Der 95% skalierte die KI schnell. Der 5% skalierte sie intelligent.

Zusammenfassung: Die von KI profitierenden Unternehmen skalierten zuerst die Arbeit, die sie neu gestaltet hatten, behielten die Personen bei den Entscheidungen, die Risiken bergen, und bauten nur die Teile aus, die zuverlässig blieben.

Die Geschwindigkeitskontrolle

Geschwindigkeit war das Erste, was jedes Führungsteam an generativer künstlicher Intelligenz (KI) bemerkte, und in der Geschwindigkeit verbarg sich die Falle. Ein Pilotprojekt stand über ein Wochenende. Eine Support-Warteschlange leerte sich über Nacht. Eine Kampagne, die früher zwei Wochen dauerte, wurde an einem Nachmittag abgewickelt. Die Dashboards sahen spektakulär aus, und die Gewinn- und Verlustrechnung (GuV) blieb unverändert.

Das Projekt NANDA des Massachusetts Institute of Technology hat der Distanz zwischen Bewegung und Geld eine Zahl gegeben. Seine Studie aus dem Jahr 2025, Die GenAI-Kluft: Stand der KI im Geschäftswesen, fand, dass nur 5 Prozent der unternehmensweiten KI-Implementierungen erzielten nachweisbare P&L-Auswirkungen, während die restlichen 95 Prozent vor den Büchern stockten.¹ Der entscheidende Faktor lag in der Integration: wie gut ein Unternehmen KI in seine Arbeitsabläufe, seine Governance und die Art und Weise, wie seine Teams tatsächlich entscheiden, einbindet. Derselbe Bericht ergab, dass Piloten, die durch die Zusammenarbeit von internen Spezialisten mit externer Expertise erstellt wurden, in 67 Prozent der Fälle in die Produktion gingen, verglichen mit 22 Prozent bei Projekten, die allein dem Technikteam überlassen wurden.

Diese Lücke ist die ganze Geschichte. Schnelles Skalieren erzeugt eine Demo; intelligentes Skalieren erzeugt ein System, das bei zehnfachem Volumen Bestand hat.

Was “schlauer” bedeutet: Neugestaltung statt Beschleunigung

McKinseys Umfrage von fast 2.000 Führungskräften aus 105 Ländern aus dem Jahr 2025 zieht die gleiche Schlussfolgerung aus der entgegengesetzten Richtung. Achtundachtzig Prozent der Organisationen nutzen KI mittlerweile in mindestens einer Funktion, etwa ein Drittel haben begonnen, es unternehmensweit zu skalieren, und 39 Prozent berichten über Auswirkungen auf das operative Ergebnis (EBIT) auf Unternehmensebene.² Agenten schärfen das Bild weiter nach: 62 Prozent der Unternehmen führen Experimente mit ihnen durch, und 23 Prozent haben eine echte Skalierung erreicht.

Die Teams, die vom Pilotprojekt zum Profit übergehen, teilen sich einen Zug. Sie betrachten KI als Grund, die Arbeit selbst neu zu gestalten. Der verlierende Zug schraubt einen schnelleren Motor an die Arbeit, die sie bereits hatten. Sie schreiben den Prozess neu, entscheiden, wo das Urteilsvermögen angesiedelt ist, und instrumentieren die Ausgabe, damit die Qualität sichtbar bleibt. Beschleunigung wirft ein Modell auf einen undichten Trichter und verschifft die Leckage mit Geschwindigkeit. Redesign baut den Trichter neu auf, damit das Modell eine verlässliche Stelle zum Anschließen hat.

Für kleine oder mittelständische Unternehmen (KMU) ist das der befreiende Teil. Die unternehmensweite Skalierung ist optional. Ein fokussiertes Team, das einen umsatzkritischen Prozess neu gestaltet und nur die stabilen Teile wachsen lässt, wird mehr einbringen als ein Riese, der neunzig ins Stocken geratene Pilotprojekte durchführt.

