93 % des KI-Budgets fließen in Technologie – das Ergebnis entscheidet das verbleibende 7 %
In den Finanzabteilungen der größten Konzerne der Welt zeigt sich ein Paradoxon: Die Organisationen, die am meisten in künstliche Intelligenz investieren, sind häufig diejenigen, die den geringsten Nutzen daraus ziehen. Nicht wegen technologischer Mängel. Die Technologie funktioniert. Das Problem liegt auf der anderen Seite der Gleichung – der Seite, die niemand mit ausreichendem Ernst ins Budget einkalkuliert hat.
Beim Forum Emerging CFO, das Fortune in Zusammenarbeit mit Workday veranstaltete, legten eine Gruppe von Finanzvorständen aus Fortune-500-Unternehmen und Casey Caram, Director und Leiter der Human-Capital-Practice bei Deloitte, eine Zahl auf den Tisch, die anhaltende Aufmerksamkeit verdient: Organisationen verwenden im Durchschnitt 93 % ihrer Investitionen in KI-Projekte auf Daten, Technologie und Infrastruktur – und lediglich 7 % darauf, Menschen zu befähigen, diese Werkzeuge effektiv einzusetzen. Das ist kein dekoratives Datum. Es ist eine Diagnose der Investitionsarchitektur mit direkten Konsequenzen für die Rendite.
Was diese Führungskräfte beschrieben, ist kein Problem der technologischen Adoption im technischen Sinne des Begriffs. Es ist ein Problem der Kohärenz zwischen dem, was eine Organisation als Priorität erklärt, und dem, was ihre Ausgabenentscheidungen tatsächlich offenbaren.
Wenn Ausgaben die Illusion von Transformation erzeugen
Hinter dem 93/7-Muster steckt eine nachvollziehbare, wenn auch fehlerhafte Logik. Technologie einzukaufen ist sichtbar, quantifizierbar und erzeugt eine Fortschrittsnarrative, die sowohl Aufsichtsräte als auch externe Analysten zufriedenstellt. Eine installierte KI-Plattform, eine modernisierte Datenarchitektur, eine Unternehmenssoftwarelizenz: All das sind lesbare Signale von Bewegung. Ein Team von Buchhaltern zu schulen, die Arbeitsabläufe einer Finanzplanungsabteilung neu zu gestalten, darin zu investieren, dass ein Fachmann mit zwanzig Jahren Erfahrung die Art und Weise verändert, wie er seine Analysen formuliert – all das ist unsichtbar, langsam und schwer in einem vierteljährlichen Dashboard darzustellen.
Caram brachte es präzise auf den Punkt: Die Fähigkeiten der künstlichen Intelligenz werden sich zu einer Ware entwickeln. Was sich nicht zur Ware entwickelt, ist das menschliche Urteilsvermögen darüber, welche Frage zu stellen ist, welches Datum zu kontextualisieren ist und welches Signal in einem wachsenden Informationsvolumen zu ignorieren ist. Das ist die oberste Schicht des Kompetenzmodells, das er vorschlug: Auf einer Grundlage traditioneller Finanzfähigkeiten – Buchhaltung, Prognosen, Leistungsmanagement – liegt eine Schicht aus Datenkompetenz und KI-Literacy, und auf beiden ruht das, was er als wesentliche menschliche Fähigkeiten bezeichnete: Urteilsvermögen, kritisches Denken, die Fähigkeit, die richtigen Fragen zu stellen.
Das Problem ist nicht, dass Organisationen dieses Modell ignorieren. Das Problem ist, dass sie es im Strategiemeeting absegnen und in der Budgetzuweisung widersprechen.
Marie Myers, Finanzvorständin von Hewlett Packard Enterprise, schilderte dieses Phänomen von innen heraus mit einer Klarheit, die man in öffentlichen Foren selten hört. Ihr Team nutzte künstliche Intelligenz, um interne operative Überprüfungen neu zu gestalten, manuelle Arbeit zu reduzieren und auf Unternehmensebene sichtbaren Mehrwert zu schaffen. Das Ergebnis war konkret. Und dennoch identifizierte Myers die eigentliche Barriere als etwas, das nach der Implementierung auftritt, nicht davor: Die Fachleute mit der längsten Laufbahn, diejenigen mit dem meisten angesammelten Wissen, sind diejenigen, die sich am stärksten dagegen sperren, ihre Arbeitsweise zu verändern. „Wenn wir neue Technologien einführen, verbringen wir sehr viel Zeit damit, uns mit der Technologie zu beschäftigen, und ich glaube, wir widmen nicht genug Zeit darüber nachzudenken, welchen Einfluss das auf die Menschen hat", sagte sie. Und sie fügte etwas hinzu, das als operatives Prinzip funktioniert: „Du wirst keinen erfolgreichen Wandel herbeiführen, wenn du nicht alle mitnimmst."
Dieser letzte Satz ist keine motivationale Rhetorik. Er beschreibt den Mechanismus, durch den eine neunstellige Investition in KI-Infrastruktur eine marginale Rendite erzielen kann, weil 15 % des Teams, das seinen Arbeitsablauf hätte ändern sollen, dies schlicht nicht getan hat.
