AI Reality Check 2026: Der Kater nach dem Hype

Generative KI ist in Unternehmen angekommen – zumindest auf dem Papier. Lizenzen wurden gekauft, Strategien formuliert, Pilotprojekte gestartet. Doch drei Jahre nach dem großen ChatGPT Moment bleibt eine zentrale Frage offen: Hat die KI-Revolution bereits wirklich begonnen?

Irene Racher und Ralph Zlabinger nehmen in der ersten Folge unserer neuen Miniserie „AI Reality Check 2026“ eine ehrliche Bestandsaufnahme vor. Sie sprechen über den wachsenden Widerspruch zwischen milliardenschweren KI‑Investitionen und der ernüchternden Realität in vielen Organisationen: kaum messbare Produktivitätsgewinne und zunehmende Frustration.

 Zwischen Erwartung und Realität

Im Mittelpunkt stehen aktuelle Studien, ökonomische Perspektiven und Erfahrungen aus der Beratungspraxis. Dabei zeigt sich ein zentrales Spannungsfeld zwischen

• Führungskräften und Mitarbeitenden,
• offiziell freigegebenen Tools und gelebter Schatten‑IT,
• technologischer Leistungsfähigkeit und unveränderten Prozessen.

„Die KI ersetzt keine Kompetenz. Sie multipliziert sie.“

Wer bereits über tiefes Fachwissen verfügt, profitiert erheblich. Wer es nicht tut, bleibt zurück – oft ohne es zu bemerken. Ergänzt wird diese Perspektive durch Praxis Einblicke von AI Solution Architect Minh Cao sowie Geschäftsführer Christian Schaupp (beide EFS Consulting).

Die strukturelle Lücke

Irene Racher und Ralph Zlabinger machen deutlich: Das zentrale Problem liegt nicht bei der Technologie selbst. Es sind Strukturen, Governance, fehlende Prozessveränderungen – und ein Missverständnis darüber, was KI für Organisationen wirklich bedeutet. Dabei spielt speziell die sogenannte Schatten-IT und der resultierende Capability Gap eine essenzielle Rolle. 

Für wen diese Folge besonders relevant ist

• Führungskräfte und Verantwortliche für Organisation, Innovation und Transformation
• Wissensarbeiter:innen in komplexen oder regulierten Umfeldern
• Berater:innen, Analyst:innen und Manager:innen
• Und für alle, die KI jenseits von Hype & Buzzwords einordnen wollen

Wir wünschen viel Freude beim Hören!

Haben Sie Fragen zum Thema Künstliche Intelligenz? Schreiben Sie uns gerne eine E-Mail an podcast@efs.at. 

Quellen, Links & Recherche: 

https://efs.consulting/insights/podcast/artificial-intelligence/ai-reality-check/

Transcript

00;00;00;13 - 00;00;28;27
November 2022. Ein Browserfenster geht auf und für Millionen Menschen fühlt sich plötzlich die Zukunft anders an, ChatGPT ist online. Innerhalb weniger Tage wird es zur am schnellsten wachsenden Onlineplattform, die je existiert hat. Schneller als Instagram, schneller als TikTok, schneller als alles, was vorher kam. Texte schreiben, Code generieren, Businessmodelle analysieren, juristische Dokumente zusammenfassen in Sekunden für alle kostenlos. Einfach so.

00;00;29;00 - 00;00;43;28
Die Reaktionen sind extrem. Auf der einen Seite Euphorie, auf der anderen Existenzangst und irgendwo dazwischen, die meisten von uns. Fasziniert, unsicher... mit einer wachsenden Liste offener Fragen.

00;00;44;01 - 00;01;10;28
Heute, dreieinhalb Jahre später, sind diese Fragen nicht verschwunden, sie sind größer geworden. Willkommen beim EFS Podcast. Wir sind Irene Racher und Ralph Zlabinger. Und das hier ist der Auftakt zu unserer neuen Miniserie AI Reality Check 2026. Vom Hype zur Wertschöpfung. Sechs Episoden, sechs ehrliche Blicke hinter die Kulissen. Kein Hype-Selling, keine Panikmache, sondern das, was wir in der Beratungspraxis wirklich sehen, hören und erleben.

