Warum KI-Verträge weiterhin Stunden bezahlen, obwohl der Wert woanders liegt
Die größte Reibung bei der Einführung von Künstlicher Intelligenz im Unternehmensbereich ist nicht technischer Natur. Sie liegt nicht in den Modellen, nicht in der Datenqualität und nicht in der Rechenkapazität. Sie liegt im Vertrag. Während Organisationen Hunderte von Millionen in KI-Implementierungen investieren und dabei strukturelle Renditen erwarten, unterzeichnen die meisten nach wie vor Vereinbarungen, die die aufgewendete Zeit belohnen – nicht die erzielte Wirkung. Diese Fehlanpassung ist kein administratives Detail: Sie ist die Grundursache dafür, warum so viele KI-Initiativen zwischen dem vielversprechenden Pilotprojekt und der operativen Skalierung feststecken, die niemals kommt.
Der jüngste McKinsey-Bericht über den Stand der KI bestätigt dies mit einer unbequemen Präzision: Die Einführung hat sich ausgeweitet, aber die Herausforderungen beim Skalieren bestehen weiterhin, und die stärkste Korrelation mit tatsächlichem Einfluss liegt nicht in der technologischen Investition, sondern in der Neugestaltung von Arbeitsabläufen. Wirtschaftlich ausgedrückt: Unternehmen zahlen für die Installation, wenn sie für die Transformation zahlen sollten.
Ergebnisorientierte Vertragsgestaltung ist kein Trend. Sie ist die strukturelle Antwort auf ein Anreizarchitekturproblem, das traditionelle Modelle nicht lösen können.
Das Problem liegt nicht beim Anbieter, sondern in der Vertragslogik
Zeit-und-Material-Verträge sowie Festpreisvereinbarungen wurden entwickelt, um die Lieferung von Software zu managen, bei der Liefergegenstände definierbar, Fristen vorhersehbar und der Wert relativ linear zum Aufwand war. KI bricht alle drei Bedingungen.
Ein KI-System, das die Störungsverwaltung in einer Infrastruktur automatisiert, liefert kein Modul. Es liefert eine Verkürzung der Lösungszeit, einen Rückgang der Betriebskosten, eine geringere Abhängigkeit von Bereitschaftspersonal und schließlich eine Umstrukturierung des Betriebsteams. Keines dieser Ergebnisse erscheint auf einer Stundenrechnung. Und keines lässt sich mit Genauigkeit einem bestimmten Projektmeilenstein zuordnen.
Das Ergebnis ist vorhersehbar: Der Anbieter berechnet, was er messen kann – nämlich die Stunden. Der Kunde zahlt für etwas, das er erwartet hatte, das der Vertrag aber nie formell versprochen hat. Wenn der ROI sich nicht einstellt, ist niemand technisch dafür verantwortlich, weil der Vertrag es nicht verlangte.
Es gibt drei strukturelle Mängel in dieser Logik. Der erste ist das Fehlen einer Korrelation zwischen dem Aufwand und dem erzeugten Wert: Mehr Ausgaben für Beratung oder Lizenzen erzeugt nicht notwendigerweise mehr Wirkung. Der zweite ist das Fehlen von Rechenschaftsmechanismen, denn ohne ein vertraglich definiertes Ergebnis hat der Anbieter keinen Anreiz, es anzustreben. Der dritte – und häufig ignorierte – Mangel ist die Gesamtbetriebskosten, die traditionelle Verträge unsichtbar machen: das organisationale Änderungsmanagement, die KI-Alphabetisierung des Teams, die Neugestaltung von Prozessen sowie die Kosten, die verschwinden, wenn die Lösung gut funktioniert, wie das Personal oder die Software, die KI ersetzt. All das bleibt außerhalb der Bilanz, obwohl es darüber entscheidet, ob die Investition rentabel war.
Die Logik eines ergebnisorientierten Vertrags
Ein ergebnisbasierter Vertrag ist nicht einfach einer, bei dem der Anbieter einen Bonus erhält, wenn die Dinge gut laufen. Seine Architektur ist präziser und anspruchsvoller für beide Parteien.
Der Ausgangspunkt ist die gemeinsame Definition der Kennzahlen, die wirklich zählen – nicht die technischen, sondern die geschäftlichen: Reduzierung der Betriebskosten, Steigerung der Erstlösungsquote im Kundenkontakt, Verkürzung der Zykluszeit in der Lieferkette. Auf der Grundlage dieser Kennzahlen werden verifizierte Baselines festgelegt, mit einer vereinbarten Messmethodik, und die Zurechnungslogik wird aufgebaut: Welcher Teil des Ergebnisses kann vernünftigerweise mit der KI-Lösung in Verbindung gebracht werden und unter welchen Bedingungen.
Die Vergütung wird in Schichten strukturiert. Eine feste Basis deckt die Mindestbetriebskosten des Anbieters ab. Eine variable Komponente wird aktiviert, wenn die Ergebnisse definierte Schwellenwerte überschreiten. Bei anspruchsvolleren Implementierungen werden Varianzkorridore festgelegt – was manche als Toleranzkorridore bezeichnen –, innerhalb derer der Anbieter nach unten Risiko trägt, aber nach oben auch Mehrwert abschöpft.
Dieses Design verändert die Machtdynamik in der Geschäftsbeziehung. Der Anbieter hört auf, ein Aufgabenausführer zu sein, und wird zu einem Partner mit Ergebnisbeteiligung. Dieser Positionswechsel ist nicht rhetorisch: Er hat Konsequenzen dafür, wie Teams zugewiesen werden, wie schnell auf ein Problem mit der Modellleistung reagiert wird und wie viel fortlaufende Investition der Anbieter bereit ist, in das Kundenkonto zu stecken.
