Künstliche Intelligenz als systemischer Strukturbruch

Konsequenzen für Strategie, Geschäftsmodell und Lebensfähigkeit von Unternehmen

1. Ausgangslage: Die strategische Bedeutung von KI liegt tiefer als ihre technologische Wirkung

Die gegenwärtige Entwicklung der Künstlichen Intelligenz ist als strukturelle Veränderung der Bedingungen unternehmerischer Wertschöpfung einzuordnen. Die Technologie greift inzwischen in Informationsverarbeitung, Wissensarbeit, Prognose, Kommunikation, Entwicklung, Koordination und zunehmend auch in operative Entscheidungen ein. Dadurch verändert sie mehrere Ebenen eines Unternehmens gleichzeitig: das Verhältnis zum Kunden, die Leistungsarchitektur, interne Prozesse, Kostenstrukturen, Kompetenzprofile, Organisationsgrenzen und die Einbindung in externe Netzwerke.

Der häufig verwendete Begriff des „KI-Unternehmens“ ist dafür unscharf. Ein Maschinenbauer bleibt Maschinenbauer, ein Händler bleibt Händler und eine Bank bleibt Bank, solange die jeweilige Existenzberechtigung und das originäre Kundenbedürfnis erhalten bleiben. Präziser lässt sich die Entwicklung so beschreiben: Künstliche Intelligenz wird zu einer Querschnittskompetenz, die immer tiefer in die spezifische Wertschöpfung und Steuerung von Unternehmen eindringingt. Ihre strategische Bedeutung ergibt sich daraus, wie stark sie die Fähigkeit eines Unternehmens beeinflusst, im relevanten System dauerhaft Nutzen zu stiften, sich anzupassen, wirtschaftlich leistungsfähig zu bleiben und seine Position gegenüber bestehenden wie neu entstehenden Substitutionsangeboten zu behaupten.

Die Datenlage bestätigt eine schnelle Diffusion, allerdings mit erheblichen Unterschieden je nach Messmethode, Unternehmensgröße und Reifegrad. Eine internationale Managementbefragung weist für 2025 bei 88 Prozent der erfassten Organisationen den Einsatz von KI in mindestens einer Unternehmensfunktion aus. Diese Zahl beschreibt eine breite Nutzung, sagt jedoch wenig über Tiefe, Skalierung und wirtschaftliche Relevanz der Anwendungen aus. Die amtliche europäische Unternehmensstatistik kommt für denselben Zeitraum zu einem deutlich niedrigeren Wert: Rund 20 Prozent der Unternehmen mit mindestens zehn Beschäftigten nutzten 2025 mindestens eine der statistisch definierten KI-Technologien. Bei Großunternehmen lag der Anteil bereits bei rund 55 Prozent, bei mittleren Unternehmen bei rund 30 Prozent und bei kleineren Unternehmen bei rund 17 Prozent.

Der scheinbare Widerspruch ist methodisch erklärbar. Unterschiedliche Stichproben, Unternehmensgrößen, Definitionen von Nutzung und Befragungsformen erzeugen verschiedene Resultate. Für die strategische Bewertung ist gerade diese Differenz aufschlussreich: Die technologische Diffusion ist weit fortgeschritten, die strukturelle Durchdringung der Unternehmenslandschaft befindet sich weiterhin in einem frühen Stadium. Zwischen dem gelegentlichen Einsatz eines KI-Werkzeugs und einer in Geschäftsmodell, Prozessen, Datenarchitektur und Organisation verankerten Fähigkeit liegt ein erheblicher Entwicklungsweg.

Damit lässt sich bereits eine erste grundlegende Aussage treffen: Die eigentliche strategische Zäsur entsteht durch die Integration von KI in das Unternehmenssystem. Die bloße Verfügbarkeit einer Technologie verändert die Position eines Unternehmens noch nicht. Erst ihre Verbindung mit Kundenwissen, Daten, Prozessen, Kompetenzen, Entscheidungsstrukturen und wirtschaftlich tragfähigen Anwendungen erzeugt Wirkung.