00;01;11;03 - 00;01;27;23
Und heute starten wir mit der Frage, die eigentlich alle beschäftigt, aber die sich viele nicht laut zu stellen trauen. Hat die angekündigte Revolution bisher wirklich stattgefunden oder sitzen wir gerade auf einer der teuersten Enttäuschungen der Wirtschaftsgeschichte?

00;01;27;25 - 00;01;57;15
Lasst mich mit einer Zahl starten, die mich ehrlich gesagt beschäftigt. Wir reden hier über eine Technologie, in die Unternehmen weltweit im Jahr 2024 über 250 Milliarden $ investiert haben. Die großen Techkonzerne haben für 2026 sogar KI Infrastruktur Ausgaben von 667 Milliarden $ angekündigt. Ein Anstieg von 62 % gegenüber dem Vorjahr. Das ist kein zögerliches Ausprobieren, das ist ein Wettlauf, ein Wettlauf mit historischen Dimensionen.

00;01;57;17 - 00;02;24;21
Aber jetzt die Gegenzahl in einer der größten Untersuchungen, die es bisher zu diesem Thema gibt - eine Studie des National Bureau of Economic Research mit circa 6000 Führungskräften in den USA, Großbritannien, Deutschland und Australien gaben über 80 % der befragten Unternehmen an, sie finden keinen messbaren Einfluss von KI auf Produktivität oder Beschäftigung. 80 %. Kein messbarer Einfluss bei 250 Milliarden $ Investitionen.

00;02;24;21 - 00;02;26;24
Das muss man sich auf der Zunge zergehen lassen.

00;02;26;27 - 00;02;58;09
Und das ist ein Widerspruch, der sich nur schwer auflösen lässt. Und er ist kein Einzelbefund. Fortune berichtet, dass fast 8/10 Unternehmen zwar angeben, generative KI zu nutzen, aber ebenso viele berichten von keinem signifikanten Einfluss auf das Geschäftsergebnis. Der Ökonom Torsten Slok brachte es kürzlich auf den Punkt. KI ist überall, nur nicht in den makroökonomischen Daten. Keine Spuren in den Beschäftigungszahlen, keine Spuren in den Produktivitätsdaten, keine Spuren in den Gewinnmargen, zumindest außerhalb der großen Konzerne selbst.

00;02;58;14 - 00;03;25;03
Slok ruft damit bewusst ein berühmtes Zitat aus dem Jahr 1987 in Erinnerung. Der Ökonom Robert Solow schrieb damals in der New York Times: “Das Computerzeitalter ist überall sichtbar, nur nicht in den Produktivitätsstatistiken.” Man nennt es das Solow-Paradoxon, auch bekannt als das Produktivitätsparadoxon. 30 Jahre nach dem PC Boom. Und wir stehen wieder am gleichen Punkt, nur diesmal mit generativer KI.

00;03;25;08 - 00;03;29;29
Ob sich die Geschichte hier wiederholt?

00;03;30;02 - 00;03;40;25
Aber bevor wir das als abschließendes Urteil stehen lassen, hören wir uns die Stimmen an, die diese Debatte gerade wirklich prägen. Denn es gibt nicht nur eine Wahrheit. Es gibt mindestens drei.

00;03;40;28 - 00;04;17;15
Fangen wir mit der kritischsten an. Daron Acemolu. MIT-Professor. Nobelpreisträger für Wirtschaftswissenschaften, einer der angesehensten Ökonomen weltweit und einer der schärfsten Kritiker des aktuellen KI Hypes. Goldman Sachs prognostiziert, generative KI werde das globale BIP in den nächsten zehn Jahren um 7 % steigern. Andere Studien gehen von einem jährlichen BIP Wachstum von 3 bis 4 Prozentpunkten aus. Acemolus Antwort? Er erwartet über die nächsten zehn Jahre ein BIP Wachstum von lediglich 1,1 bis 1,6 % mit einem jährlichen Produktivitätsgewinn von gerade einmal 0,05 %.

