Wie man die KI-Transformation schnell gewinnt.

Warum die alte Blaupause nicht mehr passt

Die digitalen Transformationen der letzten fünfzehn Jahre hatten eine bequeme Eigenschaft: Vieles war generisch. Ein Umzug in die Cloud, die Einführung eines neuen ERP, die Konsolidierung von Rechenzentren – das sind Themen, die sich über eine zentrale, übergreifende Schnittstellenfunktion steuern lassen. Man baut ein großes Transformation Office, definiert Standards, zieht sie durch die Organisation. Genau deshalb entstand die Logik des zentralen Programms.

Der Haken: Diese Programme galten schon immer als schwierig. BCG fand in seinem Report „Flipping the Odds of Digital Transformation Success" (2020), dass 70 Prozent der digitalen Transformationen ihre Ziele verfehlen – 30 Prozent gelingen vollständig, 44 Prozent stiften etwas Wert, verfehlen aber ihre Ziele, 26 Prozent bringen wenig bis nichts. Aber selbst wenn sie gelangen, funktionierten sie, weil der Kern generisch war.

Bei KI ist der Kern nicht generisch. KI entfaltet ihren Wert nicht auf der Ebene der Infrastruktur, sondern auf der Ebene des einzelnen Arbeitsprozesses. Es geht nicht um „wir ziehen in die Cloud", sondern um „wie genau erstellt die Debitorenbuchhaltung ihre Mahnläufe, und was davon kann ein Agent übernehmen". Das ist in jeder Abteilung anders. Der einzelne Workflow wird ungemein wichtiger.

Die Daten stützen das eindeutig. Die MIT-Studie „The GenAI Divide: State of AI in Business 2025" (MIT NANDA, Juli 2025, Leitautor Aditya Challapally, Basis: über 300 Deployments, 52 Interviews, 153 befragte Führungskräfte) fand, dass 95 Prozent der generativen KI-Piloten in Unternehmen keinen messbaren Return liefern – trotz 30 bis 40 Milliarden Dollar an Investitionen. Die Ursache ist nicht die Technologie, sondern die fehlende Integration in reale Arbeitsabläufe. McKinsey kommt in seinem „State of AI 2025"-Report zum gleichen Schluss aus der anderen Richtung: Von allen untersuchten organisatorischen Faktoren korreliert das grundlegende Redesign von Workflows am stärksten mit tatsächlichem EBIT-Effekt. Und nur 21 Prozent der Unternehmen, die generative KI einsetzen, haben überhaupt einen Workflow grundlegend neu gestaltet. Der Rest legt KI wie eine dünne Schicht über bestehende Prozesse – und wundert sich, dass unten nichts ankommt.

Viele kleine Mikrotransformationen statt ein großes Office

Wenn der Wert im einzelnen Prozess liegt, dann muss die Transformation dort ansetzen. Nicht ein großes Transformation Office, sondern sehr viele kleine Mikrotransformationen. Im Idealfall eine pro Abteilung, entlang der dazugehörigen Workflows.

Das klingt nach mehr Aufwand, ist aber schneller. Eine Mikrotransformation stellt für einen klar abgegrenzten Bereich drei Fragen: Was passiert hier heute konkret, Schritt für Schritt? Was davon lässt sich mit welchen Tools verändern oder automatisieren? Und was muss man komplett neu aufbauen, weil der bestehende Prozess für KI schlicht nicht gemacht ist? Diese Fragen lassen sich in Wochen beantworten, nicht in Quartalen – aber nur, wenn jemand tief genug in der Domäne steckt, um den Prozess wirklich zu verstehen.

Auch BCG deutet in diese Richtung. Der „AI Radar 2025" beschreibt das 10-20-70-Prinzip. Sylvain Duranton, globaler Leiter von BCG X, formuliert es so: Erfolgreiche Unternehmen stecken 70 Prozent ihres Aufwands in die Transformation von Menschen, Prozessen und Kultur, 20 Prozent in Daten und Technologie und nur 10 Prozent in die Algorithmen. Diese 70 Prozent kann kein zentrales Office für die gesamte Organisation gleichzeitig leisten. Sie entstehen abteilungsweise, im konkreten Arbeitsalltag.

Warum Freelancer für Mikrotransformationen ideal sind

Hier kommt der Teil, bei dem ich als Gründer natürlich befangen bin – aber die Logik hält auch ohne mein Interesse. Für Mikrotransformationen brauchen Sie Menschen, die zwei Dinge gleichzeitig mitbringen: aktuelle KI-Expertise und das fachliche Know-how der jeweiligen Domäne. Jemand, der versteht, wie ein Recruiting-Prozess läuft – und wie man einen Agenten darauf ansetzt.

