AI im Unternehmen: von der Theorie zu Ergebnissen, mit Methode

Fast jedes Unternehmen hat künstliche Intelligenz ausprobiert. Sehr wenige haben sie in stabile Ergebnisse in der Produktion verwandelt. Die Lücke, die heute zählt, ist nicht technologischer Natur: Sie ist eine Frage von Methode und Führung. Wer den Zugang zu einem Modell mit der Fähigkeit verwechselt, Wert zu schaffen, bleibt in der Pilotphase stecken; wer AI als Führungshebel behandelt, der mit Disziplin zu steuern ist, lässt sie auf Marge, Entscheidungen und Zeit wirken.

Die These ist einfach und anspruchsvoll: AI ersetzt die Unternehmensführung nicht, sie verstärkt sie. Der Wert geht nicht an die Ersten, die sie einführen, sondern an jene, die die Technologie mit Strenge von der Theorie in die Umsetzung bringen. Das ist ein Unterschied des Handwerks, nicht des Budgets.

Das Marktsignal ist eindeutig. Laut dem J.P. Morgan Global Family Office Report 2026 planen 65% der family offices, AI-bezogene Investitionen zu priorisieren, jetzt oder in der Zukunft. Auf der Seite des private equity stimmen die Analysen 2026 von McKinsey, EY und FTI überein: mehr als die Hälfte der Portfoliounternehmen des mid-market PE verfügt bereits über aktive AI-Initiativen; Firmen, die AI in ihren Beteiligungen einsetzen, um die Margen zu verbessern, unterscheiden sich in der Mittelbeschaffung und beim Ausstieg; und operating partner mit echter Kompetenz in der AI-Integration gelten inzwischen als unverzichtbar. Das Kapital, mit anderen Worten, beobachtet AI nicht nur: Es bepreist sie.

Dennoch erzählt das operative Bild eine andere Geschichte. Die meisten Unternehmen haben Pilotprojekte durchgeführt, aber die Mehrheit bleibt vor der Produktion stecken. Die bindende Beschränkung ist nicht das Fehlen des neuesten Modells: Es ist das Fehlen von Methode und Governance. Das ist die Lücke, die es zu verstehen und zu schließen gilt.

Die Lücke von Pilot zu Produktion definieren. Ein Pilot beweist, dass etwas unter kontrollierten Bedingungen funktionieren kann, an einem ausgewählten Fall, mit motivierten Menschen, die ihn begleiten. Die Produktion ist eine andere Disziplin: Dieselbe Funktion muss jeden Tag bestehen, auf realen und unvollkommenen Daten, innerhalb bestehender Prozesse, mit klarer Verantwortung, wenn etwas schiefgeht. Zwischen den beiden Welten liegt ein Graben aus Daten, die nicht bereit sind, Prozessen, die nicht neu gestaltet wurden, Verantwortung, die nicht zugewiesen ist, und keiner Zahl, die vor dem Start vereinbart wurde. Diesen Graben mit Begeisterung zu überspringen funktioniert nicht: Es braucht eine mit Methode gebaute Brücke.

Eine Methode in vier Beschränkungen. Bei Krymax binden wir jede AI-Initiative an vier nicht verhandelbare Bedingungen. Dies ist keine Technologie-Checkliste: Es ist die Struktur, die ein Experiment in eine Unternehmensfähigkeit verwandelt.

1. Ein messbares Ziel. Keine Initiative startet ohne eine im Voraus vereinbarte Geschäftskennzahl: Margenpunkte, Zyklustage, Kosten pro Vorgang, Fehlerquote, realisierter Preis. Wenn man nicht weiß, was man bewegen will und um wie viel, betreibt man keine AI: man betreibt technologische Unterhaltung. Die Kennzahl wird zuerst festgelegt, eine Baseline wird gemessen, und jeder Fortschritt wird an diesem Ausgangspunkt beurteilt.

2. Ein neu gestalteter Prozess. AI, die auf einen kaputten Prozess gesetzt wird, liefert einen kaputten Prozess zurück, nur schneller. Wert entsteht, wenn der Arbeitsablauf um die neue Fähigkeit herum neu gedacht wird: was die Maschine tut, was der Mensch tut, wo der Kontrollpunkt liegt, was sich vor- und nachgelagert ändert. Ohne Neugestaltung bleibt der Pilot eine Insel, die nicht mit dem Unternehmen spricht.

