foto freepik

»Künstliche Intelligenz ist der größte Hebel, den Unternehmen selbst in der Hand haben, um sich dem wirtschaftlichen Niedergang Deutschlands zu entziehen, ohne das Land verlassen zu müssen«, sagt der Interim Manager Eckhart Hilgenstock und Co-Autor des neuen Buches »Wirtschaftswende jetzt! – So bringen wir Deutschland wieder auf Wachstumskurs« (ISBN 978-3-98674-186-0) [1].

»Auf die großen Hürden wie die ausufernde Bürokratie oder die viel zu hohen Energiekosten können die einzelnen Firmen keinen direkten Einfluss nehmen, aber der KI-Einsatz im eigenen Betrieb zur Produktivitätssteigerung und Kostensenkung liegt allein in der Hand der Unternehmen«, begründet Eckhart Hilgenstock seine These.

Deutlich widerspricht er vereinzelten Stimmen, wonach der KI-Boom am Abflachen sei. »Unternehmen, die sich durch solche Meldungen verleiten lassen, nicht in KI-Systeme zu investieren, gefährden ihre Wettbewerbsfähigkeit«, ist Eckhart Hilgenstock überzeugt. Er erinnert daran, dass es auch beim Aufkommen von PC und Internet in den Anfangsjahren immer wieder Bedenkenträger gab, die beides für vorübergehende Erscheinungen ohne ernsthafte Auswirkungen hielten. »Lasst uns nicht denselben Fehler machen«, ruft der Interim Manager der deutschen Wirtschaft zu.

Anhand vieler eigener Projekte, die er als Führungskraft auf Zeit geleitet hat, weiß er »um die enormen Produktivitäts- und Kostenvorteile von KI.« Der Praxisprofi stellt klar: »Wir reden nicht von nebulösen Marketingversprechungen oder einer abstrakten Neuausrichtung auf die Zukunft, sondern von einer handfesten Rendite, die sich bereits innerhalb von anderthalb Jahren einstellt, wenn man es richtig anstellt.« Er verweist beispielhaft auf die KI-Unterstützung im Vertrieb, wo in der Regel schon in weniger als sechs Monaten Neukunden gewonnen werden. »Neue Interessenten identifizieren, Leads priorisieren, Aufgaben entlang der Customer Journey automatisieren, Vertriebsmitarbeiter entlasten, Vorhersagen über Kaufentscheidungen treffen – die Liste der Ansatzpunkte für KI im Business Development ist lang, berichtet er aus Projekten. In seinem Buch »KI-Einsatz in Unternehmen: Chancen, Risiken, Erfolge« nennt er Dutzende von Best-Practice-Beispielen.

Weitere Problemfelder: Bürokratie, Energie, Demografie, Politik

Eckhart Hilgenstock räumt ein, dass der Wirtschaftsstandort Deutschland durch viele Probleme belastet ist, die keineswegs durch verstärkten KI-Einsatz zu lösen seien. Bei einer Umfrage unter 550 Interim Managern, die dem Buch »Wirtschaftswende jetzt!« zugrunde liegt, haben 80 Prozent die überbordende Bürokratie als größtes Übel genannt. An zweiter Stelle stehen die hohen Energiekosten, die 61 Prozent der Befragten als gravierende Hürde für die wirtschaftliche Gesundung des Landes sehen (Mehrfachnennungen waren erlaubt). An vierter Stelle nach dem demografischen Wandel steht mit 59 Prozent das mangelnde Verständnis der Politik für die Belange der Wirtschaft.

