Offene Programme erzeugen Abhängigkeit, nicht Kompetenz. Wirkung braucht ein Ende.

Transformation ist das beliebteste Wort in Beratungspräsentationen und das folgenreichste. Es ermöglicht Budgets ohne Ergebnisdruck, Aktivität ohne Rechenschaft und Beratung ohne Garantie. Das funktioniert für Anbieter und ist für Organisationen nachteilig.

Die Alternative: definierter Scope, klares Ende, messbare Ergebnisse. Wenn Ihr KI-Vorhaben kein Enddatum hat, ist es kein Projekt, sondern eine Beschäftigungsmaßnahme.

Wirkung braucht ein Ende.

Die Logik hinter dem Abschluss

Warum ist Abschluss so entscheidend? Weil Abschluss der einzige Moment ist, in dem eine Organisation zwingt, Bilanz zu ziehen. War das Ziel erreicht? Was hat funktioniert? Was hätte anders gemacht werden müssen? Ohne Abschluss gibt es keine Auswertung, ohne Auswertung kein Lernen, ohne Lernen keine Verbesserung.

Das MIT-Projekt NANDA analysierte über 300 KI-Implementierungen und identifizierte das fehlende definierte Ergebnis als einen der zentralen Faktoren für die 95-Prozent-Misserfolgsquote bei generativen KI-Piloten. Wer kein Ende definiert, definiert auch keinen Erfolg — und kann deshalb nicht scheitern, aber auch nicht gewinnen.

Was Transformation strukturell nicht leisten kann

Das Wort Transformation entstammt dem Vokabular der disruptiven Veränderung. In der KI-Beratung hat es sich zu einem semantischen Container entwickelt, der beliebig viel Inhalt aufnimmt, ohne Form zu erzwingen. Ein Transformationsprogramm kann alles beinhalten: Schulungen, Tool-Einführungen, Prozessanalysen, Change-Management-Workshops, Kulturinitiativen. Nichts davon ist per se falsch. Das Problem ist die Summe: Ein Programm, das alles umfasst, priorisiert nichts.

McKinsey quantifiziert das im State of AI 2025: Rund 88 Prozent der Organisationen nutzen KI in mindestens einer Funktion, aber nur rund ein Drittel hat KI über Pilotprojekte hinaus skaliert. Die Lücke zwischen Nutzung und Wirkung ist kein Technologieproblem. Sie ist ein Strukturproblem. Und Transformation als Framing löst Strukturprobleme nicht — es verdeckt sie.

Der ökonomische Schaden offener Programme

Offene Programme sind teuer — nicht nur im Budget, sondern in der Opportunitätslogik. Jeder Monat, in dem ein Team an einem offenen Programm arbeitet, ist ein Monat, in dem es keine abgeschlossene Intervention durchgeführt hat. Die Kosten sind schwer sichtbar zu machen, weil sie sich nicht in einer Rechnung niederschlagen, aber real: gebundene Aufmerksamkeit, frustrierte Mitarbeitende, wachsende Skepsis gegenüber zukünftigen KI-Initiativen.

Gartner schätzt, dass bis 2026 rund 60 Prozent der KI-Projekte ohne messbare Ergebnisse aufgegeben werden. Ein erheblicher Teil davon sind nicht gescheiterte Ideen, sondern gescheiterte Strukturen: Projekte ohne Definition dessen, was Erfolg bedeutet, ohne Enddatum, das zur Evaluation zwingt, ohne Owner, der die Verantwortung trägt.

Abhängigkeit als unbeabsichtigtes Ergebnis

Ein offenes Programm, das von externen Beratern getrieben wird, erzeugt ein spezifisches Ergebnis: Abhängigkeit. Die Organisation weiß nach 18 Monaten mehr über KI-Möglichkeiten, hat aber weniger interne Fähigkeit aufgebaut, weil die Expertise bei den Beratern liegt. Das ist kein Unfall — es ist die strukturelle Logik des Retainer-Modells.

Eine bounded intervention endet mit einem expliziten Wissenstransfer. Das Team, das nach der Intervention den neuen Prozess betreibt, kann ihn erklären, anpassen und bei Problemen eigenständig handeln. Das ist der Unterschied zwischen einer Dienstleistung, die endet, und einer Abhängigkeit, die wächst.

