Unternehmen sind nicht bereit für AI.

Daniel Miessler vertritt in einem am 2. Mai 2026 veröffentlichten Essay eine These, die es verdient, klar wieder aufgegriffen zu werden: der Engpass der AI-Adoption in Unternehmen ist nicht die Technologie, sondern die interne Kohärenz. Die meisten Organisationen kennen sich nicht gut genug, um ein intelligentes System auf etwas Nützliches auszurichten. Die Diagnose teilen wir. Die Therapie nicht.

Die Diagnose stimmt

Wenn ein einzelner Professional aus einem generativen Modell keinen Wert zieht, liegt das Problem selten am Modell. Das Problem ist, dass er die Frage nicht formulieren kann. Unternehmen, im Massstab, machen genau dasselbe. Kickoff-Sitzungen, in denen niemand sagen kann, wer der Kunde ist, welche drei Kennzahlen wirklich zählen, wer welchen Prozess verantwortet, wie viel Budget tatsächlich allokiert ist und was dieses Unternehmen von fünfzig anderen unterscheidet, die dasselbe tun. AI braucht all diese Informationen, um an etwas Reales angedockt zu werden. Fast niemand hat sie parat.

Die öffentlich verfügbaren Daten stützen die These. Branchenstudien der letzten zwei Jahre — Gartner, MIT NANDA, RAND — konvergieren auf ein schmales Band: zwischen siebzig und fünfundachtzig Prozent der unternehmensseitigen AI-Initiativen erreichen die Produktion nicht, oder erreichen sie, ohne die Kennzahl zu bewegen, für die sie gestartet wurden. Nicht weil die Technologie fehlt. Was fehlt, ist ein definierter Perimeter: welche Kennzahl muss sich ändern, um wie viel, in welchem Horizont, in wessen Verantwortung. Ohne diese vier Variablen produziert jedes Modell — auch das beste von morgen — Demos, niemals Systeme.

Viele als erfolgreich geltende Unternehmen sind innen unordentlich. Sie leben von zwei, drei positiven Zufällen, die aus Gründen funktioniert haben, die nie jemand abgestimmt hat: ein Kanal, der läuft, ein Bestandskunde, der zahlt, ein Produkt, das durch Zufall sein Publikum gefunden hat. Der Umsatz deckt das Rauschen. Automatisierung auf einen solchen Prozess zu legen, ordnet nichts — sie vervielfacht die Verwirrung. Verwirrte Teams werden mit einem AI-Agenten nicht klarer; sie bewegen sich schneller in die falsche Richtung.

Es gibt einen diagnostischen Test, der besser funktioniert als jedes bezahlte Audit. Die Führungsebene zusammenrufen und getrennt fragen: wer ist der Zielkunde, welche KPIs verfolgen wir diese Woche, welche Initiativen sind gerade offen, wer verantwortet jede einzelne, wie hoch ist das Budget. Gesunde Unternehmen antworten in Echtzeit, und die Antworten decken sich. Fragile Unternehmen produzieren fünf unterschiedliche Versionen der Realität — oder Schweigen. Strategische Stabilität über die Zeit ist ein weiterer Indikator: wer Quartal für Quartal die Prioritäten neu schreibt, signalisiert Inkohärenz, nicht Agilität.

Fünf konkrete Anzeichen, dass Sie nicht bereit sind

Eine operative Checkliste, abgeleitet aus unseren ersten Gesprächen mit Unternehmen, die uns in den letzten achtzehn Monaten kontaktiert haben. Wenn Sie drei oder mehr davon in Ihrer Organisation sehen, wird jedes AI-Projekt geführt anlaufen — und ungeführt sterben.

1 · Kein schriftliches ICP (Ideal Customer Profile). Ein ideales Kundenprofil, das in den Köpfen von zwei oder drei Personen lebt, nie in ein operatives Dokument überführt. Wenn eine Targeting-Entscheidung kommt (Kampagne, Segmentierung, Lead-Priorisierung), wird sie per informeller Abstimmung getroffen. Ein AI-Agent ohne schriftliches ICP kann nichts qualifizieren — er kann nur die letzte Meinung paraphrasieren, die er gehört hat. Begleiterscheinung: Vertrieb schliesst unterschiedliche Profile, und niemand hat je konsolidiert, warum.

2 · Mehrdeutige Owner bei den Top-fünf-Prozessen. Die fünf Prozesse, die die Hälfte des Umsatzes erzeugen, haben keinen einzelnen Namen daneben. Sie haben ein Team, oder "alle", oder "kommt drauf an". Eine Automatisierung berührt einen Prozess, trifft eine Entscheidung, scheitert: wer korrigiert? Wenn die Antwort eine Sitzung ist, wurde die Automatisierung bereits zum Scheitern geschrieben. Unsere Erfahrung: ohne einen einzelnen Entscheider pro Prozess wird der einundzwanzig-Tage-Zyklus zu fünfunddreissig, dann zu fünfzig, dann zur Trägheit.

