KI-Strategie im Dauerwandel: Was der exponentielle Fortschritt für den Mittelstand bedeutet

Eine tragfähige KI-Strategie muss heute davon ausgehen, dass sich das beste verfügbare Modell, die Kosten und die Einsatzmöglichkeiten alle paar Monate ändern. Wharton-Professor Ethan Mollick hat im Oktober 2026 in seinem Newsletter One Useful Thing anhand eigener Auswertungen zusammengefasst, wie sich KI in den 30 Monaten seit seinem Buch „Co-Intelligence“ entwickelt hat. Das Bild ist eindeutig: Der Fortschritt verläuft exponentiell, aber ungleichmäßig. Für mittelständische Unternehmen ergibt sich daraus eine klare Konsequenz: Nicht die Wahl des einen richtigen Werkzeugs entscheidet über den Erfolg, sondern die Fähigkeit, laufend nachzusteuern.

Die Spitze wechselt ständig

Kein KI-Anbieter hält seinen Vorsprung lange, und das hat direkte Folgen für Beschaffung und Architektur. Laut Mollicks Auswertung war GPT-4 von Anfang 2023 bis Anfang 2024 das einzige klar führende Modell. Seitdem haben rund 20 Modelle von Anthropic, Google und OpenAI jeweils zeitweise die Spitze übernommen. Gleichzeitig zählt Mollick inzwischen rund 180 Modelle, die besser sind als GPT-4 zum Zeitpunkt seiner Veröffentlichung, viele davon mit offenen Gewichten und 19 davon so kompakt, dass sie auf einem aktuellen Smartphone laufen.

Für Unternehmen bedeutet das: Wer sich heute vertraglich und technisch fest an ein einzelnes Modell bindet, verzichtet morgen möglicherweise auf deutlich bessere oder günstigere Alternativen. Gleichzeitig eröffnen leistungsfähige kompakte Modelle neue Optionen für den Betrieb auf eigener Infrastruktur, etwa wenn sensible Daten das Haus nicht verlassen sollen.

Die Kosten fallen dramatisch

Die Kosten für eine korrekte KI-Antwort sind in kurzer Zeit um Größenordnungen gesunken. Mollick zeigt dies am Beispiel eines Tests mit Fragen auf Hochschulniveau, die sich nicht einfach per Suchmaschine beantworten lassen: Die Kosten pro richtiger Antwort fielen nach seiner Auswertung von 0,30 US-Dollar auf 0,0004 US-Dollar.

Damit verschiebt sich die Wirtschaftlichkeitsrechnung vieler Anwendungsfälle. Projekte, die vor zwei Jahren an den Betriebskosten scheiterten, können heute rentabel sein. Ein Großhändler, der einst die automatische Klassifizierung aller eingehenden Dokumente als zu teuer verworfen hat, sollte die Rechnung neu aufmachen. Umgekehrt gilt: Ein Business Case, der nur mit heutigen Preisen knapp funktioniert, wird wahrscheinlich besser, nicht schlechter.

Die Fähigkeiten sind ungleich verteilt

KI ist in manchen Disziplinen übermenschlich gut und in anderen weiterhin schwach. Mollick spricht von einer „gezackten“ Leistungsgrenze: Mathematik hat sich in seinem Betrachtungszeitraum von schwach zu übermenschlich entwickelt, während lange, anspruchsvolle Texte weiterhin eine Schwachstelle sind. Seine Folgerung: Selbst kleine verbleibende Lücken erfordern viel menschliche Aufsicht.

Für die Praxis heißt das, dass pauschale Aussagen wie „KI kann das“ oder „KI kann das nicht“ wenig taugen. Entscheidend ist die Prüfung am konkreten Prozess, mit Ihren eigenen Daten und Ihren eigenen Qualitätsmaßstäben.

