Viele AI-Unternehmen existieren noch, sind aber im Grunde bereits „gestorben“.

Zusammenfassung der Kerninhalte

Dieser Artikel enthüllt fünf „herzzerreißende Wahrheiten“ über die AI-Branche: Viele AI-Unternehmen überleben nur durch maßgeschneiderte Projekte (sie sind im operativen Sinne bereits tot); der Schlüssel zur AI-Umstellung liegt darin, dass die Chefs selbst AI aktiv nutzen; die von Unternehmen gesammelten Daten sind größtenteils „Müll“; Produktmanager, die nur in der Lage sind, Prototypen zu erstellen, können nicht gerettet werden; und AI-basierte Produkte, die keine kommerzielle Logik besitzen, sind von vornherein zum Scheitern verurteilt. Die zentrale Botschaft ist: AI hat die grundlegenden Geschäftsprinzipien nicht überwunden – es hat lediglich alte Probleme aufgedeckt, die zuvor durch Finanzierung und PowerPoint-Präsentationen verdeckt wurden: das Dilemma der maßgeschneiderten Projekte, mangelndes Verständnis bei den Chefs, Datenprobleme, ein Fehlen von Produktdenken sowie Mängel in der kommerziellen Logik. Diese Probleme verschwinden nicht einfach, nur weil sie mit dem Etikett „AI“ versehen werden.

Detaillierte Analyse

1. Maßgeschneiderte Projekte: Das „Überlebensloch“ für AI-Unternehmen

Viele AI-Unternehmen scheinen gut zu verdienen, doch sie halten eigentlich nur durch die Annahme von maßgeschneiderten Projekten über Wasser. Dies ist jedoch ein Teufelskreis:

• Vorverkaufsphase: Um Aufträge zu erhalten, werden fast alle Forderungen erfüllt – Kunden wünschen sich intelligente Systeme, Datenbanken, automatische Berichte sowie die Integration mit ERP/CRM/OA-Systemen, sogar wenn diese nicht den langjährigen Geschäftsabläufen entsprechen; die Verträge werden schnell unterzeichnet.
• Lieferphase: Erst nach der Unterzeichnung des Vertrags wird klar: Die Modelle sind instabil, die Kundendaten unordentlich, die Geschäftsregeln unklar und die Anforderungen ändern sich ständig. Am Ende verwandeln sich AI-Projekte in Streitigkeiten – die Buchführung sieht gut aus, aber die Abnahme und die Zahlung der Forderungen sind in weiter Ferne.
• Überlebenszyklus: Noch bevor das Problem des letzten Projekts gelöst ist, muss man bereits in der nächsten Phase weitere Probleme schaffen und die Vorauszahlungen für das neue Projekt verwenden, um die Lücken des alten Projekts zu füllen. Das ist kein Wachstum – es handelt sich vielmehr um ein „Überleben auf dem letzten Ausatmen“. Solche Unternehmen sind im operativen Sinne bereits tot.

2. Risiken der AI-Umstellung: Chefs, die selbst kein AI verstehen

Die AI-Umstellung vieler Unternehmen beschränkt sich darauf, einige AI-Projekte in Angriff zu nehmen und den Mitarbeitern Werkzeuge zur Verfügung zu stellen. Doch der Schlüssel liegt darin, dass die Chefs selbst AI aktiv nutzen:

• Bei Softwareunternehmen wird das Produktdesign, die Entwicklung und die Tests zwar mit AI unterstützt, doch die Chefs zögern, die Kosten für AI-Werkzeuge zu übernehmen – nicht aus Geiz, sondern weil sie selbst keine Erfahrung damit haben und nicht wissen, ob AI tatsächlich nützlich ist.
• Ohne eigene Erfahrung mit AI können Chefs nicht unterscheiden, ob das Problem an den Werkzeugen liegt oder an mangelndem Können der Mitarbeiter, oder ob die Modelle unzureichend sind oder die gewählten Anwendungsszenarien falsch sind. Dadurch wird die Umstellung in die falsche Richtung gelenkt – und alle Bemühungen der Mitarbeiter sind umsonst.

