Das Pentagon hat gelernt, sich mit KI zu transformieren. Unternehmen wiederholen immer noch dieselben früheren Fehler
Es gibt eine Zahl, die jeden Manager beunruhigen sollte, der in den letzten zwei Jahren ein Budget für künstliche Intelligenz genehmigt hat: Die Vereinigten Staaten, das Land, das die leistungsfähigsten Modelle der Welt produziert, belegen Platz 24 bei der globalen KI-Adoption. Ihre Rate beträgt 28,3 %. Singapur liegt bei 61 %. Die Vereinigten Arabischen Emirate bei 54 %. Goldman Sachs stellte fest, dass KI-Investitionen im Jahr 2025 „praktisch null" zum Wachstum des US-amerikanischen BIP beitrugen. Das Problem ist nicht technologischer Natur. Das war es nie.
Drew Cukor weiß das besser als fast jeder andere. Als pensionierter Oberst der Marines und Gründer von Project Maven – dem Programm, mit dem das Verteidigungsministerium KI in seine komplexesten operativen Abläufe integrierte – baute Cukor von innen heraus auf, was viele für unmöglich hielten: zu beweisen, dass kommerzielle Software innerhalb der größten Bürokratie des Planeten funktionieren und Ergebnisse liefern kann, die frühere Systeme nicht erreichen konnten. Heute, von seiner Firma TWG AI aus, beobachtet er, wie amerikanische Unternehmen Punkt für Punkt dieselben Fehler begehen, die das Pentagon fast begangen hätte, bevor Maven funktionierte.
Seine Diagnose, am 11. Mai 2026 in Fortune veröffentlicht, fällt mit einem einzigartigen Moment zusammen: Zwei Tage später kündigte das Verteidigungsministerium Vereinbarungen mit acht Technologieunternehmen an – Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection und Oracle – um modernste KI-Fähigkeiten in seinen klassifizierten Netzwerken der Stufen IL6 und IL7 einzusetzen. Das Pentagon diskutiert nicht darüber, ob es KI einführen soll. Es setzt es um.
Die Lücke, die Entwickeln von Integration trennt
Der Stanford AI Index 2026 beschreibt kein Forschungsversagen. Er beschreibt ein Implementierungsversagen. Die Vereinigten Staaten führen bei Benchmarks, bei Investitionen in Modelle und bei Rechenkapazität. Aber dieser Vorteil schlägt sich nicht in der operativen Nutzung nieder, weil die Organisationen, die diese Technologie einsetzen sollten, ihre interne Architektur nicht verändert haben, um sie aufzunehmen.
Cukor führt hier eine Unterscheidung ein, die mehr wert ist als die meisten strategischen Rahmenwerke, die auf C-Suite-Konferenzen kursieren: den Unterschied zwischen einer KI-erweiterten Organisation und einer KI-nativen Organisation. Das ist keine Semantik. Es ist der Unterschied zwischen dem Aufsetzen eines neuen Motors auf eine alte Struktur und dem Wiederaufbau der Struktur von Grund auf mit dem Gedanken an diesen Motor.
Als das Pentagon Maven lancierte, behandelte es das Programm weder als technologisches Experiment noch als begrenztes Pilotprojekt. Leitende Führungskräfte übernahmen es persönlich und kämpften innerhalb der Bürokratie für es. Arbeitsabläufe wurden demontiert, nicht einfach mit Software überschichtet. Der einzige Indikator, der zählte, war operativer Natur: Was konnten Soldaten tun, was sie vorher nicht tun konnten? Diese Disziplin war es, die Maven zum Funktionieren brachte. Und genau diese Disziplin fehlt in den meisten heutigen unternehmensweiten KI-Programmen.
