Wenn drei der einflussreichsten Strategieberatungen der Welt mit unterschiedlichen Methoden, unterschiedlichen Stichproben und unterschiedlichen Analyserahmen zum selben Ergebnis kommen, lohnt sich genaues Hinsehen. Im Jahr 2025 veröffentlichten McKinsey, Bain und BCG jeweils umfangreiche KI-Untersuchungen. Sie gelangten zum gleichen Befund: Der primäre Bestimmungsfaktor für den KI-Unternehmenswert ist nicht das Modell, nicht der Anbieter und nicht der Technologie-Stack. Es ist die Frage, ob die Organisation ihre Workflows um die KI-Fähigkeiten herum neu gestaltet — oder KI lediglich auf bestehende Prozesse aufsetzt.
Das ist kein feiner Unterschied. Es ist der Unterschied zwischen transformativer Wertschöpfung und der Frage, warum die KI-Investition nichts abwirft. Für die Geschäftsführung im Mittelstand ist das die entscheidende Weichenstellung, denn sie liegt nicht in der Technik, sondern in der eigenen Organisation.
McKinsey: Redesign korreliert am stärksten mit dem EBIT
McKinseys State-of-AI-Studie 2025 liefert die belastbarsten Daten zu dieser Frage. Inzwischen setzen 88 % der Organisationen KI in mindestens einer Geschäftsfunktion ein — die Adoption ist also weitgehend abgeschlossen. Der Wert nicht. Nur rund 6 % der Befragten qualifizieren sich als KI-Spitzenreiter, definiert über eine der KI zugeschriebene EBIT-Wirkung von mehr als 5 %. Zwischen breiter Nutzung und messbarem Ergebnis klafft eine Lücke.
Von allen getesteten Faktoren korreliert das grundlegende Workflow-Redesign am stärksten mit der EBIT-Wirkung. Das ist die zentrale Aussage der Studie, und sie ist bewusst nüchtern formuliert: Nicht die Modellwahl, nicht das Investitionsvolumen, nicht der bevorzugte Anbieter erklärt den Unterschied zwischen Spitzenreitern und dem Rest am besten — sondern die Frage, ob ein Unternehmen seine Arbeitsabläufe von Grund auf umbaut. Die Spitzenreiter behandeln KI nicht als Effizienz-Add-on, sondern als Anlass, ihre Organisation umzubauen: Sie gestalten Workflows neu, skalieren schneller und treiben Innovation, statt Werkzeuge an bestehende Abläufe zu hängen.
McKinsey bringt es auf eine Formel: Die Gewinner „schrauben" Modelle nicht an bestehende Prozesse an, sondern bauen die Prozesse selbst um — Vertriebs-Playbooks, Support-Runbooks, den Software-Entwicklungszyklus — und stellen Wissen und Inhalte so bereit, dass KI verlässlich darauf operieren kann. Die Werkzeuge sind in beiden Fällen dieselben. Der Wert ist es nicht.
Dieses Muster überrascht nicht. Es wiederholt jede vorangegangene Technologiewelle. Als Tabellenkalkulationen aufkamen, bildeten die meisten Unternehmen ihre Papierbücher elektronisch nach. Jene, die Finanz-Workflows neu dachten — Szenariomodelle, automatisierte Abstimmungen, Echtzeit-Reporting — zogen um Größenordnungen mehr Wert aus derselben Technologie. Als E-Mail kam, digitalisierten die meisten ihre Papiermemos. Jene, die Kommunikations-Workflows umbauten — Freigabeketten kürzten, asynchrone Koordination ermöglichten, Distanzen verkürzten — bauten fundamental schnellere Organisationen.
KI folgt derselben Kurve. Die Technologie wird breit eingeführt, das Redesign, das ihren Wert erschließt, nur vereinzelt. Die Skalierungslücke ist im Kern eine Workflow-Lücke.
