KI in Unternehmen einsetzen: Die Kommando-Methode

Im Mai 2026 brachte OpenAI 4 Milliarden US-Dollar auf, um ein Bereitstellungsunternehmen zu gründen. Anthropic hat mit Blackstone und Goldman Sachs ein 1,5-Milliarden-Dienstleistungs-Joint-Venture gegründet, nachdem es im März 100 Millionen in sein Partnernetzwerk gesteckt hatte. Mistral strebt für 2026 einen Umsatz von einer Milliarde Euro an, der fast vollständig von Unternehmen getragen wird.

Die Labs haben etwas verstanden, was der Markt nicht sehen wollte: Der Wert kommt nicht aus dem Modell. Er kommt aus der Umsetzung.

Ihre Antwort ist das Militär. Hunderte von Forward Deployed Engineers, die zu den Großkunden geschickt werden. Das ist besser als eine API. Es ist nicht Ihre Lösung.

Weil die Prozesse, die diese Ingenieure automatisieren werden, 20 oder 30 Jahre alt sind und man sie nicht mit Code ändern kann. Man ändert sie mit einer Vision, einer Governance und mit Teams, die sowohl das Geschäft als auch die Technologie verstehen. Vor Ort sind es nicht die Armeen, die die Unternehmen umgestalten. Es sind die Kommandos.

Hier erfahren Sie, warum das so ist, mit Zahlen belegt, und wie es konkret funktioniert.

Mai 2026: KI-Labore setzen Milliarden auf den Einsatz an

Nehmen wir die Fakten wieder auf, datiert und mit Quellenangaben versehen, weil sie etwas Bestimmtes erzählen.

Am 11. Mai 2026 kündigt OpenAI die Deployment Company an. 4 Milliarden US-Dollar Startkapital, das von 19 Firmen aufgebracht wurde, wobei TPG neben Advent International, Bain Capital und Brookfield die Federführung übernahm. Im gleichen Zug kauft OpenAI Tomoro, eine Firma für angewandte KI-Engineering, die vom ersten Tag an etwa 150 Einsatzingenieure mitbringt. Brad Lightcap, COO von OpenAI, fasst die Absicht zusammen: "Unsere Kunden sagen uns, dass sie Hilfe brauchen, um vom Pilotprojekt in die Produktion zu gelangen."

Eine Woche zuvor, am 4. Mai, startete Anthropic sein eigenes Joint Venture für KI-Dienstleistungen. Wert: 1,5 Mrd. USD. Anthropic, Blackstone und Hellman & Friedman haben jeweils 300 Mio. USD bereitgestellt, Goldman Sachs ist Gründungspartner. Das erklärte Ziel: Portfolio-Unternehmen von Private-Equity-Fonds. Und das war nicht der erste Schritt von Anthropic: Im März 2026 hatte das Label bereits 100 Millionen US-Dollar für sein Claude Partner Network bereitgestellt, zusammen mit Accenture, Deloitte, Cognizant und Infosys.

Mistral hingegen machte B2B zu seiner zentralen Strategie. Arthur Mensch kündigte an, dass er für 2026 einen Umsatz von etwa 1 Milliarde Euro anstrebe, nachdem er im September 2025 1,7 Milliarden Euro aufgebracht habe. Sein Argument: Um KI in Unternehmen einzusetzen, müsse man den gesamten Stack beherrschen, vom Modell bis zur Integration.

Drei Labs, drei verschiedene Strukturen, eine einzige gemeinsame Feststellung. Ein Modell zu verkaufen reicht nicht mehr aus. Es reicht nicht mehr aus, einen API-Zugang zu verkaufen. Was bezahlt wird, und was immer teurer werden wird, ist die Fähigkeit, KI in einer realen Organisation mit ihren Prozessen, bestehenden Tools und Teams zum Laufen zu bringen.

Diese Feststellung haben wir von Anfang an in der Praxis getroffen. Neu ist, dass die mächtigsten Akteure auf dem Markt sie gerade mit ihren Milliarden bestätigt haben.

Forward Deployed Engineer: Was ist das und woher kommt es?

