Warum dein Unternehmen keine KI-Strategie braucht — sondern einen KI-Kollegen

Eine Top-Beratung berechnet dir 250.000 Euro oder mehr für eine KI-Strategie. Das Ergebnis: ein Slide-Deck, ein 6-Monats-Fahrplan und ein Proof of Concept, der — statistisch gesehen — den Kontakt mit der Produktion nicht überleben wird.

Die MIT-NANDA-Initiative hat 2025 über 300 KI-Einführungen in Unternehmen untersucht und festgestellt, dass 95 % aller generativen KI-Pilotprojekte null messbaren Ertrag auf der GuV liefern. Nicht “bescheidene Ergebnisse”. Null.

Das Problem ist nicht, dass deinem Unternehmen eine Strategie fehlt. Das Problem ist, dass die Strategie selbst zum Produkt geworden ist — und die Beratungsbranche sie an Unternehmen verkauft, die einfach ein Werkzeug brauchen, das funktioniert.

Der KI-Strategie-Industriekomplex

Die Misserfolgsquoten sind schlecht, und sie werden schlimmer.

Gartner prognostizierte, dass 30 % der generativen KI-Projekte bis Ende 2025 nach dem Proof of Concept aufgegeben würden — wegen schlechter Datenqualität, unklarem Geschäftswert und eskalierenden Kosten. Das erwies sich als optimistisch. S&P Global berichtete, dass 42 % der Unternehmen 2025 die meisten ihrer KI-Initiativen eingestellt haben, gegenüber 17 % im Vorjahr. Im Durchschnitt hat eine Organisation 46 % ihrer KI-Prototypen begraben, bevor sie jemals in Produktion gingen.

Bains Studie von 2024 ergab, dass 88 % aller Business-Transformationen — nicht nur KI, alle digitalen Transformationen — ihre ursprünglichen Ziele verfehlen. IDC setzte die Latte noch höher: 88 % der KI-Pilotprojekte schaffen es nie in die Produktion. Nur etwa jeder achte Prototyp wird operativ.

Und trotzdem boomt die KI-Beratung. McKinsey sagt, 40 % seiner Kundenarbeit betrifft mittlerweile KI. BCGs KI-Beratung generierte 20 % des Umsatzes in 2024. Accenture verbuchte 900 Millionen Dollar Umsatz mit KI-Beratung in einem einzigen Jahr. PwC kündigte eine KI-Investition von einer Milliarde Dollar an. EYs KI-Umsatz stieg um 30 %.

Die Diskrepanz ist bemerkenswert: eine massive Industrie, die KI-Strategien an Unternehmen verkauft, bei denen die überwältigende Mehrheit der KI-Projekte scheitert. Enterprise-KI-Transformationen kosten 100.000 bis 500.000 Euro und mehr. Selbst eine “kleine” Strategieanalyse kostet 5.000 bis 25.000 Euro.

Für ein Unternehmen mit 50 Mitarbeitern kostet die Beratung möglicherweise mehr als das Problem, das sie lösen soll.

Der Mittelstand steigt aus

Der deutsche Mittelstand hat die Nachricht verstanden, dass KI wichtig ist. Er hat es versucht. Und dann hat ein großer Teil wieder aufgehört.

Die Zahlen sind ernüchternd: Laut einer Studie von Dr. Justus & Partners haben 94 % der Mittelstandsunternehmen in Deutschland KI noch nicht implementiert. Reuters berichtete Anfang 2026, dass der Mittelstand seine KI-Investitionen 2025 sogar gekürzt hat — auf nur 0,35 % des Umsatzes, herunter von 0,41 % im Vorjahr. Während der Gesamtmarkt auf 0,5 % aufstockte, investiert der Mittelstand rund 30 % weniger als der Durchschnitt.

Die Hürden sind klar: Bürokratie, schleppende Digitalisierung, Datenschutzbedenken und fehlende Fachkräfte. Eine Bitkom-Studie zeigt, dass zwar 82 % der deutschen Tech-Startups KI nutzen — aber im breiten Mittelstand sieht die Realität völlig anders aus. Erst ein Drittel der KMU nutzte 2025 aktiv künstliche Intelligenz.

Die Produkte selbst schließen oft genau den Markt aus, den sie zu bedienen vorgeben. Microsoft 365 Copilot erforderte ursprünglich mindestens 300 Lizenzen zu 27 Euro pro Nutzer und Monat — eine jährliche Verpflichtung von fast 100.000 Euro. (Wir analysieren genau, was Copilot kann und was nicht, in einem separaten Artikel.) Eine maßgeschneiderte Enterprise-GPT-Lösung von OpenAI beginnt im Millionenbereich. Das sind keine Mittelstandsprodukte. Das sind Enterprise-Produkte mit Mittelstands-Marketing.

Erst seit Ende 2025 bietet Microsoft mit “Copilot Business” eine abgespeckte Variante ohne Mindestanzahl an Lizenzen an — ein spätes Eingeständnis, dass der ursprüngliche Ansatz am Markt vorbeiging.

Die Wissenslücke ist keine Frage der Intelligenz. Mittelständler führen jeden Tag komplexe Betriebe. Die Lücke existiert, weil eine Branche, die für DAX-Konzerne gebaut wurde, 50-Mann-Firmen erzählt, sie bräuchten denselben Ansatz — nur kleiner.

Brauchen sie nicht. Sie brauchen etwas grundlegend anderes.

Was die Forschung tatsächlich zeigt

Hier ist der Teil, den die Strategieberater gerne überspringen: Die Studien, die zeigen, was wirklich Produktivitätsgewinne bringt, handeln nicht von großen Transformationen. Sie handeln von praktischen Werkzeugen, die Menschen täglich nutzen.

