Was gestern nicht rechnete, rechnet heute

Szene eins, vor KI. Ein Industrieunternehmen hat eine richtig gute Idee: eine Lernplattform für komplexes technisches Wissen. Fachkräfte fehlen überall, die Nachfrage ist validiert, die ersten Kunden zahlen. Und trotzdem wird das Venture nach anderthalb Jahren abgewickelt. Nicht weil der Markt nein gesagt hätte. Sondern weil hochwertiger technischer Content so teuer zu produzieren war, dass die Unit Economics nie aufgingen. Jedes neue Modul kostete mehr, als es je einspielen konnte.

Szene zwei, heute. Ein Hersteller mit Millionen installierter Geräte macht aus seinem After-Sales-Bereich ein Geschäft. Bisher war Service eine Kostenstelle: Jede Diagnose, jede Beratung, jede Reparaturvermittlung brauchte einen Menschen. Jetzt übernimmt KI Diagnose und Selbsthilfe, Agenten steuern die Abläufe, und aus der Kostenstelle wird Umsatz.

Die Idee hat sich zwischen den beiden Szenen kaum verändert. Die Ökonomie schon.

Das Missverständnis: KI als Effizienzprogramm

Wenn heute über KI in Unternehmen gesprochen wird, geht es fast immer um dasselbe: schnellere Prozesse, weniger manuelle Arbeit, bessere Texte, schnellere Analysen. Das stimmt alles. Und es ist längst Standard.

Wer 2026 damit wirbt, dass er KI in seinen eigenen Abläufen nutzt, wirbt mit fließendem Wasser. Jede Beratung, jede Agentur, jeder Dienstleister hat diese Folie. Effizienz ist eine Hygieneanforderung, kein Vorsprung. Sie macht das Bestehende billiger. Sie erfindet nichts Neues.

Die eigentliche Verschiebung liegt woanders. KI verändert nicht nur, wie schnell ein Unternehmen arbeitet. Sie verändert, welche Geschäftsmodelle sich überhaupt lohnen.

Die Verschiebung: Grenzkosten, die zusammenbrechen

Viele Geschäftsmodelle sind nie an der Idee gescheitert, sondern an einer einzigen Zahl: den Kosten pro Kundeninteraktion. Jede Diagnose, jede individuelle Beratung, jede Anleitung, jeder Fall im Long Tail brauchte einen Menschen. Ab einem gewissen Punkt rechnete sich das nicht mehr. Also blieb es eine Kostenstelle — oder es wurde gar nicht erst gebaut.

Genau diese Grenzkosten bricht KI gerade auf. Diagnose, Beratung, Service, Anleitung, Dokumentation: Was gestern pro Fall einen Experten brauchte, skaliert heute. Geschäftsmodelle, die vor fünf Jahren betriebswirtschaftlicher Unsinn waren, sind plötzlich profitabel.

Die Forschung zu gescheiterten Ventures zeigt, wie groß dieser Hebel ist. In der bekannten Auswertung von CB Insights über mehr als 400 gescheiterte, VC-finanzierte Unternehmen ist bei 70 Prozent am Ende das Kapital aufgebraucht. Darunter liegen die eigentlichen Ursachen — und eine davon heißt: keine tragfähigen Unit Economics, bei 19 Prozent. Genau an dieser Stelle setzt KI an. Nicht an der Idee. An der Rechnung.

Wer davon profitiert — in der Theorie

Jetzt wird es interessant. Denn die neue Ökonomie steht allen zur Verfügung. Jedes Start-up kann dieselben Modelle nutzen, dieselben Agenten bauen, dieselben Werkzeuge kaufen.

Was nicht allen zur Verfügung steht, ist das Asset, auf das man die neue Ökonomie anwenden muss: die installierte Basis. Der Kundenzugang. Das Domänenwissen aus Jahrzehnten. Die Servicedaten. Das Vertrauen in einer Branche.

Das alles liegt bei den etablierten Unternehmen. Beim Hersteller mit Millionen Geräten im Feld. Beim Mittelständler, der seine Nische seit drei Generationen kennt. Bei der Gruppe, deren Serviceorganisation jeden Kunden beim Namen kennt.

In der Theorie ist das die beste Ausgangslage seit Jahrzehnten. Das Asset ist da, die neue Ökonomie ist da. Man muss beides nur zusammenbringen.

Warum es in der Praxis nicht passiert

Und genau da hakt es. Innerhalb der bestehenden Struktur treffen Asset und neue Ökonomie selten aufeinander.

Die IT-Governance verlangt monatelange Freigaben für jedes neue Werkzeug. Die Altsysteme lassen sich nicht an moderne Agenten anbinden. Die Serviceorganisation sieht im neuen Modell eine Bedrohung für ihre eigene Existenz — und hat damit sogar recht. Das Budget sitzt in Business Units, deren Ziele am bestehenden Geschäft hängen. Und jedes Risiko für die Marke wird so lange abgesichert, bis vom Neuen nichts mehr übrig ist.

Das hat niemand böse gemeint. Die Struktur ist genau dafür gebaut: das Bestehende zu schützen. Für das Kerngeschäft ist das richtig. Für ein KI-Geschäftsmodell ist es tödlich.

Praktiker schätzen, dass 80 bis 90 Prozent der Corporate Innovation Labs scheitern. Mit KI wird diese Quote nicht besser, wenn die Struktur dieselbe bleibt. Man hat dann nur ein Innovationstheater mit besseren Werkzeugen.

Die Einsicht: Das Asset liegt drinnen. Die Freiheit liegt draußen.

Die Gleichung ist einfach. Das Asset des etablierten Unternehmens. Mal die neue Ökonomie durch KI. Mal die Freiheit, beides ohne die alte Struktur zusammenzubringen.