3. Eine klare Governance. Vier Fragen müssen vor der Produktivsetzung eine schriftliche Antwort haben: welchen Daten vertraut wird und wer dafür verantwortlich ist; welches Risiko akzeptabel ist und wie es gesteuert wird; wer für das Ergebnis verantwortlich ist; und wo das menschliche Entscheidungsrecht verbleibt. Die letzte ist entscheidend. Die Maschine schlägt vor, empfiehlt, beschleunigt; der Mensch entscheidet und steht dafür ein. Eine Governance, die diese Grenze nicht definiert, ist nicht umsichtig: Sie ist abwesend.

4. Die Disziplin, vor dem Skalieren zu messen. Man skaliert das, was nachweislich die Kennzahl bewegt hat, nicht das, was in einer Demo beeindruckt hat. Vor dem Skalieren zu messen ist die wirksamste Verteidigung gegen die Investition, die ohne Rendite anschwillt. Es ist auch das, was AI im Verwaltungsrat vertretbar macht: kein Versprechen, sondern eine Zahl mit einer Baseline daneben.

AI als Hebel des operating partner. So betrachtet hört AI auf, ein IT-Thema zu sein, und wird zu einem Hebel des Unternehmenswerts, genau so, wie ein Fonds auf seine Beteiligungen blickt. Sie wirkt auf die Marge, indem sie Tätigkeiten mit hoher Reibung automatisiert; auf das Pricing, indem sie Granularität und Geschwindigkeit dorthin bringt, wo zuvor Schätzung war; auf die supply chain, indem sie Nachfrage und Spannungen vorwegnimmt; und auf Diagnose und Due Diligence, indem sie Analysen, die früher Tage dauerten, in Stunden komprimiert. Nicht zufällig gelten operating partner mit echter Erfahrung in der AI-Integration inzwischen als unverzichtbar: Das ist der Unterschied zwischen Empfehlen und Umsetzen.

Was es bedeutet, und wo man scheitert. Drei Fallen wiederholen sich. Die erste ist, dem Modell nachzujagen: jedes Quartal das Werkzeug zu wechseln, während Daten und Prozesse stillstehen. Die zweite ist der verwaiste Pilot: ein brillantes Experiment, das niemand besitzt, ohne Kennzahl und ohne Prozess, dazu bestimmt zu verlöschen, wenn die Begeisterung abkühlt. Die dritte ist die Governance zum Schein: eine Richtlinie, geschrieben, um zu beruhigen, die keine echte Verantwortung zuweist und kein Entscheidungsrecht definiert. Alle drei haben dieselbe Wurzel: AI wurde als zu kaufende Technologie behandelt, nicht als aufzubauende Fähigkeit.

Wie Krymax eingreift. Wir betten AI in die Führungsmethode ein, mit einem definierten Perimeter und ohne aufgeblähte Versprechen. Wir beginnen mit einer Diagnose, die die wenigen Prozesse isoliert, in denen AI wirklich eine Zahl bewegt, und legen die Kennzahl mit ihrer Baseline fest. Wir gestalten den Arbeitsablauf um die neue Fähigkeit herum neu und definieren den Kontrollpunkt und das menschliche Entscheidungsrecht. Wir legen die Governance von Daten und Risiko mit namentlich benannter Verantwortung fest. Wir messen an KPI und Meilensteinen, bevor wir irgendeine Skalierung genehmigen, und bringen das Ergebnis in einer für den Verwaltungsrat verwendbaren Form: was sich verändert hat, um wie viel, zu welchen Kosten, mit welchem Restrisiko. AI beschleunigt; die Führung entscheidet. Und wenn das Mandat endet, bleibt die Fähigkeit im Unternehmen: Prozesse, die bestehen, solide Governance, übertragenes Know-how, keine geschaffene Abhängigkeit.

Das Kapital hat es bereits verstanden: 65% der family offices stellen AI unter ihre Prioritäten, und mehr als die Hälfte der PE-Beteiligungen des mid-market nutzt sie bereits. Für jene, die führen, lautet die Frage nicht mehr, ob man sie einführen soll, sondern ob man fähig ist, sie in ein Ergebnis zu verwandeln. Die Antwort liegt nicht im Modell: Sie liegt in der Methode. AI ersetzt die Unternehmensführung nicht: Sie verstärkt sie. Den Wert erntet, wer sie mit Strenge von der Theorie in die Umsetzung bringt.