Bei KI kannst du nicht aufholen, indem du Geld draufwirfst

Die meisten Unternehmen wollen das nicht hören: Wenn du KI bisher verschlafen hast, kannst du dich nicht einfach mit einem Scheck freikaufen.

Ich weiss, das klingt dramatisch, vielleicht sogar wie Panikmache von jemandem, der dir etwas verkaufen will. Beides trifft nicht zu. Diesmal ist es wirklich anders, und ich will erklären, warum.

Das Playbook, das nicht mehr funktioniert

Unternehmen sind es gewohnt, aufzuholen. Das ist praktisch eine Geschäftsstrategie: Abwarten, bis sich ein neuer Trend bewährt hat, dann Berater anheuern, ein Startup kaufen oder Budget draufwerfen. Vielleicht bist du sechs Monate im Rückstand, vielleicht ein Jahr, aber Geld schliesst die Lücke. Das war schon immer so.

Bei KI glaube ich das nicht. Zwei Gründe.

Lernen verstärkt sich selbst

KI-Wissen wächst nicht linear. Es wächst exponentiell. Jede Woche, die du mit Lernen, Ausprobieren und Bauen verbringst, macht die nächste Woche produktiver. Du entwickelst ein Gespür. Du entdeckst Kombinationen. Du baust auf der Erkenntnis von gestern auf, um heute den nächsten Durchbruch zu haben.

Das ist es, was Compounding in der Praxis bedeutet. Wer vor sechs Monaten angefangen hat, ist dir nicht einfach sechs Monate voraus. Diese Person spielt in einer komplett anderen Liga. Ihre mentalen Modelle sind reicher, ihre Instinkte schärfer. Sie sehen Möglichkeiten, die du dir noch gar nicht vorstellen kannst, weil sie länger im Maschinenraum stehen.

Und die Lücke wird jeden Tag grösser, nicht kleiner.

Das Wissen ist nicht käuflich

Der zweite Grund: Die Leute, die wirklich verstehen, wie man KI-first-Organisationen aufbaut — die die Systeme, die Workflows, die Wissensarchitekturen gebaut haben —, müssen kein Consulting machen. Sie sind zu beschäftigt damit, Firmen zu führen.

Überleg mal: Wenn du wirklich weisst, wie man einen Schwarm von KI-Agenten aufsetzt, der in Stunden schafft, wofür ein traditionelles Team Monate braucht, warum solltest du dieses Wissen dann als Berater für einen Tagessatz verkaufen? Du würdest es nutzen, um etwas Eigenes aufzubauen. Du würdest Firmen gründen. Manche Leute führen sogar mehrere Unternehmen praktisch im Alleingang, während die KI die Schwerarbeit übernimmt.

Wenn also die grossen Beratungsfirmen anklopfen und dir ein «KI-Transformationspaket» anbieten — frag dich: Nutzen die Leute, die dieses Paket entworfen haben, KI tatsächlich so, wie es die besten Praktiker tun? Oder verpacken sie nur Frameworks neu, die sie sich angelesen haben?

Die eine Richtung ist einfacher als die andere

Das hier lässt mir keine Ruhe: Für eine grossartige Tech-Firma ist es viel einfacher, zu jeder anderen Art von Unternehmen zu werden, als umgekehrt.

Eine KI-first-Tech-Firma, die ins Versicherungsgeschäft einsteigen will, kann sich das Versicherungsgeschäft aneignen. Sie kann sich dieses Wissen holen, Fachleute einstellen, es in ihre KI-Systeme einspeisen und dabei überraschend schnell vorankommen. Sie weiss bereits, wie man baut, iteriert und KI einsetzt.

Aber eine Versicherung, die tech-first werden will? Das ist eine fundamental schwierigere Transformation. Die Kultur ist anders. Die Talente sind anders. Das Tempo ist anders. Fast alles muss sich ändern, und das meiste davon hat nichts mit Technologie zu tun.