00;04;17;17 - 00;04;40;15
Ich wiederhole 0,05 % pro Jahr. Warum ist er so skeptisch? Acemolu glaubt, dass generative KI hauptsächlich einen begrenzten Bereich von White Collar Aufgaben betrifft. Datenzusammenfassung, visuelle Mustererkennung, Klassifikation. Und das seien, so schätzt er, im Wesentlichen etwa 5 % der Gesamtwirtschaft.

00;04;40;17 - 00;05;16;23
Und er geht noch weiter. Für ihn ist die Frage nach der Produktivität nicht einmal die eigentliche Frage. Seine tiefere These: Technologie im Allgemeinen hat keine festgeschriebene Zukunft. Die Entscheidungen, die wir heute treffen, bestimmen, ob Technologien eben KI den arbeitenden Menschen stärken oder ob sie primär Automatisierung und Ungleichheit beschleunigen. Acemolu kritisiert, dass das aktuelle Entwicklungsmodell zu stark auf Automatisierung ausgerichtet ist, also auf das Ersetzen menschlicher Arbeit statt auf Augmentation, also KI als Werkzeug zu nutzen, das Menschen produktiver macht und neue Gestaltungsräume eröffnet.

00;05;16;24 - 00;05;31;10
Und er macht sich Sorgen um den Investitionsdruck, den der Hype erzeugt. In einem Interview sagt er sinngemäß: “Wenn CEOs das Gefühl haben, Sie fallen hinter die Konkurrenz zurück, wenn sie nicht in KI investieren, dann kaufen sie einfach etwas, egal was. Egal, ob es einen echten Business Case gibt oder nicht.”

00;05;31;16 - 00;05;57;19
Das ist die erste Stimme, der nüchterne Ökonom - jetzt die zweite, weil wir wollen das Ganze ja aus mehreren Perspektiven betrachten. Jason Furman, ehemalige Chefökonom des Weißen Hauses und ursprünglich skeptisch, hat seine Position zuletzt revidiert. Neue Daten zeigen, dass die US Arbeitsproduktivität über einen Zwei Jahres Zeitraum mit 2,5 % jährlich wächst und über den aktuellen sechs Jahreszyklus bei 2,2 % liegt.

00;05;57;20 - 00;06;28;27
Das ist, so Furman, der zweitbeste Wert seit 1973 nach dem Dot-com-boom. Erik Brynjolfsson, Stanford Ökonom und einer der renommiertesten Forscher zu digitalen Wirtschaft, sieht die Lage deutlich optimistischer. Seine These: Wir stecken gerade mitten in dem, was er die “J-kurve der Produktivität” nennt. Neue Technologien brauchen Zeit. Zeit für Investitionen, für organisationale Anpassungen, für den Aufbau komplementärer Fähigkeiten. Der Nutzen kommt nicht sofort, aber er kommt.

00;06;28;27 - 00;06;31;09
Und wenn er kommt, dann kommt er geballt.

00;06;31;12 - 00;06;51;09
Das kennen wir aus der Geschichte der Produktivitätsboom durch den Personal. Computer ließ Jahrzehnte auf sich warten, bevor er erst in den 1990 Jahren in einem massiven Wachstumsschub mündete. Die Frage ist: Sind wir tatsächlich in so einer schmerzhaften Wartephase? Oder wird gerade mehr versprochen, als jemals eingelöst werden kann?

00;06;51;11 - 00;07;17;24
Und dann gibt es noch eine dritte Stimme, die vielleicht relevanteste von allen. Die Stimme der Praktiker:innen. Die Menschen, die KI täglich nutzen. In Unternehmen, in Projekten, in echten Arbeitsabläufen. Und hier wird das Bild wirklich interessant, weil es sich stark danach unterscheidet, wen man genau fragt. Eine Studie unter 5000 White Collar Beschäftigten ergab: 2/3 der Mitarbeitenden sagen, KI spare ihnen 0 bis 2 Stunden pro Woche.

00;07;17;27 - 00;07;34;08
40 % sagen, sie können gut damit leben, KI nie wieder zu nutzen. Auf der anderen Seite: Mehr als 40 % der Führungskräfte sagen, KI spare ihnen über acht Stunden pro Woche. Dieselbe Technologie. Völlig unterschiedliche Erfahrungen.

