Die Gratis-Aktion der KI hat ein Ende.

Die zweite Phase der Transformation durch künstliche Intelligenz wird von der Wirtschaft und nicht von der Technologie geprägt sein.

In den letzten Jahren drehten sich Diskussionen über KI in Unternehmen immer wieder um dieselben Fragen: Welches Modell sollen wir verwenden? ChatGPT oder Claude? Wo soll Copilot zum Einsatz kommen? Welche Prozesse können wir automatisieren? Wie können wir Mitarbeitern zeitnah Schulungen anbieten? Mit welchem Anwendungsfall sollen wir beginnen?

Das waren alles berechtigte Fragen. Denn in den Anfängen der künstlichen Intelligenz ging es im Wesentlichen um die Leistungsfähigkeit , darum, herauszufinden, was die Technologie leisten konnte.

Meiner Meinung nach treten wir aber jetzt in eine neue Ära ein.

Die Frage dieser Ära wird nicht lauten: „Was kann KI leisten?“.

Wir stellen eine schwierigere Frage:

Schafft die KI durch ihre Arbeit einen wirtschaftlichen Wert?

Und genau deshalb glaube ich, dass die zweite Phase der KI-Transformation nicht von der Technologie, sondern von der Wirtschaft geprägt sein wird .

Ein im August 2026 in der Harvard Business Review veröffentlichter Artikel mit dem Titel „Wie man auf den kommenden Kostenschock durch KI reagiert“ liefert eines der deutlichsten Anzeichen für diesen Wandel. Die im Artikel verwendete Formulierung ist besonders bemerkenswert:

„Das Zeitalter der KI in Unternehmen steht am Rande eines massiven Wandels.“

Das Zeitalter der KI in Unternehmen steht angeblich am Rande eines grundlegenden Wandels.

Das liegt nicht daran, dass die Technologie schlechter wird. Im Gegenteil, KI wird immer besser, schneller und leistungsfähiger.

Das Problem ist ein anderes: Wir beginnen, KI immer häufiger einzusetzen.

Bislang haben wir die wahren Kosten der KI-Einführung in Unternehmen möglicherweise nicht vollständig erfasst. Softwareunternehmen haben einen erheblichen Teil der Kosten für GPUs, Inferenz und Tokens getragen, um Kunden zu gewinnen, Nutzungsgewohnheiten zu etablieren und ihre Produkte in die Arbeitsabläufe der Organisationen zu integrieren.

Die Harvard Business Review beschreibt es auf eine weitaus provokantere Weise:

„Organisationen werden quasi dafür bezahlt, KI einzuführen.“

Mit anderen Worten: Unternehmen werden gewissermaßen dazu ermutigt, KI einzusetzen, und sogar ein Teil der anfänglichen Kosten wird von den Technologieanbietern subventioniert.

Dies ist kein Modell, das uns in der Welt der Technologie unbekannt ist.

Zuerst steigert man die Nutzung. Man etabliert eine Gewohnheit. Man integriert das Produkt in den Alltag. Dann beginnt das Wirtschaftsmodell zu reifen.

Im Bereich der KI nähern wir uns möglicherweise genau diesem Stadium.

Denn künstliche Intelligenz ist nicht wie klassische Unternehmenssoftware.

Die Berechnung einer Softwarelizenz ist relativ einfach. Sie haben tausend Mitarbeiter, zahlen eine monatliche Lizenzgebühr pro Mitarbeiter und kennen Ihre ungefähren Kosten.

Bei KI-Agenten funktioniert diese Berechnung jedoch nicht.

Wie oft am Tag wird ein Agent ausgeführt? Wie viele Daten liest er? Wie viele Dateien analysiert er? Mit welchem Modell verbindet er sich? Wie viele Alternativen generiert er? Startet er einen weiteren Agenten? Führt er Suchvorgänge durch? Führt er Code aus? Führt er eine Systemoperation durch?

Jeder dieser Prozesse verbraucht Rechenleistung.

Daher entwickelt sich das Kostenmodell schrittweise wie folgt:

Benutzer → Aufgabe → Token → Inferenz → Berechnung → Aktion → Kosten

Und an diesem Punkt verlagert sich das Problem von der Technologieabteilung auf den Schreibtisch des Finanzchefs.

Denn KI ist nicht mehr nur eine Technologieinvestition.

Betriebswirtschaftslehre.

Kombiniert man dieses mikroökonomische Bild mit dem Reuters-Nachrichtenbericht vom 21. August 2026, wird das Bild noch eindrucksvoller.

