Die Frage, die die meisten KI-Strategien schon vor dem Start falsch stellen

Die meisten Unternehmen haben die letzten zwei Jahre damit verbracht, KI-Pilotprojekte auf den Weg zu bringen, mit Copiloten zu experimentieren und ihren Architekten immer wieder dieselbe unangenehme Frage zu stellen: Was machen wir mit all dem alten Zeug?

In einem kürzlich erschienenen Podcast mit Mike Vizard für die Reihe „Techstrong AI Leadership Insights“ erklärt Jeremiah Stone, CTO von SnapLogic, dass diese Frage meist zu spät gestellt und falsch formuliert wird. 

„Altlasten“ und „Erbe“ sind nicht dasselbe Problem

Bevor man eine Strategie zur KI-Integration entwickeln kann, so argumentiert Stone, muss man sich ehrlich eingestehen, womit man es tatsächlich zu tun hat. Und das beginnt mit einer Unterscheidung, die die meisten Unternehmen stillschweigend übersehen: Nicht alle alten Systeme stellen dasselbe Problem dar.

Ein 25 Jahre altes ERP-System, das Ihren gesamten Auftragsverwaltungsprozess steuert, unterscheidet sich grundlegend von einem maßgeschneiderten Berichtstool, von dem niemand mehr weiß, wie man es wartet. Das eine ist ein Fundament, das jahrzehntelange Geschäftslogik und Fachkompetenz in sich trägt. Das andere ist technische Schuld. Beides gleich zu behandeln (alles zu ersetzen oder alles zu schützen) ist einer der sichersten Wege, ein Transformationsprogramm zum Scheitern zu bringen, noch bevor es überhaupt begonnen hat.

Stones Ansatz ist im Wesentlichen ein Triage-Argument. Bevor man eine Strategie zur KI-Integration entwickelt, benötigt man einen ehrlichen Überblick darüber, was man hat, welchen Wert dies hat und welche Rolle es in Zukunft spielen soll. Er hat das schon einmal erlebt. Er stieg Ende der 1990er Jahre in die Branche ein, als der Übergang von Großrechnern zu PCs stattfand – das war das letzte Mal, als Unternehmen herausfinden mussten, wie sie leistungsstarke neue Funktionen auf eine Infrastruktur verteilen konnten, die für eine völlig andere Ära konzipiert war.

„Die Unternehmen, die diese Phase gut gemeistert haben, waren nicht diejenigen, die alles ersetzt haben“, sagt er. „Es waren diejenigen, die klug Brücken geschlagen haben.“

Jeremiah Stone, Technischer Direktor, SnapLogic

Das ist auch heute noch das richtige Gespür.

Wo sich KI tatsächlich bezahlt macht

Stone wendet einen nützlichen Filter an, wenn er beurteilt, wo sich Investitionen in KI tatsächlich lohnen, und dieser beginnt mit einer ehrlichen Bestandsaufnahme des Prozesses, den man verbessern möchte.

Nicht alle Prozesse sind gleich. Manche sind deterministisch: klar, regelbasiert und gut nachvollziehbar. Gibt man tausend Mal dieselben Eingaben ein, erhält man immer dieselbe Ausgabe. Andere sind von Natur aus probabilistisch: unübersichtlich, erfordern viel Ermessensspielraum und hängen von erfahrenen Personen ab, die Entscheidungen unter Unsicherheit treffen. 

Stone stellt fest, dass KI ihre größten Vorteile eher in der zweiten Kategorie als in der ersten entfaltet. Der Einsatz von KI in einem Prozess, der bereits vorhersehbar abläuft, bringt selten nennenswerte Verbesserungen. Erst wenn sie auf Arbeitsbereiche angewendet wird, die von Natur aus etwas chaotisch waren (und in denen Menschen ohnehin schon improvisieren mussten), lassen sich Durchlaufzeiten tatsächlich verkürzen und die Qualität steigern.

Diese Effizienzsteigerungen sind real. Aber sie sind auch das, wonach jeder Wettbewerber gleichzeitig strebt, was bedeutet, dass sich der Vorsprung fast ebenso schnell wieder auflöst, wie er entstanden ist. Die wichtigere Frage ist, was nach dieser Effizienzwelle kommt.

Nehmen wir zum Beispiel Uber. Vor Uber musste man, wenn man ein Auto brauchte, eine Nummer anrufen, hoffen, dass jemand abnahm, eine Adresse angeben und warten, ohne wirklich zu wissen, wann etwas kommen würde. Uber hat diesen Prozess nicht nur beschleunigt. Es hat etwas geschaffen, was es zuvor nicht gab: die Echtzeit-Abstimmung von Angebot und Nachfrage auf Stadtebene, mit zuverlässigen Ankunftszeiten, dynamischer Preisgestaltung und integrierter Fahrerverantwortung. Das ist kein Effizienzgewinn. Das ist eine neue Dienstleistungskategorie.