Claire hat das besser auf den Punkt gebracht, als ich es könnte. Startups waren schon immer schneller als etablierte Unternehmen — mehr zu gewinnen, mehr zu verlieren, mehr Hunger. Aber der Geschwindigkeitsunterschied hat sich auf ein Mass verändert, das sich kaum noch begreifen lässt. Ein KI-natives Team schafft in wenigen Stunden, wofür ein traditionelles Unternehmen Monate braucht. Sie arbeiten nicht härter, sondern fundamental anders.

«Aber so dringend ist das doch sicher nicht»

Vielleicht. Ich könnte mich beim Zeitrahmen irren. Ich könnte beim Ausmass übertreiben. Aber bedenke Folgendes:

Paul Krugman — Nobelpreisträger, einer der angesehensten Ökonomen der Welt — sagte 1998 voraus, die wirtschaftliche Wirkung des Internets werde «nicht grösser sein als die des Faxgeräts». Er schrieb über etwas, das er nicht tief genug verstanden hatte, und er lag spektakulär falsch.

Jede Führungsperson, die KI aktuell als «nur ein Produktivitätstool» oder «nicht relevant für unsere Branche» abtut, sollte sich fragen: Basieren meine Prognosen auf einem tiefen, praktischen Verständnis? Oder mache ich, wie Krugman, selbstsichere Aussagen über etwas, mit dem ich mich nicht genug beschäftigt habe?

Der einzige ehrliche Weg, herauszufinden, was KI kann und was nicht, ist, sie ernsthaft zu nutzen. Nicht darüber zu lesen. Nicht auf einer Konferenz darüber zu sitzen. Sondern wirklich im Maschinenraum zu stehen: bauen, ausprobieren, scheitern, lernen.

Woran du merkst, dass du vorankommst

Gut, nehmen wir an, du hast angefangen. Du verfolgst den Pull-Ansatz. Leute experimentieren. Es tut sich etwas. Woher weisst du, ob es wirklich funktioniert?

Das ist eine wirklich schwierige Frage, und ich habe kaum jemanden getroffen, der eine gute Antwort darauf hat. Hier ist, was ich bisher gelernt habe.

Am Anfang reichen Anekdoten

In den ersten Wochen und Monaten suchst du nach Geschichten. Konkrete Beispiele, wo jemand mit KI etwas spürbar besser oder schneller gemacht hat.

Bei Carewell habe ich die frühen Teilnehmenden gebeten, in unserem Firmenchat zu teilen, was sie gerade mit KI machen. Keine formellen Berichte — einfach beiläufige Nachrichten. «Habe Claude für das Kundenmeeting heute genutzt, es hat in 30 Sekunden alles aus unseren letzten drei Interaktionen zusammengetragen.» Sowas in der Art.

Das bewirkt zwei Dinge. Es gibt dir Einblick, was die Leute wirklich tun. Und, noch wichtiger, es erzeugt den Pull-Effekt. Wenn der CEO schreibt, dass er eine Accelerator-Bewerbung in 30 Minuten statt vier Stunden geschrieben hat, merken das andere. Wenn er in einem Leadership-Meeting live Geschäftszahlen abruft, indem er in normaler Sprache eine Frage stellt, statt ein Dashboard zu bauen, werden Augen gross.

Diese Momente sind dein Beweis. Sammle sie.

Achte auf ungefragtes Interesse

Das stärkste Signal, dass deine KI-Initiative funktioniert, ist, wenn Leute, die bisher nicht dabei waren, anfangen, mitmachen zu wollen. Das ist Pull. Das ist echte Nachfrage. Keine Umfrage und kein KPI erfasst das so genau wie einfach darauf zu achten, wer bei dir anklopft.