2. Faktenlage: Produktivitätspotenzial, Skalierungsproblem und Grenzen technologischer Prognosen

Der wirtschaftliche Erwartungswert der Technologie ist erheblich, sollte jedoch sauber von bereits realisierten Ergebnissen getrennt werden. Aktuelle makroökonomische Modellierungen kommen für die großen Industriestaaten auf einen möglichen zusätzlichen Beitrag der KI zum jährlichen Produktivitätswachstum von etwa 0,2 bis 1,3 Prozentpunkten über einen Zeitraum von ungefähr zehn Jahren. Die Spannweite hängt wesentlich von Adoptionsgeschwindigkeit, technischer Leistungsfähigkeit und Wirtschaftsstruktur ab. Es handelt sich damit um Szenarien und keine gesicherten zukünftigen Produktivitätsgewinne.

Diese Unterscheidung ist für Unternehmensstrategien zentral. Der wirtschaftliche Wert entsteht erst durch Umsetzung. Ein technologisch leistungsfähiges Modell erzeugt keinen Ertrag aus sich heraus. Produktivitätswirkungen setzen voraus, dass Arbeitsabläufe angepasst, Daten verfügbar, Entscheidungsrechte geklärt, Mitarbeiter befähigt, Risiken beherrscht und neue Arbeitsweisen tatsächlich in den täglichen Betrieb übernommen werden. Genau hier liegt derzeit eine der größten Trennlinien zwischen Unternehmen.

Auch die Unterschiede nach Unternehmensgröße weisen in diese Richtung. Kleinere und mittlere Unternehmen liegen bei der Einführung deutlich hinter großen Organisationen. Als entscheidende Voraussetzungen werden digitale Anschlussfähigkeit, Daten, Rechenressourcen, Kompetenzen und Finanzierung genannt. Die strategische Herausforderung besteht deshalb für viele Mittelständler nicht primär in der Beschaffung eines KI-Modells. Wesentlich schwieriger ist der Aufbau der organisationalen Voraussetzungen, mit denen sich diese Modelle zuverlässig und wirtschaftlich in die eigene Wertschöpfung integrieren lassen.

Ähnlich differenziert ist die Entwicklung der Arbeit zu beurteilen. Rund ein Viertel der Beschäftigten weltweit arbeitet nach aktuellen tätigkeitsbezogenen Analysen in Berufen, die in irgendeinem Umfang gegenüber generativer KI exponiert sind. Nur ein kleinerer Teil der Tätigkeiten weist eine sehr hohe Automatisierbarkeit auf. Für die Mehrzahl der betroffenen Berufe wird eine Veränderung von Aufgabenprofilen wahrscheinlicher eingeschätzt als eine vollständige Substitution des Arbeitsplatzes.

Für die Unternehmensführung folgt daraus eine tiefgreifende Verschiebung der Kompetenzfrage. Tätigkeiten mit hohem Anteil standardisierbarer Informationsverarbeitung geraten zuerst unter Veränderungsdruck. Gleichzeitig wächst der Wert von Aufgaben, die Kontextverständnis, Beurteilung, Verantwortung, Beziehungsgestaltung, Kreativität, Verhandlung, Priorisierung und den souveränen Umgang mit Ausnahmen verlangen. Führung muss deshalb Arbeitsarchitekturen neu denken. Die relevante Einheit ist vielfach die einzelne Tätigkeit innerhalb einer Funktion und erst danach die Stelle als Ganzes.

Pauschale Aussagen über eine feste technologische Halbwertszeit von sechs Monaten lassen sich empirisch nicht begründen. Die Leistungsfähigkeit einzelner Modelle entwickelt sich teilweise in außergewöhnlichem Tempo; zugleich bleiben Datenmodelle, Prozesslogiken, Governance-Strukturen und spezifisches Unternehmenswissen wesentlich länger relevant. Strategisch folgt daraus eine andere Konsequenz: Unternehmen benötigen eine Architektur, die technologische Wechsel zulässt, ohne bei jedem Wechsel die eigene Wertschöpfungslogik neu aufbauen zu müssen.

Gerade dieser Punkt führt zum Kern der strategischen Betrachtung. Die Geschwindigkeit technologischer Entwicklung erhöht den Wert derjenigen Elemente eines Unternehmens, die unabhängig von einem konkreten Modell Bestand haben: das Verständnis des Kundenproblems, hochwertige und kontextualisierte Daten, einzigartige Prozesskenntnis, Vertrauen, Zugang zum Kunden, belastbare Netzwerke sowie die Fähigkeit, neue Technologien rasch in diese bestehenden Stärken einzubauen.