3 · Monatliche GuV nicht in Echtzeit verfügbar. Wenn die Geschäftsführung an einem beliebigen Tag des Monats nicht weiss, wie viel berechnet und wie viel ausgegeben wird, hat AI keinen Kompass. Man kann Dinge automatisieren, aber man wird nicht wissen, ob sie etwas bewegt haben. Quartalsabschlüsse sind historische Daten für den Steuerberater, nicht für den, der die Umsetzung führt.

4 · Tech-Stack, der drei Personen für eine Workflow-Änderung benötigt. Wenn die Integration zwischen CRM, ERP und E-Mail von externen Anbietern verwaltet wird, die nach Stunden abrechnen, muss jede von einem AI-Agenten eingeführte Änderung durch drei Ticket-Schlangen. Das ist kein technisches Problem — es ist ein Eigentumsproblem. Das Unternehmen besitzt seine operative Schicht nicht. Ohne Eigentum ist AI ein Gast, kein Partner.

5 · Kundendaten in vier oder mehr Silos. Marketing hat seine, Vertrieb seine, Customer Success seinen, Finance seinen. Keiner deckt sich. Einen einzelnen Kunden zu rekonziliieren, kostet jemanden einen Arbeitstag. Ein AI-Agent, dem man "wie viel ist Kunde X wert" stellt, produziert vier unterschiedliche Antworten, eine pro Silo. Das System ist inkohärent, bevor AI es überhaupt anrührt.

Die Wettbewerbsbedrohung ist nicht die, die Sie denken

Die Gefahr ist nicht, dass AI verwirrte Unternehmen ersetzt. Es ist, dass kleinere, klarere, disziplinierter aufgestellte Konkurrenten heute weit über ihrer Gewichtsklasse zuschlagen können. Eine sechsköpfige Struktur, die genau weiss, was sie an wen und warum verkauft, kann heute orchestrieren, wofür vor fünf Jahren fünfzig Personen nötig waren. Der Hebel hat sich von der Skalierung zur Schärfe verlagert. Inkohärente Unternehmen werden nicht von AI ersetzt — sie werden von kohärenten Wettbewerbern ersetzt, die AI einsetzen.

Das Muster zeigt sich bereits in mehreren Märkten. AI-native Marketingagenturen mit Teams von acht bis zwölf Personen, die Verträge abschliessen, die bis 2024 internationalen Netzwerken mit Hunderten von Mitarbeitern vorbehalten waren. Boutique-Anwaltskanzleien mit drei Partnern und zwei Dokumentenautomatisierungssystemen, die bei komplexen Mandaten konkurrieren — und gewinnen — weil ihre Grenzkosten für jeden neuen Fall nahe null sind. Nischen-E-Commerce-Operationen, die eine zwanzigköpfige Customer-Service-Abteilung durch ein System aus drei spezialisierten Agenten und einem einzelnen aufsichtsführenden Operator ersetzen. In allen diesen Fällen kommt der Vorteil nicht vom AI-Modell — jeder Konkurrent könnte auf dasselbe Modell zugreifen — sondern von der Geschwindigkeit, mit der die kleine Struktur AI in ihren operativen Fluss integriert, weil der operative Fluss bereits geschrieben und gesteuert ist.

Die zeitliche Asymmetrie ist der Punkt. Eine kleine, klare Struktur bewegt den nächsten Schritt in drei Wochen. Eine grosse, inkohärente Struktur bewegt ihn in neun Monaten, weil jede Entscheidung vier Funktionen durchquert, die nicht miteinander reden. Wenn der nächste Schritt zehn Prozent von dem kostet, was er früher kostete — das ist es, was AI praktisch ändert — dann komponiert das Unternehmen, das ihn fünfzehnmal vor seinen Konkurrenten geht, einen Vorteil, der nicht aufzuholen ist. Man verliert einen Markt nicht in einem Jahr. Man verliert ihn in drei einundzwanzig-Tage-Zyklen, während man ein Audit macht.

Wo wir nicht zustimmen

Bis hierher ist die Diagnose präzise. Die übliche Schlussfolgerung rutscht jedoch in eine Falle, die wir gut kennen: erst zwölf Monate interne Ausrichtung, dann reden wir weiter. Workshops, Off-Sites, kulturelle Neuausrichtungen, Frameworks für strategische Klarheit. Es ist die Notdecke der klassischen Beratung — und sie produziert exakt dasselbe Ergebnis wie vor AI: voluminöse Decks, vertagte Entscheidungen, vergeudetes Momentum.