»So gravierend diese Probleme sind, steht ihnen die Unternehmenswelt praktisch machtlos gegenüber«, erklärt Eckhart Hilgenstock. »Selbst eine Standortverlagerung überwindet die größte Hürde, die Bürokratie nicht, jedenfalls nicht, wenn die Firmen innerhalb der EU bleiben. KI ist kein Allheilmittel, aber sie kann Unternehmen helfen, trotz Standortnachteilen über Wasser zu bleiben.«

KI als Wachstumsmotor

Für Unternehmen, die künstliche Intelligenz als einen maßgeblichen Motor für den eigenen wirtschaftlichen Aufschwung nutzen wollen, hält der KI-Profi eine ganze Reihe von Erkenntnissen aus der Umfrage parat, die im Buch »Wirtschaftswende jetzt!« nachzulesen sind.

Dazu gehört: Man sollte ein KI-Projekt nur dann starten, wenn es einen Break-Even innerhalb von anderthalb Jahren verspricht. Das sehen 28 Prozent der im Rahmen der Studie befragten 550 Interim Manager so. 51 Prozent räumen immerhin eine maximale Frist von drei Jahren ein. Die langfristige Perspektive, die bei den meisten IT-Projekten angesagt ist, lohnt sich bei KI aufgrund der raschen Entwicklung derzeit jedenfalls nicht, heißt es im Buch.

»Das stellt keine Empfehlung für einen Blindflug dar«, sagt Eckhart Hilgenstock. So raten 88 Prozent der befragten Interim Manager zu einer frühzeitigen Zielfestlegung bei der KI-Einführung im Unternehmen. Für 80 Prozent (Mehrfachnennungen waren erwünscht) steht die Definition der Anwendungsfälle im Vordergrund – und diese sollten sich kurzfristig lohnen. 79 Prozent empfehlen den Start mit einem Pilotprojekt, das anhand der Ergebnisse optimiert werden sollte (78 Prozent), bevor es in der Organisation größer ausgerollt wird (55 Prozent). In diesem Zuge sollte ein KI-Team im Unternehmen aufgebaut werden.

[1] Autoren des Buches sind: Dr. Bodo Antonić, Ulvi Aydin, Ulf Camehn, Ruben Faust, Christian Florschütz, Eckhart Hilgenstock, Jane Enny van Lambalgen, Klaus-Peter Stöppler, Roland Streibich und Karlheinz Zuerl. Viele der Autoren werden auf der Buchvorstellung am 28. Oktober im Presseclub München anwesend sein, um Schlüsselergebnisse vorzustellen.

Eckhart Hilgenstock zählt zu den meistgefragten Interim Managern in Deutschland. Unternehmen holen ihn regelmäßig als Führungskraft auf Zeit in den Betrieb, wenn es um die Themen profitables Wachstum und Vertrieb sowie Digitalisierung und den KI-Einsatz in Organisationen geht. »Eckhart Hilgenstock gilt als Vorzeigetyp der Branche«, schrieb die WirtschaftsWoche über ihn. Seine Erfahrungen hat er u.a. gesammelt als General Manager EMEA Sales Global Accounts bei Microsoft sowie zuvor als Managing Director DACH bei Lotus Development und IBM Deutschland. Eckhart Hilgenstock ist Mitglied im Diplomatic Council, einer globalen Denkfabrik mit Beraterstatus bei den Vereinten Nationen (UN) und Autor des Buches »KI-Einsatz in Unternehmen: Chancen, Risiken, Erfolge« (ISBN 978-3-98674-114-3), das im Verlag des Think Tank er¬schienen ist. Er gehört zum kleinen Kreis der Verfasser des vielbeachteten »United Interim Wirtschaftsreport 2025«. Die Diplomatic Council Future Academy hat ihm den Titel »Top Interim Manager 2025« verliehen.

Direktkontakt: Eckhart Hilgenstock, https://hilgenstock-hamburg.de

Wie kann man mit Hilfe der KI das Wachstum eines Unternehmens in Deutschland vorantreiben?

Wenn künstliche Intelligenz (KI) das Wachstum von Unternehmen in Deutschland fördern soll braucht es zuerst eine solide Datenstrategie und -plattform. Saubere und integrierte Daten sind entscheidend, um belastbare Entscheidungen zu treffen. Maßnahmen wie Datenkataloge, Master Data Management und einheitliche Datenmodelle sind notwendig, um die Datenqualität zu verbessern.