3. Veränderung des Strategisch Relevanten Marktes

Künstliche Intelligenz greift unmittelbar in die Abgrenzung Strategisch Relevanter Märkte ein. Der SRM orientiert sich am originären Bedürfnis des Kunden und umfasst damit auch Lösungen außerhalb klassischer Branchen- und Produktgrenzen, sofern diese dasselbe Bedürfnis gleichwertig oder besser erfüllen können. Die Schließmann-Systematik löst sich deshalb bewusst von einer engen Branchenbetrachtung und richtet den strategischen Blick auf das gesamte relevante Problem- und Substitutionsfeld.

KI erhöht die Zahl möglicher Substitutionen erheblich. Unternehmen aus bisher getrennten Branchen erhalten Zugriff auf ähnliche Informations-, Analyse- und Entscheidungsfähigkeiten. Dadurch entstehen Überschneidungen, die mit traditionellen Wettbewerbsdefinitionen nur unzureichend erfasst werden.

Ein Finanzdienstleister bewegt sich aus Sicht des Kunden im Bedürfnisfeld finanzieller Sicherheit, Orientierung, Transaktionsfähigkeit und Vermögenssteuerung. Intelligente Assistenzsysteme, Plattformen und neue datenbasierte Anbieter können Teile dieser Leistung übernehmen, ohne historisch aus dem Bankensektor zu stammen. Bei professionellen Dienstleistungen verändert automatisierte Recherche, Dokumentenanalyse und Wissensverarbeitung die Wertschöpfung bereits auf Ebene einzelner Tätigkeiten. Im Handel können intelligente Systeme Auswahl, Bedarfserkennung, Einkaufsvorbereitung und Produktsuche zunehmend vorverlagern. Für industrielle Anbieter wird die physische Maschine durch Diagnose-, Optimierungs- und Verfügbarkeitsleistungen ergänzt. In allen Fällen erweitert sich das reale Wettbewerbsfeld über die bisher wahrgenommenen Marktgrenzen hinaus.

Besondere Bedeutung erhält dabei die Schnittstelle zur Entscheidung des Kunden. Wer den Zugang zum Kundenproblem kontrolliert, kann darüber Einfluss auf nachgelagerte Anbieter gewinnen. In digitalen Märkten war dies bislang häufig die Plattform, die Suchmaschine oder der Marktplatz. Intelligente Agenten können diese Entwicklung weiter verschärfen, weil sie künftig Auswahl, Vergleich und Teile der Kaufentscheidung eigenständig vorbereiten können. Daraus entsteht eine mögliche Verschiebung von Marktpositionen: Ein Unternehmen kann weiterhin ein hervorragendes Produkt besitzen und gleichzeitig an strategischer Bedeutung verlieren, wenn der Zugang zur Entscheidung des Kunden von anderen Systemen kontrolliert wird.

Für die SRM-Analyse folgt daraus eine anspruchsvollere Fragestellung. Zu untersuchen ist, welche originären Kundenbedürfnisse langfristig stabil bleiben, welche bisherigen Leistungsbestandteile durch KI substituierbar werden, welche neuen Akteure Zugang zum Kundenproblem erhalten und an welcher Stelle künftig die Entscheidung über Auswahl, Empfehlung und Kauf fällt. Die Wettbewerbsbeobachtung muss deshalb stärker auf Funktionssubstitution, Schnittstellenmacht und Netzwerkposition gerichtet werden.

Damit gewinnt eine bereits angelegte Erkenntnis der Schließmann-Methodik nochmals an Gewicht: Die relative Stärke eines Unternehmens ergibt sich aus seiner Bedeutung im tatsächlich relevanten Markt- und Systemkontext. Marktanteile innerhalb einer historisch definierten Branche können ein trügerisches Bild liefern, sobald sich das Lösungsuniversum des Kunden erweitert.

4. Veränderung von Geschäftsmodellen und Wertschöpfungsarchitekturen

Die strategische Wirkung von KI lässt sich besonders klar am Geschäftsmodell erfassen. Ein Geschäftsmodell verbindet Nutzenversprechen, Architektur der Wertschöpfung sowie Kosten- und Ertragslogik. Veränderungen können damit am Kundennutzen, an der Konfiguration der Leistungserstellung und am Ertragsmodell ansetzen.