Dasselbe Drehbuch haben wir bei der sogenannten digitalen Transformation zwischen 2015 und 2022 gesehen. Unternehmen, die drei oder vier Jahre in Discovery, in Mapping, in Governance verbraucht haben — und die ohne Budget, ohne interne Sponsoren und mit einer Technologielandschaft, die zwei Generationen weiter war, in die Umsetzungsphase kamen. Das Muster scheitert zweimal: einmal an den Opportunitätskosten, einmal am Wettbewerbsboden, der an Rivalen verloren ging, die in der Zwischenzeit bereits in Produktion ausgeliefert hatten. Derselbe Fehler, sich selbst ein zweites Mal erzählt, jetzt "AI Readiness" genannt, wird dieselben zwei Niederlagen produzieren. Es gibt keinen Grund, etwas anderes zu glauben.

Unsere operative Position ist das Gegenteil. Klarheit erreicht man nicht, indem man sich in einen Sitzungsraum zurückzieht. Man erreicht sie, indem man etwas Reales in Produktion bringt. Der einundzwanzig-Tage-Zyklus von Jigen beginnt mit einer Diagnose ähnlich der von Miessler beschriebenen — ein kurzes, scharfes Interview mit der Führungsebene, dieselben fünf oder sechs Punkte — aber sein Zweck ist nicht, ein Dokument zu produzieren. Er ist, den einen Prozess zu identifizieren, der es wert ist, als erster automatisiert zu werden, und ihn in Produktion zu bringen, bevor das Unternehmen Zeit hatte, es sich anders zu überlegen.

Drei Wochen konkreter Umsetzung sagen mehr über ein Unternehmen aus als drei Monate interne Interviews. Wenn eine Automatisierung tatsächlich einen Prozess berührt — einen Kunden kontaktiert, einen Lead qualifiziert, ein Ticket schliesst — kommen ungelöste Punkte sofort an die Oberfläche. Wer der Owner ist, wird offensichtlich, weil jemand freigeben muss. Welcher KPI zählt, wird offensichtlich, weil gemessen werden muss. Welcher Kunde wirklich Zielkunde ist, wird offensichtlich, weil manche antworten und andere nicht. Klarheit ist ein Nebenprodukt der Umsetzung, keine Voraussetzung dafür.

Das heisst nicht, blind loszulegen. Es heisst, die Idee abzulehnen, dass das Unternehmen perfekt sein muss, bevor man ein System anrührt. Unternehmen werden nicht kohärent, indem sie über Kohärenz nachdenken. Sie werden kohärent, wenn die operative Realität sie zwingt, Entscheidungen zu treffen, die bequem mehrdeutig geblieben waren. AI, richtig gemacht, ist genau diese Art konkreten Drucks.

Was passiert, wenn Sie trotzdem starten

Eine ehrliche Anmerkung, denn dies ist nicht die Art Artikel, die ein Standardanbieter zu schreiben Interesse hat. Wenn Sie bei drei-von-fünf-Anzeichen sind und trotzdem starten, ist die Sequenz vorhersehbar. Das erste Audit produziert ein sauberes, aber generisches Dossier, weil Ihre internen Daten kein tieferes Detail erlauben. Die Pilotphase funktioniert — man sieht etwas in einer Demo laufen, der Stakeholder ist begeistert — aber der Übergang in Produktion bleibt an Fragen hängen, die Sie nicht eingeplant hatten: wer genehmigt die Antworten des Agenten, wo leben die Logs, wer zahlt den API-Aufruf, der drei Monate später als dominanter Kostentreiber herauskommt. Bei sechs Monaten: kein System in Produktion. Bei neun: Sie fangen mit einem anderen Anbieter neu an.

Es ist kein Schicksal. Es ist eine Konsequenz. Es ist das, was passiert, wenn man mit AI einen Weg versucht, der mit der digitalen Transformation zweimal schiefgegangen ist. Der Unterschied heute: die Kosten des Missverstehens verbrauchen sich schneller — weil sich der Stand der Technik mehr bewegt, die Erwartungen mehr wachsen und der Konkurrent, der es zuerst verstanden hat, mehr Distanz zwischen Sie legt.

