass die spezifischen Felder, die der neue Workflow erfordert, korrekt, zugänglich und nahezu in Echtzeit aktualisiert sind. Für einen Workflow zur Bearbeitung von Lieferausnahmen könnten das sein: Sendungs-ID, Spediteur, geplantes Lieferdatum, tatsächliches Lieferdatum, Ausnahme-Grundcode und Kundenbenachrichtigungsstatus. Sechs Felder. Wenn diese sechs Felder sauber und abfragbar sind, kann der Workflow automatisiert werden. Wenn sie es nicht sind, hilft keine noch so ausgefeilte Modellsophistikation.
Hier haben große Unternehmen einen Vorteil – nicht im Budget, sondern in der Disziplin. Sie haben gelernt, oft durch teure Fehlschläge, dass KI-Projekte auf der Datenebene scheitern. Mittelständische Unternehmen können diese Lektion lernen, ohne das Schulgeld zu zahlen. Klein anfangen. Eine Prozessfamilie wählen. Nur die Daten bereinigen, die dieser Prozess erfordert. Den Workflow aufbauen. Dann expandieren.
Führungsverantwortung: Warum ein benannter Eigentümer ein funktionsübergreifendes Lenkungskomitee schlägt
McKinseys Forschung zum Stand der KI zeigt, dass inzwischen die meisten Organisationen KI in mindestens einer Funktion einsetzen, die meisten jedoch keine signifikanten Auswirkungen auf das unternehmensweite EBIT berichten. Die Top-KI-Performer, die kleine Gruppe, die Wert erfasst, folgen zwei zentralen Praktiken: Sie gestalten Workflows von Anfang bis Ende neu, und sie weisen klare Eigentümerschaft zu. Die zweite Praktik wird oft übersehen.
Ein funktionsübergreifendes Lenkungskomitee ist keine Eigentümerschaft. Ein Lenkungskomitee überprüft Fortschritte, löst Eskalationen und genehmigt Budgets. Es besitzt nicht das Ergebnis. Eigentümerschaft bedeutet, dass eine Person für Einführung, Nutzung und Geschäftsergebnisse verantwortlich ist. Diese Person ist typischerweise nicht der CTO oder der Leiter Digital. Es ist der Leiter der Geschäftsfunktion, in der der Workflow lebt: der Leiter Logistik, der Leiter Finanzen, der Leiter Kundenservice.
Eigentümerschaft ist keine Delegation. Der Eigentümer übergibt das Projekt nicht an die IT und wartet auf eine Demo. Der Eigentümer gestaltet den Workflow neu, stellt sicher, dass das Team geschult ist, überwacht die Nutzung und passt den Prozess an, wenn die Einführung stockt. Der Eigentümer besitzt auch die Datenqualität für diesen Workflow. Wenn der Workflow zur Bearbeitung von Lieferausnahmen saubere Lieferdaten erfordert, ist der Leiter Logistik dafür verantwortlich, dass diese Daten korrekt sind. Nicht die IT. Nicht das Datenteam. Der Geschäftseigentümer.
So automatisieren große europäische Versicherer die Schadensbearbeitung. Der Leiter Schaden besitzt die Workflow-Neugestaltung, die Schulung, die Einführungsmetriken und die Governance. Die IT stellt die Plattform und die Integrationsschicht bereit. Das Datenteam stellt die Pipeline bereit. Aber der Geschäftseigentümer ist für den Wert verantwortlich. Diese Struktur lässt sich perfekt auf ein Mittelstandsunternehmen mit fünfzig Mitarbeitern in der Finanzabteilung oder dreißig im Kundenservice herunterskalieren. Ein benannter Eigentümer. Ein Workflow. Ein Satz Einführungsmetriken.
Governance als Feature, nicht als Nachgedanke
Governance ist der Punkt, an dem die meisten mittelständischen KI-Projekte zusammenbrechen. Der Pilot funktioniert, der Business Case wird genehmigt, und dann fragt jemand: Wer prüft die Entscheidungen des Modells? Wer stellt sicher, dass es DSGVO-konform ist? Wer aktualisiert es, wenn sich die Geschäftsregeln ändern? Wenn die Antwort lautet „das klären wir später", ist das Projekt bereits tot.