Auf der Ebene des Nutzenversprechens ermöglicht KI eine höhere Individualisierung, schnellere Reaktion, präzisere Prognose, bessere Verfügbarkeit oder eine Verringerung des Aufwands für den Kunden. Der strategische Wert solcher Anwendungen zeigt sich häufig unspektakulär. Der Kunde muss die eingesetzte Technologie weder erkennen noch verstehen. Er erlebt ihren Nutzen beispielsweise durch ein besser passendes Angebot, geringere Wartezeiten, höhere Qualität, verlässlichere Verfügbarkeit oder schnellere Problemlösung.

Damit erklärt sich auch, weshalb sichtbare technologische Innovationen strategisch überschätzt werden können. Ein Roboter oder eine autonome Anwendung besitzt hohe Aufmerksamkeit. Eine im Hintergrund arbeitende Prognose- oder Entscheidungslogik kann gleichzeitig einen viel stärkeren Einfluss auf Kosten, Bestand, Qualität und Kundenzufriedenheit entfalten. Die strategische Bewertung einer Innovation sollte deshalb konsequent bei ihrer Wirkung auf das originäre Bedürfnis und die Wertschöpfung ansetzen.

Auf der Ebene der Wertschöpfungsarchitektur reicht die Veränderung tiefer. Prozesse, die historisch um menschliche Informationsverarbeitung herum aufgebaut wurden, können neu konfiguriert werden. Ein vorhandener Prozess wird damit nicht lediglich schneller. Seine Abfolge, Zuständigkeiten, Schnittstellen und Kontrollmechanismen können sich vollständig verändern. Aus einzelnen Automatisierungen entstehen neue Mensch-Maschine-Systeme, in denen Aufgaben dynamisch zwischen Software, Modellen und Mitarbeitern verteilt werden.

Genau an dieser Stelle zeigt sich die Grenze vieler Pilotprojekte. Ein Pilot kann belegen, dass eine technische Funktion grundsätzlich arbeitet. Für die strategische Relevanz reicht dieser Nachweis nicht aus. Entscheidend ist die Anschlussfähigkeit an reale Daten, Prozesse, Verantwortlichkeiten und Systeme. Skalierung erfordert damit einen wesentlich umfassenderen Reifegrad als technische Machbarkeit.

Die Geschäftsmodellforschung beschreibt die Fähigkeit zur laufenden Rekonfiguration von Ressourcen, Fähigkeiten und Aktivitäten als organisationale Metafähigkeit. Diese Kompetenz entsteht über wiederholte Lernschleifen und wird erst durch Routinen, Prozesse und kollektive Erfahrung Bestandteil der Organisation. Für die KI-Transformation folgt daraus eine weitreichende Konsequenz: Die Fähigkeit zum wiederholten Umbau des eigenen Geschäftsmodells kann langfristig wertvoller werden als der Vorsprung aus einer einzelnen Anwendung.

Daten spielen hierbei eine besondere Rolle, wobei ihre strategische Bedeutung häufig zu verkürzt dargestellt wird. Ein großer Datenbestand schafft für sich keinen Vorsprung. Relevanz entsteht durch Qualität, Aktualität, semantischen Kontext, rechtmäßige Nutzbarkeit, Verknüpfbarkeit und operative Einbettung. Erst in Verbindung mit Prozesswissen und einem konkreten Entscheidungs- oder Kundennutzen entsteht Wert.

Für die technische Architektur folgt daraus das Prinzip der strategischen Optionalität. Daten, Prozesslogiken und Unternehmenswissen sollten soweit möglich von einzelnen Modellanbietern entkoppelt werden. Die Geschwindigkeit der technologischen Entwicklung spricht für modular aufgebaute Systeme, klare Schnittstellen und eine Architektur, in der Modelle ausgetauscht oder ergänzt werden können. Ein Unternehmen, das seinen gesamten Wissens- und Prozesskern an eine einzelne technische Plattform bindet, erhöht seine Abhängigkeit und damit einen Teil seiner systemischen Fragilität.

5. KI im Schließmann-Strategie-Würfel: Relative Stärke, Performance und Lebensfähigkeit

Der Schließmann-Strategie-Würfel erweitert die Markt- und Ergebnisbetrachtung um die Lebensfähigkeit des Unternehmens im relevanten System. Die drei Dimensionen Relative Stärke, Performance im relevanten Markt und Viability erlauben gerade bei KI eine differenziertere Bewertung als eine reine Produktivitäts- oder Innovationsbetrachtung.

