KI bauen oder bauen lassen?

47.000 Mietverträge, verschiedene Sprachen, uneinheitliche Maßeinheiten und Systeme ohne Schnittstellen. Daraus soll in wenigen Tagen ein Arbeitswerkzeug entstehen, das ganze Teams nutzen können. Simon Biela spricht mit Larissa Schneider, Mitgründerin und COO von Unframe, darüber, wann Unternehmen KI kaufen, selbst bauen oder besser sein lassen sollten. Beide stehen auf der Anbieterseite und kennen Projekte, die nie über den Pilotstatus hinauskommen. Im Mittelpunkt stehen klare KPIs, Human in the Loop, Datenhoheit und eine neue Spielregel. Wer KI verkauft, muss zunehmend auch Verantwortung für ihre Wirkung übernehmen.

„Du kannst nicht einfach von der Stange eine Software kaufen, die komplett zu deinen Workflows passt.“

KEY FACTS

Nur fünf Prozent der KI-Vorhaben erreichen den echten Betrieb
Klare KPIs entscheiden vor dem Start über Erfolg oder Abbruch
Komplexe Probleme bieten oft den größten wirtschaftlichen Hebel
Wettbewerbskritische KI gehört eher in die eigene Entwicklung
Human in the Loop schafft Vertrauen vor autonomen Entscheidungen

‍

▶ Video abspielen

Fünf Prozent schaffen den Sprung

Eine Demo kann gut aussehen und trotzdem wertlos sein. Larissa Schneider nennt eine Zahl, die den Markt nüchtern macht. Nur fünf Prozent der KI-Vorhaben schaffen es in den echten Betrieb. Unframe versucht, diese Lücke mit einem ungewöhnlichen Modell zu schließen. Der Kunde zahlt erst, wenn die Lösung produktiv läuft. Vorher definieren beide Seiten gemeinsam, welches Problem gelöst werden soll, welche Daten vorhanden sind und an welchen KPIs Erfolg gemessen wird. Damit verschiebt sich ein Teil des Projektrisikos vom Unternehmen zum Anbieter. Die neue Spielregel lautet, dass nicht der funktionierende Trial zählt, sondern der belastbare Prozess danach. Für Kunden wird deshalb wichtiger, wer Verantwortung übernimmt, wenn ein Projekt technisch funktioniert, aber organisatorisch nie in Produktion geht.

Große Probleme statt kleiner Spielwiesen

Ein Tool für Blogposts? Dafür nennt Larissa innerhalb einer Minute mehrere Lösungen von der Stange. Ein Problem, das über fünf Jahre 30 Millionen Dollar kostet und durch 15 Softwareversionen in mehreren Ländern läuft? Dort wird es interessant. Unframe sucht nicht nach möglichst ungefährlichen Pilotprojekten, sondern nach Problemen mit großem wirtschaftlichem Hebel. Das widerspricht dem verbreiteten Rat, mit kleinen Experimenten zu beginnen. Komplexität erhöht zwar das Risiko, schafft aber auch Relevanz. Wer nur hier und da 50 Euro spart, verändert kein Unternehmen. Entscheidend ist, ob ein Use Case Umsatz steigert, Kosten senkt oder einen Engpass beseitigt, den Standardsoftware nicht abbilden kann. KI wird damit vom Innovationsprojekt zur Priorisierungsfrage für das Management.

Kaufen, bauen oder sein lassen?

Beim selbstfahrenden Auto würde Larissa nicht lange überlegen. Die KI ist Teil des Wettbewerbsvorteils und gehört ins eigene Haus. Bei wichtigen Prozessen außerhalb des Kerngeschäfts kann Eigenentwicklung dagegen die falschen Fachkräfte binden. KI-Talent ist knapp und teuer. Es sollte dort arbeiten, wo internes Wissen wirklich differenziert. Für Standardaufgaben reicht oft Software von der Stange. Für einzelne maßgeschneiderte Lösungen kann ein Dienstleister passen. Bei Hunderten oder Tausenden Use Cases braucht es eher eine Plattform, gemeinsame Governance und Security. Und ohne klares Ziel oder messbare KPIs sollte ein Unternehmen vorerst gar nichts bauen. Die Entscheidung lautet also nicht grundsätzlich kaufen oder selber machen. Sie hängt davon ab, wie nah die KI am eigenen Produkt, an der internen IP und am wirtschaftlichen Nutzen liegt.

Mehr Leistung ohne mehr Personal

Bei der NZZ steckt der sprachliche Qualitätsstandard in einem 170 Seiten langen Regelwerk. Die KI macht diese Regeln direkt beim Schreiben sichtbar und unterstützt Korrektorat und Redaktion, statt das Team vollständig zu ersetzen. Das spart Prüfaufwand und verkürzt die zwei- bis dreijährige Einarbeitung neuer Beschäftigter. Ähnlich ist die Logik bei einer stark wachsenden Airline. Das Unternehmen will wachsen, kann das Team für die Einsatzplanung aber nicht im gleichen Maß vergrößern. KI ermöglicht mehr Leistung mit einer ähnlichen Personalstärke. Kündigungen sind laut Larissa selten der erklärte Antreiber. Langfristig kann dennoch eine Stelle weniger benötigt werden. Der Personaleffekt entsteht damit oft leiser, durch ausbleibende Neueinstellungen und veränderte Aufgaben statt durch einen großen Stellenabbau.

Was verändert sich wirklich?

KI wird nicht nur zu einer neuen Software, sondern zu einer neuen Verteilung von Risiko und Verantwortung. Unternehmen müssen vor dem Start festlegen, welches Ergebnis zählt, welche Fehler akzeptabel sind und wann Menschen eingreifen. Anbieter werden stärker daran gemessen, ob ihre Lösungen im Alltag funktionieren, nicht daran, wie überzeugend ein Trial aussieht. Gleichzeitig verschiebt sich die Make-or-buy-Frage. Was das eigene Produkt und die interne IP prägt, gehört eher ins Unternehmen. Andere Prozesse können Plattformen, Dienstleister oder Standardsoftware übernehmen. Die eigentliche Frage ist deshalb nicht, wie schnell sich KI bauen lässt. Entscheidend ist, wer das richtige Problem auswählt, Erfolg messbar macht und nach dem Pilotprojekt Verantwortung für den Betrieb übernimmt.