Die chinesische Initiative „AI Plus" operiert nach einer strukturell ähnlichen Logik wie Maven, wenn auch vom entgegengesetzten Ende des politischen Spektrums. Peking baut keine Modelle, um in Rankings zu konkurrieren. Es bettet KI in Fertigung, Logistik, wissenschaftliche Forschung, Gesundheitswesen und Bildung ein – mit branchenspezifischen Datensätzen und Agenten, die für konkrete Arbeitsabläufe konzipiert sind. Es debattiert weder Kontrolle noch Einschränkung. Es setzt um. Diese Geschwindigkeitsdifferenz zwischen der amerikanischen Erfindungsstärke und der chinesischen Integrationsfähigkeit ist die Lücke, die Cukor als das zentrale Wettbewerbsrisiko dieses Jahrzehnts bezeichnet.
Drei Fehler, die das Pentagon beinahe nicht überlebt hat
Cukor identifiziert präzise die drei Fehler, die Maven zu einer möglichen Transformation machten – weil sie beinahe nicht stattgefunden hätte.
Der erste ist Delegation ohne Verantwortungsübernahme. In zu vielen Unternehmen wird die KI-Strategie an einen Chief AI Officer oder ein Innovationslabor delegiert. Diese Strukturen sind darauf ausgelegt – auch wenn das niemand zugibt –, Fortschritt zu signalisieren, ohne die bestehende Machtverteilung zu bedrohen. Das Ergebnis ist das, was Cukor das „Piloten-Fegefeuer" nennt: Projekte, die nie sterben, weil niemand sie beendet hat, aber auch nie skalieren, weil niemand wirklich hinter ihnen gestanden hat. Maven funktionierte, weil leitende Führungskräfte die Eigentümerschaft am Problem nicht delegierten. Sie übernahmen sie.
Der zweite Fehler ist das Überlagern von KI auf veraltete Prozesse. Es gibt eine Art, KI einzusetzen, die mittelmäßige Ergebnisse garantiert: den aktuellen Arbeitsablauf nehmen und ein Modell daraufsetzen. Die Effizienzgewinne werden marginal sein, weil die Struktur, die den Engpass erzeugt, intakt bleibt. Wenn nach dem Start einer KI-Initiative das Organigramm, die Genehmigungsketten und das operative Tempo des Unternehmens dieselben sind wie zuvor, hat keine Transformation stattgefunden. Es hat eine Dekoration stattgefunden.
Der dritte Fehler ist das Messen von Aktivität statt von Ergebnissen. Trainierte Modelle, abgeschlossene Proof-of-Concepts, angekündigte Partnerschaften: Das sind Indikatoren für Bewegung, nicht für Wirkung. Maven wurde daran gemessen, was die Einsatzkräfte tun konnten, was sie vorher nicht konnten. Das ist die einzige Frage, die in einem KI-Programm zählt, das vorgibt, etwas zu verändern.
Diese drei Fehler sind keine technischen Unfälle. Sie sind Governance-Unfälle. Sie entstehen in Organisationen, die das Bild der Transformation wollen, ohne die internen politischen Kosten zu übernehmen, die damit verbunden sind, das Bestehende zu demontieren.
Was die Ankündigung vom 13. Mai über echte Ausführung verrät
Das Abkommen, das das Verteidigungsministerium am 13. Mai 2026 mit acht Technologieunternehmen für den Betrieb in klassifizierten IL6- und IL7-Netzwerken ankündigte, ist nicht einfach eine Vertragsmeldung. Es ist ein Signal darüber, welche Art von Institution KI unter Bedingungen maximaler Komplexität und Einschränkung skalieren kann.
Dass das Pentagon, das historisch für seine Misserfolge bei der Softwarebeschaffung bekannt ist, es geschafft hat, eine funktionsfähige KI-Plattform in Umgebungen maximaler Klassifizierung zu artikulieren, ist an sich schon ein Zeugnis struktureller Reife. Nicht von Technologie. Der CTO des Verteidigungsministeriums vereinheitlichte den Prozess unter einer Unternehmensausrichtungsstruktur, wie die Programmanalysen beschreiben. Das bedeutet, dass jemand die Entscheidung getroffen hat, die Silos aufzubrechen, die historisch verhindert haben, dass die Technologiesysteme des Pentagons kohärent funktionieren.