Auf der Achse der Relativen Stärke verändert KI die Quellen strategischer Bedeutung. Zugang zu Daten, Prozesswissen, Kundenbeziehungen, Reputation, Vertrauen, Netzwerkposition, Umsetzungsfähigkeit und Geschwindigkeit des organisationalen Lernens gewinnen an Gewicht. Technische Modelle selbst werden in vielen Anwendungsfeldern vergleichbarer und leichter zugänglich. Ein dauerhafter Vorsprung entsteht daher vor allem dort, wo allgemein verfügbare Technologie mit schwer imitierbaren Unternehmensressourcen verbunden wird.

Auf der Performance-Achse kann KI Kosten, Geschwindigkeit, Qualität, Fehlerquoten, Kapitalbindung, Verfügbarkeit und Umsatz beeinflussen. Diese Effekte müssen betriebswirtschaftlich sauber nachgewiesen werden. Nutzungszahlen oder die Zahl implementierter Anwendungen stellen keinen ausreichenden Erfolgsmaßstab dar. Ein wirtschaftlich relevantes KI-System muss entweder die Qualität des Kundennutzens verbessern, Ressourcen freisetzen, Risiken senken, Erträge erhöhen oder eine Kombination dieser Wirkungen erzielen.

Die dritte Dimension ist strategisch besonders interessant. Lebensfähigkeit entsteht im Schließmann-Modell aus dem situativen Zusammenspiel von Agilität, Robustheit und Komplexität. Mit wachsender Komplexität steigen die Anforderungen an Anpassungs- und Absorptionsfähigkeit.

KI wirkt gleichzeitig auf alle drei Größen.

Sie kann Agilität erhöhen, weil Informationen schneller verarbeitet, Varianten simuliert, Entscheidungen vorbereitet und neue Lösungen rascher entwickelt werden können. Unternehmen können dadurch ihre operative und strategische Reaktionsgeschwindigkeit steigern.

Sie kann Robustheit stärken, wenn bessere Prognosen, frühere Fehlererkennung, redundantes Wissen, automatische Überwachung oder schnellere Reaktion auf Störungen entstehen.

Parallel wächst die Komplexität des Systems. Zusätzliche Datenströme, Modelle, Schnittstellen, Cloud-Dienste, Zugriffsrechte, Cyberrisiken, regulatorische Anforderungen, Modellversionen, menschliche Kontrollpunkte und Abhängigkeiten von Technologiepartnern vergrößern das Beziehungsgeflecht. Alte Systeme verschwinden zudem selten sofort. Über längere Zeiträume entstehen hybride Architekturen aus Legacy-Systemen und neuen KI-Komponenten.

Damit ergibt sich eine zentrale strategische Aussage:

Der Einsatz von KI verbessert die Lebensfähigkeit eines Unternehmens nur dann nachhaltig, wenn der Zugewinn an Agilität und Robustheit die zusätzlich erzeugte Komplexität ausreichend kompensiert.

Diese Relation ist dynamisch. Eine anfangs sehr wirksame Lösung kann mit zunehmender Zahl an Sonderfällen, Schnittstellen und Abhängigkeiten später zum Komplexitätstreiber werden. Umgekehrt kann eine zunächst aufwendige Architektur langfristig Robustheit schaffen, wenn sie Wechselmöglichkeiten, Transparenz und modulare Anpassung erlaubt.

Hier liegt die Gefahr einer KI-Komplexitätsfalle. Vertrieb, Einkauf, Marketing, IT, Kundenservice und Produktion können jeweils sinnvolle Einzelanwendungen einführen und gleichzeitig das Gesamtsystem destabilisieren. Jede lokale Optimierung ist für sich plausibel. Die Summe erzeugt zusätzliche Schnittstellen und Inkonsistenzen, die auf Unternehmensebene niemand mehr vollständig überblickt.

Die Komplexitätsanalyse setzt deshalb bei den Interdependenzen an. Besonders relevant sind Hubs, also Variablen mit hoher Vernetzungsdichte und starken Auswirkungen auf weitere Teile des Systems. Im KI-Kontext können Datenarchitektur, Identitäts- und Rechtemanagement, zentrale Prozessplattformen, Modellzugänge, Kundenstammdaten oder regulatorische Governance solche Hubs bilden. Ihre Fehlsteuerung kann Wirkungen weit über die ursprüngliche Anwendung hinaus entfalten.

6. Strategische DNA: Was im technologischen Wandel stabil bleiben sollte

Die hohe Veränderungsgeschwindigkeit verlangt eine klare Trennung zwischen strategischen Konstanten und austauschbaren technischen Komponenten. Gerade hier bietet die Betrachtung der strategischen DNA einen belastbaren Rahmen.