Damit dies funktioniert, muss der Anbieter über Fähigkeiten verfügen, die traditionelle Modelle nicht verlangten. Er braucht Berater, die das Geschäft des Kunden verstehen, bevor sie über Technologie sprechen. Er braucht Ingenieure, die bauen, während definiert wird – nicht danach. Und er braucht die Infrastruktur, um das Modell kontinuierlich in der Produktion zu betreiben, einschließlich der Kostensteuerung für Inferenz und der Überwachung der Modellleistungsdegradation über Monate oder Jahre hinweg.
Der am häufigsten wiederholte Skalierungsfehler
Es gibt ein Muster des Scheiterns bei der KI-Einführung, das sich mit hinreichender Konsistenz wiederholt, um es als strukturell zu betrachten: Organisationen wissen nicht, wo sie den Fokus setzen sollen, und pendeln zwischen zwei gleichermaßen kostspieligen Extremen hin und her.
Einige setzen auf zu eng gefasste Probleme. Sie entwickeln einen Agenten zur Automatisierung der Lieferantenausgabenverwaltung, ohne zu berücksichtigen, dass das eigentliche Problem in der gesamten Lieferkette liegt. Das Ergebnis ist eine Lösung, die in ihrem Silo funktioniert und nicht skalierbar ist, weil sie nicht dafür konzipiert wurde, sich mit den Prozessen zu verbinden, die ihr den Kontext geben.
Andere Organisationen versuchen, alles gleichzeitig und ohne Etappen zu optimieren. Sie wollen den Betrieb in großem Maßstab transformieren, ohne das Wertmodell in einem begrenzten Segment nachgewiesen zu haben. Das Ergebnis ist ein Projekt, das jahrelang Ressourcen verbraucht, Fortschrittsberichte generiert und keine beobachtbaren Veränderungen bei den Kennzahlen erzeugt, die dem Vorstand wichtig sind.
Was beide Extreme verbindet, ist das Fehlen eines Betriebsmodells, bevor die Technologie ausgewählt wird. Organisationen, die KI nachhaltig skalieren, arbeiten mit zwei gleichzeitigen Prozessen: der Prozessneugestaltung und der Daten- und Technologiearchitektur. Nicht nacheinander, sondern parallel. Und was diese beiden Prozesse aufeinander abgestimmt hält, ist das Änderungsmanagement, die Organisationsstrategie und das Produktmanagement als dauerhaft etablierte Disziplin.
Dies ist das überzeugendste Argument für ergebnisorientierte Vertragsgestaltung: Sie zwingt dazu, diese Klarheit herzustellen, bevor man unterschreibt. Ein Anbieter, der akzeptiert, am Ergebnis gemessen zu werden, muss den Prozess verstehen, den der Kunde verbessern möchte. Dieses vorvertragliche Gespräch hat mehr strategischen Wert als viele Monate späterer Beratung.
Wenn der richtige Anreiz den richtigen Partner hervorbringt
Die ergebnisorientierte Vertragsgestaltung ordnet neu, wer in einer KI-Implementierung den Wert abschöpft und wie. Aber sie offenbart auch etwas über Anbieter, das sehr wenige Organisationen vor der Unterzeichnung analysieren.
Ein Anbieter, der nach dieser Logik operiert, muss Risiken absorbieren. Um Risiken zu absorbieren, braucht er Überzeugung von seiner Lieferfähigkeit. Diese Überzeugung kann nicht nur kommerzieller Natur sein: Sie muss durch technische Architektur, durch eine Erfolgsgeschichte in der Ausführung und durch interne Governance unterstützt werden, die es ihm ermöglicht, die Modellqualität im Produktivbetrieb über Monate oder Jahre hinweg zu managen – nicht nur zum Zeitpunkt des Starts.
Nur wenige Anbieter haben diese Fähigkeit heute. Und diese Knappheit hat Auswirkungen auf Einkäufer: Der Markt für Anbieter, die wirklich ergebnisorientiert engagiert sind, ist kleiner als es scheint, wenn man nur die Verkaufsliteratur liest. Herauszufiltern, wer unter diesem Modell operieren kann und wer es lediglich als kommerzielles Differenzierungsmerkmal ankündigt, erfordert genau die Fragen zu stellen, die die ergebnisorientierte Vertragsgestaltung dazu zwingt, vor der Unterzeichnung zu beantworten.
Aus der Perspektive der Wertverteilung hat dieses Modell auch eine Tugend, die traditionelle Verträge nicht haben: Es macht sichtbar, was bisher außerhalb der Bilanz blieb. Die Kosten des organisationalen Wandels, die Investitionen in Weiterbildung, die überflüssig werdenden Systeme, das umgeschichtete Personal – all das wird Teil der gemeinsamen Wertanalyse zwischen Kunde und Anbieter. Diese Transparenz garantiert keine Gerechtigkeit, eliminiert aber die Möglichkeit, dass der Erfolg des Anbieters und der des Kunden in parallelen Universen stattfinden.
Wenn Anreize um das Ergebnis herum ausgerichtet werden, verschiebt sich der Schwerpunkt der Geschäftsbeziehung von der Kostenverwaltung hin zur Maximierung der Rendite. Dieser Unterschied ist nicht semantischer Natur. Er bestimmt, ob KI im Unternehmensbereich nachweisbare Wirkung erzeugt oder schlicht Projekte hervorbringt.