Kompetenz entsteht durch Abschluss

Interne KI-Kompetenz entsteht nicht durch Schulungen und Awareness-Workshops. Sie entsteht durch das Durchführen und Abschließen von KI-Projekten. Jede abgeschlossene Intervention ist ein Lerndurchlauf, dessen Ergebnisse kodifiziert und weitergegeben werden können. Nach drei abgeschlossenen Interventionen hat eine Organisation drei dokumentierte Muster — was hat funktioniert, was nicht, unter welchen Bedingungen.

Ein offenes Transformationsprogramm über denselben Zeitraum hat Prozessdokumentation, Zwischenberichte und laufende Empfehlungen produziert — aber keine abgeschlossenen Lerneinheiten, aus denen interne Standards entstehen.

Der Bitkom Digital Office Index zeigt: Organisationen mit definierten internen KI-Kompetenzen erzielen nachweislich höhere Nutzungsquoten und geringere externe Abhängigkeiten. Der Aufbau dieser Kompetenz funktioniert über Abschluss, nicht über Dauer.

Was ein Enddatum erzwingt

Ein Enddatum ist kein Planungsinstrument. Es ist ein Entscheidungserzwinger. Wer ein Enddatum setzt, muss entscheiden: Was genau soll bis dahin erreicht sein? Was wird in Kauf genommen, um dieses Ziel zu erreichen? Was wird nicht gemacht, damit das Ziel realistisch ist?

  • Es zwingt zur Reduktion des Scope auf das, was tatsächlich erreichbar ist.
  • Es erzwingt eine Definition von Erfolg, die vor Beginn festgelegt wird.
  • Es schafft Rechenschaft: Am Enddatum ist klar, ob das Ziel erreicht wurde.
  • Es ermöglicht Lernen: Nach dem Abschluss gibt es eine auswertbare Einheit.
  • Es beendet Abhängigkeiten: Ein beendetes Projekt kann nicht mehr verlängert werden, um Berater zu beschäftigen.

Das Muster der erfolgreichen Organisationen

Die McKinsey-Daten zeigen ein klares Muster der rund 6 Prozent, die McKinsey als High Performer einstuft: Sie setzen auf definierte Projekte mit klaren Verantwortlichkeiten, menschliche Kontrolle an kritischen Entscheidungspunkten und konsequente Neugestaltung der Arbeitsabläufe. Kein einziges Merkmal der High Performer ist "Transformation betreiben". Alle Merkmale sind strukturell: Klarheit, Verantwortung, Abschluss.

Diese Erkenntnis ist unbequem, weil sie bedeutet: Wer KI-Wirkung will, muss zuerst Wirkung definieren. Wer das vermeidet — weil es politische Diskussionen erfordert, weil es bedeutet, Erwartungen zu enttäuschen, weil es unbequem ist, Nein zu sagen — betreibt keine KI-Strategie. Er betreibt KI-Theater.

Konsequenzen für die Praxis

Für Führungskräfte, die heute in einem KI-Transformationsprogramm stecken oder eines planen, lässt sich die Kernthese in eine einzige Prüffrage übersetzen: Welches konkrete Ergebnis wird bis wann von wem verantwortet, und wie sieht das Review-Meeting am Ende aus?

Wenn diese Frage nicht beantwortet werden kann, ist das Vorhaben keine Intervention. Es ist ein Programm — und Programme ohne Abschluss erzeugen Beschäftigung, keine Kompetenz.

Quellen

  • MIT Project NANDA: The GenAI Divide — State of AI in Business 2025 (Juli 2025), https://nanda.media.mit.edu
  • McKinsey & Company: The State of AI in 2025 (November 2025), https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  • Gartner: KI-Projekte und Aufgabequoten bis 2026, https://www.gartner.com
  • Bitkom: Digital Office Index 2024/2025, https://www.bitkom.org

Transformation ohne Abschluss als Governance-Versagen

Die Frage nach dem Abschluss ist keine methodische Präferenz. Sie ist eine Governance-Frage. Governance bedeutet: Wer entscheidet, wer verantwortet, wer prüft. Ein offenes Transformationsprogramm beantwortet keine dieser Fragen vollständig. Es gibt Entscheidungsgremien, aber keine einzelnen Entscheidungsträger mit klarer Haftung. Es gibt Verantwortungsbereiche, aber keine Einzelpersonen, die persönlich für ein konkretes Ergebnis einstehen. Es gibt Berichte, aber keinen Moment, in dem jemand sagen muss: Wir haben es geschafft oder wir haben es nicht geschafft. Diese Unbestimmtheit ist kein Manko im Sinne von Ausführungsqualität. Sie ist das Design des Transformationsmodells. Und ein Design, das Rechenschaft strukturell vermeidet, ist ein Governance-Versagen, unabhängig davon, wie viel Budget hineinfließt.