Auf der Nachfrageseite stehen die stabileren originären Kundenbedürfnisse. Menschen benötigen weiterhin Sicherheit, Mobilität, Versorgung, Gesundheit, Orientierung, Finanzierung, Unterhaltung, Zeitersparnis oder gesellschaftliche Teilhabe. Die konkrete technische Form ihrer Befriedigung verändert sich erheblich schneller als diese Grundbedürfnisse. Eine strategische Positionierung sollte deshalb möglichst tief am stabilen Bedürfnis verankert sein.

Auf der Angebotsseite zählen diejenigen Fähigkeiten, die das Unternehmen langfristig in besonderer Qualität beherrscht: spezifisches Prozesswissen, Zugang zu Kunden, tiefe Domänenkompetenz, verlässliche Leistungserbringung, besondere Datenqualität, regulatorische Souveränität, Marke, Vertrauen, Netzwerke und organisatorische Umsetzungskraft. Ihre Bedeutung kann durch KI steigen, sofern die Technologie diese Fähigkeiten verstärkt.

Die strategischen Chromosomen eines KI-geprägten Geschäftsmodells liegen in den Interdependenzen dieser Größen. Besonders relevant wird beispielsweise die Beziehung zwischen Kundenzugang und Datenzugang, zwischen Datenqualität und Prozessqualität, zwischen Automatisierung und Verantwortlichkeit, zwischen Geschwindigkeit und Kontrolle sowie zwischen technischer Offenheit und Abhängigkeit.

Darüber liegen die Meta-Kompetenzen. Hierzu zählen Geschäftsmodellinnovation, Systemadaption, die Fähigkeit zum organisationalen Lernen sowie die Steuerung von Komplexität. Die hinterlegten Arbeiten zur Geschäftsmodellinnovation fassen diese Fähigkeit ausdrücklich als erlernbare organisationale Kompetenz auf, durch die Ressourcen, Fähigkeiten und Aktivitäten immer wieder neu kombiniert und auf veränderte Bedingungen ausgerichtet werden können.

Genau darin dürfte ein wesentlicher langfristiger Differenzierungsfaktor liegen. Ein Unternehmen braucht keinen dauerhaften Vorsprung bei jedem einzelnen Modell. Es braucht die Fähigkeit, relevante technologische Veränderungen früh zu erkennen, ihre Bedeutung für das eigene System zu beurteilen und geeignete Lösungen schneller und sicherer als andere in seine Wertschöpfung einzubauen.

Der technologische Wandel wird damit selbst zu einer permanenten Umgebungsvariable. Strategie erhält stärker den Charakter eines laufenden Scan-, Lern- und Anpassungsprozesses. Die Schließmann-Systematik beschreibt Strategie entsprechend als Näherungslösung, deren Treffgenauigkeit ohne fortlaufende Anpassung sinkt. Für KI gilt dies in besonderem Maße.

7. Grundlegende Folgen für unterschiedliche Branchentypen

Die Intensität der Veränderung wird sich zwischen Branchen unterscheiden. Ein einheitliches Zukunftsbild wäre deshalb fachlich unzutreffend. Dennoch lassen sich einige strukturelle Muster erkennen.

In kapital- und anlagenintensiven Industrien liegt der große Hebel zunächst in der Verbindung von physischer Wertschöpfung mit intelligenter Informationsverarbeitung. Produktionsplanung, Qualitätskontrolle, Wartung, Entwicklung, Beschaffung und Logistik können stärker datenbasiert gesteuert werden. Strategisch besonders interessant wird der Übergang vom Verkauf eines physischen Produkts zu laufenden Verfügbarkeits-, Optimierungs- oder Servicemodellen. Der Wettbewerb verschiebt sich damit teilweise von der technischen Qualität des Assets zur Qualität des gesamten Nutzungssystems.

Im Handel und in anderen transaktionsintensiven Branchen wächst die Fähigkeit zur granularen Steuerung. Sortiment, Bestand, Nachfrage, Preis, Kommunikation und Personalplanung lassen sich stärker auf lokale oder individuelle Situationen ausrichten. Große Datenmengen und hohe Wiederholungsfrequenz erzeugen dort günstige Voraussetzungen für lernende Systeme. Gleichzeitig steigt die strategische Bedeutung des Kundenzugangs, weil intelligente Assistenten Teile der Suche und Kaufvorbereitung übernehmen können. Wer lediglich austauschbare Produkte bereitstellt, kann in einer solchen Architektur leichter in eine nachrangige Lieferantenposition geraten.