Klarna wuchs schnell, dann baute es die menschliche Ebene neu auf

Der warnende Fall existiert bereits und gehört zu einem Unternehmen, das mutig genug ist, den Anfang zu machen. Als Klarna 2024 seinen KI-gestützten Assistenten auf Basis von OpenAI einführte, waren die ersten Zahlen Screenshot-würdig: der Bot bewältigte im ersten Monat 2,3 Millionen Gespräche und reduzierte die durchschnittliche Lösungszeit von elf Minuten auf unter zwei, absorbiert zwei Drittel des Unterstützungsvolumens.³ Bis 2025 verzeichnete das Unternehmen Einsparungen von rund 60 Millionen US-Dollar und eine Reduzierung der Transaktionskosten um etwa 40 Prozent.

Dann bog sich die Kurve. Bei härteren Fällen drängte das System halluzinierte bei Grenzfällen und erzielte geringere Zufriedenheitswerte bei komplexen, emotionalen Anfragen auch wenn die Antworten technisch richtig waren und Klarna begann, menschliche Agenten wieder einzustellen.⁴ Der Vorstandsvorsitzende Sebastian Siemiatkowski sagte klar und deutlich, dass kostengesteuerte Automatisierung zu geringerer Qualität führe, und verpflichtete sich, dass ein Kunde auf Wunsch immer einen Menschen erreichen werde.

Lesen Sie es richtig und Klarna ist eine Kalibrierungsgeschichte mit einem glücklichen zweiten Akt. Die Volumenarbeiten, die Passwortzurücksetzungen und die "Wo ist meine Bestellung"-Anfragen liefen sauber und bleiben automatisiert. Die Urteilsarbeiten, die Streitigkeiten und der verzweifelte Kunde, gingen zurück zu den Menschen. Die Erkenntnis gilt für jeden Betreiber: Automatisieren Sie die Volumen-Ebene und behalten Sie die Menschen auf der Ebene, auf der Konsistenz und Vertrauen das eigentliche Produkt sind.

Wo KI sauber skaliert: Arbeit mit hohem Volumen und klaren Regeln

Die operativen Schwierigkeiten, die sich unter KI verbessern, teilen eine Form. Sie basieren auf hohem Volumen, wiederholbarer Logik und einer klaren Definition einer guten Antwort. Dort wird Skalierbarkeit zu einem Vorteil.

Top-of-Funnel-Screening ist der sauberste Gewinn. Ein Fonds, der in eingehenden Pitch-Decks ertrinkt, oder ein Vertriebsteam, das mit Leads überhäuft ist, kann einen Agenten mit Gedächtnisfunktion auf den Fluss richten, ihm einmal die These oder das Ideal-Kundenprofil übergeben und ihn die wenigen ranken, zusammenfassen und hervorheben lassen, die menschliche Zeit verdienen, mit der entsprechenden Begründung. Tier-One-Kundensupport ist die zweite Stufe, die Schicht, die Klarna beibehalten hat. Compliance- und Onboarding-Prüfungen (Identität, Sanktionen, Eigentumsverfolgung) sind die dritte, bei der der Agent sammelt und entwirft, während eine Person abzeichnet. Content- und Kampagnenproduktion ist die vierte, bei der Varianten und Versionen problemlos parallelisiert werden.

Die Qualitätsnachweise für diese Art von Arbeit stammen, ungewöhnlicherweise, aus einem kontrollierten Experiment. In einer randomisierten kontrollierten Studie (RCT) mit 758 Beratern der Boston Consulting Group, die in Organisationale Wissenschaft, die mit KI arbeiten 12,2 Prozent mehr Aufgaben erledigt, 25,1 Prozent schneller gearbeitet und eine um etwa 40 Prozent höhere Arbeitsqualität erzielt.⁵ Die wichtigste Kennzahl für jeden, der ein Team vergrößert: Die leistungsschwächsten Mitarbeiter verbesserten sich um 43 Prozent. KI hob das untere Ende schneller an als das obere Ende, was die Arbeitsdefinition von Konsistenz ist.

