Was AI Operations bedeutet – und warum die Welt es gerade braucht
Andre Hellmann
Vor ein paar Monaten haben wir uns bei netzstrategen eine Frage gestellt, die ich ehrlich gesagt lieber vermieden hätte. Was passiert mit einer Strategieberatung wie uns, wenn gefühlt jeder mit KI plötzlich das kann, was wir jahrelang aufgebaut haben? Die Tools werden besser. Der Zugang wird einfacher. Und der Druck, externe Berater zu ersetzen, wächst in jedem Kundengespräch mit, das ich führe.
Ich mache mir da nichts vor. Und ich glaube, genau deshalb war es die richtige Frage. Denn wer diese Frage an sich selbst stellt und ehrlich beantwortet, kommt zu einem sehr anderen Schluss als der, der einfach weitermacht. Unser Schluss: Wir machen uns selbst so weit obsolet, bis das System ohne uns läuft. Und begleiten den Weg dorthin.
Was ich in den letzten Monaten dafür entwickelt habe – intern, in Kundenprojekten und in vielen Gesprächen mit Führungskräften aus dem Mittelstand – nenne ich jetzt AI Operations. Dieser Newsletter ist der Anfang einer Serie, in der ich diesen Begriff mit Leben füllen will.
Was die Daten zeigen – und was sie verschweigen
Ich bin jemand, der Studien mit gesunder Skepsis liest. Zu viele davon kommen von Unternehmen, die Beratungsmandate oder Softwarelizenzen verkaufen wollen. Aber bei AI Operations gibt es inzwischen eine Datenlage, die ich nicht mehr ignorieren kann.
McKinsey hat im November 2025 knapp 1.500 Führungskräfte weltweit befragt. Das Ergebnis: 88 % der Unternehmen nutzen KI inzwischen in mindestens einer Geschäftsfunktion. 88 %. Das klingt nach Aufbruchsstimmung. Bis man weiterliest. 61 % dieser Unternehmen sind noch nicht über Pilotprojekte hinausgekommen. Und BCG hat herausgearbeitet, dass 60 % der Unternehmen trotz kontinuierlicher KI-Investitionen keinerlei materiellen Mehrwert generieren. Keinen eingesparten Euro. Keinen gewonnenen Umsatz. Nichts.
Das ist die Lücke, die mich nicht loslässt. Nicht das Tool-Problem. Nicht das Modell-Problem. Sondern die Frage: Warum investieren so viele – und sehen so wenig? McKinsey hat dazu eine Antwort, die ich aus der Praxis bestätigen kann: Die größten Effizienzgewinne entstehen nicht dort, wo Unternehmen bessere Tools kaufen. Sie entstehen dort, wo Unternehmen ihre End-to-End-Workflows vor der Tool-Auswahl neu gestalten. Nicht das Was ist entscheidend, sondern das Wie.
Gartner prognostiziert, dass mindestens 30 % aller Generative-AI-Projekte nach der Proof-of-Concept-Phase abgebrochen werden. Nicht weil die Technologie versagt. Sondern wegen mangelnder Datenqualität, unklarem Business Value und – das ist der entscheidende Punkt – fehlender Governance. Das ist kein Technologieproblem, sondern ein Organisationsproblem.
Die Definition, auf die ich mich geeinigt habe
Ich habe in den letzten Monaten viele Begriffe ausprobiert. KI-Transformation. AI-Implementierung. Intelligente Automatisierung. Nichts hat getroffen, was ich meine. Deshalb nenne ich es jetzt AI Operations – und hier ist die Definition, an der ich wirklich lange gearbeitet habe:
AI Operations bezeichnet den effizienten und dauerhaften Betrieb von Strukturen und Prozessen, die durch den Einsatz von künstlicher Intelligenz – durch KI unterstützt oder eigenständig ausgeführt – in einer geplanten, hybriden Organisation aus Menschen und Maschinen ablaufen. Das Konzept umfasst alle Bereiche der Organisation: von der Strategie- und Organisationsentwicklung über Governance bis zur Technologiearchitektur und Infrastruktur – sowie deren laufende Optimierung und Weiterentwicklung. Das übergeordnete Ziel: Unternehmen dauerhaft handlungsfähig und wettbewerbsfähig zu halten – unabhängig davon, wie schnell sich KI-Technologien weiterentwickeln.
Dieser letzte Satz ist mir der wichtigste. Er benennt das eigentliche Problem: Nicht welches Modell gerade das beste ist. Sondern wie man eine Organisation aufbaut, die funktioniert, egal was als nächstes kommt. Ich nutze dafür gerne eine Analogie: Jede Person weiß, wie man einen Wasserhahn aufdreht. Aber kaum jemand weiß, wie das Wasser dorthin gelangt. AI Operations funktioniert nach derselben Logik: eine Infrastruktur, auf der das Tagesgeschäft läuft. Im Hintergrund permanent optimiert. An der Oberfläche stabil und beherrschbar.
Was das für deine Organisation bedeutet
Die unbequeme Wahrheit aus meinen Gesprächen der letzten Monate: Die meisten Unternehmen, die ich kenne, haben Tools – aber keine AI Operations. Sie haben Begeisterung – aber keine Governance. Sie haben Piloten – aber kein Betriebsmodell.
Das ist der natürliche erste Schritt in einer Technologie, die sich schneller entwickelt als jede Organisationsstruktur folgen kann. Aber es ist eben auch der Punkt, an dem sich entscheidet, wer in drei Jahren wirklich profitiert – und wer noch immer im Piloten steckt.
AI Operations ist dabei kein Großprojekt, das man einmal startet und dann abschließt. Es ist ein Betriebsmodus. Und der beginnt mit einer Frage: Wer verantwortet in deiner Organisation die KI-Prozesse – und was passiert damit, wenn sich das Modell dahinter nächsten Monat wieder verändert? Wenn du darauf keine Antwort hast, ist das kein Problem. Es ist ein guter Anfang.
Wie es weitergeht
In den nächsten Ausgaben werde ich AI Operations Stück für Stück aufdröseln: Was gehört wirklich dazu? Wie sieht ein hybrides Team aus der Praxis aus? Welche Rolle spielen Governance und Datensouveränität?
Und wenn du den Selbstcheck haben möchtest – fünf Fragen, die zeigen, wo deine Organisation bei AI Operations gerade steht – schreib mir einfach kurz auf LinkedIn oder per Mail. Ich schicke ihn direkt zu. Kein Formular, kein Pitch.