Miss, was du kannst, aber übertreib es nicht

Wenn deine Nutzung wächst, kannst du anfangen, Dinge zu messen:

• Wie viele Leute deine KI-Tools aktiv nutzen
• Den Token-Verbrauch und ob Leute an ihre Limits stossen (eigentlich ein gutes Zeichen)
• Beiträge zu eurer Wissensdatenbank
• Konkrete Zeitersparnisse, von denen Leute berichten

Aber bau kein riesiges Analytics-Dashboard, bevor du überhaupt etwas zu analysieren hast. Am Anfang sprich mit Leuten. Führ informelle Interviews. Frag: «Was funktioniert? Was nicht? Was hat dich überrascht?»

Achte auf stille Aussteiger

Das grösste Risiko ist stilles Aufgeben, nicht ein dramatisches Scheitern. Leute probieren KI ein- oder zweimal aus, sehen keinen sofortigen Nutzen und hören still wieder auf. Das siehst du in keinem Dashboard. Du merkst es nur, wenn du nah an deinem Team dran bist und echte Gespräche führst.

Wenn deine erste Runde an Teilnehmenden Mühe hat, einen Nutzen zu sehen, hast du ein Problem. Das heisst entweder, die Tools sind nicht gut genug eingerichtet, die Leute brauchen mehr Unterstützung, oder die Use Cases stimmen nicht. Behebe das, bevor du erweiterst.

Wie Compounding in der Praxis aussah

Lass mich das konkret machen. So lief das bei Carewell über ein paar Monate ab:

Monat 1: Ich richte ein einfaches Wissenssystem ein. Es kennt unsere Firma, unser Produkt, unseren Markt. Es ist nützlich, aber begrenzt. Ich bin der Einzige, der es ernsthaft nutzt.

Monat 2: Ich habe Konkurrenzanalysen, Kundeneinblicke, regulatorische Informationen und Produkt-Screenshots hinzugefügt. Die KI beantwortet jetzt Fragen zu unserem Geschäft mit echter Tiefe. Meine eigene Produktivität ist spürbar gestiegen.

Monat 3: Der CEO und zwei weitere Teammitglieder fangen an, das System zu nutzen. Jeder von ihnen speist Wissen aus seinem Bereich ein. Das System beginnt, Verbindungen zwischen Abteilungen herzustellen, die keine einzelne Person so sehen würde. Der CEO nutzt es in Leadership-Meetings. Andere fangen an zu fragen, ob sie mitmachen können.

Monat 4: Das System wurde mit Hunderten Wissensbausteinen aus der Firma gefüttert. Neue Teammitglieder kommen deutlich schneller auf Geschwindigkeit. Die KI erkennt Widersprüche zwischen dem, was verschiedene Leute glauben. Sie zeigt an, wenn Wissen veraltet. Es wird wirklich schwer vorstellbar, ohne sie zu arbeiten.

Jeder Monat baute auf dem vorherigen auf. Die frühe Investition war langsam. Die Erträge beschleunigten sich. Das ist Compounding.

Was das für dich bedeutet

Ich weiss, das klingt vielleicht überwältigend. «Toll, ich bin also schon im Rückstand, und die Lücke wird grösser.» Das ist die schlechte Nachricht.

Die gute Nachricht: Du kannst trotzdem anfangen. Das Compounding arbeitet für dich, sobald du beginnst. Heute ist der früheste Zeitpunkt, den du je haben wirst.

Du musst am ersten Tag kein riesiges System bauen. Du musst kein KI-Team einstellen. Du brauchst kein Budget. Fang mit der Verschiebung deines mentalen Modells an: Versteh, dass KI ein brillantes neues Teammitglied ist, das nichts über dein Geschäft weiss, und fang an, es ihr beizubringen. Fang mit einem Tool an, einem Use Case, einem kleinen Erfolg.

Bau von da aus weiter. Bau ein Company AI Operating System. Find deine neugierigen Leute und lass sie vorangehen. Füttere das System. Und schau zu, wie es sich verstärkt.

Klein anzufangen ist nicht der Fehler. Gar nicht erst anzufangen ist es.