Qualität und Konsistenz werden gezielt entwickelt

Die Unternehmen, die wachsen und gleichzeitig das Kundenerlebnis (CX) schützen, behandeln Qualität so, wie eine Fabrikhalle sie behandelt: als etwas, das bewusst entworfen, gemessen und verbessert wird. Die Fertigung hat die Disziplinen bereits benannt: Kaizen für kontinuierliche Verbesserung und Six Sigma zur Fehlerreduzierung. KI macht beides mit Softwaregeschwindigkeit praktikabel, sobald die Organisation sie implementiert hat.

Zwei Mechanismen tragen die Last. Der erste ist Erinnerung. Ein Agent, der sich an das Konto, den Markenton, die letzten drei Interaktionen und die Korrektur, die er letzte Woche erhalten hat, erinnert, liefert den gleichen Standard bei der zehntausendsten Interaktion wie bei der ersten. Konsistenz in großem Maßstab ist eher ein Speicher- als ein Intelligenzproblem. Der zweite ist Relevanz, und sie zahlt sich in bar aus. McKinsey stellt fest, dass Unternehmen, die die Personalisierung gut beherrschen etwa 40 Prozent mehr Umsatz aus diesen Aktivitäten erwirtschaften als die Unternehmen, die es liegen lassen.⁶ Persistente Speicheragenten machen dies für ein kleines Team praktisch, indem sie den nächsten Kontakt über eine gesamte Pipeline hinweg zuschneiden. Das ist Choice Architecture im Sinne von Richard Thaler und Cass Sunstein, das bewusste Design der nächsten Entscheidung, angewendet auf einen ganzen Trichter, wo es einst eine einzelne Landingpage formte.⁷

Hier berichten wachsende Kunden von der tiefsten Auswirkung. Die gesenkten Kosten auf Schlagzeilenebene sind real und endlich. Der Zinseszinseffekt ist der Gewinn: Jede Interaktion landet relevanter als die letzte, das Team wird besser, je mehr die Arbeitslast steigt, und die Marke klingt wie sie selbst, egal ob sie zehn Anfragen pro Tag oder zehntausend beantwortet.

Das Muster hinter dem 5%

Entfernen Sie die Logos und den Reim der Gewinner. Sie haben einen Prozess neu gestaltet, bevor sie ihn skalierten. Sie zogen eine klare Linie zwischen Volumenarbeit, die sie automatisierten, und Urteilsarbeit, die sie verbesserten und unter menschlicher Genehmigung behielten. Sie investierten in Erinnerung und proprietären Kontext, sodass der Agent im Laufe der Zeit zuverlässiger und schneller wurde. Und sie kauften Ergebnisse, indem sie die Qualität instrumentierten, damit sie den Moment sehen konnten, in dem Wachstum begann, sie zu kosten, das genaue Maß, das Klarna-Kunden von Hand liefern mussten.

Das ist nachhaltiges Wachstum: Ein steigender Output, während Qualität, Konsistenz und Vertrauen gehalten werden. Es dauert länger, dies zu etablieren als ein Wochenendprojekt, und es ist die einzige Variante, die im Kontakt mit einer echten Kundenbasis überlebt.

Wo Kainjoo steht

Bei Kainjoo entwickeln wir Marken und Technologien für regulierte Branchen, in denen eine einzige inkonsistente Antwort erhebliche Kosten verursacht. Wir sind der Meinung, dass der nachhaltige Vorteil in diesem Zyklus beim Betreiber liegt, der über das Gedächtnis, die Daten und das Vertrauen verfügt, in das Agenten integriert werden. Wir behandeln KI als ein Instrument für Kaizen und Six Sigma: Automatisieren Sie das Volumen, instrumentalisieren Sie die Qualität, halten Sie sensible Arbeiten auf der von Ihnen kontrollierten Infrastruktur und behalten Sie eine menschliche Note bei Entscheidungen, die Risiken bergen. Bauen Sie Gedächtnis auf, das es wert ist, behalten zu werden, und Sie werden mit dem Wachstum schwerer zu ersetzen sein.

Was Führungskräfte jetzt tun sollten

Der Schritt, der die profitablen 5 Prozent von den anderen abhebt, ist spezifisch und hängt von deiner Position ab.