Der Beruf, den diese Milliarden finanzieren, hat einen Namen: Forward Deployed Engineer, kurz FDE. Wenn Sie diesem Begriff noch nie begegnet sind, ist das normal, denn er ist gerade erst im französischen Wortschatz angekommen. Er wird sich dort etablieren.

Das Modell stammt von Palantir in den frühen 2010er Jahren. Das Unternehmen arbeitete für US-amerikanische Geheimdienste, die nicht in der Lage waren, ein klassisches Lastenheft zu verfassen: Der Bedarf war nur verständlich, wenn man vor Ort war. Palantir schickte daher seine Ingenieure direkt zum Kunden und tauchte in die Materie ein. Intern wurden sie "Deltas" genannt. Aufschlussreiches Detail: Bis 2016 hatte Palantir mehr Ingenieure, die beim Kunden eingesetzt wurden, als klassische Software-Ingenieure.

Zehn Jahre später bestätigt der Markt das Modell in großem Maßstab:

• Die FDE-Stellenangebote stiegen um800 % zwischen Januar und September 2025.
• Auf Indeed stiegen die FDE-Stellen in den USA von643 im April 2025 auf 5.330 im April 2026.
• Salesforce hat sich öffentlich verpflichtet zu1.000 FDE rund um seine Agentforce-Plattform. Google Cloud stellt Hunderte von ihnen auf vier Kontinenten ein.
• Die durchschnittliche Vergütung eines FDE erreicht ca.238.000 Dollar im Jahr 2026 in den USA.

Das Prinzip der FDE ist gesund: einen Ingenieur in den Kontakt mit der Praxis zu bringen, wo der Bedarf wirklich besteht, anstatt hinter einem Jira-Ticket drei Vermittler entfernt. Dies ist ein echter Fortschritt gegenüber dem Modell "Hier ist die API, mach dich selbstständig".

Aber der FDE beantwortet die Frage "Wie bringen wir unsere Technologie beim Kunden zum Laufen". Er beantwortet nicht die Frage des Kunden, die eine andere ist: "Wie verändert sich meine Organisation, nachhaltig, mit messbaren Ergebnissen". Und die Diskrepanz zwischen diesen beiden Fragen erklärt einen Großteil der folgenden Zahlen.

Warum KI-Einsätze scheitern (und es nicht die Schuld der Modelle ist)

Die Lücke zwischen Einführung und Wert ist heute die am besten dokumentierte in der Geschichte der Unternehmens-IT.

88 % der Organisationen setzen nun KI in mindestens einer Funktion einLaut der McKinsey-Umfrage State of AI, die im November 2025 unter 1.993 Befragten in 105 Ländern veröffentlicht wurde. Aber in der gleichen Umfragenur 39% sehen eine Auswirkung auf ihr Betriebsergebnis. Und von diesen schätzen die meisten diese Auswirkungen auf weniger als 5 % des EBIT.

BCG kommt auf einem anderen Weg an denselben Ort: im Jahr 2024,74 % der Unternehmen hatten noch keinen greifbaren Wert nachgewiesen ihrer KI-Nutzungen. Seine Ausgabe 2025 klassifiziert noch60% der Unternehmen in "LaggardsDie meisten Schülerinnen und Schüler sind in der Lage, mit minimalen Gewinnen zu arbeiten.

Gartner hatte bereits im Juli 2024 gewarnt:mindestens 30 % der generativen KI-Projekte werden nach dem Proof of Concept abgebrochen vor Ende des Jahres 2025. Als Gründe werden genannt: Datenqualität, unzureichende Risikokontrollen, ausufernde Kosten, unklarer Geschäftswert.

Und dann ist da noch die Zahl, die Ihnen wahrscheinlich schon auf LinkedIn über den Weg gelaufen ist: die MIT-Studie, der zufolge95% der generativen KI-Initiativen liefern keinen messbaren Ertrag. Seien wir präzise, denn diese Zahl verdient etwas Besseres als ihre Viralität. Sie stammt aus einem White Paper des NANDA-Projekts (MIT Media Lab, Sommer 2025), das auf 52 Interviews und 153 Umfrageantworten aufbaut. Es ist nicht peer-reviewed, hat eine enge Definition von ROI und wurde dafür ausgiebig kritisiert. Zitieren Sie ihn nicht als genauen Maßstab.

