„Das KI-native Unternehmen gibt es noch nicht“ ist eine zugespitzte These, keine Vollerhebung aller Firmen. Sie setzt die Hürde bewusst hoch. Ein generatives Produktmerkmal und Copilot-Lizenzen für die Belegschaft reichen nicht. KI müsste sich in den echten Entscheidungsrechten, Budgets, Betriebsaufzeichnungen, Kontrollen und Verantwortlichkeiten des Unternehmens bewegen können.

Ohne diese Grenze erzählt dieselbe Nutzungszahl vier verschiedene Geschichten. Das Produktteam sieht die Akzeptanz einer Funktion. Die Finanzabteilung sieht weder sinkende Personalkosten noch eine bessere Marge. Die Sicherheit sieht unkontrollierte Datenwege. Beschäftigte sehen ein Firmensystem, dessen Freigabe Wochen dauert, während ein privates Konto heute Nachmittag funktioniert. In Service- und Betriebsprojekten habe ich mehrfach erlebt, wie dieselbe Präsentation in einer Runde Beifall und in der nächsten Schweigen auslöste. Nicht das Modell war strittig. Jede Abteilung maß ein anderes Unternehmen.

Die aktuellen Zahlen zeigen breite Nutzung, aber wenig tiefen Umbau. In der McKinsey-Erhebung von 2025 gaben 88 Prozent an, dass ihre Organisation KI regelmäßig in mindestens einer Funktion nutzt. Erst ungefähr ein Drittel hatte mit der Skalierung im Gesamtunternehmen begonnen. 23 Prozent skalierten irgendwo ein agentisches System, doch in keiner einzelnen Funktion lag der Anteil über 10 Prozent. KI ist alltäglich geworden. Ein neu gebautes Betriebsmodell nicht.

KI nutzen und durch KI arbeiten sind zwei verschiedene Dinge

Gegen die Überschrift gibt es einen handfesten Einwand. Ein Arbeitspapier von INSEAD und Harvard Business School vom Juni 2026 untersucht ausdrücklich „AI-Native Firms“. Die Forscher ordneten US-Start-ups und Y-Combinator-Unternehmen ein, deren erste Finanzierung zwischen 2020 und 2024 lag. Verglichen mit Nicht-KI-Start-ups derselben Branche und Kohorte waren die KI-nativen Firmen 25 Prozent kleiner. Ihr Anteil an Ingenieuren lag 13 Prozent höher; die Anteile von Berufseinsteigern und Führungskräften lagen jeweils ungefähr 15 Prozent niedriger.

Die offizielle INSEAD-Forschungsseite AI-Native Firms mit Angaben zur Personalstruktur KI-nativer Start-ups

Quelle: INSEAD, AI-Native Firms, geprüft am 18.08.2026. Das Arbeitspapier von 2026 klassifiziert Start-ups anhand von Produktbeschreibungen, Stellenausschreibungen und Personaldaten.

Das ist relevante Gegenevidenz. Firmen, deren Produkt auf KI aufbaut, existieren bereits und könnten mit weniger Ebenen auskommen. Untersucht wurde damit noch nicht, ob Budgetfreigaben im ERP, Kundendaten, Rechtsprüfung, Zahlungsausnahmen und Vorfallverantwortung in einem prüfbaren Betriebssystem zusammenlaufen. Auch die Autoren unterscheiden einen Produktkanal, bei dem KI im Angebot steckt, von einem Prozesskanal, der die Arbeit innerhalb der Firma verändert.

Microsoft setzt mit der „Frontier Firm“ einen weiteren Begriff daneben. Der Work Trend Index 2025 beschreibt Organisationen mit abrufbarer Intelligenz und gemischten Teams aus Menschen und Agenten. Starre Organigramme sollen durch ergebnisorientierte „Work Charts“ ersetzt werden. Microsoft spricht selbst von einer entstehenden Form. Die Grundlage sind eine Befragung, Signale aus Microsoft 365 und LinkedIn-Daten. Das ist ein nützliches Marktbild eines Technologieanbieters, kein geprüftes Register vollständig umgebauter Unternehmen.