Bei Banken, Versicherungen und anderen datenintensiven Dienstleistungen liegen große Potenziale in Risikobewertung, Betrugserkennung, Beratung, Schadenbearbeitung, Service und interner Wissensverarbeitung. Zugleich gehören diese Branchen zu den Bereichen, in denen Fehlentscheidungen hohe finanzielle und rechtliche Folgen haben. Governance, Nachvollziehbarkeit und Kontrollarchitekturen werden deshalb Teil der strategischen Leistungsfähigkeit.

Wissensintensive Dienstleistungen erleben eine andere Form der Veränderung. Standardisierte Recherche, Textproduktion, Analyse und Dokumentation werden in Teilen deutlich effizienter. Dadurch sinkt der Differenzierungswert von Tätigkeiten, die überwiegend aus reproduzierbarer Informationsverarbeitung bestehen. Tiefe Domänenkenntnis, Beurteilungsfähigkeit, Verantwortung, Verhandlung, Vertrauensbeziehung und die Lösung komplexer Ausnahmesituationen gewinnen relativ an Bedeutung. Das kann auch Ertragsmodelle verändern. Wo sich der Zeitaufwand durch Automatisierung stark verringert, geraten rein zeitbasierte Abrechnungsmodelle unter Anpassungsdruck.

Im Gesundheits- und Pharmabereich können Forschung, Dokumentation, Diagnostikunterstützung und Prozesssteuerung erheblich profitieren. Gleichzeitig ist die Toleranz gegenüber Fehlern gering. Die Fähigkeit zur Validierung, Überwachung und verantwortlichen Integration wird hier zu einer wichtigen Eintrittsbarriere.

In Medien-, Kommunikations- und Kreativmärkten wächst die verfügbare Menge produzierbarer Inhalte rapide. Knappheit verschiebt sich dadurch stärker in Richtung Aufmerksamkeit, Vertrauen, Glaubwürdigkeit, Originalität und Distribution. Die Kosten der Produktion sinken in Teilen; die Fähigkeit, überhaupt wahrgenommen und als relevant eingeordnet zu werden, gewinnt an strategischem Gewicht.

Softwareunternehmen wiederum erleben eine Senkung der Kosten für Entwicklung und Anpassung. Dadurch wird reine Codeproduktion leichter substituierbar. Problemverständnis, Integration, Datenzugang, Betriebssicherheit, Workflow-Kontrolle und die Einbettung in kritische Kundenprozesse gewinnen an Bedeutung.

Für kleinere Unternehmen entsteht ein ambivalentes Bild. KI kann Größennachteile verringern, weil Analyse-, Marketing-, Entwicklungs- und Verwaltungsfähigkeiten zu geringeren Grenzkosten verfügbar werden. Gleichzeitig fehlen häufig die Datenbasis, technische Infrastruktur und personelle Kompetenz zur professionellen Integration. Die amtlichen Daten zeigen diese Lücke bereits deutlich. Mittelständische Strategie sollte deshalb besonders sorgfältig zwischen selbst aufzubauenden Kernkompetenzen und extern beschaffbarer Technologie unterscheiden.

8. Konsequenz für Unternehmensführung und strategische Positionierung

Eine isolierte KI-Strategie verkürzt die Aufgabe. Erforderlich ist eine Überprüfung der Unternehmensstrategie unter den veränderten Bedingungen von KI. Ausgangspunkt ist das relevante System mit seinen Kundenbedürfnissen, Substitutionsmöglichkeiten, Netzwerken, regulatorischen Bedingungen und technologischen Abhängigkeiten. Daraus folgt die Definition des SRM. Anschließend ist zu klären, wie sich Nutzenversprechen, Geschäftsmodell, Kernkompetenzen, Architektur und Organisation entwickeln müssen.

Diese Reihenfolge entspricht der systemischen Logik, nach der das relevante System der Gestaltung von Geschäftsmodell, Kompetenzen und Strategie den Rahmen vorgibt. Sie schützt davor, von einer verfügbaren Technologie auszugehen und nachträglich einen passenden Anwendungsfall zu suchen.