Eine Harvard-Business-School- und BCG-Studie unter Leitung von Ethan Mollick gab Beratern Zugang zu KI für echte Arbeitsaufgaben. Die Ergebnisse: Berater mit KI erledigten 12,2 % mehr Aufgaben, waren 25,1 % schneller fertig und lieferten Ergebnisse, die 40 % besser bewertet wurden. Kein Transformationsprojekt. Kein 6-Monats-Fahrplan. Einfach Menschen, die ein leistungsfähiges Werkzeug für ihre tägliche Arbeit nutzen.

Stanfords Erik Brynjolfsson untersuchte Kundenservice-Mitarbeiter, die einen KI-Assistenten nutzten. Die Produktivität stieg im Schnitt um 14 %, bei den unerfahrensten Mitarbeitern sogar um bis zu 35 %. Seine Beobachtung: “Ich habe viele Studien zur Einführung neuer Informationstechnologien gemacht, und oft sind Unternehmen froh, wenn sie 1 bis 2 % Produktivitätsgewinn erzielen.”

Eine OpenAI-Umfrage unter ChatGPT-Enterprise-Nutzern ergab 2025, dass diese 40 bis 60 Minuten Zeitersparnis pro Tag auf KI zurückführen — allein durch die Nutzung als tägliches Arbeitswerkzeug. Microsofts interne Daten zeigten, dass die Top 5 % der Teams-Power-User einen vollen Arbeitstag pro Monat allein durch KI-Meeting-Zusammenfassungen sparen.

Die MIT-NANDA-Studie enthielt noch eine weitere entscheidende Erkenntnis, versteckt in den Daten: Unternehmen, die KI-Tools von spezialisierten Anbietern kauften, waren in etwa 67 % der Fälle erfolgreich. Unternehmen, die versuchten, eigene Lösungen intern zu bauen? Ein Drittel so oft.

Das Muster ist klar. Praktische Werkzeuge, eingebettet in bestehende Arbeitsabläufe, schlagen Top-down-Transformationsprojekte. Jedes Mal.

Strategie vs. Kollege

Das Standard-Playbook geht so: Berater engagieren, 6 Monate in eine Strategie investieren, einen Proof of Concept bauen, einen Piloten starten, vielleicht in Produktion gehen, vielleicht ROI sehen. Ein Prozess, der in Quartalen gemessen wird, wenn nicht in Jahren.

McKinseys eigene Mitarbeiterbefragung von 2025 enthüllte, was Menschen tatsächlich dazu bringt, KI zu nutzen: 48 % sagten formales Training, und 45 % sagten “nahtlose Integration in bestehende Arbeitsabläufe”. Nicht ein besseres Strategiedokument. Nicht ein größerer Data Lake. Integration in die Werkzeuge, die sie bereits jeden Tag nutzen.

Das ist der Unterschied zwischen einer KI-Strategie und einem KI-Kollegen.

Eine Strategie ist ein Dokument. Es liegt in einem SharePoint-Ordner. Es hat Swimlanes und eine RACI-Matrix und Deliverables, geordnet nach Quartalen. Es braucht einen Lenkungsausschuss, ein Change-Management-Workstream und Executive Sponsorship.

Ein Kollege taucht dort auf, wo du arbeitest, und fängt an, nützlich zu sein. Du musst dein Unternehmen nicht um ihn herum reorganisieren. Du brauchst kein Data-Science-Team. Du musst nicht erst deine Dateninfrastruktur modernisieren. Du brauchst ein Werkzeug, das in die Messaging-App passt, die dein Team schon acht Stunden am Tag offen hat — und das ab dem ersten Gespräch hilft.

Die 67 % Erfolgsrate für gekaufte Lösungen versus ~22 % für Eigenentwicklungen überrascht nicht, wenn man es so betrachtet. Ein spezialisiertes Tool kaufen bedeutet: Jemand anderes hat die harten technischen Probleme gelöst. Dein Team muss es nur nutzen. Eine KI-Strategie von Grund auf zu bauen bedeutet: Dein Unternehmen muss erst ein KI-Unternehmen werden — und für die meisten Betriebe ist das nicht das Ziel. Das Ziel ist, schneller mit der Arbeit fertig zu werden.

Der Weg, der tatsächlich funktioniert

Wenn dein Team bereits in Microsoft Teams lebt — und bei über 320 Millionen monatlich aktiven Nutzern stehen die Chancen gut — ist der Integrationspunkt offensichtlich. Wir haben im Detail beschrieben, warum Teams-native KI eigenständige Tools schlägt. Du musst niemanden überzeugen, eine neue Plattform einzuführen. Du brauchst keine IT-Abteilung, die 40 Anbieter evaluiert. Du brauchst kein Digitalisierungsprojekt.

Du brauchst eine KI, die in der Umgebung sitzt, die deine Leute bereits nutzen, sich an den Kontext erinnert und mit der Zeit besser wird.

Genau das haben wir mit amaiko gebaut. Ein Teams-nativer KI-Assistent mit persistentem Gedächtnis und spezialisierten Agenten — für Recherche, Terminplanung, E-Mail, Dokumentenarbeit. Er arbeitet dort, wo dein Team bereits arbeitet. Er erinnert sich, was du ihm gestern gesagt hast. Keine Beratung nötig. Kein 6-Monats-Fahrplan. Kein Lenkungsausschuss.

Die Unternehmen, die echte Produktivitätsgewinne mit KI erzielen, sind nicht die mit den besten Strategie-Decks. Es sind die, bei denen die Leute das Tool tatsächlich benutzen — weil es direkt da ist, in der App, die sie den ganzen Tag offen haben, und vom ersten Tag an nützliche Arbeit leistet.

Dein Team braucht keine Strategie. Es braucht einen Kollegen.