Praktisch hilft die Trennung zwischen AI in the business und AI on the business. Im ersten Fall verbessert KI ein Produkt, eine Antwort oder einen Dienst. Im zweiten verändert sie die Verteilung von Autorität, Geld, Information und Verantwortung. Den ersten Zustand gibt es vielerorts. Die Überschrift zielt auf den zweiten.

Agenten stoßen auf Regeln, die nie im Handbuch standen

Ein Organigramm zeigt Berichtswege. Es zeigt nicht, wie Arbeit tatsächlich abgeschlossen wird. Eine Lieferantenzahlung sieht im System nach einer Freigabe durch Finance aus. In Wirklichkeit geht ein bestimmter Vertrag zuerst zu Legal, oberhalb eines Betrags braucht es die Chat-Nachricht eines Bereichsleiters, und am Monatsende gilt eine andere Tabelle. Eine erfahrene Koordinatorin kennt alle drei Ausnahmen. Ist sie nicht da, bleibt der Vorgang liegen.

Gegenüberstellung des offiziellen Organigramms und des realen Arbeitswegs durch Ausnahmen, Freigaben, Umwege und Nacharbeit

Ein Mensch fragt nach. Ein Agent muss auch nach einer Umorganisation, bei wechselnden Antragstellern oder um zwei Uhr nachts gleich handeln. Datenquelle, Freigabebedingung, Stoppregel und Eskalationsverantwortlicher müssen deshalb lesbar sein. Sobald die Praxis aus dem Kopf eines Menschen in ein System wandert, kommen unangenehme Fragen auf: Warum entscheidet nur diese Person? Warum hat eine Abteilung einen Sonderweg? Warum wird derselbe Vertrag zweimal erfasst?

An dieser Stelle wird die Einführung politisch. Die meisten Umwege entstanden nicht, weil jemand sein Revier absichtlich verteidigte. Sie überbrückten alte Systeme, hielten Fristen ein und verhinderten Fehler. Mit der Zeit sichern sie trotzdem Ermessensräume und Abteilungsgrenzen. Wer sie sichtbar macht, verändert die bestehende Machtbalance. Widerstand ist verständlich, wenn ein Technikprojekt stillschweigend Zuständigkeiten verschiebt.

Eine getrennte „KI-native Tochter“ löst das selten. Das neue Team arbeitet schnell, kommt aber nicht an Kundendaten, ERP, Einkaufsvollmachten, Umsatzverantwortung und Prozesseigner. Am Ende stehen eine gute Demo und eine überzeugende Vorstandsvorlage. Der Kernablauf bleibt unberührt.

Wirksamer ist zunächst ein kleines internes Team mit echtem Mandat. Es braucht Budget, technische Fähigkeiten und die Befugnis, zusammen mit dem Prozesseigner einen Ablauf vom Eingang bis zum Abschluss zu ändern. Ein Gremium kann beraten. Ein Betriebsteam muss den Weg ändern und für das Ergebnis einstehen.

Shadow AI ist Regelbruch und Geschwindigkeitssignal zugleich

Die Freigabe einer Firmen-KI dauert drei Monate, doch diese Woche müssen 80 Kundendokumente sortiert werden. Beschäftigte warten dann nicht auf die Strategie. Sie öffnen ein privates ChatGPT- oder Claude-Konto, laden Dateien hoch oder starten einen Agenten auf dem Notebook. In den Firmensystemen erscheint kein Projekt. Die Arbeit wird trotzdem außerhalb erledigt. Das ist Shadow AI.

