Vor kurzem saß ich mit einem Freund zusammen. Bei Spaghetti Carbonara (anderes Thema, aber: wie schwer kann es sein, in Deutschland in 2026 eine gute Carbonara zu bekommen?) und einem ordentlichen Lugana sprachen wir darüber, warum AI in seinem Corporate kaum zum Einsatz kam.

Die Diskussion drehte sich schnell um Tools und Modelle: ist Claude besser als ChatGPT? Wie schlimm ist Co-Pilot wirklich? Und wie kriegt man eigentlich Agents in die Enterprise-IT?

Das spannende ist: während ambitionierte Privatpersonen und Kleinunternehmen lustig ausprobieren und ihre Skills und Agents bauen, füllen die meisten Menschen in großen Unternehmen Formulare aus. Die Diskussion über das leistungsfähigste LLM findet in der Corporate Welt nicht statt, weil sie überflüssig ist. Das wäre so, als wenn zwei zwölfjährige darüber diskutieren, welches Auto sie sich kaufen wolle. It's not gonna happen.

Nicht wegen der Technologie. Sondern wegen der Rahmenbedingungen drum herum. Wer keinen Führerschein hat, muss sich nicht darum kümmern, welches Auto er fahren will. Wer AI nicht nutzen darf, muss nicht über das beste Modell fachsimpeln.

Aus unserer Diskussion habe ich die 5 größten Hürden für den Einsatz von AI in großen Unternehmen aufgeschrieben.

1/ Große Unternehmen haben bestehende Prozesse, die besser nicht kaputt gehen. Niemand will, dass das Geld auf dem Girokonto auf einmal weg ist, weil der autonome Agent der Meinung war, dies sei die beste Idee (ich übertreibe, aber ihr versteht). Diese Prozesse müssen geschützt werden.

2/ Große Unternehmen haben heterogene Datensätze auf unterschiedlichen Systemen. Ich habe mal mit einem großen Mittelständler gearbeitet, bei dem der Großteil der kritischen Kundendaten in gescannten Zetteln lag. Wenn es gut lief, waren es Word-Dokumente und keine Handschrift. Die Frage ist hier nicht, welche LLM Version man nimmt - sondern wie die Datensätze konsolidiert und lesbar gemacht werden.

3/ Große Unternehmen haben komplexe Governancestrukturen und Datenschutzanforderungen. Zu Recht kann eine Versicherung nicht einfach Kundendaten einer Krankenversicherung inklusive Krankheitsverlauf von einer KI analysieren lassen. Die BaFin steht schneller vor der Tür, als du bis drei zählen kannst, wenn dein Agent auf einmal autonome Anlageberatung macht.

4/ Großen Unternehmen haben viele Stakeholder mit vielen Meinungen. Führungskräfte sind individuell und kurzfristig incentiviert. Warum sollte ein Abteilungsleiter das Risiko eines neuen AI Tools eingehen, wenn sein Jahresziel nicht daran geknüpft ist? Und richtig lustig wird es, wenn auf Führungsebene konkurrierende Ziele bestehen. Ein Unternehmen ist eben kein Individuum.

5/ Veränderung macht Angst. Niemand weiß, welche Einfluss AI langfristig auf unsere Arbeit haben wird. Aber alles, was "Effizienz" ruft, flüstert auch "Einsparung der Personalkosten". Das wissen die Menschen und davor haben sie Angst. Diese Angst muss man ernst nehmen, wenn man relevante Prozesse in einer großen Maschine verändern will.

Interessanterweise löst man keines dieser Probleme mit einem besseren LLM oder mehr Rechenleistung. Das sind Jobs für gute Berater:innen: Branchenexpertise, Menschen verstehen, Komplexitäten und Widersprüche auflösen, den Raum lesen, Kontextualisierung und Urteilskraft - alles Dinge, die Maschinen (bisher) nicht hinbekommen.

Also brauchen wir (vorerst) mehr Menschen - und nicht weniger. Und vor allem brauchen wir diejenigen, die technologische Chancen und menschlichen Limitationen verstehen und kombinieren können.

Was sonst noch interessant ist:

• ​A good AGENTS.md is a model upgrade. A bad one is worse than no docs at all.​
• ​Inside DIFC’s plans to become the world’s first AI-native financial center​

Connect:

• Neu bei diesem Newsletter? Hier kannst du dich anmelden.
• Connecte dich mit mir auf auf Linkedin
• Consulting, Speaking und Education - mein Offering​