00;07;34;11 - 00;08;01;26
In einer groß angelegten Studie mit über 9000 Wissensarbeiter wurde etwas herausgefunden, dass ich für zentral halte. 94 % der sogenannten super Produktiven, also die 10 % der Belegschaft, die das meiste aus KI herausholen, berichten von enormen individuellen Effizienzgewinnen. Sie sparen über 20 Stunden pro Woche, aber gleichzeitig sagen 90 % von ihnen, dass KI mehr Koordinationsaufwand zwischen Teams erzeugt. Das ist das Kernparadoxon.

00;08;01;29 - 00;08;20;19
Der individuelle Gewinn ist real, aber die Organisation ist nicht vorbereitet ihn aufzunehmen. Stell dir vor, deine besten Mitarbeiterinnen sind vom Formel-1-Fahrer:innen. Aber sie rasen auf Straßen, die für Pferdekutschen gebaut wurden. Das bedeutet mehr Speed erzeugt einfach nur mehr Stau. Nicht mehr Ankommen.

00;08;20;20 - 00;08;45;08
Das sehen wir auch in der Softwareentwicklung konkret: In Entwicklungsteams mit hoher KI Nutzung wird die Arbeit schneller produziert. Aber die Qualitätssicherung, die Freigabe, die Abstimmung... das alles dauert jetzt länger. Die Zeit, die früher im Code schreiben steckte, steckt jetzt in Prüfen. Der Engpass verschiebt sich. Er verschwindet nicht. Und dann gibt es auch noch eine Beobachtung, die ich besonders bemerkenswert finde und die weit über die betriebswirtschaftliche Ebene hinausgeht.

00;08;45;13 - 00;09;12;20
Google berichtet, dass inzwischen 50 % seines Codes von KI geschrieben wird, mit einem Geschwindigkeitsvorteil von über 10 %. Eine große Unternehmensberatung meldet, dass nach der Einführung von Gemini über 90 % der Mitarbeitenden das Tool binnen zwei Wochen nutzen. Das klingt nach Transformation, aber gleichzeitig: Die eingesparte Zeit kommt nicht bei den Mitarbeitenden an, stattdessen werden die Effizienzgewinne genutzt, um mehr Output von denselben Menschen zu verlangen.

00;09;12;27 - 00;09;24;01
Was früher sechs Stunden dauerte, dauert jetzt 40 Minuten, aber niemand schickt dich früher nach Hause. Das ist die stille Seite des Produktivitätsversprechens, und über das wird nicht so oft gesprochen.

00;09;24;03 - 00;09;56;04
Ich möchte noch einen Befund teilen, der mich wirklich zum Nachdenken gebracht hat. Eine Meta-Analyse aus 2025, die 28 Experimente mit über 8000 Teilnehmenden ausgewertet hat, kommt zu einem... überraschenden? Vielleicht auch nicht überraschenden Ergebnis. KI unterstützte Teams erzielten zwar moderat höhere Kreativitätswerte, aber zu einem erheblichen Preis. Dramatisch weniger Ideenvielfalt, Menschen und Modelle konvergieren auf statistisch wahrscheinliche Antworten. KI demokratisiert Qualität, aber sie nivelliert den Durchschnitt.

00;09;56;06 - 00;10;21;22
Und Wettbewerbsvorteile entstehen langfristig nicht aus dem Durchschnitt. Und jetzt werde ich versuchen, das etwas weniger geschwollen auszudrücken. Es liegt in der Natur der Sache, dass KI Ideen generiert, die aus dem Durchschnitt des Alten bestehen, aber gute Ideen oder Innovation entstehen, wenn man Dinge miteinander kombiniert, die zuvor nicht kombiniert wurden. KI ist also das Gegenteil von wirklicher Kreativität und das werden wir mit der Zeit immer mehr zu spüren bekommen.

