Unternehmen, die KI zur Kostensenkung einsetzen, verpassen die größte Wertsteigerungschance des letzten Jahrzehnts
Es gibt eine Lücke zwischen dem, was Führungskräfte sagen zu glauben, und dem, was ihre Organisationen tatsächlich mit künstlicher Intelligenz tun. Es handelt sich nicht um eine Wissenslücke. Es ist eine Lücke in der strategischen Aufmerksamkeit – und sie hat einen Preis, den nur wenige Aufsichtsräte ehrlich beziffert haben.
In einem kürzlich abgehaltenen Roundtable mit Führungskräften aus dem Bereich Vermögensverwaltung stellten die Autoren eines Wharton-Papers eine direkte Frage: Wenn man in drei Jahren zwei ähnliche Unternehmen vergleichen würde – eines, das KI gut genutzt hat, und eines, das es nicht getan hat –, wie viel wertvoller wäre das erstere? Die durchschnittliche Antwort lautete 2,35 Mal, was einem Wertzuwachs von 135 % entspricht. Eine Zahl, die die Teilnehmer selbst für realistisch hielten. Das Problem entstand unmittelbar danach, als sie gefragt wurden, wo sie tatsächlich in KI investieren. Die Antwort war nahezu einhellig: in Effizienz. Mehrere räumten ein, dass sie KI noch nie ernsthaft mit Umsatzwachstum in Verbindung gebracht hatten.
Das ist kein Visionsproblem. Es ist ein Problem der Entscheidungsarchitektur.
Wenn die Effizienzdecke zur strategischen Decke wird
Das Argument für den Einsatz von KI zur Kostensenkung ist empirisch untermauert. Ein groß angelegtes Zufallsexperiment in einem Softwareunternehmen ergab, dass ein auf generativer KI basierendes Kundenbetreuungstool die Produktivität der Mitarbeiter um mehr als 10 % steigerte. Eine separate Studie mit knapp 5.000 Entwicklern zeigte Produktivitätsgewinne von über 25 %. Im Bereich der Vermögensverwaltung kann KI wochenlange Kundeneingliederungsprozesse auf wenige Tage komprimieren und Berater bei der Vor- und Nachbereitung von Meetings unterstützen. Das sind reale Ergebnisse.
Aber es gibt eine Rechenlogik, die Effizienzmodelle nicht überwinden können. Unter großzügigen Annahmen gilt: Wenn 50 % der Kostenbasis eines Unternehmens für KI-gestützte Verbesserungen zugänglich ist und KI diese Kosten im Durchschnitt um 10 % reduziert, beläuft sich der Gesamteffekt auf die Ausgaben auf etwa 5 %. Angewendet auf ein repräsentatives Vermögensverwaltungsunternehmen ergibt das einen Wertzuwachs von rund 10 %. Das ist nicht zu vernachlässigen. Aber es liegt in einem astronomischen Abstand zu den 135 %, die dieselben Führungskräfte für erreichbar hielten.
Der Grund ist struktureller, nicht situativer Natur. Kosten haben eine Untergrenze: null. Einnahmen haben keine Obergrenze. Und Kapitalmärkte bewerten Unternehmen nicht primär nach dem, was sie heute verdienen, sondern nach dem, was sie voraussichtlich in Zukunft verdienen werden. Die Prämie, die Investoren nachhaltigen Wachstumserwartungen zuweisen, ist unverhältnismäßig groß im Vergleich zu der Prämie, die sie der Ausgabenoptimierung beimessen. Ein Vermögensverwaltungsunternehmen, das organisch um 5 % pro Jahr wächst, ist ungefähr 50 % mehr wert als ein identisches Unternehmen, das um 3 % wächst. Eines, das um 7 % wächst, ist 122 % mehr wert. Diese Zahlen entstammen keinen optimistischen Prognosen – sie sind eine direkte Konsequenz davon, wie Märkte Gewinnmultiplikatoren berechnen, wenn nachhaltiges Wachstum am Horizont steht.
Was das impliziert: Ein Anstieg der organischen Wachstumsrate um gerade einmal zwei Prozentpunkte – etwas, das für historisch leistungsstarke Unternehmen bescheiden erscheint – kann den Unternehmenswert um 50 % steigern, bevor die Gewinne selbst wachsen. Ein Anstieg um vier Prozentpunkte kann diesen Wert verdoppeln. Angesichts dieser Größenordnungen wird die Einsparung bei Betriebskosten zum Argument zweiter Ordnung.
