KI-Hype vs. Realität: Was heute echten Business-Mehrwert schafft

Künstliche Intelligenz ist heute allgegenwärtig. Kaum ein Tag vergeht ohne neue Ankündigungen, neue Tools oder neue Prognosen darüber, wie KI unsere Arbeit verändern wird. Unternehmen investieren erhebliche Summen in generative KI, Agenten und Automatisierung. Gleichzeitig stellen viele Führungskräfte dieselbe Frage:

Wo entsteht eigentlich der echte Geschäftswert?

Genau dieser Frage bin ich während meiner Session beim AI Superstars Summit von Shopware nachgegangen. In meiner Arbeit mit Unternehmen unterschiedlichster Branchen beobachte ich immer wieder ein ähnliches Muster: Die Diskussion dreht sich um Technologien, Modelle und neue Funktionen – während die eigentlichen Geschäftsziele in den Hintergrund geraten.

Dabei ist der Einsatz von KI kein Selbstzweck. Entscheidend ist, welchen Beitrag sie zu Umsatz, Kundenerlebnis, Effizienz oder Profitabilität leistet.

Deshalb sollten wir die Diskussion über KI anders führen. Statt Trends hinterherzulaufen, sollten wir uns darauf konzentrieren, nachhaltigen Business-Mehrwert zu schaffen.

Warum viele KI-Initiativen am falschen Ausgangspunkt beginnen

Einer der größten Fehler bei der Einführung von KI besteht darin, mit der Technologie zu starten.

Die Frage lautet häufig: „Wie können wir KI einsetzen?“ Meiner Erfahrung nach ist das die falsche Ausgangsfrage. Die bessere Frage lautet: „Welches Geschäftsproblem wollen wir lösen?“ Erst wenn diese Frage beantwortet ist, ergibt es Sinn zu prüfen, ob KI überhaupt die richtige Lösung ist.

Wenn Unternehmen mit einem Tool beginnen, entstehen häufig Projekte, die zwar technisch interessant sind, aber keinen messbaren Nutzen erzeugen. Die Technologie wird zum Selbstzweck. Das Ergebnis sind Pilotprojekte, die Aufmerksamkeit erzeugen, aber keinen nachhaltigen Beitrag zum Geschäftserfolg leisten.

Ein Beispiel aus meinem eigenen Alltag hat mir diese Problematik besonders deutlich vor Augen geführt. Vor Kurzem haben mein Mann und ich unser erstes Haus gekauft und dabei unter anderem einen neuen Wasserboiler installiert. Als wir uns näher mit dem Gerät beschäftigten, stellten wir fest, dass es als „KI-gestützt“ vermarktet wurde.

Die Idee dahinter klang zunächst plausibel: Das System sollte unsere Duschgewohnheiten lernen und das Wasser automatisch kurz vor dem erwarteten Zeitpunkt aufheizen. Dadurch sollte Energie gespart werden.

Das Problem war nur: Es funktionierte nicht. Nicht, weil die Technologie schlecht war, sondern weil die zugrunde liegende Annahme falsch war. Meine Duschzeiten folgen keinem festen Muster. Mal dusche ich morgens, mal nachmittags, mal abends. Dieses Verhalten lässt sich nur schwer vorhersagen.

Interessanterweise wäre dieselbe Technologie in einem Hotel oder Fitnessstudio wahrscheinlich deutlich erfolgreicher. Dort geht es nicht um das Verhalten einer einzelnen Person, sondern um die Muster vieler Menschen. Auf dieser Ebene entstehen Vorhersagbarkeit und Mehrwert. Die Technologie war also nicht das Problem. Das Problem war der Anwendungsfall.

Statt mit einem Tool zu beginnen, empfehle ich Unternehmen zunächst einen Blick auf ihre Prozesse:

• Langsame Prozesse

• Riskante Prozesse

• Fehleranfällige Prozesse

• Teure Prozesse

Genau dort entstehen häufig die vielversprechendsten Anwendungsfälle für KI.

Daher starten die erfolgreichsten KI-Initiativen nicht mit einem Tool. Sie starten mit einem klar definierten Ziel.

Generative KI ist nur ein Teil des Gesamtbildes

Wenn heute von KI gesprochen wird, denken die meisten Menschen sofort an ChatGPT, Gemini oder Claude. Das ist verständlich. Generative KI hat in den vergangenen Jahren enorme Aufmerksamkeit erhalten und beeindruckende neue Möglichkeiten geschaffen.