00;10;21;29 - 00;10;44;14
Genau. Die Zukunft ist in der Vergangenheit nicht enthalten und das führt uns direkt zur eigentlichen Frage dieser Miniserie. Die Frage, die wir in den nächsten sechs Episoden aus allen Blickwinkeln beleuchten werden. Es geht nicht darum, ob KI eine mächtige Technologie ist. Das ist sie - unbestreitbar. Es geht nicht darum, ob KI in bestimmten Kontexten enorme individuelle Produktivitätssteigerungen ermöglicht. Das tut sie.

00;10;44;15 - 00;11;03;00
Die Daten sind eindeutig. Die eigentliche Frage ist, warum landet dieser Gewinn nicht auf der Unternehmensebene? Warum scheitern laut Studien bis zu 95 % der KI Projekte nicht an der Technologie, sondern an allem drumherum? Und was müssen wir ändern, damit das alles anders wird?

00;11;03;02 - 00;11;25;05
Das sind keine abstrakten Fragen. Das sind Fragen, mit denen wir täglich konfrontiert sind. In Konzernen, die KI Lizenzen verteilt haben, aber keine Prozesse verändert haben. In Finanzinstituten, wo Compliance Abteilungen und Innovationsteams im Dauerwiderspruch stehen. In Organisationen, wo die besten Leute anfangen, an der offiziellen IT vorbei zu arbeiten, weil die offiziell zugelassenen Tools zu schwach sind für das, was sie wirklich brauchen.

00;11;25;11 - 00;11;34;23
Und wir haben in dieser Miniserie Menschen dabei, die das aus erster Hand kennen, aus der Praxis, aus echten Projekten mit echten Zahlen.

00;11;34;25 - 00;11;47;09
Was ich in den nächsten Wochen erwartet? Wir fangen heute mit der unbequemen Bestandsaufnahme an, dem Widerspruch zwischen dem, was versprochen wurde, und dem, was in den meisten Unternehmen tatsächlich angekommen ist. Aber das ist nur der Einstieg.

00;11;47;11 - 00;12;03;24
In der nächsten Episode werden wir einen Schritt zurücktreten und eine Frage stellen, die eigentlich am Anfang jedes KI Projektes stehen sollte und die meistens nicht gestellt wird. Was ist KI überhaupt? Und ich meine damit nicht technisch, sondern strategisch. Weil wer das nämlich falsch einordnet, der fängt schon mal mit dem falschen Werkzeug an.

00;12;03;25 - 00;12;18;01
Und dann wird es persönlich. Wir reden über eine Fähigkeit, die in Stellenbeschreibungen noch kaum auftaucht, aber in den nächsten Jahren über Karrieren entscheiden wird. Und wir stellen eine Frage, die sich viele nicht laut stellen Was passiert mit uns, wenn wir das Denken zunehmend auslagern?

00;12;18;04 - 00;12;31;16
Und danach verlassen wir die Theorie komplett. Wir schauen uns echte Projekte an, echte Zahlen, echte Fehler und die ehrliche Antwort auf die Frage, warum so viele KI Initiativen im Piloten stecken bleiben, obwohl die Technologie theoretisch längst bereit wäre.

00;12;31;21 - 00;12;46;06
Dann kommen wir zu einem Thema, das in jeder Führungsrunde früher oder später aufploppt und meistens Unbehagen auslöst. Was darf KI, was muss geregelt sein? Und warum ist Governance nicht das Gegenteil von Innovation, sondern ihre Voraussetzung?

00;12;46;08 - 00;12;57;11
Und der Abschluss gehört dann euch - eure Fragen, eure Erfahrungen, eure Zweifel und einen Blick nach vorne. Denn die generative Welle, über die wir heute sprechen, ist nicht das Ende der Geschichte.

00;12;57;14 - 00;13;22;13
Bevor wir in die Tiefe gehen, eine kurze Bestandsaufnahme, drei Jahre nach dem großen ChatGPT Moment arbeiten Millionen Menschen täglich mit KI Tools. In fast jedem Unternehmen gibt es inzwischen eine offizielle KI Strategie. Lizenzen werden eingekauft, Rollouts geplant, Workshops gehalten. Und trotzdem wenn man ehrlich nachfragt, wo ist der Wandel? Vielleicht liegt die Antwort nicht dort, wo wir suchen.