Der Bruch zwischen erklärtem Ehrgeiz und tatsächlicher Entscheidung
Tim Arndt, Finanzvorstand von Prologis, bot eine ergänzende Perspektive, die die strategische Dimension des Themas beleuchtet. Er beschrieb, wie die Rolle des CFO von Verwaltung und Berichterstattung hin zu Strategie und Unternehmensführung gewandert ist und wie künstliche Intelligenz diesen Übergang beschleunigt, indem sie Routineaufgaben automatisiert und Zeit für höherwertige Arbeit freisetzt. „Die Erwartung ist jetzt, ein Partner am Führungstisch zu sein", sagte er und trug mehr zur Strategieentwicklung bei, als nur Ergebnisse zu berichten.
Diese Entwicklung ist real. Aber sie hat eine Bedingung, die in Präsentationen zur digitalen Transformation selten auftaucht: Sie tritt nur ein, wenn das Finanzteam die Fähigkeiten besitzt, diesen Raum zu besetzen. Ein CFO, der anstrebt, Architekt der Unternehmensstrategie zu sein, mit einem Team, das noch immer im Modus manueller Berichterstattung arbeitet, hat keine strategische Ambition – er hat einen organisatorischen Widerspruch. Künstliche Intelligenz kann Zeit freimachen. Sie kann nicht garantieren, dass diese Zeit mit Urteilsvermögen genutzt wird, wenn niemand darin investiert hat, dieses Urteilsvermögen zu entwickeln.
Tucker Marshall, Finanzvorstand von J.M. Smucker, beschrieb den Prozess aus einer eher operativen Perspektive. Das Unternehmen modernisiert Finanzsysteme, automatisiert Arbeitsabläufe und investiert in Talententwicklung – von Programmen für Fachleute in frühen Karrierephasen bis hin zu Einstellungen auf mittlerer Ebene mit Erfahrung in Daten und Analytik. Und er wies auf etwas hin, das häufig außerhalb der Transformationspläne bleibt: die Kommunikationsfähigkeit. Es reicht nicht aus, dass das Finanzteam bessere Analysen erstellt, wenn es diese Analysen nicht in für Entscheidungsträger verständliche Geschäftsentscheidungen übersetzen kann. Datenkompetenz ohne die Fähigkeit, ihre Implikationen zu kommunizieren, erzeugt strategisches Schweigen, das als technische Raffinesse getarnt ist.
Noémie Heuland, Finanzvorständin von Moody's, ergänzte die Diagnose um eine weitere Dimension. Angesichts des wachsenden Volumens verfügbarer Daten besteht der Druck auf Finanzteams nicht nur darin, mehr Kennzahlen zu generieren, sondern zu wissen, welche davon wichtig sind. Sie beschrieb das Risiko dessen, was sie als KPI-Überladung bezeichnete: die Tendenz zur Überquantifizierung auf Kosten strategischer Klarheit. Die Rolle des CFO umfasst zunehmend die Kontextualisierung von Daten, die Verknüpfung finanzieller Kennzahlen mit übergeordneten Unternehmenszielen und Marktdynamiken. Das ist keine technische Funktion. Es ist eine Funktion des Urteilsvermögens – genau die oberste Schicht des Modells, das Caram vorschlug, und genau die Schicht, die das durchschnittliche Unternehmensbudget unterfinanziert.
Die Kosten der Weigerung, loszulassen
Es gibt etwas, das alle Berichte dieser Führungskräfte durchzieht und das präzise benannt werden muss: Keine Transformation dieser Art findet statt, ohne dass jemand etwas aufgibt. Die langjährigen Fachleute, die Myers als veränderungsresistent identifizierte, sperren sich nicht aus irrationaler Trägheit. Sie sperren sich, weil ihre Expertise jahrelang das Kapital war, das sie auszeichnete, und künstliche Intelligenz die Sichtbarkeit dieses Kapitals bedroht. Sie aufzufordern, darauf zu verzichten, ohne etwas anzubieten, ohne die Art von Wert neu zu definieren, der von ihnen erwartet wird, ohne eine Brücke zu einer anderen Arbeitsweise zu bauen, bedeutet, sie zu bitten, einen Verlust ohne Ersatznarrativ zu akzeptieren.
Die Organisationen, die bei der Einführung von künstlicher Intelligenz scheitern, scheitern nicht beim Kauf von Technologie. Sie scheitern daran, den Verzicht zu managen, den jede Transformation fordert. Und sie scheitern, weil dieser Verzicht in keiner Budgetzeile auftaucht.
Das 93/7-Investitionsmodell ist kein Rechenfehler. Es ist eine implizite Entscheidung, die offenbart, welche Art von Transformation eine Organisation bereit ist einzugehen: die, die sich in installierter Infrastruktur messen lässt, oder die, die sich in echtem Verhaltensänderungen messen lässt. Die erste erzeugt überzeugende Präsentationen. Die zweite erzeugt Rendite.
Was diese Finanzvorstände beim Fortune-Forum beschrieben haben, ist keine Warnung vor der Zukunft der künstlichen Intelligenz. Es ist eine Diagnose der Gegenwart ihrer eigenen Organisationen – ausgesprochen mit ungewöhnlicher Offenheit. Die künstliche Intelligenz ist bereits da. Die 93 % wurden bereits ausgegeben. Die Frage, die ihre Unternehmen jetzt beantworten – mit jeder Schulungsentscheidung, die priorisiert oder aufgeschoben wird –, lautet, ob die anderen 7 % ausreichen werden, damit sich wirklich etwas verändert.
Die Organisationen, die verstehen, dass dieser Prozentsatz kein Ausgabenposten ist, sondern die Bedingung für die Realisierbarkeit der Rendite auf alles andere, werden gegenüber denjenigen, die Weiterbildung weiterhin als Budgetrest behandeln, einen konkreten Vorteil haben.