Das Experiment, das die Mechanik des Wachstums belegt
Um das, was bislang abstrakt klingen könnte, konkret zu machen, arbeiteten die Forscher mit Vermögensverwaltungsunternehmen an einer spezifischen Anwendung: Direktmarketingkampagnen auf LinkedIn, die auf hochrangige Führungskräfte und Inhaber kleiner Unternehmen abzielten. Der Ansatz war nicht konventionell.
Sie verwendeten das, was sie als „virtuelle Wissenschaftler" bezeichneten: KI-Systeme, die angewiesen wurden, Dutzende alternativer Anzeigenkonzepte zu generieren und anschließend die Reaktion der Zielgruppe zu simulieren, um vor dem Start zu identifizieren, welche Konzepte am besten abschneiden würden. Der prognostizierte Anstieg der Klickraten für die Gewinneranzeigen lag zwischen dem 2,7- und 3,5-Fachen. Als diese Anzeigen im Feld geschaltet wurden, betrug der durchschnittliche Anstieg das 3,2-Fache.
Die relevante Frage ist nicht, ob diese Zahl beeindruckend ist. Sondern was sie mit dem Unternehmenswert macht. Man stelle sich ein Unternehmen mit einer organischen Basiswachstumsrate von 3 % vor, die mehr oder weniger gleichmäßig auf drei Kanäle verteilt ist: Beraternetzwerke, Kontaktkauf über Depotbanken und Direktmarketing. Wenn der Direktmarketingkanal einen Prozentpunkt dieser Rate ausmacht und die KI ihn verdreifacht, trägt dieser Kanal nunmehr drei Prozentpunkte bei. Die gesamte organische Wachstumsrate steigt von 3 % auf 5 %, und der Unternehmenswert steigt durch diese Bewegung allein um etwa 50 %.
Man stelle sich nun vor, dass das Unternehmen, ermutigt durch diese Ergebnisse, das Budget, das es zuvor für den Kontaktkauf aufgewendet hat – eine teure Quelle mit sinkenden Erträgen – auf den Direktmarketingkanal umleitet, der gerade echte Zugkraft bewiesen hat. Die organische Wachstumsrate springt auf 7 %. Der Unternehmenswert verdoppelt sich gegenüber dem Ausgangswert mehr als.
Dies ist kein Laborexperiment. Es ist eine Demonstration des Mechanismus, durch den die Zuweisung von KI-Ressourcen bestimmt, ob ein Unternehmen die 10 % Wert einfängt, die Effizienz verspricht, oder die 100 %+ die Wachstum verspricht.
Die Asymmetrie, die die meisten Aufsichtsräte nicht sehen
Es gibt etwas noch Beunruhigenderes als die Tatsache, dass Unternehmen zu wenig in KI für Wachstum investieren. Es ist die Tatsache, dass die Wettbewerbsdynamik diese Lücke mit der Zeit schwerer schließbar machen wird.
Die Marketinggewinne, die KI heute erzeugt – dieses 3,2-Fache bei den Klickraten – werden sich verdichten, wenn mehr Unternehmen ähnliche Tools einsetzen. Das Zeitfenster, in dem sich aus diesen Ergebnissen Bewertungsmultiplikatoren generieren lassen, ist begrenzt. Was sich nicht mit derselben Geschwindigkeit verdichtet, sind die Wachstumsquellen, die von relationaler Tiefe abhängen: den Anteil an den Portfolios bestehender Kunden ausweiten, die Qualität der Finanzberatung verbessern, Verkaufszyklen durch bessere Abstimmung zwischen Beratern und Kundenprofilen verkürzen. Diese Hebel sind schwerer nachzuahmen, weil sie die Akkumulation von Kontext, Vertrauen und proprietären Daten erfordern.
Unternehmen, die zuerst eine nachhaltige organische Wachstumsbasis aufbauen, haben zudem einen sekundären Vorteil, den nur wenige strategische Analysemodelle klar erfassen: Höhere Bewertungsmultiplikatoren werden zur Akquisitionswährung. Ein Unternehmen mit einem hohen Multiplikator kann Wettbewerber mit niedrigeren Multiplikatoren mit geringerer Verwässerung für seine Aktionäre übernehmen. Effizienz erzeugt diesen Effekt nicht. Nachhaltiges Wachstum schon.