00;13;22;15 - 00;13;47;21
Ich fange mal mit etwas an das wir alle kennen, aber selten laut aussprechen. In den meisten Unternehmen gibt es gerade zwei parallele Realitäten. Die erste: Der offiziell freigegebene Copilot mit Governance, mit Compliance, mit IT Sicherheitsfreigabe. Alles korrekt, alles dokumentiert. Die zweite: Die leistungsstärksten Mitarbeiter:innen im Unternehmen nutzen ganz andere Tools - Privat Accounts, Spezialagenten, eigene Modelle, also die sogenannte Schatten-IT.

00;13;47;24 - 00;13;51;03
Warum? Ralph, du kennst es aus der Praxis.

00;13;51;06 - 00;14;18;05
Ja und ich glaube, man muss hier ganz fair sein. Das ist kein böser Wille. Dieses Compliance Problem ist real. Denn in den meisten Großunternehmen ist Microsoft Copilot das einzig wirklich freigegebene Tool, weil es eben perfekt in die bestehende M365 Infrastruktur integriert ist. Das ist eben sein größter Vorteil. Es kennt die Daten, die Dokumente, die Systeme. Aber genau darin liegt eben die Krux. Copilot muss alles mitlesen, inklusive der Guardrails.

00;14;18;06 - 00;14;55;07
Das erzeugt Latenz und das erzeugt wiederum Frustration bei denen, die vorher schon mit ChatGPToder Claude oder anderen Agenten gearbeitet haben. Diese Tools wirken dann einfach performanter, obwohl sie eigentlich nicht wirklich performanter sind, sondern einfach anders funktionieren. Und wenn jemand jetzt eben irgendwas macht mit AI, Architektur-Reviews, juristische Argumentationsketten oder irgendwelche spezifischen Coding Frameworks benutzen möchte, da stoßen dann die abgesicherten Unternehmens Chatbots schnell an ihre Grenzen und der User wendet sich frustriert ab und möchte eigentlich zu den Schatten-IT-lösungen zurückkehren oder tut es sogar.

00;14;55;08 - 00;14;58;24
Dazu unser AI Solution Architekt Minh Cao.

00;14;58;24 - 00;15;24;23
Wo wir mit Lösungen kommen ist, wo eigentlich... ich würde sagen 50 % von der Lösung eigentlich auch Mindset Change ist bei den Firmen. Sie müssen anders arbeiten lernen, weil viele sind noch ein Transformation. Viele hängen noch auf alten Modellen, wie man wie man Software entwickelt. Was nötig ist? Ich würde sagen wirklich für die IT und Automation Seite von den Lösungen aber gleichzeitig die Lösung selbst muss man analystisch total anders betrachten.

00;15;24;25 - 00;15;41;28
Das heißt KI kann theoretisch sehr viel, wir kommen nur nicht dran. Also wir nutzen KI Chatbots höchstpersönlich, individuell, aber viel zu wenig zur echten Unterstützung unserer Expertise. Und das, obwohl genau dort das größte Potenzial liegt. Und das ist ja der sogenannte Capability Gap.

00;15;41;28 - 00;15;45;24
Schatten-IT entsteht eben nicht aus Rebellion, sondern aus Leistungsdruck.

00;15;45;27 - 00;16;18;04
Ja, und aus einem Management Fehler. Man hat KI eingekauft, aber nicht verstanden, dass man damit Fähigkeiten verschiebt und zwar ungleich. Also wenn Expert:innen anfangen, ihre eigenen Systeme zu bauen, während der Rest mit einer abgespeckten Version arbeitet, dann entsteht eine neue Wissensasymmetrie mitten im Unternehmen. Unsichtbar und wachsend. Da stelle ich mir immer die grundlegende Frage: Macht uns die Nutzung von KI auf Dauer eigentlich dümmer oder bietet sie uns endlich die Chance, mit den tiefergehenden Fragen zu beschäftigen?