Laut Reuters, die sich auf Daten von BNP Paribas berufen, haben KI-Hyperscaler bis zum 10. August 2026 Schulden im Wert von rund 220 Milliarden US-Dollar begeben.

Zur gleichen Zeit vor einem Jahr?

12,5 Milliarden Dollar.

Die Differenz beträgt ungefähr 207 Milliarden Dollar.

Diese Zahl verrät uns etwas sehr Wichtiges über die Geschichte der KI.

Künstliche Intelligenz erscheint uns wie ein kleines Fenster auf dem Bildschirm. Wir geben eine Frage ein, und wenige Sekunden später erhalten wir die Antwort. Die Erfahrung ist hochgradig digital und beinahe abstrakt.

Doch hinter dieser Antwort verbirgt sich eine sehr physische Welt.

Es gibt Chips.

Es gibt Server.

Es gibt Rechenzentren.

Es gibt Strom.

Sie verfügen über Kühlsysteme.

Glasfaseranschlüsse sind verfügbar.

Es stehen Grundstücke zur Verfügung.

Es gibt eine Energieinfrastruktur.

Und dahinter steckt eine enorme Menge Kapital .

Angesichts der Tatsache, dass Hyperscaler wie Microsoft, Amazon, Alphabet und Meta im Jahr 2026 voraussichtlich Gesamtinvestitionen von rund 725 Milliarden US-Dollar tätigen werden, ist klar, dass KI nicht mehr nur eine Software-Revolution ist.

Die KI entwickelt sich zu einem der größten Investitionszyklen für physische Infrastruktur, die die Welt je gesehen hat.

Daher wird es von nun an für Führungskräfte, die KI verstehen wollen, nicht mehr ausreichen, einfach der neuen Version von GPT zu folgen.

Sie müssen das System „Compute“ verstehen.

Sie müssen das Konzept der Energie verstehen.

Sie müssen das Investitionskostenmodell (CapEx) verstehen.

Sie müssen die Kosten der Kreditaufnahme verstehen.

Sie müssen den freien Cashflow verstehen.

Denn dies werden die Sprachen des zweiten Zeitalters der KI sein.

Hier liegt ein Paradoxon vor, das ich für besonders wichtig halte.

Die Stückkosten der KI könnten sinken.

Die Kosten für eine Million Token könnten deutlich sinken. Modelle könnten effizienter arbeiten. Chips könnten leistungsstärker sein.

Die Gesamtmenge an künstlicher Intelligenz, die wir gleichzeitig einsetzen, könnte jedoch viel schneller ansteigen.

Wenn ein Mitarbeiter KI einige Male am Tag nutzt, erscheinen die Kosten möglicherweise unbedeutend.

Doch in einer Welt, in der Hunderte von KI-Agenten rund um die Uhr arbeiten, recherchieren, Kunden analysieren, Angebote erstellen, Systeme überwachen, Entscheidungen treffen und andere Agenten im Namen des Unternehmens verwalten, sprechen wir nicht mehr von den altbekannten Berechnungen.

Das erinnert uns an einen alten ökonomischen Grundsatz: Wenn etwas billiger wird, sinken die Gesamtausgaben nicht immer. Manchmal wächst der Verbrauch so rasant, dass die Gesamtkosten im Gegenteil steigen.

Möglicherweise erleben wir eine ähnliche Situation mit KI.

Daher bin ich der Ansicht, dass Unternehmen ein neues Konzept erlernen müssen:

KI-Einheitsökonomie.

Es genügt nicht mehr, dass eine KI-Anwendung einfach nur funktioniert.

Er muss arbeiten, um wirtschaftlich abgesichert zu sein.

Stellen Sie sich beispielsweise vor, Sie hätten einen KI-gestützten Vertriebsmitarbeiter.

Dieser Agent recherchiert möglicherweise hundert potenzielle Kunden pro Tag.

Es ist auf den ersten Blick sehr beeindruckend.

Die eigentlichen Fragen sind jedoch andere:

Welche KI-Kosten entstehen bei dieser Forschung?

Wie viele Stunden spart dies dem Vertriebsmitarbeiter?

Erhöht es die Konversionsrate?

Verkürzt es den Verkaufszyklus?

Reduziert es den Zeitaufwand für die falschen potenziellen Kunden?

Generiert es zusätzliches Einkommen?

Daher müssen wir den Einsatz von KI nicht nur anhand ihrer Aktivität, sondern auch anhand ihrer Ergebnisse bewerten.