Bain: Der größte Bestimmungsfaktor ist nicht das Modell
Bains Technology Report 2025 formuliert denselben Befund mit ungewöhnlicher Direktheit: Die wichtigsten Hebel einer KI-Transformation sind das Redesign der Prozesse und die Bereinigung von Daten und Anwendungslandschaft — nicht die Modell-Innovation. Technologie allein, so Bain, kann diese Grundlagenarbeit nicht abkürzen. Wenn eine Strategieberatung ihren Klienten sagt, dass die Modellwahl gegenüber der Prozessarchitektur zweitrangig ist, hat das spürbare Konsequenzen für die KI-Strategie eines Unternehmens.
Bain benennt den häufigsten Fehler unmissverständlich: KI als Einzellösung zu behandeln statt als Lifecycle-Transformation. Unternehmen führen Werkzeuge ein, ohne die Workflows um sie herum neu zu gestalten — und wundern sich über den ausbleibenden Effekt. Der Unterschied zwischen „Prozesse optimieren" und „Workflows neu gestalten" ist der Unterschied zwischen einem schnelleren Pferd und einem Automobil.
Die ökonomische Evidenz stützt diese Unterscheidung. Bain berichtet, dass Unternehmen, die über Pilotprojekte hinaus zu vollständig in die Kern-Workflows eingebetteter KI übergehen, 10 bis 25 % EBITDA-Steigerung erzielten. Erreicht wurde das durch tiefe Einbettung von KI in funktionale Abläufe in Vertrieb, Entwicklung und Produktmanagement — kombiniert mit konsequenter Datenbereinigung und laufender Governance. Einzelaufgaben-Deployments — hier ein Chatbot, dort ein Dokumentenklassifizierer, ein Code-Assistent fürs Engineering — erzeugen messbare, aber inkrementelle Gewinne. Workflow-Level-Deployment, bei dem KI einen End-to-End-Prozess mit menschlicher Aufsicht an definierten Entscheidungspunkten trägt, erzeugt strukturelle Verbesserungen der Betriebswirtschaft.
Für den Mittelstand verschiebt das die Eigentümerschaft der Initiative. Workflow-Redesign ist eine Geschäftsentscheidung, keine Technologieentscheidung. Ein IT-Verantwortlicher kann KI-Werkzeuge bereitstellen — aber nur die operative Führung einer Funktion kann umgestalten, wie diese Funktion arbeitet. Wird KI als IT-Projekt gerahmt, produziert sie Werkzeugbeschaffung. Wird sie als Betriebsmodellwandel gerahmt, produziert sie Redesign. Die Verantwortungsstruktur entscheidet über das Ergebnis, bevor das erste Werkzeug ausgewählt ist.
BCG: 70 Prozent des Werts liegen im Kern — und in Prozessen
BCG nähert sich derselben Schlussfolgerung aus zwei anderen Blickwinkeln. Der erste betrifft die Verteilung des Werts. Laut BCGs AI Radar 2025 entfallen rund 70 % des potenziellen KI-Werts auf Kernfunktionen — F&E und Innovation, Marketing, Vertrieb, Produktion, Lieferkette und Preisgestaltung. F&E und Innovation allein stehen für etwa 15 % des Gesamtpotenzials, gefolgt von digitalem Marketing, Produktion, Customer Journeys und Vertrieb. Das sind keine peripheren Unterstützungsfunktionen, in denen KI Administration automatisiert. Es sind die Funktionen, in denen Arbeit direkt Umsatz, Marge und Wettbewerbsvorteil erzeugt.
Der zweite Blickwinkel ist BCGs 10-20-70-Regel. Sie empfiehlt, rund 10 % der Ressourcen auf Algorithmen, 20 % auf Technologie und Daten und 70 % auf Menschen und Prozesse zu verwenden. Die Zahlen sind eine Faustregel, kein Naturgesetz — aber die Botschaft ist dieselbe wie bei McKinsey und Bain: Der knappe, teure, entscheidende Teil einer KI-Transformation ist nicht das Modell. Es ist der Umbau dessen, wie Menschen arbeiten. Genau hier scheitern die meisten Programme, weil sie ihr Budget umgekehrt verteilen.