Der EU AI Act als Governance-Erzwinger

Der EU AI Act hat die Governance-Diskussion in eine neue Phase gebracht. Seit dem 2. August 2025 gelten Pflichten für Anbieter von Allzweck-KI-Modellen; ab dem 2. August 2026 greifen die vollständigen Hochrisiko-Anforderungen. Für Organisationen, die KI einsetzen, bedeutet das konkrete Pflichten, die sich nicht aus einem offenen Transformationsprogramm heraus erfüllen lassen: dokumentierte Risikomanagementsysteme für spezifische Systeme, benannte Verantwortliche für konkrete Anwendungen, nachweisbare menschliche Aufsicht über definierte Entscheidungspunkte. Diese Anforderungen setzen voraus, dass die KI-Einführung in klar abgegrenzte Einheiten mit konkreten Systemgrenzen und benannten Verantwortlichen strukturiert ist. Ein Transformationsprogramm, das alles umfasst, hat keine Systemgrenzen und damit keine Grundlage für die geforderte Dokumentation.

Was abgeschlossene Projekte erzeugen, was offene nicht können

Abgeschlossene Projekte erzeugen drei Produkte, die offene Programme strukturell nicht liefern können. Erstens: ein prüfbares Ergebnis. Nach dem Abschluss ist feststellbar, ob das definierte Ziel erreicht wurde. Diese Feststellbarkeit ist die Grundlage für Rechenschaft. Zweitens: eine auswertbare Erfahrung. Nur ein abgeschlossenes Projekt erlaubt die Frage: Was haben wir gelernt? Diese Frage setzt ein Ende voraus, das die Grenze zwischen dem, was war, und dem, was als nächstes kommt, markiert. Drittens: einen übertragbaren Standard. Was in einem abgeschlossenen Projekt funktioniert hat, kann dokumentiert und auf das nächste Projekt übertragen werden. MIT NANDA identifiziert den Transfer von Wissen aus abgeschlossenen Projekten als einen der stärksten Prediktoren für institutionelle KI-Lernfähigkeit.

Wie McKinsey High Performer von der Masse unterscheidet

McKinsey klassifiziert im State of AI 2025 rund 6 Prozent der Organisationen als High Performer — Unternehmen, die signifikanten unternehmensweiten KI-Wert erzielen. Die Merkmale dieser Gruppe sind nicht Größe, Budget oder technologische Ausstattung. Sie sind: definierte Rollen mit klarer Verantwortung, menschliche Kontrolle an kritischen Entscheidungspunkten, und fundamentale Neugestaltung von Arbeitsabläufen statt Überlagerung von KI auf bestehende Prozesse. Kein einziges dieser Merkmale ist spezifisch für Transformationsprogramme. Alle sind spezifisch für abgegrenzte Projekte mit klarer Struktur. Die High Performer haben nicht besser transformiert. Sie haben besser definiert, gemessen und abgeschlossen.

Das Muster des Scheiterns: warum Transformation immer wieder gewählt wird

Wenn Transformation so problematisch ist, warum wird sie dennoch immer wieder gewählt? Die Antwort liegt in der politischen Ökonomie von Organisationsentscheidungen. Eine KI-Transformation gibt jedem Stakeholder das Gefühl, berücksichtigt zu werden. Marketing sieht KI im Kampagnenmanagement. HR sieht KI im Recruiting. Produktion sieht KI in der Qualitätskontrolle. Niemand wird enttäuscht, nichts wird gestrichen, alle sind auf der Roadmap. Das ist politische Stabilität — aber keine Strategie. Gartner nennt dieses Muster kollektive Risikovermeidung: Führungskräfte wählen Transformation, um die Konversation über schwierige Priorisierungen zu vermeiden. Das Ergebnis ist ein Programm, das Aktivität produziert und keine Rechenschaft erzwingt, was genau das Modell ist, das Beratungsanbieter bevorzugen.

Die Bitkom-Perspektive: was interne KI-Kompetenz wirklich aufbaut

Der Bitkom Digital Office Index 2024/2025 zeigt, dass Organisationen mit definierten internen KI-Kompetenzen nachweislich höhere Nutzungsquoten und geringere externe Abhängigkeiten erzielen. Die entscheidende Variable ist nicht die Schulungsintensität, sondern die Anzahl der abgeschlossenen internen KI-Projekte. Jedes abgeschlossene Projekt erzeugt einen Lernzyklus, dessen Ergebnisse in die Organisation überführt werden können. Organisationen, die zwischen fünf und zehn abgeschlossene Projekte pro Jahr durchführen, zeigen eine signifikant höhere interne KI-Reife als Organisationen mit laufenden Transformationsprogrammen über denselben Zeitraum. Der Unterschied liegt nicht in der Ambition, sondern im Abschluss.