Gleichzeitig entsteht dadurch ein Missverständnis: Viele setzen KI inzwischen mit generativer KI gleich. Dabei umfasst KI deutlich mehr als die Erstellung von Texten, Bildern oder Code.

Deshalb unterscheide ich zwischen analytischer KI und generativer KI. Analytische KI unterstützt Unternehmen dabei, Muster zu erkennen, Vorhersagen zu treffen und Entscheidungen zu verbessern. Generative KI hingegen erzeugt neue Inhalte auf Basis bestehender Informationen.

Beide Ansätze sind wertvoll. Sie lösen jedoch unterschiedliche Probleme.

Für Unternehmen ist diese Unterscheidung wichtig, weil ein Großteil des geschäftlichen Mehrwerts historisch nicht aus generativer KI entstanden ist, sondern aus analytischer KI.

Um das besser einzuordnen, hilft ein Blick auf die unterschiedlichen Kategorien von KI.

Heute drehen sich die meisten KI-Diskussionen um generative KI. Dabei ist sie nur eine von acht Kategorien, mit denen Unternehmen Wert schaffen können. Gerade im digitalen Handel liegen einige der größten Chancen häufig in den anderen Bereichen.

So hilft Hyperpersonalisierung dabei, relevantere Produktempfehlungen auszuspielen. Prädiktive Intelligenz unterstützt die Nachfrageplanung. Präskriptive Intelligenz kann Empfehlungen für Bestände, Marketingbudgets oder operative Entscheidungen liefern. Die Verarbeitung natürlicher Sprache hilft dabei, wiederkehrende Kundenanfragen oder Beschwerden besser zu verstehen.

Generative KI ist zweifellos ein leistungsfähiges Werkzeug. Sie ist aber nur ein Werkzeug unter vielen.

Unternehmen, die langfristig erfolgreich sein wollen, sollten sich deshalb nicht von den lautesten Trends leiten lassen. Entscheidend ist nicht, welche Form von KI aktuell die meisten Schlagzeilen erzeugt. Entscheidend ist, welche Form von KI den größten Beitrag zu den eigenen Geschäftszielen leisten kann.

Von KI-Nutzung zu Business Impact

Wenn Unternehmen über den Erfolg ihrer KI-Initiativen sprechen, konzentrieren sie sich häufig auf Kennzahlen wie Nutzung, Aktivität oder Reichweite. Zum Beispiel:

• Wie viele Mitarbeitende nutzen die Tools?

• Wie viele Prompts wurden eingegeben?

• Wie viele Anwendungsfälle wurden identifiziert?

Diese Kennzahlen sind leicht zu messen. Das Problem ist nur: Sie sagen wenig darüber aus, ob tatsächlich Geschäftswert entsteht.

Während meiner Session habe ich über einen Trend gesprochen, den ich als „Tokenmaxxing“ bezeichne. Dahinter steckt die Idee, dass mehr Nutzung automatisch mehr Wert bedeutet. Mehr Prompts, mehr Nutzer:innen, mehr Aktivität. Doch genau diese Denkweise führt viele Unternehmen in die falsche Richtung.

Trotz Milliardeninvestitionen fällt es den meisten Organisationen schwer, den tatsächlichen Nutzen ihrer KI-Initiativen nachzuweisen. Eine Untersuchung des MIT CISR und NANDA kommt zu einem bemerkenswerten Ergebnis: Rund 95 % der Organisationen erzielen bislang keinen messbaren Return on Investment aus ihren generativen KI-Initiativen. Nur etwa 5 % schaffen es, daraus nachweisbaren geschäftlichen Mehrwert zu generieren.

Das bedeutet nicht, dass KI keinen Vorteil bringt. Es bedeutet vielmehr, dass viele Unternehmen die falschen Dinge messen.

Anstatt zu fragen, wie häufig ein Tool genutzt wird, sollten wir fragen:

• Verbessern wir Entscheidungen?

• Verbessern wir das Kundenerlebnis?

• Steigern wir Conversion und Kundenbindung?

• Schaffen wir messbaren Geschäftswert?

Genau hier hilft ein einfaches Denkmodell: KI erzeugt selten direkt Umsatz. Viel häufiger entsteht Wert über mehrere Stufen:

KI → bessere Entscheidungen → bessere Erlebnisse → höhere Conversion und Kundenbindung → Geschäftswert

Valuemaxxing-Pyramide:

Ein Beispiel aus dem digitalen Handel macht diesen Zusammenhang greifbar. Nehmen wir eine Produktempfehlungs-Engine: Der eigentliche Wert entsteht nicht dadurch, dass ein Algorithmus Empfehlungen berechnet. Der Wert entsteht, weil Kund:innen schneller relevante Produkte finden.