Die Wertkonzentration erklärt, warum Deployment auf Werkzeugebene enttäuscht. Wenn der Großteil des Werts in Kernfunktionen liegt und diese durch komplexe, mehrstufige, funktionsübergreifende Workflows definiert sind, dann adressiert ein KI-Einsatz auf Einzelaufgabenebene — dieses Dokument zusammenfassen, diese E-Mail entwerfen, dieses Ticket klassifizieren — die Peripherie und lässt den Kern unberührt. Ein Vertriebsteam, das KI für Akquise-E-Mails nutzt, schöpft einen kleinen Teil des Werts ab. Eine Vertriebsfunktion, die um KI-gestütztes Lead-Scoring, automatisierte Qualifizierung, dynamische Preisgestaltung und intelligentes Pipeline-Management herum neu gestaltet wurde, schöpft den Großteil. Die wenigen „future-built" Unternehmen, die BCG identifiziert — rund 5 % — investieren mehr als doppelt so viel in KI und erwarten doppeltes Umsatzwachstum sowie deutlich höhere Kostensenkungen in den Bereichen, in denen sie KI anwenden.
Das Anti-Pattern, das alle drei Häuser beschreiben
In ihren Analysen beschreiben McKinsey, Bain und BCG dasselbe Anti-Pattern mit bemerkenswerter Konsistenz. Das Muster verläuft so: Ein Unternehmen beschafft KI-Werkzeuge, setzt sie in bestehenden Prozessen ein, misst Adoption (wie viele Mitarbeiter die Werkzeuge nutzen) und berichtet Fortschritte. Unterdessen bleiben die Workflows, in die diese Werkzeuge eingebettet sind, unverändert. Dieselben Menschen erledigen dieselbe Arbeit in derselben Reihenfolge mit denselben Entscheidungspunkten — nur mit einem KI-Assistenten, der an bestimmten Stellen verfügbar ist.
Das ist es, was McKinseys Adoptions-Wert-Lücke repräsentiert: 88 % nutzen KI, 6 % schöpfen materiellen EBIT-Wert daraus. Es ist das, was Bain als „Einzellösung statt Lifecycle-Transformation" benennt. Und es ist das, was BCGs 10-20-70-Regel implizit kritisiert, wenn 70 % des Aufwands auf Menschen und Prozesse entfallen sollten, das Budget der meisten Programme aber zum Modell und zur Technik fließt.
Das Anti-Pattern persistiert, weil es organisatorisch bequem ist. Workflow-Redesign erfordert, die Art zu verändern, wie Menschen arbeiten, was Widerstand auslöst. Es erfordert die Neudefinition von Rollen, was Ängste auslöst. Es erfordert neue Governance-Strukturen, was Aufmerksamkeit der Führungsebene erfordert. Es erfordert funktionsübergreifende Koordination, was das Aufbrechen von Silos erfordert. Ein KI-Werkzeug zu beschaffen und einem bestehenden Prozess hinzuzufügen, erfordert nichts davon. Der Werkzeugansatz ist einfacher, schneller und erzeugt sichtbare Aktivität. Er erzeugt nur keinen materiellen Wert.
Dies ist die Frage Automatisierung versus Augmentierung auf Unternehmensmaßstab. Automatisierung ersetzt einen menschlichen Schritt durch einen KI-Schritt innerhalb eines bestehenden Prozesses. Augmentierung gestaltet den Prozess neu, um das, was KI gut kann, und das, was Menschen gut können, als komplementäre Fähigkeiten zu nutzen. Die Beratungshäuser sind sich einig: Augmentierung durch Redesign erzeugt ein Vielfaches des Werts, den Automatisierung durch Einfügung erzeugt.
Was Redesign konkret bedeutet
Workflow-Redesign ist nicht abstrakt. Es folgt einem konkreten Muster. Erstens: Den aktuellen Workflow abbilden — nicht die idealisierte Version aus der Prozessdokumentation, sondern den tatsächlichen Workflow, wie er operiert, mit all seinen Workarounds, Ausnahmen und informellen Praktiken. Process Mining ist die Disziplin, die diese Abbildung produziert.