Aber lesen Sie, was die Studie wirklich aussagt, denn das ist interessanter als ihre Schockzahl. Das identifizierte Hindernis ist weder das Modell, noch die Infrastruktur, noch die Regulierung, noch das Talent. Es istIntegration : Die meisten der eingesetzten Systeme halten das Feedback nicht fest, passen sich nicht an den Unternehmenskontext an und verbessern sich nicht im Laufe der Zeit. Und eine Nebenerkenntnis, die in dem Bericht fast begraben ist: Die durchgeführten Projektemit spezialisierten Partnern in etwa 67 Prozent der Fälle erfolgreich sind, fast doppelt so oft wie interne Builds.

Auf französischer Seite hat das Bild seine eigene Farbe. Laut INSEE,10 % der französischen Unternehmen mit mehr als 10 Mitarbeitern setzten 2024 KI einim Vergleich zu 13 % im europäischen Durchschnitt. Die Studie von Bpifrance Le Lab vom Juni 2025, für die mehr als 1 200 Führungskräfte von KMU und Midcap-Unternehmen befragt wurden, fügt zwei Zahlen hinzu, die alles sagen:54 % der Anwenderunternehmen begnügen sich mit kostenlosen und generischen Toolsund in73% der Fälle geht der Impuls allein von der Führungskraft aus. Mit anderen Worten: Oberflächenwerkzeug, das von einer Person getragen wird, ohne Verankerung in den Teams. Das ist genau das typische Profil eines Projekts, das sein POC nicht überlebt.

Fassen wir zusammen. Die Modelle funktionieren. Die Akzeptanz ist groß. Und dennoch hält der Wert nicht Schritt, denn das fehlende Glied ist weder technologisch noch budgetär. Es ist organisatorisch.

Die Antwort der Labs: Armeen. Die Grenze: Ihr Land.

Angesichts dieser Feststellung ist die Antwort der Labs mit dem, was sie sind, kohärent: Strukturen in sehr großem Maßstab. Tausende von FDEs, Partnerschaften mit den Big Four der Beratungsbranche, Joint Ventures mit den größten Fonds der Welt. Das JV von Anthropic zielt explizit auf die Portfoliounternehmen von Blackstone und Hellman & Friedman ab. Die Deployment Company von OpenAI startet mit TPG, Bain und Goldman am Tisch.

Schauen Sie, wer zuerst bedient wird: Großkunden und Private-Equity-Portfolios. Das ist logisch, denn dort werden die größten Verträge abgeschlossen. Aber es lässt eine ganze Frage für den Rest des Wirtschaftsgefüges offen: Wer setzt ein und wie?

Und selbst bei großen Unternehmen hat das Modell des eingesetzten Ingenieurs strukturelle Grenzen, die durch kein Budget korrigiert werden:

Ein isolierter FDE schafft eine Abhängigkeit, keine Fähigkeit. Er hält die Technologie seines Arbeitgebers am Laufen. An dem Tag, an dem er geht, geht auch die Kompetenz mit ihm. Es findet kein Transfer statt, weil der Transfer nicht seine Aufgabe ist.

Ein Ingenieur allein trägt keine Transformation. Die Geschäftsprozesse, auf die er trifft, haben eine 20- oder 30-jährige Geschichte, Sonderfälle und Gewohnheiten. Sie zu ändern erfordert Legitimität beim CODIR, ein genaues Verständnis des Geschäfts und Governance-Arbeit. Das ist keine Ingenieursaufgabe, sondern eine Teamaufgabe.

Der Anreiz des EDF ist nicht der Ihre. Ein FDE von OpenAI setzt OpenAI ein. Ein FDE von Salesforce setzt Agentforce ein. Die Frage "Ist das das richtige Werkzeug für diesen Prozess?" ist nicht Teil seiner Stellenbeschreibung.