Der Weg vom langsamen Firmensystem über private KI zur Daten-Blindstelle und die bessere Route über freigegebenen Arbeitsraum, Identität, Protokolle und Vorfallreaktion

Microsoft Security bezeichnet nicht genehmigte, ungeschützte KI-Anwendungen als Shadow AI und warnt vor dem Abfluss sensibler Daten. Zugriffskontrollen und Browser-DLP sind sinnvolle Gegenmaßnahmen. Eine längere Sperrliste beseitigt jedoch weder die Frist noch die Arbeit. Sie kann den Umweg nur unsichtbarer machen.

Der freigegebene Weg muss bei Sicherheit und Alltagstauglichkeit gewinnen. Mitarbeitende brauchen einen autorisierten Arbeitsraum, einen kurzen Zugang zum passenden Modell und einen klaren Anschluss an interne Systeme. Berechtigungen sollten in Tagen statt in Quartalen erteilt werden. Standardisierung muss nicht ein Modell für alle heißen. Einheitlich sein sollten Datenklassen, Regeln für externe Übertragung, menschliche Freigaben und Supportverantwortung.

Agenten benötigen eigene Identitäten und minimale Rechte. Das Konto eines Mitarbeiters zu leihen verschleiert, wer oder was gehandelt hat. Ein brauchbarer Nachweis verbindet Auftraggeber, Quelldaten, Entscheidungsergebnis, Werkzeugaktion und geändertes Objekt. Externe Nachrichten, Zahlungen, Löschungen und Rechteänderungen stoppen vor der Ausführung bei einem Menschen. Für einen Fehler müssen Abschaltung, Wiederherstellung, Meldung und Nachbereitung bereits zugeordnet sein.

Das NIST-Profil für generative KI empfiehlt unter anderem ein Inventar der eingesetzten Systeme, definierte menschliche Aufsicht, Aufbewahrungsregeln, Vorfallreaktion und Nachbesprechungen. Für externe KI verlangt es benannte Verantwortung, geübte Reaktionspläne und Ausweichwege. Wer Agenten wie organisatorische Beteiligte einsetzen will, muss Identität, Rechte, Aufzeichnungen und Störfallprozesse entsprechend erweitern.

Die alten Wertmaße erfassen Agentenarbeit nicht

Auch ein gut kontrollierter Betrieb trifft auf ein Bewertungsproblem. Unternehmen planen seit Jahrzehnten mit Köpfen, Stunden, Lizenzen und Stückzahlen. Beratung und Recht fakturieren Zeit. Software wird pro Nutzer verkauft. Personalpläne übersetzen Arbeit in FTE. Erledigt ein Agent eine Analyse von 80 Stunden in 40 Minuten, entsteht Wert. Im alten Zahlenwerk fehlt dafür eine ehrliche Zeile.

Wechsel von Stunden, Lizenzen, FTE und Ergebniszahl zu erledigter Arbeit, Durchlaufzeit, menschlicher Prüfzeit und risikobereinigtem Wert

Beim Stundenmodell wird der Anbieter bestraft, der nach 40 Minuten fertig ist. Berechnet er weiterhin 80 Stunden, verliert der Kunde das Vertrauen in den Preis. Bei Designleistungen sagt „ein Ergebnis“ wenig aus, wenn Mensch und Agent dutzende Varianten erzeugen. Auch die Lizenz pro Sitz passt schlecht zu einem Agenten, der rund um die Uhr zwischen mehreren Prozessen wechselt.

Das von Microsoft vorgeschlagene Mensch-Agent-Verhältnis ist ein guter Denkanstoß, aber kein Leistungsmaß. Zehn Agenten können Entwürfe produzieren, die ein Mitarbeiter komplett neu schreiben muss. Die digitale Kapazität ist gestiegen, der Ablauf nicht. Entscheidend sind die gesamte Zeit bis zum echten Abschluss, menschliche Korrektur, Nacharbeit, nicht freigegebene Aktionen, Übergabefehler und Wiederherstellungskosten.