Dadurch verbessert sich das Einkaufserlebnis. Mehr Besucher:innen legen Produkte in den Warenkorb. Conversion-Raten steigen. Kund:innen kehren häufiger zurück. Der Customer Lifetime Value wächst. Erst am Ende dieser Kette entsteht der geschäftliche Mehrwert. Deshalb spreche ich lieber von „Valuemaxxing“ als von Tokenmaxxing.

Erfolgreiche Unternehmen optimieren nicht die Nutzung von KI. Sie optimieren den Nutzen, den KI für ihr Geschäft erzeugt.

Warum Augmentation langfristig erfolgreicher ist als Automation

Ein weiterer Fehler, den ich häufig beobachte, besteht darin, KI ausschließlich durch die Brille der Automatisierung zu betrachten. Die Diskussion dreht sich dann fast ausschließlich um eine Frage: Welche Aufgaben können wir ersetzen?

Meiner Erfahrung nach ist das oft nicht der vielversprechendste Ansatz. Die spannendsten Anwendungsfälle entstehen dort, wo KI Menschen unterstützt, statt sie zu ersetzen. Ich unterscheide deshalb zwischen Automation und Augmentation:

Automatisierung hat selbstverständlich ihre Berechtigung. Viele repetitive Aufgaben lassen sich schneller und effizienter erledigen. Doch wenn Unternehmen ausschließlich auf Automatisierung setzen, konzentrieren sie sich häufig auf Kostensenkung.

Augmentation verfolgt einen anderen Ansatz. Hier geht es darum, Menschen dabei zu unterstützen, bessere Entscheidungen zu treffen, kreativer zu arbeiten oder komplexe Aufgaben schneller zu lösen.

Genau deshalb bevorzuge ich bei der Priorisierung von KI-Initiativen häufig Anwendungsfälle mit hohem Geschäftspotenzial und hohem Augmentationswert. Ein KI-gestützter Kundenservice, intelligente Merchandising-Unterstützung oder datenbasierte Entscheidungsassistenten können Teams deutlich leistungsfähiger machen.

Der langfristige Wettbewerbsvorteil entsteht nicht dadurch, dass Unternehmen weniger Menschen beschäftigen. Er entsteht dadurch, dass Menschen mit Unterstützung von KI bessere Ergebnisse erzielen.

Warum der Mensch der wichtigste Teil jeder KI-Strategie bleibt

Eine Frage begegnet mir regelmäßig: Wenn heute nahezu jedes Unternehmen auf dieselben Modelle und dieselben Tools zugreifen kann, wo entsteht dann überhaupt noch ein Wettbewerbsvorteil?

Die Antwort liegt nicht in der Technologie selbst. KI wird zunehmend zur Basistechnologie. Der eigentliche Unterschied entsteht durch die Kombination aus Daten, Technologie und menschlichen Fähigkeiten.

Deshalb arbeite ich gerne mit dem Konzept der Engineered Intelligence, das mein Kollege Jordan Morrow geprägt hat. Das Modell besteht aus vier Komponenten: Data + AI + IQ + EQ

^{QUELLE: 'Data & AI Skills: Gain the Confidence You Need to Succeed,' Jordan Morrow}

Die ersten beiden Bestandteile sind offensichtlich. Daten liefern die Grundlage. KI hilft dabei, Erkenntnisse zu skalieren und Prozesse zu unterstützen.

Die entscheidenden Faktoren liegen jedoch häufig in den letzten beiden Komponenten:

• IQ steht für menschliches Wissen, Erfahrung und kritisches Denken.

• EQ beschreibt Kontextverständnis, Kommunikation, Empathie und Urteilsvermögen.

Gerade diese Fähigkeiten werden mit zunehmender Verbreitung von KI wichtiger, nicht unwichtiger.

Menschen übernehmen Aufgaben wie:

• Probleme richtig definieren

• Kontext bewerten

• Ergebnisse hinterfragen

• Ausnahmen erkennen

• Verantwortung übernehmen

KI kann Inhalte erzeugen. KI kann Muster erkennen. KI kann Empfehlungen geben. Aber KI entscheidet nicht, welche Ziele verfolgt werden sollten. Sie trägt auch nicht die Verantwortung für die Konsequenzen ihrer Entscheidungen.