Ich sehe das einfach so:

Höhere Umsätze + Zeitersparnis + verbesserte Qualität + geringeres Risiko.

Minus

Kosten für KI-Nutzung + Infrastruktur + Integration + Governance-Kosten

gleich

Netto-KI-Wert.

Diese Sichtweise ist wichtig, denn meiner Meinung nach ist die KI-Einführungsrate einer der gefährlichsten KPIs, die Unternehmen heutzutage verwenden.

„75 % unserer Mitarbeiter nutzen KI.“

Schön.

Das sagt uns aber fast gar nichts über seinen wirtschaftlichen Wert.

Wenn ein Fabrikleiter zu uns käme und sagte: „Wir haben unseren Stromverbrauch diesen Monat um 40 Prozent erhöht“, würden wir das nicht als Erfolg feiern.

Unsere erste Frage wäre:

Was haben Sie im Gegenzug produziert?

Die gleiche disziplinierte Denkweise brauchen wir auch für KI.

Die Nutzung könnte zugenommen haben.

Und wie sieht es mit dem Einkommen aus?

Und wie sieht es mit den Kosten aus?

Und der Kundennutzen?

Wie steht es um die Qualität der Entscheidungen?

Und was ist mit Menschen, die ihre Zeit für wertvollere Aufgaben nutzen?

Ich denke, in Zukunft werden Unternehmen anfangen, über Kennzahlen wie den KI-Wert pro Dollar zu sprechen.

Ein strategischeres Äquivalent dazu könnte man KI-Kapitalproduktivität™ nennen:

Welchen wirtschaftlichen Wert generieren wir für jede Kapitaleinheit, die wir in KI investieren?

Diese Frage führt uns zu einem weiteren sehr wichtigen Punkt.

Bislang haben wir uns im Zuge der KI-Transformation oft folgende Frage gestellt:

Kann KI das?

Ich glaube, die Frage für die zweite Amtszeit wird anders lauten:

Ist es wirtschaftlich lohnenswert, wenn KI dies tut?

Zwischen diesen beiden Fragen besteht ein gewaltiger Unterschied.

Leistungsfähigkeit und Wert sind nicht dasselbe.

Nicht alles, was technologisch machbar ist, ist auch wirtschaftlich lohnenswert.

Eine Aufgabe könnte zwar von KI erledigt werden, aber Menschen könnten immer noch billiger sein.

Künstliche Intelligenz mag zwar schneller sein, aber der Kunde wünscht sich in diesem Moment möglicherweise den Kontakt zu einem Menschen.

KI kann eine Analyse perfekt durchführen, aber das Risiko, eine falsche Entscheidung zu treffen, kann hoch sein.

Oder umgekehrt könnte KI einen so bedeutenden Vorteil in Bezug auf Geschwindigkeit, Qualität und Umfang schaffen, dass es für einen Menschen wirtschaftlich unmöglich würde, dies allein zu leisten.

Daher ist die Frage „Mensch oder KI?“ meiner Meinung nach für die Organisationen der Zukunft zu simpel.

Die richtige Frage lautet:

Welche Kombination von Intelligenz erzeugt den höchsten Gesamtwert in welchem Projekt?

Manche Aufgaben werden weiterhin ausschließlich in menschlicher Hand bleiben.

Einige werden vollständig auf KI umsteigen.

Den größten Nutzen dürfte aber wohl in Bereichen entstehen, in denen Menschen und KI zusammenarbeiten.

An dieser Stelle ist es notwendig, dem zuvor verwendeten Delegation Engineering™ -Konzept eine ökonomische Dimension hinzuzufügen.

Wir müssen nicht nur überlegen, welche Aufgaben wir an KI delegieren, sondern auch, ob die Delegation dieser Aufgaben an KI wirtschaftlich sinnvoll ist.

Der zukünftige Führer wird also nicht nur über die Zuteilung von Humanressourcen und Kapital verfügen.

Es wird auch Intelligenz zuweisen .

Wie viel Aufmerksamkeit wird jedem einzelnen Problem zuteil?

Über welche künstliche Intelligenzkapazität verfügt es?

Wie viel Kapital?

Wie viel Entscheidungsbefugnis?

Ich nenne es Intelligence Allocation™ .

Denn im Zeitalter der KI wird eine der wichtigsten Aufgaben eines Managers vielleicht darin bestehen, menschliche und künstliche Intelligenz dem richtigen Problem und dem richtigen Wirtschaftsmodell zuzuordnen.