Für eine erste Betriebsübersicht reichen vier Größen. Die Abschlussquote prüft ein von Menschen festgelegtes Endkriterium. Die Durchlaufzeit läuft vom Auftrag bis zum tatsächlichen Ende, nicht bis zur ersten Agentenantwort. Die menschliche Prüfzeit erfasst Lesen und Reparatur. Der risikobereinigte Wert zieht Daten-, Rechte-, Fehler- und Wiederherstellungskosten ab. Die Formeln unterscheiden sich. Die Leitfrage bleibt: Sanken Gesamtzeit und Aufwand bis zur Lösung des Kundenproblems?

Die ersten 90 Tage verändern einen Ablauf vollständig

Am ersten Tag muss sich niemand KI-nativ nennen. Das bessere Ziel lautet: Ein abteilungsübergreifender Vorgang soll in 90 Tagen sicher bis zum Ende laufen. Rückerstattungen, Lieferantenanlage oder die Freigabe eines Vertriebsangebots eignen sich, weil Start und Abschluss erkennbar sind und mehrere Funktionen beteiligt sind. Eine einfache FAQ ist leichter, prüft aber kaum das Betriebsmodell.

Ein 90-Tage-Test des Betriebsmodells von Beobachtung über Sichtbarkeit und kontrolliertes Handeln bis zu Messung und Skalierung

In Woche eins und zwei zählen echte Bildschirme und Gespräche mehr als das Verfahrenshandbuch. Erfasst werden private Tabellen, Chat-Freigaben, doppelte Eingaben und Ausnahmen, die nur eine Person kennt. In Woche drei und vier werden Entscheider, Datenquelle, Ausnahme, menschliches Tor und Stoppbedingung abgebildet. Gibt es darüber keine Einigkeit, wird der Agent nicht angeschlossen. Das ist ungeklärtes Prozesseigentum, kein Automatisierungsfehler.

Woche fünf bis acht beginnt in einem freigegebenen Arbeitsraum mit Nur-Lese-Daten. Der Agent darf klassifizieren und entwerfen. Externe Nachrichten, Zahlungen, Löschungen und Rechteänderungen bleiben hinter einer menschlichen Freigabe. Auftrag, Eingabe, Entscheidung und Aktion werden protokolliert. In Woche neun bis zwölf folgen Abschlussquote, Durchlaufzeit, Prüfzeit, Ausnahmen und Vorfälle. Schreibrechte wachsen nur dort, wo der Nutzen belegt und die Wiederherstellung getestet ist.

Abbruchbedingungen gehören vor den Piloten. Keine Ausweitung, wenn die Korrekturzeit gleich bleibt, dieselbe Ausnahme wiederkehrt, niemand die Endverantwortung nennen kann oder das Protokoll keine Wiederherstellung erlaubt. Wird ein Ablauf sicher beendet, bleiben wiederverwendbare Bausteine: Datenvertrag, Rechtemodell, Eskalationsweg und Messbasis.

Das interne KI-Team braucht eher Befugnisse als einen großen Namen. Es sollte Budget einsetzen, Werkzeugstandards festlegen und Prozesse mit ihren Eigentümern ändern können. Ein einzelner KI-Vorstand oder Beirat kann das nicht leisten. Ein Team außerhalb der Firma verliert erneut den Zugang zu Daten und Entscheidungen.

AI in the business ist die leichtere Hälfte. AI on the business macht reale Arbeitswege sichtbar, den offiziellen KI-Zugang schneller als Shadow AI, Agenten zu eindeutig identifizierbaren Beteiligten und alte Wertmaße ersetzbar. Es fehlt nicht an einem weiteren Spitzenmodell. Es fehlt an der Bereitschaft, Betriebsregeln neu zu schreiben, die über Jahrzehnte für Menschen optimiert wurden.

Quellen und Berichte

Öffentliche Quellen, die wir für Fakten, offizielle Dokumentation, politischen Hintergrund, Produktinformationen und veränderliche Angaben geprüft haben.