Große Unternehmen verankern Governance in der ersten Produktivversion. Sie definieren Genehmigungsschwellen, protokollieren jede Modellentscheidung, weisen eine Überprüfungskadenz zu und dokumentieren die Logik hinter jeder automatisierten Aktion. Sie tun dies nicht, weil sie Compliance-Papierkram lieben, sondern weil sie gelernt haben, dass nicht-governierte KI nicht-skalierbare KI ist. In dem Moment, in dem ein Regulierer, ein Kunde oder ein Prüfer fragt „warum hat das System das getan?" und die Antwort lautet „wir wissen es nicht", stoppt das gesamte Programm.
Governance erfordert kein dediziertes Team. Sie erfordert drei Dinge: ein Entscheidungsprotokoll, einen Überprüfungsprozess und einen benannten Eskalationspfad. Für einen Workflow zur Bearbeitung von Lieferausnahmen protokolliert das Entscheidungsprotokoll jede Ausnahme, die die KI gekennzeichnet hat, die Aktion, die sie empfohlen hat, und ob ein Mensch sie überstimmt hat. Der Überprüfungsprozess ist ein monatliches Meeting, bei dem der Logistik-Eigentümer und der Betriebsleiter das Protokoll überprüfen, Muster identifizieren und die Regeln anpassen. Der Eskalationspfad ist: Wenn die KI eine Ausnahme kennzeichnet, die sie nicht klassifizieren kann, leitet sie sie innerhalb von zwei Stunden an einen Menschen weiter, und die Entscheidung dieses Menschen wird protokolliert. Das ist Governance. Sie passt auf eine einzelne Seite. Sie kann in einer Woche implementiert werden.
Mittelständische Unternehmen sollten nicht warten, bis sie hundert Workflows automatisiert haben, um Governance aufzubauen. Sie sollten sie in den ersten Workflow einbauen. Die Struktur ist dieselbe, ob die Firma fünf KI-gesteuerte Prozesse hat oder fünfzig. Die Disziplin ist, was zählt.
Die Abfolge ist die Strategie
Der DACH-Mittelstand muss nicht das Budget eines multinationalen Unternehmens erreichen. Er muss die Abfolge erreichen. Eine Prozessfamilie wählen, bei der der Business Case klar und die Daten zugänglich sind. Diesen Workflow von Anfang bis Ende neu gestalten, Genehmigungsschritte zusammenlegen und KI als Entscheidungsmotor einbetten, nicht als Empfehlungsschicht. Nur die Daten bereinigen, die dieser Workflow erfordert, und einen Geschäftseigentümer zuweisen, der für Einführung, Nutzung und Ergebnisse verantwortlich ist. Governance in die erste Produktivversion einbauen: ein Entscheidungsprotokoll, einen Überprüfungsprozess und einen Eskalationspfad.
Diese Abfolge funktioniert in jeder Größenordnung. Ein Logistikunternehmen mit fünfhundert Mitarbeitern kann die Bearbeitung von Lieferausnahmen nach denselben Prinzipien neu gestalten, die ein zehntausend Mitarbeiter zählender Versicherer zur Neugestaltung der Schadensbearbeitung verwendet. Der Umfang ist kleiner. Die Disziplin ist identisch.
Die Umsetzungslücke in Europa ist keine Technologielücke. Es ist eine Disziplinlücke. Große Unternehmen ziehen voran, weil sie diszipliniert in Bezug auf Abfolge, Eigentümerschaft und Governance sind. Mittelständische Unternehmen können die Lücke schließen, indem sie die Abfolge kopieren, nicht das Budget. Die Firmen, die das tun, werden den KI-Übergang nicht nur überleben. Sie werden ihn definieren.
Ein Fit Call führt Sie durch die Abfolge für einen Workflow in Ihrer Organisation – bevor Sie ein weiteres Quartal mit Pilotprojekten verbringen, die nicht skalieren.