Ein weiterer Schwerpunkt liegt auf der Identifizierung werttreibender Use Cases. Priorisierte Anwendungsfälle umfassen Customer Lifetime Value, Preis- und Angebotsoptimierung, Predictive Maintenance sowie Sales- und Marketing-Automatisierung. Ein schrittweises Vorgehen wird empfohlen, beginnend mit Quick Wins und skalierbaren Plattformlösungen.

Die Operationalisierung von KI durch eine AI Factory oder MLOps wird ebenfalls diskutiert. Wiederverwendbare Komponenten wie Modell-Repositories, CI/CD für Modelle und Monitoring sind entscheidend, um die Time-to-Production zu verkürzen und Betriebskosten zu senken.

Die Bedeutung von Governance und Compliance muss berücksichtigt werden, insbesondere in Bezug auf Verantwortlichkeiten, Erklärbarkeit und Datenschutz (DSGVO). Eskalationspfade für geschäftskritische Entscheidungen werden vorgeschlagen.

Schulungen und eine Partnerstrategie sind ebenfalls wichtig. Interne Teams sollten durch Managed-Service- und Cloud-Partner unterstützt werden, um die Skalierung zu beschleunigen. Nutzerzentrierte Entwicklung und klare Kommunikation sind entscheidend für die Akzeptanz.

Technologische und marktpraktische Hinweise umfassen die Planung von Multi-Cloud- und hybriden Lösungen sowie die Vermeidung von Shadow-IT. Energie- und Kostenaspekte der KI-Infrastruktur sollten berücksichtigt werden.

Handlungsempfehlungen für wachstumsorientierten KI‑Einsatz

Priorisierte Werttreiber identifizieren

- Maßnahme:
  Führe in 2–4 Wochen Workshops mit Sales, Produkt, Service und Finance durch, um Top‑3‑Use‑Cases nach erwarteter Umsatzwirkung, Kostenersparnis und Implementationsaufwand zu priorisieren.
- Verantwortlich:
  CDO / Head of Strategy.
- KPI:
  Erwarteter Jahresumsatz aus Use‑Cases; PoV‑ROI.

Schnell messbare Quick Wins starten

- Maßnahme:
  Starte 1–2 eng limitierte Proof‑of‑Value‑Projekte (z. B. Lead‑Scoring, Pricing‑Optimierung, Chatbot für Leadqualifizierung) mit klaren Akzeptanz‑ und Erfolgskriterien. Laufzeit 8–12 Wochen.
- Verantwortlich:
  Produktowner + Data Science Team + Business Sponsor.
- KPI:
  Conversion‑Rate, Sales‑Cycle‑Reduktion, Cost‑per‑Lead.

Daten‑ und Plattform‑Basis schaffen

- Maßnahme:
  Implementiere ein Minimal‑MDM, Feature‑Store und ein zentrales Modell‑Repository; definiere Daten‑SLAs und Herkunfts‑/Qualitätsmetriken. Priorisiere Integrationen zu CRM, ERP und Produkttelemetrie.
- Verantwortlich:
  CIO / Head of Data Engineering.
- KPI:
  Datenqualitätsindex, Time‑to‑Feature‑Deployment.

Produktionsreife durch MLOps sichern

- Maßnahme:
  Etabliere CI/CD für Modelle, Monitoring (Performance, Drift), Rollback‑Prozesse und standardisierte Tests vor Produktivsetzung.
- Verantwortlich:
  ML‑Platform/DevOps Team.
- KPI:
  Time‑to‑Production, Modell‑Drift‑Rate, Mean‑Time‑to‑Recover.