Das Modell reproduziert den Fehler von One-Shot-Trainings. Es wurde bereits versucht, Unternehmen durch die Entsendung von punktuellen Experten zu verändern: Die KI-Seminare von 2023-2024 haben sensibilisierte Mitarbeiter und unveränderte Prozesse hervorgebracht. Ein Experte, der vorbeikommt, egal auf welchem Niveau, verändert eine Organisation nicht.

Die Diagnose der Labs ist richtig: Der Wert liegt im Einsatz. Ihre Antwort ist auf ihre Kunden zugeschnitten: Armeen für Imperien. Bleibt die Frage, was für eine Organisation funktioniert, die weder 50.000 Mitarbeiter noch einen PE-Fonds als Kapital hat.

Die Kommando-Methode: 2 bis 4 Hybridprofile, von CODIR bis Code

Was auf dem Feld funktioniert, haben wir gesehen, wie es Mission für Mission wiederholt wurde, und es ist das Gegenteil einer Armee. Es ist ein Kommando :ein Team aus 2 bis 4 hybriden Profilen, Fach- und Technologieexperten, das von einem Head of AI geleitet wird und in Ko-Konstruktion mit Ihren internen Teams arbeitet. Vom CODIR zu den Codezeilen.

Konkret ändert sich Folgendes, Punkt für Punkt.

Die Größe ist ein Feature, keine Einschränkung. Bei 2-4 Personen integriert sich das Kommando in Ihre Teams, anstatt sie zu überlagern. Kein Projektausschuss mit 15 Personen, keine Framing Slides für drei Monate. Entscheidungen werden schnell getroffen, weil die Entscheidungsträger im Raum sind, und jedes Mitglied wird bei seiner eigenen Arbeit selbst von der KI gesteigert: Die Produktivität des Teams hat nichts mit der Anzahl seiner Mitglieder zu tun.

Hybride bedeutet zweisprachig. Jedes Thema wird von jemandem behandelt, der den Geschäftsprozess UND das, was die Technologie daraus machen kann, versteht. Genau das ist das fehlende Glied, das in allen oben genannten Studien identifiziert wurde: Der Misserfolg liegt nicht am Modell, sondern an der Schnittstelle zwischen Modell und Geschäft. Das Kommando lebt an dieser Nahtstelle.

Die Steuerung durch einen Head of AI verbindet das CODIR mit dem Feld. Die Transformation braucht einen Verantwortlichen, der auf beiden Ebenen spricht: Derjenige, der mit der Geschäftsleitung über Vision und Governance entscheidet, und derjenige, der mit den Teams die technischen Entscheidungen trifft. Ohne diese Rolle treiben KI-Projekte zwischen einer vorsichtigen IT-Abteilung und hilflosen Geschäftsbereichen hin und her und kehren in das Fegefeuer der POCs zurück.

Die Ko-Konstruktion ist die Voraussetzung für die Annahme. Das Kommando liefert Ihren Teams nicht einfach ein Werkzeug: Es baut es mit ihnen zusammen. Rezeptionisten, Manager und Bediener sind von Anfang an in die Entscheidungen eingebunden. Das Ergebnis: Das Tool passt sich dem tatsächlichen Prozess an, nicht dem theoretischen, und die Teams nehmen es an, weil es auch ihr eigener ist. Dies ist das genaue Gegenmittel zu den 54 % generischer Tools, die von Bpifrance ermittelt wurden.

Die Übertragung der Kompetenz steht im Moralvertrag. Am Ende des Einsatzes wissen Ihre Teams, wie man das Gebaute zum Laufen bringt, anpasst und erweitert. Das Kommando macht das Unternehmen fähiger, nicht abhängiger. Das ist der Unterschied zwischen dem Mieten einer Armee und dem Trainieren der eigenen.

Der Zeithorizont beträgt vier bis sechs Monate, nicht drei Jahre. Erste messbare Indikatoren, wirklich angenommene Tools, vergrößerte Teams. Kein Versprechen einer Transformation bis zum nächsten Strategieplan: Ergebnisse, die man bis zum Ende des Halbjahres in einem Dashboard ablesen kann.

