Im Mai 2026 hat OpenAI etwas gemacht, das auf den ersten Blick wie ein Widerspruch zur eigenen Geschäftsidee aussieht: ein Beratungsunternehmen gegründet. Vier Milliarden Dollar Anschubkapital, 19 Investoren, darunter Bain Capital, TPG, Goldman Sachs --, dazu rund 150 sogenannte Forward Deployed Engineers, die durch die Übernahme des britischen Beratungshauses Tomoro sofort an Bord kommen. Wenige Tage später folgte Anthropic mit einer eigenen 1,5-Milliarden-Beratungseinheit gemeinsam mit Blackstone und Hellman & Friedman. Und PwC zertifiziert zeitgleich 30.000 seiner Mitarbeitenden auf Claude.

Wer diese drei Nachrichten nebeneinanderlegt, sieht ein Muster. Die Hersteller der mächtigsten KI-Modelle der Welt geben gerade öffentlich zu, dass ihre Produkte allein nicht reichen. Sie bauen Beratungsorganisationen auf, in Milliardenhöhe.

Eine Branche bestätigt, was sie lange bestritten hat

Eigentlich passt dieses Vorgehen nicht zum Selbstbild der Branche. Ein Tech-Unternehmen baut Modelle, lizenziert sie und skaliert über Software-Margen. Beratung ist klassischerweise das Gegenmodell: aufwändig, menschenintensiv, schlecht skalierbar. Wenn OpenAI sich trotzdem mit vier Milliarden Dollar in dieses Geschäft kauft, dann nur aus einem Grund: Die Modelle liefern in der Realität nicht den Wert, den sie auf dem Papier versprechen.

Eine Studie der NANDA-Initiative am MIT hat dazu die unbequeme Zahl geliefert: 95 Prozent aller Unternehmens-KI-Piloten erzeugen keinen messbaren Geschäftswert, trotz weltweit 30 bis 40 Milliarden Dollar an Investitionen. McKinsey kommt zu einem ähnlichen Befund: über 80 Prozent der Organisationen berichten keinen EBIT-Effekt aus ihrer KI-Nutzung. Die Bitkom-Studie 2026 zeigt fürs Inland: Ein Drittel der Unternehmen mit KI-Einsatz findet die Technologie teurer als erwartet, fast jedes fünfte hat infolge dieser Enttäuschung bereits Stellen abgebaut.

Diese Zahlen werden gerne als Beleg dafür benutzt, dass KI überschätzt sei. Das ist die falsche Schlussfolgerung. Sie zeigen etwas anderes: Die Technologie funktioniert. Was nicht funktioniert, ist die Übersetzung in die Organisation.

Was ein Forward Deployed Engineer eigentlich macht

Den Begriff hat Palantir Anfang der 2010er Jahre geprägt. Damals arbeiteten Palantirs Kunden, Geheimdienste und Verteidigungsbehörden, in Umgebungen, in denen klassische Software-Lieferung nicht funktionierte. Anforderungen waren geheim, Systeme hochspezifisch, Anwender nicht in offenen Workshops erreichbar. Palantir reagierte mit einem neuen Rollenbild: Ingenieure, die nicht im eigenen Büro Software bauen, sondern beim Kunden vor Ort eingebettet arbeiten. Die das Problem auf Schritt eins selbst aufnehmen, und für das Ergebnis bis zum letzten Produktionsfehler verantwortlich bleiben.

Aus dieser Notlösung wurde ein Geschäftsmodell. Heute kopieren OpenAI, Anthropic, Google und nahezu jedes ernstzunehmende KI-Unternehmen das Muster. Eine Marktauswertung von Pragmatic Engineer zeigt: Stellenausschreibungen für Forward Deployed Engineers sind 2025 um über 800 Prozent gestiegen. Es ist die am stärksten nachgefragte Rolle im KI-Stellenmarkt.