Solche Profile intern aufzubauen dauert. Der Markt gibt sie kaum her: Laut Bitkom (Pressemitteilung vom 7. August 2025) fehlten in Deutschland rund 109.000 IT-Fachkräfte; 85 Prozent der Unternehmen beklagen einen Mangel, 79 Prozent erwarten, dass er sich weiter verschärft. Wer auf die interne Personalsuche wartet, wartet auf einen Markt, der sich weiter anspannt.

Freelancer haben für diese Aufgabe einen strukturellen Vorteil, den ich aus meiner eigenen Zeit in Konzernen gut kenne: Sie sind weniger eingeschnürt durch die allgemeinen Datenschutzrichtlinien und die langwierigen Einkaufsprozesse des Unternehmens. Ein externer Experte kann ein Tool testen, einen Prototyp bauen, einen POC aufsetzen – ohne dass eine sechsmonatige Vendor-Freigabe angestoßen werden muss. Und genau dieser POC ist Gold wert. Er verwandelt eine abstrakte Diskussion („sollten wir KI im Forderungsmanagement einsetzen?") in etwas Vorzeigbares, mit dem sich intern argumentieren lässt.

Auch die MIT-Zahlen sprechen dafür, nach außen zu schauen: KI-Lösungen, die mit externen, lernfähigen Partnern umgesetzt werden, erreichen laut der Studie in rund 67 Prozent der Fälle die Produktion – interne Eigenbauten nur in rund 33 Prozent, also halb so oft. Externe bringen die Erfahrung aus vielen Implementierungen mit – etwas, das ein internes Team per Definition nicht haben kann.

Wie das in der Praxis aussieht

Drei Projekte, die wir bei FRATCH aktuell begleiten, zeigen das Muster – anonymisiert, aber real.

Bei einer internationalen Agenturgruppe läuft die Mikrotransformation im HR-Bereich. Startpunkt war ein einzelner Workflow: das Sichten und Vorqualifizieren von Bewerbungen über mehrere Landesgesellschaften hinweg. Ein Freelancer mit HR- und KI-Hintergrund hat in wenigen Wochen einen POC gebaut, der Lebensläufe strukturiert und gegen die Rollenanforderungen matcht. Kein konzernweites Programm – ein Prozess, eine Abteilung, ein vorzeigbares Ergebnis.

Bei einem Beratungsunternehmen ging es um die interne Wissensarbeit: das Zusammentragen von Angeboten, Referenzen und Methoden aus alten Projekten. Auch hier war der Einstieg ein einziger, klar umrissener Ablauf, an dem eine externe Kraft testen konnte, was ein Tool leistet, bevor die Organisation groß investiert.

Bei einer großen deutschen Bank ist der Rahmen strenger – Regulatorik und Datenschutz lassen wenig Spielraum. Gerade deshalb funktioniert der Mikro-Ansatz: Statt ein Großprojekt durch die Compliance zu zwingen, wird ein eng abgegrenzter Prozess im Back Office ausgewählt, an dem sich unter kontrollierten Bedingungen zeigen lässt, was geht. Der POC wird zum Argument gegenüber den internen Gremien.

Das Muster ist überall gleich: Man startet nicht mit einer Strategie-Folie, sondern mit einem echten Workflow und jemandem, der ihn versteht.

Was das für Ihre nächste Entscheidung bedeutet

Wenn Sie eine KI-Transformation planen, ist die erste Frage nicht „Wer leitet unser Transformation Office?", sondern „Welche Abteilung, welcher Prozess, wer baut den ersten POC?". Suchen Sie sich einen Bereich mit spürbarem Schmerz und überschaubarem Umfang. Holen Sie sich für diesen Bereich jemanden, der KI und die Fachdomäne beherrscht. Lassen Sie ihn schnell etwas Zeigbares bauen. Und wiederholen Sie das, Abteilung für Abteilung.

Die Ironie: Der schnellste Weg zur KI-Transformation führt nicht über das größte Programm, sondern über die kleinsten Einheiten. Genau deshalb entscheidet am Ende der Zugriff auf die richtigen Menschen – KI-Freelancer mit Domänenwissen, schnell gesourced – oft mehr über das Tempo als jede Roadmap.