FDE-Armee, Kanzlei, Freelancer oder Kommando: der Vergleich

Die FDE-Armee (das Modell der Labs)

• Gedacht für : Großkunden und Private-Equity-Portfolios
• Profile : Ingenieure des Labors, in unterschiedlicher und oft großer Anzahl
• Verbindung zu Techno : entfaltet konstruktionsbedingt den Stack seines Arbeitgebers
• Übertragung der Zuständigkeit : nicht vorgesehen, das ist nicht die Aufgabe
• Nach der Abreise : eine dauerhafte Abhängigkeit von Lab

Die Beratungsfirma

• Gedacht für : Großkunden und strategische Rahmenprojekte
• Profile : Projektteam plus Management, oft betreute Junioren
• Erste messbare Ergebnisse : nach der Framing-Phase, selten davor
• Übertragung der Zuständigkeit : beschränkt auf Lieferbarkeit
• Nach der Abreise : ein Bericht und Empfehlungen zur Umsetzung

Der KI-Freelancer

• Gedacht für : abgegrenzte technische Aufgaben
• Profile : eine Person, meist technisch
• Erste messbare Ergebnisse : schnell, aber in einem engen Umkreis
• Übertragung der Zuständigkeit : selten
• Nach der Abreise : eine Abhängigkeit von der Person

Das Hybridkommando

• Gedacht für : KMUs, ETIs und Business Units von Konzernen
• Profile : 2 bis 4 hybride Profile aus Beruf + Tech, gesteuert von einem Head of AI
• Erste messbare Ergebnisse : 4 bis 6 Monate
• Verbindung zu Techno : unabhängig von Verlagen, wählt das Werkzeug für den Prozess aus
• Übertragung der Zuständigkeit : im Zentrum der Methode
• Integration in Bestehendes : angenommene Erfolgsbedingung, keine Option
• Nach der Abreise : Teams, die mit dem Tool selbstständig arbeiten

Dieser Vergleich ist kein Prozess gegen andere Modelle: Ein multinationaler Konzern, der eine Nutzung auf 40 000 Stellen standardisiert, braucht eine Armee, und manche Themen lassen sich sehr gut mit einem guten Freelancer lösen. Die Frage ist anderswo: Wie sieht Ihr Terrain aus, und welches Modell kann dort tatsächlich operieren.

Konkreter Fall: 80 Zimmer, und die Stunden der Zählung verschwinden

Ein Beispiel aus dem Leben, auf Wunsch des Kunden anonymisiert: ein unabhängiges Hotel mit etwa 80 Zimmern und einem Umsatz von rund 2 Millionen Euro.

Das Problem. Wie in vielen Einrichtungen dieser Größe war das Bargeld auch hier ein toter Winkel. Check-in, Check-out, Währungsumrechnungen für ausländische Kunden, Kassenausgänge: Alles wurde von Hand gezählt, ohne Zentralisierung, ohne Konfidenzintervall. Die klassischen Folgen: unerklärliche Abweichungen, trockene Verluste und vor allem null konsolidierte Sichtbarkeit der Ein- und Ausgänge auf Hotelebene. Das Management wusste das. Niemand hatte Zeit, sich damit zu befassen, und die Lösungen auf dem Markt setzten entweder eine schwere Registrierkasse oder einen weiteren Eingabeprozess für die ohnehin schon belasteten Rezeptionisten voraus.

Was das Kommando getan hat. Wir haben mit ihnen CashTrack aufgebaut, einemaßgeschneiderte Webanwendung zur kontinuierlichen Überwachung von Geldein- und -ausgängen, die für die Realität an einer Hotelrezeption gedacht ist: Die Eingabe erfolgt per Stimme, schriftlich oder per Knopfdruck in Sekundenschnelle zwischen zwei Gästen. Währungsumrechnungen werden vom Tool berechnet. Das Management verfügt über einenpermanent konsolidierte Gesamtzählung.