Deshalb bin ich überzeugt: Die Technologie ist selten die größte Herausforderung. Viel schwieriger ist es, Menschen dabei zu unterstützen, neue Arbeitsweisen anzunehmen. Genau hier unterschätzen viele Organisationen den menschlichen Faktor.

Fünf Fragen, die du vor jeder KI-Initiative stellen solltest

Zum Abschluss möchte ich dir fünf Fragen mitgeben, die ich für besonders hilfreich halte.

Bevor du in ein neues KI-Projekt investierst, frage dich:

1. Welches Geschäftsziel wollen wir verbessern?

2. Woran messen wir Erfolg?

3. Ist KI tatsächlich die beste Lösung für dieses Problem?

4. Unterstützen wir Menschen oder versuchen wir, sie zu ersetzen?

5. Wer trägt letztlich die Verantwortung für das Ergebnis?

Diese Fragen wirken simpel. Aber meiner Erfahrung nach helfen sie dabei, den Fokus auf das Wesentliche zu richten: nachhaltigen Business-Mehrwert.

Fazit

Erfolgreich werden die Unternehmen sein, die KI mit einer klaren Absicht einsetzen – um reale Geschäftsprobleme zu lösen, relevante Ergebnisse zu messen und nachhaltigen Business-Mehrwert zu schaffen.

Technologie bleibt dabei ein wichtiger Bestandteil der Gleichung. Doch nachhaltiger Mehrwert entsteht erst dann, wenn Daten, KI und menschliches Urteilsvermögen zusammenwirken.

Oder anders formuliert: Im Zentrum erfolgreicher KI steht nicht die Technologie. Im Zentrum erfolgreicher KI steht der Mensch.

Weiterdenken statt nur zuschauen

Dieser Beitrag basiert auf meiner Session beim AI Superstars Summit von Shopware.

Wenn du tiefer in das Thema einsteigen möchtest, findest du dort nicht nur die Aufzeichnung dieser Session, sondern auch weitere Vorträge von Expert:innen aus den Bereichen KI, Daten, Commerce und Agentic Commerce.

Was dich erwartet:

• 20+ Expert:innen

• 10+ Sessions mit praxisnahen Anwendungsfällen

• Erfahrungsberichte und Strategien aus dem digitalen Handel

• Kostenfreie Teilnahme

• Zugriff auf Aufzeichnungen und zusätzliche Ressourcen nach der Registrierung

Egal, ob du eine Session live verfolgst oder die Inhalte später als Aufzeichnung ansiehst – mit deiner Registrierung erhältst du Zugang zu allen verfügbaren Inhalten des Summits.

Shopware Intelligence entdecken

Erfolgreiche KI-Initiativen beginnen mit den richtigen Fragen, den richtigen Daten und klaren Geschäftszielen.

Shopware Intelligence unterstützt Händler:innen dabei, datenbasierte Entscheidungen zu treffen, Commerce-Prozesse effizienter zu gestalten und KI direkt in bestehende Workflows zu integrieren. Von intelligenten Analysen bis hin zu agentischen Funktionen entsteht so ein Arbeitsumfeld, in dem Menschen und KI effektiv zusammenarbeiten können.

FAQ – häufig gestellte Fragen

Über die Autorin

Christina Stathopoulos ist internationale Keynote-Speakerin, ausgezeichnete Dozentin und Gründerin von Dare to Data. Sie unterstützt Einzelpersonen und Unternehmen dabei, den nächsten Schritt auf ihrer Daten- und KI-Reise zu gehen.Nach einer erfolgreichen Karriere, in der sie die Datenstrategie bei Google und Waze verantwortete, verlagerte sie ihren Schwerpunkt darauf, ihre Wirkung durch Weiterbildung, Trainings und Product Evangelism zu skalieren. Heute zählt eine Vielzahl von Fortune-500-Unternehmen und führenden Technologieunternehmen zu ihren Kund:innen. Darüber hinaus ist Christina als Adjunct Faculty an der IE Business School sowie der Porto Business School tätig. Dort leitet sie Programme und Vorlesungen darüber, wie Unternehmen das Potenzial von Daten und Künstlicher Intelligenz erfolgreich nutzen können. Als gefragte Speakerin hat sie bereits vor Tausenden von Teilnehmenden in mehr als 20 Ländern Keynotes gehalten. Außerdem ist sie Autorin von Kursen für LinkedIn Learning, Host eines Podcasts für EM360Tech und engagiert sich als Botschafterin für den verantwortungsvollen Einsatz von Künstlicher Intelligenz.