Die Lektion, die diese Bewegung dem privaten Sektor anbietet, ist unbequem: Wenn eine Bürokratie dieser Größenordnung und dieser historischen Starrheit in der Lage war, sich umzustrukturieren, um KI operativ zu integrieren, ist die ehrlichste Erklärung dafür, warum private Unternehmen das nicht tun, weder Ressourcenmangel noch Talentmangel. Es ist fehlender Wille, die internen politischen Kosten zu übernehmen, die damit verbunden sind, zu verändern, wer was, wie und mit welcher Geschwindigkeit entscheidet.
Cukor analysiert den Unterschied zwischen Unternehmen, die KI-Experimente durchführen, und Unternehmen, die KI-Transformationen durchführen, und zielt genau auf diesen Punkt. Es ist kein Budgetproblem. Es ist die Frage, wer an der Spitze bereit ist, seinen Namen auf das Zwischenversagen zu setzen, das jeder tiefgreifenden Transformation vorausgeht.
Strukturelle Reife ist nicht das, was das System zu haben behauptet
Es gibt eine spezifische Fragilität, die auftritt, bevor das Problem sichtbar wird. Organisationen, die bei ihrer KI-Transformation scheitern werden, kündigen das nicht an. Sie haben Roadmaps, sie haben Labore, sie haben Chief AI Officers mit Budget. Aber wenn man die Entscheidungskette genau betrachtet, taucht das Muster auf: Die schwierigen Entscheidungen – jene, die das Eliminieren von Prozessen oder das Verändern von Machtstrukturen implizieren – werden nie getroffen. Sie werden verschoben, pilotiert, untersucht. Und das System funktioniert weiter, mit dem Anschein der Modernisierung, bis die Wettbewerber, die diese Entscheidungen tatsächlich getroffen haben, dafür sorgen, dass die Kosten der Trägheit nicht mehr ignoriert werden können.
Cukor beschreibt dies als eine „White-Collar-Abrechnung", die schlimmer sein könnte als die Welle der industriellen Verlagerung in den 1970er Jahren – aber schneller und weniger verzeihlich. Nicht weil KI zwangsläufig beschäftigungsersetzend ist, sondern weil Unternehmen, die ihre Entscheidungs-, Genehmigungs- und Betriebsstrukturen nicht reorganisieren, sich in einer Position kumulativer Benachteiligung gegenüber Wettbewerbern befinden werden, die es getan haben – ob diese nun westlich sind oder aus asiatischen Volkswirtschaften stammen, die KI bereits jetzt als operative Infrastruktur behandeln.
Der Unterschied zwischen dem Pentagon vor Maven und dem Pentagon danach liegt nicht darin, dass es heute bessere Modelle hat. Es liegt darin, dass es gelernt hat, eine Transformation mit exekutiver Eigentümerschaft, mit dem Abbau des Bestehenden und mit Kennzahlen aufrechtzuerhalten, die Ergebnisse maßen. Dieser Lernprozess dauerte Jahre, um sich zu festigen, und stand mehrmals kurz vor dem Kollaps. Private Unternehmen haben nicht dieselbe Zeittoleranz, aber sie haben auch nicht dieselbe Entschuldigung dafür, das Muster zu ignorieren.
Ein System, das stark erscheint, weil es über fortschrittliche Technologie verfügt, aber seine Entscheidungsstruktur und seine Genehmigungskette nicht angetastet hat, ist kein transformiertes System. Es ist ein System, das Zeit gekauft hat. Wie viel Zeit hängt davon ab, wie lange seine Wettbewerber brauchen, um das zu tun, was es noch nicht getan hat.