Zweitens: Identifizieren, wo KI-Fähigkeiten die Ökonomie des Workflows verändern. Welche Schritte sind hochvolumig und musterdicht — geeignet für KI-Automatisierung? Welche erfordern Urteilsvermögen, würden aber von KI-generierten Empfehlungen profitieren? Welche sind wirklich neuartig und sollten menschengesteuert bleiben? Die sechs Dimensionen des AI Operating System liefern den Rahmen für diese Analyse.
Drittens: Den Workflow um die neue Fähigkeitsverteilung herum neu gestalten. Das ist der Schritt, den die meisten Organisationen überspringen. Er bedeutet: die Reihenfolge der Schritte ändern, die Entscheidungspunkte, die Eskalationspfade, die beteiligten Rollen und die Kennzahlen zur Leistungsmessung. Ein neu gestalteter Schadenworkflow sieht nicht aus wie der alte Schadenworkflow mit einem KI-Schritt. Er sieht aus wie ein fundamental anderer Prozess — einer, in dem KI Klassifikation, Routing und Erstbewertung als einen einzigen automatisierten Ablauf erledigt, während menschliche Sachbearbeiter sich auf komplexe Fälle, Kundenkommunikation und Qualitätsaufsicht konzentrieren.
Viertens: Governance für den neu gestalteten Workflow implementieren. Wer überwacht die Entscheidungen der KI? Welche Schwellenwerte lösen eine menschliche Überprüfung aus? Wie werden Ausnahmen behandelt? Was passiert, wenn die Genauigkeit des Modells nachlässt? Das Framework der Entscheidungsarchitektur adressiert diese Fragen systematisch.
Die methodische Übereinstimmung
Die Methodik des AI Operating System basiert auf demselben Prinzip, das McKinsey, Bain und BCG unabhängig voneinander erreicht haben. Die Methodik beginnt nicht mit der Technologieauswahl. Sie beginnt mit der Workflow-Analyse. Die sechs Dimensionen — Strategie, Daten, Technologie, Organisation, Governance und Operations — sind die Dimensionen des Workflow-Redesigns. Die drei Level der KI-Integration definieren, wie tief das Redesign geht: Level 1 gestaltet einzelne Workflows neu, Level 2 gestaltet ganze Funktionen neu, Level 3 gestaltet das Betriebsmodell des Unternehmens neu.
Diese Reihenfolge ist kein Zufall. In der praktischen Arbeit mit Mittelständlern zeigt sich dasselbe Muster, das die drei Beratungshäuser nun über Tausende von Umfrageteilnehmern hinweg quantifiziert haben: Wer Workflows neu gestaltet, schöpft ein Vielfaches des Werts gegenüber dem, der lediglich Werkzeuge einführt. Die Einheit des KI-Werts ist der Workflow, nicht das Modell — und genau deshalb beginnt jede ernsthafte KI-Initiative bei der Frage, wie die Arbeit heute tatsächlich fließt, und nicht bei der Frage, welches Werkzeug man kauft.
Wenn Ihre Organisation KI-Werkzeuge nutzt, aber die Workflows, in denen diese Werkzeuge arbeiten, nicht neu gestaltet hat, ist die Evidenz von McKinsey, Bain und BCG konsistent: Sie schöpfen einen Bruchteil des verfügbaren Werts ab. Ein Fit Call beginnt bei Ihren aktuellen Workflows und identifiziert, wo Redesign die größte Wirkung erzielt — bevor eine Technologieentscheidung getroffen wird.
Referenzen: McKinsey & Company, „The State of AI in 2025: Agents, Innovation, and Transformation", November 2025 (mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai); Bain & Company, „Technology Report 2025: State of the Art of Agentic AI Transformation", 2025 (bain.com/insights/state-of-the-art-of-agentic-ai-transformation-technology-report-2025); BCG, „The Widening AI Value Gap / AI Radar 2025: From Potential to Profit", 2025 (bcg.com/publications/2025/closing-the-ai-impact-gap).