Auch aus dem Internetzeitalter der 2000er Jahre können wir eine wichtige Lektion lernen.

Hat das Internet die Welt verändert?

Definitiv.

Aber waren alle Investitionen im Internetzeitalter gute Investitionen?

Absolut nicht.

Beide Sätze können gleichzeitig wahr sein.

Das Gleiche gilt für KI.

Künstliche Intelligenz könnte die Welt radikal verändern.

Und außerdem:

Manche KI-Investitionen können sich wirtschaftlich als extrem schlecht erweisen.

Nur weil eine Technologie bahnbrechend ist, heißt das nicht, dass jede Investition darin die richtige ist.

Hier kommt der Strategie wieder eine wichtige Rolle zu.

Dass Alibaba heute rund 10 Milliarden Dollar an neuem Kapital zur Finanzierung seiner KI-Investitionen aufnimmt, zeigt, dass diese Entwicklung kein Einzelfall in den USA ist.

Der Kapitalbedarf für KI-Infrastruktur wird global.

Unternehmen verzichten auf heutige Gewinne, um in die KI-Fähigkeiten der Zukunft zu investieren.

Das könnte durchaus rational sein.

Letztendlich muss sich aber jeder mit derselben Frage auseinandersetzen:

Wann und wie wird diese Investition einen wirtschaftlichen Wert generieren?

Ich glaube, die Stimme des Finanzvorstands wird in den nächsten Jahren in KI-Diskussionen immer mehr Gehör finden.

Und das ist nichts Schlechtes.

Im Gegenteil, es ist ein Zeichen dafür, dass die KI-Transformation an Reife gewinnt.

Zunächst haben es Technologie-Teams ausprobiert.

In der zweiten Phase übernehmen die Geschäftsbereiche die Trägerschaft.

Der Finanzvorstand wird für wirtschaftliche Disziplin sorgen.

Der Personalchef wird die Arbeitsteilung zwischen Mensch und KI neu gestalten.

Das wird die Arbeitsabläufe des COO verändern.

Der CEO wird dann entscheiden, welcher strategischen Zukunft das alles dient.

Auch die Fragen, die sich der Vorstand stellen muss, werden sich ändern.

Statt zu fragen: „Wie viele KI-Projekte haben wir?“:

Welche unserer KI-Investitionen schaffen tatsächlich Wert?

Statt zu fragen: „Welches Modell verwenden wir?“, fragen Sie:

Wie hoch ist die Rendite dieser Investition?

Statt zu fragen: „Nutzen unsere Mitarbeiter KI?“, fragen Sie:

Hat KI die wirtschaftliche Leistungsfähigkeit unserer Organisation gesteigert?

Und vielleicht die entscheidendste Frage:

Welche alternativen Verwendungsmöglichkeiten gab es für jeden Dollar, den wir für KI ausgegeben haben?

Denn alle Strategien werden letztendlich durch die Ressourcenverteilung Realität.

Ich bin optimistisch, was die Zukunft der KI angeht.

Der Glaube an KI sollte jedoch nicht bedeuten, die KI-Ökonomie nicht zu hinterfragen.

Im Gegenteil.

Da KI eine immer strategischere Rolle einnimmt, muss wirtschaftliche Disziplin umso wichtiger werden.

Denn jetzt geht es nicht mehr nur um ein paar Softwarelizenzen.

Rechenzentren im Wert von Hunderten von Milliarden Dollar.

Energieinfrastruktur.

Chips.

Ausleihen.

Kapitalkosten.

Und zunehmend autonome KI-Agenten.

Am Ende dieser ganzen Kette erwartet uns nur noch eine Frage:

Welcher ökonomische Wert wird erzeugt?

In der Anfangsphase der Transformation hin zur künstlichen Intelligenz lautete die große Frage:

„Was kann KI leisten?“

Die Frage für das zweite Semester wird wesentlich schwieriger sein:

Schafft die KI einen wirtschaftlichen Mehrwert?

Ich glaube, dass das nächste KI-Rennen nicht von den Unternehmen gewonnen wird, die die Technologie am intensivsten nutzen, sondern von denen, die Technologie am diszipliniertesten in wirtschaftlichen Wert umwandeln können .

Weil der Einsatz von KI immer einfacher wird.

Allerdings wird die wirtschaftliche Steuerung von KI zunehmend schwieriger.

Und genau aus diesem Grund:

Die zweite Phase der KI-Transformation wird von der Wirtschaft und nicht von der Technologie geprägt sein.