Der Kippmoment, und das ist der Kern der Methode: die Integration in das Bestehende. Die nicht verhandelbare Bedingung war, dass CashTrack sich an die bereits vorhandene Softwaresuite anschließt, ohne allen Rezeptionisten einen neuen, schwerfälligen Prozess aufzuzwingen. Es ist genau die unsichtbare Arbeit, die den Unterschied zwischen einem angenommenen Tool und einer ruhenden Lizenz ausmacht. An dem Tag, an dem die Eingabe schneller als die alte manuelle Zählung wurde, war die Annahme kein Thema mehr.

Die Ergebnisse. Wöchentlich 3 bis 5 Stunden Zeitersparnis für das Management und den Empfangschef beim Zählen und Abgleichen. Ein Vertrauensintervall an der Kasse, wo es vorher nur Annäherungen gab. Und ein Effekt, den wir nicht in das Pflichtenheft geschrieben hatten: Die Mitarbeiter begannen, den Bargeldfluss anders zu betrachten, weil das Tool die Ein- und Ausgänge im Laufe der Zeit sichtbar macht. Das Bewusstsein, das wiederholte Anweisungen nie erreicht hatten, wurde durch ein gut integriertes Tool innerhalb weniger Wochen erzeugt.

Keine Roboter in der Lobby. Keine Durchsagen. Die Hotelgäste werden nie erfahren, dass eine KI an der Rezeption arbeitet, und das ist auch gut so: Die nützliche KI ist diejenige, die sich an den Rändern fühlt, ohne sich jemals zu zeigen.

Wo soll ich anfangen

Wenn Sie sich im POC-Fegefeuer wiedererkennen oder es vermeiden wollen, hier ist, wo wir empfehlen, anzufangen, ob mit uns oder nicht :

1. Inventarisieren Sie den Schmerz, nicht die Technologie. Der richtige Ausgangspunkt ist nie "was kann man mit KI machen", sondern "wo verliert man jede Woche Zeit, Geld oder Zuverlässigkeit". Das ist der Punkt, an dem jedeProzessautomatisierung kosteneffektiv. Das obige Hotel-Cash ist ein Fall für die Schule: wöchentlicher Schmerz, messbar, begrenzt.
2. Wählen Sie einen Umkreis, den ein Kommando halten kann. Ein Prozess, identifizierte Nutzer, ein definierter Erfolgsindikator, bevor Sie die erste Zeile Code schreiben.
3. Fordern Sie die Integration mit dem Bestehenden. Jedes Tool, das einen Prozess hinzufügt, anstatt einen zu verschlanken, wird umgangen. Das ist die erste Frage, die Sie jedem Anbieter stellen sollten.
4. Bringen Sie den Beruf ins Team und nicht ans Ende der Kette. Wenn die zukünftigen Nutzer das Tool erst bei der Auslieferung entdecken, haben Sie bereits verloren.
5. Geben Sie sich 4 bis 6 Monate Zeit und eine Übersicht. Keine Umwandlung mit unbestimmtem Zeithorizont: lesbare Indikatoren bis zum Ende des Halbjahres und eine darauf basierende Entscheidung über die Ausweitung.

Ein einzelner FDE wird Ihr Unternehmen nicht verändern. One-Shot-Schulungen haben aus demselben Grund nicht funktioniert. Die Milliarden aus den Labs haben die Diagnose gerade bestätigt: Es kommt auf die Implementierung an. In der Praxis hat die Implementierung eine Form: klein, hybrid, integriert, messbar.

Wenn Sie über Ihr Transformationsmodell nachdenken,lassen Sie uns darüber diskutieren.

FAQ: KI-Einsatz und Kommando-Methode

Was ist ein Forward Deployed Engineer (FDE)? Ein Ingenieur, der bei einem Technologieunternehmen (ursprünglich Palantir, heute OpenAI, Anthropic, Google, Salesforce) angestellt ist und direkt beim Kunden eingesetzt wird, um dort die Technologie seines Arbeitgebers zum Laufen zu bringen. Die Rolle explodiert seit 2025: Die Angebote sind in neun Monaten um 800 % gestiegen.

Was ist der Unterschied zwischen einem FDE und einem hybriden Kommando? Der FDE ist ein einzelner Ingenieur, dessen Aufgabe es ist, den Stack seines Arbeitgebers zu implementieren. Der Commando ist ein Team aus 2 bis 4 Profilen, die fachliches und technologisches Know-how vermischen, unabhängig von Anbietern, dessen Aufgabe die Governance, die Ko-Konstruktion mit Ihren Teams und den Kompetenztransfer umfasst.