00;16;18;05 - 00;16;40;08
Also wenn die Routine wegfällt. Damals, als Bücher neu waren, hat man ja auch vor der Lesesucht und der geistigen Verwirrung durch lesen gewarnt. Und das ist ja quasi bei allen neuen Medien so, also ob Radio, Fernsehen, Social Media, Streaming oder eben auch künstliche Intelligenz. Die neuen Medien werden zuerst immer mit Skepsis betrachtet. Also man fürchtet sich vor der Manipulation, der Oberflächlichkeit und der Überforderung.

00;16;40;09 - 00;17;04;19
Doch wie die Geschichte zeigt, lernen wir, diese Werkzeuge ja dann doch klug zu nutzen und ihre Vorteile zu erkennen. Aber zurück zum Thema. Wenn deine besten Leute anfangen, an der offiziellen Infrastruktur vorbei zu arbeiten, dann verlierst du als Unternehmen ein wertvolles Gut, nämlich die Transparenz darüber, wie die Arbeit erledigt wird. Und damit ist nicht das Ergebnis das Problem, sondern der Weg dorthin ist es.

00;17;04;21 - 00;17;16;24
Irene lass mich ein Paradoxon aufwerfen, das mich ehrlich gesagt schon länger beschäftigt und das ich sehr faszinierend finde. KI hilft ausgerechnet denen am meisten, die sie theoretisch am wenigsten brauchen.

00;17;16;27 - 00;17;45;06
Das klingt provokant, aber es stimmt Die Expert:innen werden schneller, präziser, produktiver. Sie nutzen KI als Denkpartner, als Sparringpartner, als Werkzeug, das ihre eigene Schärfe noch schärfer macht. Und die Anfänger:innen? Wer keine solide Wissensbasis hat, der bekommt von der KI Honig ums Maul geschmiert. Die Antworten klingen ja super brillant. Die Struktur ist da. Die Eloquenz ist da. Nur die Substanz, die fehlt manchmal.

00;17;45;09 - 00;17;48;03
Und wer das Fachwissen nicht hat, der merkt das nicht.

00;17;48;05 - 00;18;20;09
Genau das ist das Problem der höflichen Maschine. Fachsprachlich nennt man das auch “Sykophantie” - schwieriges Wort. Das beschreibt die sogenannte digitale Unterwürfigkeit, die Zustimmung liefert, wo kritische Einordnung oder sogar Widerspruch angebracht wären. Studien dazu zeigen, dass sykophantische Antworten im Schnitt als vertrauenswürdiger wahrgenommen werden. Die Nutzerinnen und Nutzer zeigen erhöhte Bereitschaft, solchen Modellen zu vertrauen. Wer sein Thema mit einem solchen Modell bespricht, ist anschließend stärker davon überzeugt, im Recht zu sein und weniger bereit, sich zu entschuldigen oder einen Fehler einzugestehen.

00;18;20;11 - 00;18;45;27
Kurz: Die KI sagt dir nicht: “Deine Frage ist unscharf”. Sie sagt nicht: “Du hast das Grundproblem nicht verstanden”. Sie produziert Output und der klingt smart und ist darauf optimiert, dass du dich im Recht fühlst. Dazu unser Geschäftsführer Christian Schaupp. Wenn wir uns voll auf KI verlassen würden, dann bräuchte ich am Ende des Tages keine Beratung. Dann bin ich irgendwo eine IT Organisation, die vielleicht anderen Organisationen dabei hilft, KI einzusetzen.

00;18;45;27 - 00;19;02;28
Aber damit ist ja im Prinzip die komplette Domänen Expertise weg. Das heißt, für uns als Unternehmen heißt das, dass wir KI einsetzen werden. Aber das wird trotzdem darauf achten werden, dass wir sozusagen HI entwickeln und auch entsprechende Domänen Expertise in unseren Köpfen.

00;19;03;00 - 00;19;20;00
Die KI ersetzt keine Kompetenz. Sie multipliziert sie. Und das bedeutet Unternehmen, die nicht massiv in AI Literacy investieren, erzeugen eine interne Zweiklassengesellschaft. Die einen steigen exponentiell und die anderen stagnieren. Nur halt mit besser formatierten Dokumenten.

00;19;20;02 - 00;19;28;28
Und das führt uns direkt zur nächsten Ebene. Denn die Kompetenz Frage ist nicht nur eine Frage des Tools, sie ist auch eine Frage der Struktur.