Vom Assistenten zum Auftraggeber von Agenten

Die Zusammenarbeit mit KI verändert sich von der gemeinsamen Arbeit am Text hin zur Vergabe ganzer Aufgaben an Agenten. Mollick unterscheidet drei Arbeitsweisen. Beim Zentauren-Modell teilen sich Mensch und KI die Arbeit klar auf. Beim Cyborg-Modell verschmelzen beide Beiträge eng miteinander. Neu ist eine dritte Form, die er „Conjurer“ nennt, sinngemäß den Beschwörer: Der Mensch ruft Agenten auf, vergibt Arbeitspakete und bewertet die Ergebnisse.

Diese Arbeitsweise ist laut Mollick die leistungsfähigste, birgt aber ein neues Risiko: Man verliert den Einblick, wie die KI zu ihren Ergebnissen gekommen ist. Für mittelständische Unternehmen ist das eine zentrale Governance-Frage. Wer Agenten Angebote kalkulieren, Lieferantendaten pflegen oder Kundenanfragen beantworten lässt, braucht klare Regeln, wann ein Ergebnis geprüft wird, wer dafür verantwortlich ist und wie Fehler nachvollzogen werden können.

Was Menschen weiterhin voraushaben

Menschliche Stärken bleiben wertvoll, verschieben sich aber. Mollick nennt in seinem neuen Buch „Co-Existence“ vier Bereiche, in denen Menschen einen Vorsprung behalten: tiefes Fachwissen, breites Wissen, Urteilsvermögen im Sinne von Geschmack und Qualitätsgefühl sowie Handlungsinitiative. Genau diese Fähigkeiten braucht es, um Agenten sinnvoll zu beauftragen und ihre Ergebnisse zu bewerten. Für die Personalentwicklung im Mittelstand ist das ein wichtiger Hinweis: Fachliche Tiefe wird nicht weniger wichtig, sondern zur Voraussetzung, um KI wirksam zu steuern.

Typische Stolperfallen

Die größten strategischen Fehler entstehen, wenn Unternehmen einen sich schnell verändernden Markt wie einen stabilen behandeln. Häufig sehen wir:

• —Langfristige Festlegung auf ein Modell: Mehrjährige Verträge oder Architekturen, die nur mit einem Anbieter funktionieren.
• —Einmalige Bewertung: Ein Anwendungsfall wird einmal geprüft, verworfen und nie wieder betrachtet, obwohl sich Kosten und Fähigkeiten stark verändert haben.
• —Blindes Vertrauen in Agenten: Ergebnisse werden übernommen, ohne dass jemand die Verantwortung für die Prüfung trägt.
• —Weiterbildung als Einmalaktion: Eine Schulung pro Jahr reicht nicht, wenn sich die Werkzeuge alle paar Monate ändern.

Checkliste: So machen Sie Ihre KI-Strategie wandlungsfähig

1. 01Modellunabhängig planen: Gestalten Sie Anwendungen so, dass sich das zugrunde liegende Modell mit vertretbarem Aufwand austauschen lässt.
2. 02Halbjährlich neu bewerten: Prüfen Sie zurückgestellte Anwendungsfälle regelmäßig neu, insbesondere solche, die an den Kosten gescheitert sind.
3. 03Eigene Testfälle aufbauen: Sammeln Sie typische Aufgaben aus Ihrem Betrieb, mit denen Sie neue Modelle schnell und vergleichbar prüfen können.
4. 04Prüfpflichten festlegen: Definieren Sie für jeden Agenten, welche Ergebnisse vor der Verwendung von einem Menschen freigegeben werden müssen.
5. 05Lernen verstetigen: Planen Sie kontinuierliche Weiterbildung statt einmaliger Schulungen, mit Fokus auf das Beauftragen und Bewerten von KI-Ergebnissen.

Wenn Sie Ihre Anwendungsfälle strukturiert bewerten und eine Roadmap mit klaren Prioritäten erarbeiten möchten, unterstützt Sie die KI-Beratung von AI Infusion. Zur KI-Beratung →

Für Geschäftsführer, die selbst den Überblick behalten wollen, welche Modelle und Werkzeuge relevant sind und welche sie ignorieren können, bietet sich unser KI-Mentoring an. Zum KI-Mentoring →