Die Minute-Probe

Eine konkrete Provokation für jede Geschäftsführung, die "etwas mit AI machen" will. In weniger als sechzig Sekunden, ohne Rücksprache mit irgendwem, sollte sie fünf Fragen beantworten können: wer ist der Kunde, den wir dieses Quartal wollen, welche Zahl muss steigen, damit das Quartal ein Erfolg ist, welcher interne Prozess kostet überdurchschnittlich Zeit, wer ist die führende Person, wie viel Budget hat sie in der Hand. Kommt die Antwort sauber, hat AI etwas, woran sie sich festhalten kann. Kommt sie in fünf unterschiedlichen Versionen je nach Sprecher, ist das Problem nicht AI — und ein weiteres Audit löst es nicht. Es löst sich, indem man eine einzige Sache wählt, sie in drei Wochen in Produktion bringt und dieses Ding als Spiegel benutzt.

Indikative Antworten. Zielkunde — gut: "Italienische KMU, 50-200 Mitarbeitende, Fertigung, Umsatz €10-40M, bereits mit CRM intern." Schlecht: "erleuchtete Unternehmer". Zahl, die steigen muss — gut: "Abschlussquote von 18% auf 26% in den nächsten neunzig Tagen." Schlecht: "mehr Aufmerksamkeit". Verdeckte-Kosten-Prozess — gut: "Inbound-Lead-Qualifizierung, heute drei Operatoren vier Stunden pro Tag." Schlecht: "interne Kommunikation". Owner — gut: ein Vor- und Nachname. Schlecht: "der Vertrieb". Budget — gut: eine Summe in bar, monatlich, mit Ausgabenermächtigung. Schlecht: "wir werden sehen".

Wie Sie sich in dreissig Tagen vorbereiten

Für die, die ihre Anzeichen erkannt haben und nicht schlecht starten wollen, ein praktischer Weg. Dreissig Tage reichen nicht, um ein Unternehmen neu aufzubauen. Sie reichen, um die vier Variablen — Perimeter, Kennzahl, Owner, Budget — auf eine Mindestschwelle an Klarheit zu bringen, die einem ernsthaften Anbieter erlaubt zu arbeiten.

Woche eins · ICP auf einer Seite. Die Führungsebene setzt sich hin und schreibt auf einer Seite, wer der Kunde ist, den sie dieses Jahr will. Branche, Grösse, Geografie, spezifisches Problem, Kaufverhalten, Gründe, warum er uns gegenüber einem Konkurrenten wählt. Nicht das perfekte Dokument. Das geschriebene Dokument, was bereits mehr ist, als 80% der Unternehmen haben.

Woche zwei · Einzelner Owner für die Top-fünf-Prozesse. Auflisten der fünf Prozesse, die den Grossteil von Umsatz oder Kosten erzeugen. Für jeden ein einzelner Name daneben, mit Entscheidungsbefugnis. Kein Team. Kein Komitee. Ein Name. Wenn Mehrdeutigkeiten bestehen, ist dies die Woche, sie aufzulösen.

Woche drei · Vereinfachte GuV im Dashboard. Auch rudimentär: ein mit dem ERP verbundenes Tabellenblatt, wöchentlich aktualisiert, mit den drei wichtigsten Umsatz- und den drei wichtigsten Kostenpositionen. Es ist keine Buchhaltung — es ist Kompass.

Woche vier · Einzelne Entscheiderin für die erste AI-Iteration. Eine Person der Führungsebene übernimmt die Verantwortung für die erste Automatisierung. Sie hat die Befugnis, den Scope zu genehmigen, das Projekt zu schliessen, wenn es entgleist, das Budget zu unterschreiben. Ohne diesen Namen ist jeder Anbieter — auch unserer — machtlos.

An diesem Punkt, wenn die vier Elemente stehen, ist das Unternehmen bereit für einen einundzwanzig-Tage-Zyklus. Nicht perfekt. Bereit. Der Unterschied ist substanziell und misst sich in den Folgemonaten: wer bereit startet, liefert in Produktion und iteriert; wer unbereit startet, liefert in Folien und fängt von vorne an.

Miessler hat recht: Unternehmen sind nicht bereit. Aber "bereit" ist kein Zustand, den man vor Beginn erreicht. Es ist ein Zustand, den man durch Liefern in Produktion erreicht. Der Rest ist Theater.

Quelle: Daniel Miessler, "Most Companies Aren't Ready for AI", danielmiessler.com, 2. Mai 2026 — Original lesen ↗. Jigen-Lesart: Miesslers Diagnose hält; die vom Markt vorgeschlagene Therapie (Ausrichtung zuerst, Umsetzung später) ist dieselbe, die bereits ein Jahrzehnt digitaler Transformation hat scheitern lassen. Unsere Position ist invertiert — es ist die konkrete Umsetzung, die Klarheit erzwingt, nicht umgekehrt.