"Wenn der Hersteller der mächtigsten KI der Welt feststellt, dass er Berater einstellen muss, damit sein Produkt wirkt, dann sollte das jeden aufhorchen lassen, der gerade Lizenzen einkauft.", Thorsten Vellmerk

Was OpenAI mit Milliarden hochzieht, machen wir in der Beratung seit Jahren

Unsere Mandate sind selten Quartal-Projekte. Wir begleiten Unternehmen über Jahre. Wir kennen ihre Prozesse, ihre Datenlandschaft, ihre Stärken und ihre blinden Flecken. Wenn wir gemeinsam ein KI-Vorhaben angehen, geschieht das nicht aus dem Stand, sondern auf Basis einer Beziehung, die über Monate oder Jahre gewachsen ist. Wir bauen mit den Kunden Stück für Stück um: ein Prozess, dann der nächste, dann die Architektur, dann die Befähigung. Was dabei in jedem Schritt sichtbar wird, fließt in den nächsten ein.

Genau diese Kontinuität ist der entscheidende Hebel. Eine KI-Initiative ist nicht ein Projekt mit Anfang und Ende. Sie ist eine Sequenz: Bestandsaufnahme, erster Hebel, Erfahrung, zweiter Hebel, Skalierung, dritter Hebel. Wer das in ein quartalsgenaues Lieferantenmodell pressen will, wird scheitern. Wer es als Begleitung versteht, als geduldigen, kontinuierlichen Umbau --, hat eine Chance.

Im Klarna-Fall lässt sich das gut zeigen. Der schwedische Buy-now-pay-later-Anbieter hatte 2024 öffentlichkeitswirksam verkündet, dass KI die Arbeit von rund 700 Kundenservice-Mitarbeitenden ersetzt habe. Ein Jahr später musste der CEO einräumen, dass die Servicequalität abgesunken sei. Das Unternehmen hat menschliche Agenten zurückgeholt und arbeitet jetzt im Hybridmodell, KI für Routinefälle, Menschen für Eskalationen. Hätte Klarna die Transformation von Anfang an als Begleitprozess statt als Schlagzeile angelegt, wäre die Geschichte heute eine andere.

"Wir machen nicht Projekte mit Anfang und Ende. Wir begleiten Organisationen über Jahre. Und genau dadurch sehen wir die Dinge, die in einem zweimonatigen Pilotprojekt nicht sichtbar werden.", Thorsten Vellmerk

Vier Dinge, die in jedem KI-Vorhaben gleichzeitig stimmen müssen

Nach Jahren in dieser Begleitarbeit haben sich vier wiederkehrende Hebel herausgeschält. Sie sind kein Modell, sondern Beobachtung: die Dinge, die in jedem KI-Vorhaben gleichzeitig stimmen müssen, und die in den meisten Vorhaben nur einzeln ausgeprägt sind.

Prozesse zuerst, Tools danach. Der häufigste Fehler ist auch der intuitivste: Ein Werkzeug klingt spannend, also wird gefragt, wo es passen könnte. Das Ergebnis ist meistens eine Effizienzvariante des Vorzustands. Ein fehlerhafter Genehmigungsworkflow, der mit KI beschleunigt wird, bleibt ein fehlerhafter Genehmigungsworkflow, nur schneller. Die richtige Reihenfolge ist eine ehrliche Prozessanalyse, erst dann die Tool-Frage.

Mit Mut auf die grüne Wiese. Die wertschaffendsten KI-Workflows der letzten 18 Monate existierten vor zwei Jahren nicht. Sie sind keine Automatisierung von Altbestand, sie sind neue Möglichkeiten. Wer ausschließlich automatisiert, was schon da ist, lässt den größeren Teil des Potenzials liegen. Die Frage "Wie würden wir diesen Prozess heute bauen, wenn wir bei Null anfingen?" muss explizit gestellt werden, sonst wird sie implizit verneint. Das ist eine teurere Antwort, als die meisten Unternehmen wahrhaben wollen.

Architektur vor Lizenz. Zwischen einer Standard-Lizenz, einem konfigurierten Assistenten und einem orchestrierten Workflow liegen Faktor-10-Unterschiede in den Gesamtkosten und in der Time-to-Value. Die billigste Lizenz ist selten die günstigste Lösung, und die teuerste Architektur selten die wirksamste. Diese Entscheidung gehört nicht in den Einkauf. Sie gehört in einen Architekturschritt, der Geschäftsziel, Datenlage und organisatorische Reife gleichzeitig berücksichtigt.