„Dieser Moment steht für sprachmodellbasierte Systeme noch bevor. Derzeit spielt sich das Geschehen vor allem im Bereich der Softwareentwicklung ab. Aber im weiteren wirtschaftlichen Kontext befinden wir uns meiner Meinung nach noch in den Anfängen.“ – Jeremiah Stone, CTO, SnapLogic

Das ist eine ehrlichere Sichtweise, als sie derzeit in den meisten Kommentaren zum Thema KI zu finden ist. Die Steigerung der betrieblichen Effizienz ist zwar erstrebenswert, stellt aber keinen nachhaltigen Vorteil dar. Die Unternehmen, die sich an die Spitze setzen werden, sind diejenigen, die KI nutzen, um Dienstleistungen zu entwickeln, die zuvor wirklich nicht möglich waren. Und das erfordert eine andere Art von Ambition als die derzeitige Welle der Produktivitätsoptimierung.

Der Bedarf an Führungskräften steigt, statt zu sinken

Es gibt eine Version der KI-Erzählung, die lautet: Die KI übernimmt die Routineaufgaben, die Menschen konzentrieren sich auf das Kreative und Strategische – und alle gewinnen dabei. 

Ja, die KI beschleunigt die Stärkung der Rolle qualifizierter Fachkräfte. Der Verwaltungsaufwand nimmt ab. Die Handlungsmöglichkeiten, die einem kompetenten Ingenieur, Analysten oder Bediener zur Verfügung stehen, nehmen tatsächlich zu. Stone widerspricht jedoch der Vorstellung, dass dies den Bedarf an Führungskräften verringert. Er ist der Meinung, dass er dadurch steigt.

„Ich glaube, noch nie war der Bedarf an guter Führung und Orientierung so groß wie heute, wo der Markt so schnelllebig und dynamisch ist. Die Verantwortung und der Druck, eine konsequente Ausrichtung, klare Ziele und eine erfolgreiche Umsetzung zu gewährleisten, sind heute stärker zu spüren als je zuvor.“

Jeremiah Stone, Technischer Direktor, SnapLogic

Wenn sich das Tempo des Wandels beschleunigt und der Einfluss des Einzelnen zunimmt, steigen die Kosten einer unklaren Ausrichtung exponentiell an. Ein verwirrtes Team, das sich langsam bewegt, lässt sich noch wieder auf Kurs bringen. Ein verwirrtes Team, das sich schnell bewegt und dessen Geschwindigkeit durch KI in die falsche Richtung verstärkt wird, stellt hingegen ein weitaus schwierigeres Problem dar. 

Die Unternehmen, die diese Herausforderung erfolgreich meistern, sind nicht diejenigen, die Personal abbauen, sobald KI Aufgaben automatisiert. Es sind vielmehr diejenigen, die erfahrene Mitarbeiter in Aufgabenbereiche mit höherer Wertschöpfung versetzen und gleichzeitig einen klaren strategischen Rahmen schaffen, der es ermöglicht, diese Wertschöpfung auch tatsächlich zu realisieren.

Das größte Hindernis für die Einführung von KI ist die Strategie

Was Stone immer wieder in unterschiedlicher Form betont, ist, dass nicht die Technologie das Hindernis für die Einführung von KI in Unternehmen darstellt. Die Modelle sind leistungsfähig. Die Tools sind vorhanden. Die Integrationen lassen sich realisieren.

Die Herausforderung liegt in der Qualität der Entscheidungen, die im Zusammenhang mit der Technologie getroffen werden, nämlich ob: 

• Man kann ein Heritage-System von einem Legacy-System unterscheiden
• Sie setzen KI gezielt in den Prozessen ein, in denen sie tatsächlich etwas bewirkt
• Sie schaffen neuen Mehrwert, anstatt nur das Bestehende zu optimieren

All das ist kein KI-Problem. Es handelt sich um ein strategisches und organisatorisches Problem, bei dem die KI derzeit zufällig im Mittelpunkt steht. Die Unternehmen, die diese Entscheidungen richtig treffen, haben nicht unbedingt mehr KI eingesetzt als ihre Konkurrenten. Aber sie haben ein klareres Verständnis dafür, warum sie genau diese Lösungen eingesetzt haben. Und das erweist sich als äußerst wichtig.

Jeremiah Stone ist CTO bei SnapLogic. Dieser Beitrag basiert auf seinem Gespräch mit Mike Vizard für den Podcast „Techstrong AI Leadership Insights“ mit dem Titel „Warum Altsysteme das versteckte Hindernis für die Einführung von KI-Agenten sind“, veröffentlicht im Februar 2026.