3. Unternehmensdaten: Kein „Goldberg“, sondern ein „Müllhaufen“

Unternehmen glauben oft, dass ihre jahrelangen PDFs, Excel-Dateien und Word-Dokumente eine „Quelle wertvoller Daten“ sind – doch die Hälfte dieser Daten ist nutzlos:

• Derselbe Feld wird von der Vertriebsabteilung als „Kundenzahl“ bezeichnet, von der Finanzabteilung als „Anzahl der mit Kunden verbundenen Bestellungen“. Die Vorgaben in den Systemen stimmen nicht mit der tatsächlichen Praxis überein; wichtige Regeln sind in Kommentaren oder zusammengeführten Zellen versteckt. Menschen können diese Informationen erraten oder von erfahrenen Mitarbeitern erfahren – AI hingegen nicht.
• Daher verbringen viele AI-Projekte 80 % ihrer Zeit damit, Daten zu ordnen: Einheitliche Definitionen festzulegen, Lücken zu schließen und unbrauchbare Daten zu entfernen. Das liegt nicht an mangelnder Technologie, sondern daran, dass Unternehmen eine „Datenverschuldung“ aus der Vergangenheit abbauen müssen.

4. AI kann Produktmanager nicht retten, die nur Prototypen erstellen

Viele Produktmanager glauben, dass sie durch das Erstellen von Prototypen mit Hilfe von AI und das Schreiben von Anforderungen erfolgreich werden können – doch das ist ein Trugschluss:

• AI kann die Effizienz steigern, aber ohne klares Produktdenken ist alles vergeblich. Früher erstellten Sie vielleicht nur Seiten nach den Anweisungen der Chefs; heute geben Sie diese Anweisungen einfach an AI weiter, und AI erstellt die entsprechenden Prototypen. Das Wesentliche bleibt unverändert.
• In der Ära von AI müssen Produktmanager verstehen, warum Kunden bezahlen, warum Geschäftsprozesse so ablaufen und welche Probleme die Nutzer wirklich lösen wollen – andernfalls wird das starke AI nur ihre mangelnde Fachkenntnis offenbaren.

5. Scheitern von AI-basierten Produkten: Sie entstehen ohne kommerzielle Logik

Viele AI-Produkte sind von vornherein zum Scheitern verurteilt, weil sie die alten Probleme nicht lösen:

• Überholt durch große Modelle: Einige Produkte scheinen kurzfristig erfolgreich zu sein, doch sobald große Modelle diese Funktionen integrieren, werden diese Produkte einfach überflüssig (z. B. AI-basierte Schreibwerkzeuge können durch GPT ersetzt werden).
• Fehlendes Nutzenwert: Die Demos sind beeindruckend, die Präsentationen gelungen – doch niemand kann klar erklären, warum Kunden bezahlen sollen, warum sie weiterhin bezahlen sollten oder warum sie nicht einfach auf kostenlose AI-Lösungen zurückgreifen können.
• Fehlende Wettbewerbsbarkeit: Wenn der Konkurrent die Preise senkt, müssen auch Sie folgen; Kunden vergleichen die Produkte und stellen fest, dass es keinen wirklichen Unterschied gibt – am Ende werden sie durch Preiswettbewerb zerstört.

AI hat die technische Struktur verändert, nicht jedoch die grundlegenden Geschäftsprinzipien: Produkte ohne Nutzenwert, Geschäftsmodell oder Wettbewerbsvorteile können auch mit dem Etikett „AI“ nicht überleben.

Fazit

AI ist kein „Todesvermeidungsmittel“ – Unternehmen, die nur durch maßgeschneiderte Projekte überleben, werden weiterhin scheitern; Menschen ohne klares Produktdenken werden weiterhin mangelhaft sein. Die alten Probleme verschwinden nicht einfach, nur weil sie mit dem Etikett „AI“ versehen werden.