Das Argument erstreckt sich über die Vermögensverwaltung hinaus. In jedem Sektor, in dem Investoren nachhaltiges organisches Wachstum honorieren – von Rechtsdienstleistungen bis zum Gesundheitswesen, von Bildung bis hin zu Software-Plattformen – besteht dieselbe Asymmetrie: Der Multiplikatoreffekt des Wachstums auf die Bewertung übersteigt bei Weitem die Auswirkungen der Kostensenkung. Unternehmen, die das zuerst erkennen, wachsen nicht nur schneller – sie positionieren sich, um in den nächsten Jahren die Wettbewerbsstruktur des Sektors zu definieren.
Abhängigkeit vom Effizienzprogramm und stille strukturelle Fragilität
Es gibt eine Dimension, die die Finanzanalyse nicht vollständig erfasst und die aus organisatorischer Perspektive genauso bedeutsam ist wie die Zahlen. Organisationen, die ihre KI-Agenda hauptsächlich auf Effizienz ausrichten, verhalten sich nicht konservativ. Sie bauen eine strukturelle Abhängigkeit von einer Art Rendite auf, die eine Obergrenze hat – zu einem Zeitpunkt, an dem der Markt massiv eine andere Art von Rendite belohnt, die keine hat.
Das erzeugt Fragilität einer spezifischen Art: nicht die sichtbare Fragilität eines verschuldeten Unternehmens mit negativen Margen, sondern die Fragilität eines Systems, das innerhalb seiner eigenen Parameter gut funktioniert und deshalb keine Dringlichkeit verspürt, diese zu ändern. Die Kosten sinken, die Prozesse verbessern sich, die Berichte zeigen Fortschritte. Aber die organische Wachstumsrate bewegt sich nicht, und der Bewertungsmultiplikator auch nicht.
Die Falle liegt weder in der Inkompetenz der Teams noch im Mangel an technischem Talent. Sie liegt darin, dass das Effizienzprogramm klare Kennzahlen, kurze Rückkopplungszyklen und klar definierte interne Stakeholder hat. Das Wachstumsprogramm mittels KI erfordert Feldexperimente, Toleranz gegenüber Ergebnissen, die die ursprünglichen Hypothesen nicht bestätigen, und die Bereitschaft, Budget von etablierten Kanälen auf Fähigkeiten umzuverteilen, die noch erprobt werden. Für viele Organisationen stößt diese Umverteilung nicht an technologische Grenzen. Sie stößt an Governance-Strukturen, bereichsbezogene Anreize und die Geschwindigkeit, mit der Ausschüsse Experimente genehmigen, die nicht in bestehende Budgetkategorien passen.
Die Autoren des Wharton-Papers nennen es Absorptionskapazität: das Ausmaß, in dem die Menschen, die Governance-Prozesse und die Arbeitsabläufe einer Organisation neue Technologien aufnehmen und auf der Grundlage dieser Technologien handeln können. Für viele Unternehmen ist das erste echte Hindernis bei der Umwandlung von KI in Wachstum nicht der Aufbau besserer Tools. Es ist die Beseitigung der internen Engpässe, die verhindern, dass vorhandene Tools effektiv und in großem Maßstab eingesetzt werden.
Die strukturell reifsten Organisationen sind nicht unbedingt diejenigen mit den ausgefeiltesten technischen Teams. Es sind diejenigen, die die institutionelle Fähigkeit aufgebaut haben, einen Feldbefund – wie das LinkedIn-Experiment – in eine Entscheidung zur Ressourcenumverteilung umzuwandeln, bevor das Fenster des Wettbewerbsvorteils sich schließt. Diese Fähigkeit wird nicht durch ein Projekt zur digitalen Transformation installiert. Sie wird durch wiederholte Entscheidungen darüber aufgebaut, wie strategische Aufmerksamkeit zugewiesen wird, was als Erfolg gemessen wird und wer die Befugnis hat, das Budget umzuleiten, wenn die Daten es rechtfertigen.
Unternehmen, die KI heute hauptsächlich zur Kostensenkung einsetzen, treffen keine in absolutem Sinne falsche Entscheidung. Sie treffen die Entscheidung, die ihre Governance-Strukturen, ihre Anreizsysteme und ihre Berichtszyklen am leichtesten zu treffen machen. Das Problem ist, dass diese Leichtigkeit einen Preis hat, der in keiner aktuellen Gewinn- und Verlustrechnung erscheint, aber in drei Jahren in den vergleichenden Bewertungsmultiplikatoren sichtbar sein wird.