Fehlt einer der drei Faktoren, ist das Ergebnis null. Ein Start-up hat Freiheit und KI, aber kein Asset. Das etablierte Unternehmen hat Asset und Zugang zu KI, aber keine Freiheit. Erst wenn alle drei zusammenkommen, entsteht der Hebel.

Und das heißt: Das KI-Geschäftsmodell entsteht draußen. In einer eigenen Gesellschaft. Mit eigenem Tech-Stack, eigener Datenarchitektur, eigenen Prozessen. Mit Agenten im Betrieb vom ersten Tag an, statt sie Jahre später in eine Organisation nachzurüsten, die nie für sie gebaut wurde. Und mit Zugang zum Asset des Mutterunternehmens — vertraglich geregelt, nicht erbettelt.

Eine Leitplanke, bevor jemand falsch abbiegt

Freiheit heißt hier nicht: an Regeln vorbei. Der AI Act gilt. Datenschutz gilt. Produkthaftung gilt. Wer draußen baut, um Compliance zu umgehen, baut auf Sand.

Das Gegenteil ist richtig. Auf der grünen Wiese lässt sich ein KI-Geschäftsmodell von Anfang an sauber bauen — Compliance by Design statt Nachrüstung in Altsystemen, die niemand mehr vollständig versteht. Draußen zu bauen ist nicht der Weg um die Regeln herum. Es ist der einfachere Weg, sie von Anfang an einzuhalten.

Was sich dadurch am Venture ändert

Es gibt noch einen zweiten Effekt, über den kaum jemand spricht. Ein Venture, das von Anfang an mit KI-Agenten schlank betrieben wird, braucht weniger Menschen pro Umsatz-Euro. Sein Break-even rückt nach vorne. Es braucht weniger Kapital bis zur Profitabilität.

Das verändert das Risiko für alle Beteiligten. Weniger Geld im Feuer, schnellere Klarheit, ob das Geschäft trägt. Für ein etabliertes Unternehmen, das sein nächstes Geschäft bauen will, ist das kein technisches Detail. Es ist die Antwort auf die Frage, die in jeder Investitionsentscheidung steckt: Wie viel muss ich riskieren, bis ich weiß, ob es funktioniert?

Der Zoom-out: Europas zweite Chance

Europa hat die erste Welle der Plattformökonomie weitgehend verpasst. Die großen Consumer-Plattformen sind woanders entstanden. Diese Welle ist anders. Bei KI in Industrie, Service und B2B gewinnt nicht automatisch, wer die schnellsten Modelle hat. Es gewinnt, wer das Asset hat, auf das man sie anwendet.

Und dieses Asset liegt zu einem erheblichen Teil in europäischen Unternehmen. In den installierten Basen, im Domänenwissen, in den Kundenbeziehungen der Industrie und des Mittelstands. Der Markt dafür wächst schnell: Für autonome KI wird ein Anstieg von rund 8 Milliarden Dollar 2025 auf 250 bis 264 Milliarden Dollar bis Mitte der 2030er Jahre erwartet.

Die Frage ist nicht, ob diese Wertschöpfung stattfindet. Die Frage ist, ob die Unternehmen, die das Asset besitzen, sie selbst heben — oder ob sie zusehen, wie andere ihr Asset von außen angreifen.

Das Prinzip: Den Hebel dort ansetzen, wo das Kerngeschäft keinen mehr hat

Wie würde ein System aussehen, das diese Chance tatsächlich nutzt? Es hätte vier Eigenschaften.

Erstens: KI im eigenen Haus ist Pflicht, nicht Strategie. Effizienz in den Abläufen ist die Eintrittskarte. Wer daraus ein Alleinstellungsmerkmal macht, verwechselt Werkzeug mit Geschäft.

Zweitens: Gesucht wird das Asset, nicht die Technologie. Die richtige Frage lautet nicht „Wo können wir KI einsetzen?“, sondern: „Welches unserer Assets wird durch die neue Ökonomie plötzlich zu einem Geschäft?“

Drittens: Das KI-Geschäftsmodell entsteht draußen. Eigene Gesellschaft, eigener Stack, eigene Prozesse, Agenten von Tag eins — mit geregeltem Zugang zum Asset und einer Governance, die das Mutterunternehmen schützt, ohne das Neue zu ersticken.

Viertens: Sauber gebaut, von Anfang an. Compliance by Design ist kein Bremsklotz, sondern ein Wettbewerbsvorteil gegenüber jedem, der später nachrüsten muss.

Der Kreis schließt sich

Europa macht aus Technologie zu selten Unternehmen. KI verschärft diese Frage — und sie öffnet gleichzeitig ein Fenster. Ideen, die gestern an der Rechnung gescheitert sind, rechnen heute. Die Lernplattform aus der ersten Szene wäre heute ein anderes Geschäft. Der Service aus der zweiten Szene war gestern undenkbar.

Das Asset liegt bei den etablierten Unternehmen. Die Ökonomie liegt bei allen. Die Frage ist nur, wer beides zusammenbringt — und wo.

KI ist kein Etikett. Sie ist der Hebel, der genau dort ansetzt, wo das Kerngeschäft keinen mehr hat.

Quellen

CB Insights, „Why Startups Fail“ (über 400 gescheiterte VC-finanzierte Unternehmen; 70 % Kapital aufgebraucht, 19 % keine tragfähigen Unit Economics) · Capgemini / CB Insights, Scheiterquote von Corporate Innovation Labs (80–90 %, Praktikerschätzung) · Fortune Business Insights / Research Nester / GM Insights, Markt für autonome KI (~8 Mrd. USD 2025 → 250–264 Mrd. USD 2034–35)