Unternehmen sollten ihre KI-Aktivitäten deshalb als strategisches Portfolio führen. Experimente bleiben notwendig, weil die Technologie und ihre Anwendungsmöglichkeiten noch stark in Bewegung sind. Gleichzeitig braucht dieses Portfolio klare Kriterien für Ausbau, Integration und Beendigung. Die Organisation muss in der Lage sein, Ressourcen aus schwachen Anwendungen rasch in erfolgversprechende Felder zu verlagern. Genau darin zeigt sich Portfolioagilität.

Der wirtschaftliche Erfolg sollte an der Veränderung des Unternehmenssystems gemessen werden. Relevante Größen sind Kundennutzen, Qualität, Geschwindigkeit, Kosten, Kapitalbindung, Umsatzwirkung, Fehler- und Risikoprofil sowie die dadurch zusätzlich erzeugte Komplexität. Ein Projekt, das lokal hohe Effizienz erzielt und gleichzeitig das Gesamtsystem fragiler macht, kann strategisch negativ wirken.

Ebenso zentral wird die Governance. Seit August 2026 gelten in Europa zusätzliche Transparenzpflichten für bestimmte KI-Systeme; die Durchsetzung des europäischen KI-Regelwerks ist in eine neue Phase eingetreten. Regulierung gehört damit unmittelbar zum relevanten System. Für Unternehmen in sensiblen Märkten kann die Fähigkeit, KI rechtssicher, nachvollziehbar und vertrauenswürdig zu betreiben, selbst zu einem strategischen Differenzierungsmerkmal werden.

Die langfristige Positionierung sollte schließlich auf einer klaren Trennung von stabilen und veränderlichen Elementen beruhen. Kundenbedürfnis, Unternehmenswissen, relevante Daten, besondere Fähigkeiten, Vertrauen und Netzwerkposition bilden den stabileren Kern. Modelle, Werkzeuge und einzelne technische Komponenten gehören zu einer beweglicheren Schicht. Eine gute Architektur schützt den Kern und erlaubt gleichzeitig schnellen technologischen Austausch.

Daraus ergibt sich als Gesamturteil:

Künstliche Intelligenz verändert die Unternehmenswelt tiefgreifend, weil sie in die elementaren Prozesse von Wahrnehmung, Wissen, Entscheidung und Koordination eingreift. Ihre strategische Relevanz lässt sich deshalb weder über die Zahl der eingesetzten Anwendungen noch über die Modernität der verwendeten Modelle bestimmen. Maßgeblich ist, ob ein Unternehmen mit ihrer Hilfe seine Bedeutung im Strategisch Relevanten Markt stärkt, seine wirtschaftliche Performance verbessert und seine Lebensfähigkeit im relevanten System erhöht.

Die zentrale Herausforderung liegt in der Balance. KI eröffnet erhebliche Potenziale für Agilität und Robustheit. Gleichzeitig schafft sie zusätzliche Interdependenzen und damit neue Komplexität. Unternehmen mit einer hohen Fähigkeit zur Geschäftsmodellinnovation, einer modularen Architektur, belastbaren Daten- und Wissensstrukturen sowie einem klaren Verständnis ihres originären Kundennutzens besitzen deshalb eine besonders günstige Ausgangsposition.

Die grundlegende strategische Aussage lautet damit:

Künstliche Intelligenz wird zu einem festen Bestandteil unternehmerischer Leistungs- und Steuerungssysteme. Zukunftsfähigkeit entsteht aus der Fähigkeit, diese Technologie immer wieder in das eigene Geschäftsmodell zu integrieren, ohne die Kontrolle über Kundenbeziehung, Wissen, Daten, Architektur und Systemkomplexität zu verlieren.

In der Logik des Strategie-Würfels entscheidet sich die Qualität dieser Transformation auf allen drei Achsen zugleich. Die relative Stärke zeigt, ob das Unternehmen im neu entstehenden SRM an Bedeutung gewinnt. Die Performance zeigt, ob die Transformation tatsächlich wirtschaftliche Resultate erzeugt. Die Viability zeigt, ob das Unternehmen trotz steigender Dynamik und Vernetzung dauerhaft steuerbar, anpassungsfähig und robust bleibt. Erst in dieser dreidimensionalen Betrachtung wird sichtbar, ob KI einen technologischen Fortschritt darstellt oder einen tragfähigen Beitrag zur nächsten Entwicklungsstufe des Unternehmens leistet.