Governance, Compliance und Risk Controls

- Maßnahme:
  Definiere ein KI‑Governance‑Board; setze Regeln für Verantwortlichkeit, Erklärbarkeit, DSGVO‑Konformität und eskalationspflichtige Fehlentscheidungen. Implementiere Audit‑Logs für Entscheidungen mit Geschäftsauswirkung.
- Verantwortlich:
  Chief Risk Officer + Legal + CDO.
- KPI:
  Anzahl Audit‑Findings, Compliance‑Status, Anzahl Eskalationen.

Organisationale Verankerung und Change

- Maßnahme:
  Rolle KI‑Champions in Business‑Units ein, führe Trainings für Endanwender durch und implementiere Human‑in‑the‑Loop‑Prozesse bei kritischen Entscheidungen. Kommuniziere Nutzen und Grenzen transparent.
- Verantwortlich:
  HR + CPO + Business Leads.
- KPI:
  Nutzerakzeptanz (Adoption Rate), Fehlerquote durch Nutzerkorrektur, Produktiv‑Nutzungsstunden.

Partner‑ und Cloud‑Strategie

- Maßnahme:
  Wähle Cloud‑ und Technologiepartner nach Kriterien: Datensouveränität, Kosten, Skalierbarkeit und Integrationsfähigkeit. Nutze Managed‑Services für nicht‑kernkompetente Komponenten.
- Verantwortlich:
  CTO / Procurement.
- KPI:
  Total Cost of Ownership (TCO), Time‑to‑Scale, SLA‑Erfüllung.

Nachhaltiger Flywheel‑Ansatz und Finanzierung

- Maßnahme:
  Reinvestiere erzielte Einsparungen/Umsätze aus erfolgreichen Use‑Cases in die Skalierung weiterer KI‑Projekte; setze ein internes Portfolio‑Budget und Stage‑Gate‑Entscheidungen.
- Verantwortlich:
  CFO + CDO.
- KPI:
  ROI pro Portfolio‑Stage, % Reinvestitionsquote.

Messung, Reporting und Roadmap

- Maßnahme:
  Erstelle ein monatliches KPI‑Dashboard (Umsatzbeitrag, Kundenzufriedenheit, Betriebskosten, Modellstabilität). Aktualisiere Roadmap quartalsweise anhand gemessener Ergebnisse.
- Verantwortlich:
  CDO / BI Team.
- KPI:
  Dashboard‑Abdeckung, Roadmap‑Erfüllungsquote.

Risiko‑ und Ethikmonitoring

- Maßnahme:
  Monitor für Bias, Missbrauch und Sicherheitsrisiken; definiere Notfallpläne (Containment, Kundenkommunikation). Führe externe Ethics‑Reviews für kritische Modelle durch.
- Verantwortlich:
  CISO + Ethics Board.
- KPI:
  Anzahl Incidents, Zeit bis Incident‑Containment, externe Review‑Score.

Kurze Implementierungsprios (erstes Jahr)

Wochen 0–8: Use‑Case‑Priorisierung, Quick‑Win‑PoCs.
Monate 2–6: Plattform‑Grundlage (Daten, MLOps), Governance‑Board.
Monate 6–12: Skalierung erfolgreicher PoCs, KPI‑Dashboard, Skills‑Programm.

Wie kann man mit Hilfe der KI das Wachstum eines Unternehmens in Deutschland vorantreiben?

Strategische Ansatzpunkte

Datenstrategie und Datenplattform
- Zentrale Aussage: Saubere, integrierte Daten sind Voraussetzung, damit KI belastbare Entscheidungen liefert.
- Maßnahmen: Datenkatalog, Master Data Management, einheitliche Datenmodelle, Data Lake/Cloud mit Governance.
- KPI: Datenqualitätsindex, Time-to-Insight.
Fokus auf werttreibende Use Cases
- Priorisieren: Customer Lifetime Value, Preis- und Angebotsoptimierung, Predictive Maintenance, Sales‑ und Marketing‑Automatisierung.
- Vorgehen: Quick wins (Proof-of-Value) → skalierbare Plattformlösungen → Flywheel-Ansatz, der Erträge in weitere KI-Investitionen rückführt.
- KPI: Umsatzwachstum aus KI‑Use‑Cases, ROI pro Pilotprojekt.
Operationalisierung: AI Factory / MLOps
- Etablieren wiederverwendbarer Komponenten: Modell‑Repository, CI/CD für Modelle, Monitoring (Performance, Drift), Feature‑Store.
- Ziel: Schnellere Time‑to‑Production, geringere Betriebskosten, sichere Governance.