Warum scheitern so viele KI-Projekte nach dem POC? Weil das schwächste Glied nicht das Modell, sondern die Integration ist: von den tatsächlichen Prozessen abgekoppelte Tools, nicht eingebundene Teams, fehlende Governance und Indikatoren. Gartner rechnete damit, dass mindestens 30 % der GenAI-Projekte nach dem POC abgebrochen werden; McKinsey misst, dass 88 % der Organisationen KI einsetzen, aber nur 39 % davon einen Einfluss auf ihr Ergebnis haben.

Wie lange dauert es bis zu messbaren Ergebnissen? Mit einem klar definierten Umfang und einem Team, das in die Fachbereiche integriert ist, kommen die ersten messbaren Indikatoren innerhalb von 4 bis 6 Monaten: eingesparte Zeit, Fehlerquote, Zuverlässigkeit eines Prozesses. Das ist der Horizont, den wir uns selbst auferlegen.

Muss man ein großes Unternehmen sein, um KI ernsthaft einzusetzen? Nein, und das ist sogar der blinde Fleck des aktuellen Marktes: Die Offensiven der Labs (OpenAI Deployment Company, JV Anthropic-Blackstone) zielen auf Großunternehmen und Private-Equity-Portfolios ab. Das Kommando-Modell ist genau auf KMU, ETI und Business Units zugeschnitten, die niemals eine Armee von FDEs haben werden.

Soll das Tool unsere bestehende Software ersetzen? Auf keinen Fall. Die Voraussetzung Nummer eins für die Einführung ist die Integration in Ihre bestehende Softwaresuite, ohne dass den Teams zusätzliche Prozesse aufgezwungen werden. Ein Tool, das zusätzlichen Aufwand verursacht, wird umgangen, unabhängig von seiner technischen Qualität.

Was passiert mit dem System nach dem Ende der Mission? Der Kompetenztransfer ist Teil der Methode: Ihre Teams können das, was aufgebaut wurde, zum Laufen bringen, anpassen und erweitern. Das Ziel ist es, das Unternehmen fähiger zu machen, nicht abhängiger vom Anbieter.

Und die Einhaltung von Vorschriften (DSGVO, sensible Daten)? Sie wird bereits beim Scoping behandelt, nicht erst im Nachhinein: Auswahl von Hosting und Modellen, die mit Ihren Einschränkungen kompatibel sind, Minimierung der verarbeiteten Daten und dokumentierte Governance. Dies ist eine der Aufgaben des Head of AI, der das Kommando führt.

Quellen

• OpenAI, "OpenAI launches the Deployment Company", 11. Mai 2026
• Anthropic, "Enterprise AI services company" (JV Blackstone / Hellman & Friedman / Goldman Sachs), 4. Mai 2026; "Claude Partner Network", 12. März 2026
• CNBC, "Anthropic, Goldman, Blackstone AI venture", 4. Mai 2026
• Maddyness, "Mistral AI on track to reach one billion euros in revenue by 2026", 23. Januar 2026
• Fast Company, "Postings for this AI job are up 800%", 2025
• McKinsey, "The State of AI" (Ausgaben März und November 2025, n = 1.993, 105 Länder)
• BCG, "Where's the Value in AI?" (Oktober 2024); "The Widening AI Value Gap" (September 2025).
• Gartner, Pressemitteilung vom 29. Juli 2024 (Post-POC-Abbruch)
• MIT NANDA, "The GenAI Divide: State of AI in Business 2025" (Juli 2025), zitiert mit methodologischen Einschränkungen.
• INSEE, IKT-Unternehmensumfrage 2024 (Insee Première Nr. 2061, Juli 2025)
• Bpifrance Le Lab, "L'IA dans les PME et ETI françaises: une révolution tranquille" (KI in französischen KMU und ETI: eine stille Revolution), Juni 2025 (n > 1.200 Führungskräfte)