Rechenschaft als Innovationsmotor

Rechenschaft wird in Transformationsprogrammen oft als innovationshemmend wahrgenommen. Das Gegenteil ist empirisch belegt. Organisationen, die Projekte regelmäßig abschließen und Ergebnisse transparent auswerten, lernen schneller und experimentieren zielgerichteter als Organisationen in offenen Programmen. Die Logik ist einfach: Wer weiß, was beim letzten Mal funktioniert hat, kann beim nächsten Mal gezielter vorgehen. Wer in einem offenen Programm arbeitet, hat keine abgeschlossene Einheit, aus der er lernen könnte. Rechenschaft erzwingt Klarheit über Wirkung, und Klarheit über Wirkung beschleunigt die Lernkurve. Dies ist nicht intuitiv, weil Rechenschaft kurzfristig als Einschränkung erlebt wird, langfristig aber die Geschwindigkeit der Entwicklung erhöht.

Was Organisationen konkret tun können: die Abschluss-Audit-Frage

Für Führungskräfte, die heute ein laufendes KI-Programm bewerten, gibt es eine einfache Diagnose-Frage: Kann ich heute nennen, welches konkrete Ergebnis bis wann von wem verantwortet wird? Wenn diese Frage nicht in einem Satz beantwortet werden kann, ist das Programm keine Intervention, sondern ein offenes Vorhaben. Der nächste Schritt ist nicht die Abfassung eines neuen Programmplans. Er ist die Umstrukturierung in maximal drei abgegrenzte Projekte mit Enddatum, definierten Deliverables und benannten Ownern. Alles, was sich nicht so strukturieren lässt, wird pausiert, bis es strukturiert werden kann. Diese Entscheidung ist politisch unbequem. Sie ist aber die einzige, die Wirkung möglich macht.

Die abamix-Position: warum wir keine Transformation verkaufen

abamix bietet bewusst keine KI-Transformation an. Nicht weil die Ambition fehlt, sondern weil das Transformationsmodell strukturell Abhängigkeit erzeugt, die gegen das Interesse der Organisationen wirkt, die wir begleiten. Jede Zusammenarbeit hat ein Enddatum, eine Scope-Definition und messbare Deliverables. Das ist keine methodische Einschränkung — es ist die Bedingung dafür, dass am Ende der Zusammenarbeit die Organisation selbst führt, nicht wir. Der Maßstab für erfolgreiche Beratung ist nicht, ob die Organisation weiterhin Beratung braucht. Er ist, ob die Organisation nach der Intervention in der Lage ist, ohne sie auszukommen. Wirkung braucht Abschluss. Abschluss braucht Definition. Und Definition ist Führungsaufgabe.

Abschluss als Führungsaufgabe

Den Abschluss eines KI-Vorhabens aktiv zu gestalten ist keine administrative Aufgabe — es ist eine Führungsleistung. Es erfordert die Bereitschaft, Ergebnisse zu bewerten, Erfolge anzuerkennen und Misserfolge zu benennen. Organisationen, die diese Abschlusskultur entwickeln, bauen damit eine Lernfähigkeit auf, die über einzelne Projekte hinaus wirkt. McKinsey nennt institutionalisiertes Lernen aus abgeschlossenen Initiativen als eines der stärksten Differenzierungsmerkmale von KI-High Performern gegenüber dem Durchschnitt.

Transformation, die nie endet, kann nie scheitern — und nie gelingen. Wer Abschlüsse vermeidet, schützt sich vor Bewertung. Wer Abschlüsse konsequent gestaltet, schafft Wissensrückkopplungen, die sich auf jede folgende Initiative auswirken. Die Organisation, die gelernt hat aufzuhören, hat auch gelernt anzufangen — besser als zuvor. Das ist der eigentliche Wert von Abschlusskultur in der KI-Einführung.

Abschluss ist Rechenschaft. Wer abschließt, zeigt, was er erreicht hat — und was nicht. Diese Transparenz ist keine Schwäche, sondern die Grundlage für Vertrauen, Lernen und den nächsten wirksamen Schritt. Transformation ohne Abschluss ist eine Einladung, sich nie zu messen.

Wer aufhört, zeigt, dass er angefangen hat. Das ist mehr, als die meisten KI-Programme je können.