Organisation, Skills und Kultur

Governance und Compliance
- Regeln für Verantwortlichkeiten, Erklärbarkeit, Datenschutz (DSGVO) und Auditierbarkeit.
- Eskalationspfade, wenn Modelle geschäftskritische Entscheidungen treffen.
Kompetenzaufbau und Partnerstrategie
- Schulungen für Data Engineers, ML‑Engineers und Domänenexpert:innen; interne KI‑Champions.
- Kombination aus internen Teams und geprüften Managed‑Service‑/Cloud‑Partnern zur Beschleunigung und Skalierung.
Change Management und Nutzerakzeptanz
- Nutzerzentrierte Entwicklung (Human-in-the-loop), KPI‑getriebene Einführung, klare Kommunikation zu Nutzen und Grenzen.

Technologie- und Marktpraktische Hinweise

Multi‑Cloud/hybrid einplanen wegen Resilienz und Kostenoptimierung; souveräne Cloud‑Optionen bei sensiblen Daten prüfen.
Vermeide Shadow‑IT und BYOS (Bring‑Your‑Own‑Service); zentralisieren kritische Modelle und Datenlieferketten.
Achte auf Energie- und Kostenaspekte von KI‑Infrastruktur; effiziente Modelle und Edge‑Optionen nutzen, wo sinnvoll.

Messbare Ziele (Beispiel-KPI-Set)

Anteil KI‑getriebener Umsätze (% vom Gesamtumsatz)
Time‑to‑Market für produktive Modelle (Tage)
Modell‑Uptime und Präzision (Precision/Recall oder geschäftsrelevante Metriken)
Kosten pro Modell‑Vorhalt (Cloud-Compute / Monat)
Kundenzufriedenheit (NPS) nach KI‑Interventionen

Roadmap (0–12 Monate)

Monat 0–2: Datenaufnahme, Value‑Use‑Case‑Workshops, Quick‑Win‑Priorisierung.
Monat 2–6: PoC für 1–2 priorisierte Use Cases; Grundaufbau MLOps/Plattform.
Monat 6–12: Skalierung erfolgreicher PoCs, Governance etablieren, Partner für Betrieb integrieren.

Kurzbefund / Empfehlung

KI fördert Wachstum am effektivsten, wenn sie als geschäftsgetriebene, datenfundierte und organisatorisch verankerte Transformation umgesetzt wird; Unternehmen, die ihren KI‑Reifegrad steigern und Managed‑Service‑/Cloud‑Partner strategisch nutzen, erzielen nachweislich bessere Geschäftsergebnisse und schnellere Skalierung

Albert Absmeier & KI

3978 Artikel zu „KI Wachstum „

Trends 2025 | News | Trends Infrastruktur | Infrastruktur | Künstliche Intelligenz | Whitepaper

Menschliche Expertise bleibt trotz KI-Wachstum entscheidend

9. September 2025

Eine weltweite Umfrage unter Instandhaltungsfachleuten zeigt: Das Interesse an kontextbezogener Intelligenz ist in zwei Jahren um 750  % gestiegen. Alternde Belegschaften und Fachkräftemangel bleiben laut dem Trendbericht für die industrielle Instandhaltung die drängendsten Herausforderungen. Fast jedes zweite Industrieunternehmen (49  %) verfügt nicht über das nötige interne Know-how, um fortschrittliche Technologien wie künstliche Intelligenz (KI) effektiv…