• Gründer und Geschäftsführer Wählen Sie einen umsatzkritischen Prozess aus und bauen Sie ihn von Grund auf neu mit KI. Skalieren Sie nur die Schicht, die zuverlässig bleibt, und halten Sie die Linie, wenn der Anreiz zur Automatisierung auch der Entscheidungsschicht kommt.
• Operations- und Revenue-Operations (RevOps) Führungskräfte: Konzentrieren Sie Agenten auf arbeitsintensive Prozesse mit klaren Regeln (Screening, First-Level-Support, erste Compliance-Prüfung, Produktion) und stellen Sie sicher, dass Qualitätsabweichungen sofort erkannt werden, noch bevor sie sich in Kundenabwanderung niederschlagen.
• CX- und Markenverantwortliche: Machen Sie das Gedächtnis zur Priorität. Ein Agent, der die Kontohistorie und den Marken-Tonfall beibehält, sorgt für ein gleichbleibendes Erlebnis, wenn das Volumen steigt. Leiten Sie komplexe und emotionale Anfragen an Personen weiter.
• Regulierte und qualitätsorientierte Teams: KI als Instrument für Kaizen und Six Sigma nutzen. Sensible Daten auf der von Ihnen kontrollierten Infrastruktur belassen, eine menschliche Unterschrift für die endgültige Entscheidung bereithalten und den Agenten die erste Fassung sammeln und entwerfen lassen.

FAQ

Was unterscheidet intelligentes Skalieren von schnellem Skalieren? Das bedeutet, die Leistung zu steigern, während Qualität, Konsistenz und Vertrauen stabil bleiben, indem der Prozess um KI herum neu gestaltet und nur die Teile skaliert werden, die zuverlässig bleiben.

Welche operative Arbeit wird zuerst mit KI einfacher? Arbeitsbereiche mit hohem Volumen und klaren Regeln: Deal- und Lead-Screening, First-Level-Support, erste Compliance-Prüfungen und Content-Erstellung.

Wie schützen Unternehmen Qualität und Kundenerlebnis beim Skalieren? Sie entwickeln es mit persistentem Speicher für Konsistenz, instrumentierten Qualitätsmetriken und Personen, die für komplexe, risikoreiche Entscheidungen herangezogen werden.

Wo sehen wachsende Unternehmen die größten Auswirkungen? In der Relevanz von Compoundierung: personalisierte Interaktionen, die den Umsatz steigern, ein Team, das sich weiterentwickelt, und eine Marke, die von der ersten bis zur zehntausendsten Interaktion konsistent bleibt.

Welches Werk bleibt den Menschen in Erinnerung? Geschmack, das schwierige Gespräch und die endgültige Genehmigung bleiben bei den Menschen. Agenten generieren die Optionen und führen die erste Prüfung durch.

Referenzen

1. finance.yahoo.com/news/mit-report-95-generative-ai-105412686.html — MIT Projekt NANDA, Die GenAI-Kluft: Stand der KI in Unternehmen 2025 (Berichterstattung über den Befund 5%/95%)
2. mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai — McKinsey, Der Stand der KI im Jahr 2025: Agenten, Innovation und Transformation
3. langchain.com/blog/customers-klarna — Klarna KI-Assistent: Lautstärke und Lösungszeit-Ergebnisse
4. blog.promptlayer.com/klarna-kundenservice-von-ki-zuerst-zu-einem-hybriden-mensch-gleichgewicht — Klarnas Qualitätsneubewertung und der Human-Hybrid-Ansatz
5. pubsonline.informs.org/doi/10.1287/orsc.2025.21838 — Dell’Acqua et al., “Navigating the Jagged Technological Frontier” Organisationale Wissenschaft (Harvard/BCG-randomisierte kontrollierte Studie)
6. mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-value-of-getting-personalization-right-or-wrong-is-multiplying — McKinsey, Der Wert der richtigen (oder falschen) Personalisierung vervielfacht sich.
7. Thaler, R. H. & Sunstein, C. R. (2008), Stupser: Verbesserte Entscheidungen über Gesundheit, Wohlstand und Glück, Yale University Press — Choice Architecture