00;19;29;00 - 00;19;45;20
Kommen wir vielleicht zum größten Versäumnis der letzten drei Jahre. Die KI wurde eingekauft als Tool, aber nicht das Prozessveränderung. Die Lizenzen wurden verteilt, Workshops abgehalten und dann wieder nichts verändert. Dieselben Workflows, dieselben Genehmigungsprozesse, dieselben Silos.

00;19;45;22 - 00;20;06;26
Das sieht man besonders deutlich in regulierten Branchen. Dort sitzen teilweise hochbezahlte Wissensarbeiter:innen, Jurist:innen, Controller:innen, IT Architekt:innen. Und plötzlich stellt sich eine unbequeme Frage, die keiner laut ausspricht. Wenn KI bei 60 % meiner Text- und Analysearbeit schneller agiert als ich, wofür genau werde ich dann eigentlich bezahlt?

00;20;06;28 - 00;20;33;23
Ja, das ist die Angst vor der Selbst-Rationalisierung und die ist echt real. Es sind ja nicht die Produktionsarbeiter:innen, die heute unter dem größten Anpassungsdruck stehen. Es sind die hochbezahlten High Paid Writer, also die Analysten, Consultants, diejenigen, deren Kernleistung bisher darin bestand, schnell durchzudenken und strukturiert zu formulieren, Zusammenhänge herzustellen. Weil genau das kann die KI ja jetzt auch. Und das verändert Berufsbilder leise, aber nachhaltig.

00;20;33;26 - 00;20;57;23
Gleichzeitig herrscht auf struktureller Ebene ein Chaos, das wir in vielen Projekten sehen. Es gibt 500 Use Cases auf der Liste, Brainstorming Workshops, Innovationsboards. Jeder hat Ideen, aber es fehlt einfach ein stabiler Prozess. Wie kommt man von einer Idee, einem Gedankenexperiment oder einem einfachen Chatbot Pilotprojekt zu einer stabilen, integrierten und skalierbaren Lösung? Bei der Idee und bei dem Prototypen herrscht sowohl Aufbruchsstimmung als auch Ernüchterung wie im Wilden Westen.

00;20;57;24 - 00;21;00;23
Bei der nachhaltigen Umsetzung, da herrscht meistens Stille.

00;21;00;26 - 00;21;11;27
Und damit sind wir beim Kernkonflikt. Die Innovation will Geschwindigkeit, Regulierung will Sicherheit. Und solange diese beiden Systeme nicht synchronisiert sind, bleibt die KI entweder Spielzeug oder Risiko.

00;21;11;29 - 00;21;17;23
Die eigentliche Lücke ist also nicht technologisch. Sie ist strukturell und sie ist kulturell.

00;21;17;26 - 00;21;32;02
Unternehmen stehen also nicht vor einem Tool Problem Sie stehen vor einer Transformationsaufgabe. Und genau da entscheidet sich, wer in drei Jahren vorne liegt, und wer feststellt, dass andere längst vorbeigezogen sind.

00;21;32;05 - 00;21;44;19
Wir haben jetzt verstanden, warum wir gerade diesen KI Kater haben, warum es Reibung gibt, warum alles gleichzeitig faszinierend und doch chaotisch ist. Die entscheidende Frage ist jedoch: Wie kommen wir aus dieser Nummer wieder raus?

00;21;44;21 - 00;22;06;14
In der nächsten Folge hören wir auf zu jammern. Wir schauen uns an, was KI wirklich ist, damit wir verstehen, wofür wir es gut nutzen können. KI ist kein weiteres Tool. Sie ist eine neue Art von Fabrikhalle. Und in der nächsten Folge klären wir: Brauchen Sie ein Schweizer Taschenmesser oder ein ganzes Fließband? Und vor allem: Wie entscheiden Sie das strategisch, bevor andere es für Sie tun?

00;22;06;17 - 00;22;14;20
Schalten Sie wieder ein, wir sind Irene Rachen und Ralph Zlabinger. Danke an unsere Producerin Viktoria Dabrowska und Claude für das wunderbare Endprodukt.