Befähigen statt ausrollen. Mitarbeitende müssen befähigt werden, mit KI anders zu denken, nicht angewiesen werden, ein Werkzeug zu nutzen. Eine 60-Minuten-Pflichtschulung mag formale Anforderungen erfüllen, sie verändert keinen Arbeitsalltag. Wirksames Enablement bedeutet Use-Case-Workshops im eigenen Team, geschützte Experimentierräume und institutionalisierte Lernformate. Es ist Wochen- und Monatsarbeit, und die Investition, die nach unserer Beobachtung am stärksten unterschätzt wird.

Was das für Sie heißt

Wenn Ihr Unternehmen heute Lizenzen für KI-Werkzeuge einkauft, Microsoft 365 Copilot, Claude für Business, eine Branchen-KI --, ist das nichts Falsches. Aber es ist auch nichts Vollständiges. Die Lizenz allein erzeugt keinen Wert. Was Wert erzeugt, ist die Begleitarbeit dahinter: Welche Prozesse passen, welche müssen neu gedacht werden, welche Architektur trägt, wie wachsen Menschen in die neue Arbeitsweise hinein.

Diese Arbeit kann ein Unternehmen intern aufbauen. Das ist nicht falsch, aber laut MIT-Studie deutlich teurer und seltener erfolgreich als die Begleitung durch spezialisierte Partner. Sie kann durch eine große Strategieberatung geleistet werden, auch nicht falsch, aber selten passend, wenn das Budget unterhalb der dreistelligen Millionen liegt und die Organisation nicht zehn Vorhaben gleichzeitig stemmt. Oder sie kann durch einen Partner geleistet werden, der den Mittelstand und die öffentliche Verwaltung im DACH-Raum kennt, klein und unabhängig genug für echte Architektur-Entscheidungen ist und über Jahre begleitet, statt zu liefern und zu gehen.

Genau das ist die Art von Arbeit, die wir bei vellmerk.ai jeden Tag machen.

"KI in eine Organisation zu tragen ist keine Lieferung. Es ist eine Begleitung. Wer das verstanden hat, hat den ersten Hebel schon in der Hand.", Thorsten Vellmerk

Fazit

Die vier Milliarden Dollar, die OpenAI gerade in Beratung investiert, sind keine Branchen-Trivia. Sie sind die öffentliche Bestätigung dessen, was Berater seit Jahren in der Praxis erleben: Der Engpass ist nicht das Modell. Er ist die Übersetzung in die Organisation. Und diese Übersetzung ist ein Handwerk, kein Produkt.

Wenn Sie über Ihr nächstes KI-Vorhaben nachdenken, fragen Sie sich nicht nur, welches Tool Sie kaufen sollen. Fragen Sie sich, wer Sie auf dem Weg begleitet, über Monate und Jahre, nicht nur über das nächste Quartal. Sprechen Sie uns an, wir nehmen uns die Zeit, Ihre Ausgangslage zu verstehen, bevor wir über Lösungen reden.

Quellen & Weiterführendes

OpenAI Deployment Company (Mai 2026), openai.com/index/openai-launches-the-deployment-company. Primärquelle zur Gründung, Kapitalstruktur und Partnerliste.

Anthropic Enterprise Services Company (Mai 2026), anthropic.com/news/enterprise-ai-services-company. Ankündigung der parallelen 1,5-Milliarden-Initiative mit Blackstone, Goldman Sachs und Hellman & Friedman.

PwC und Anthropic (Mai 2026), pwc.com / Newsroom. 30.000 Claude-zertifizierte Mitarbeitende, gemeinsames Center of Excellence.

MIT NANDA. The GenAI Divide: State of AI in Business 2025, Zusammenfassung in Fortune. Quelle der 95-Prozent-Failure-Rate, basierend auf 150 Interviews, 350 Mitarbeitenden-Befragungen und 300 dokumentierten Implementierungen.

McKinsey, State of AI Trust 2026, mckinsey.com. EBIT-Effekte und Vertrauensentwicklung in der agentischen KI-Phase.

Bitkom, Künstliche Intelligenz in Deutschland, Studienbericht 2026, bitkom.org (PDF). Adoption, Hemmnisse und Wirtschaftlichkeitserfahrungen im deutschen Mittelstand auf Basis von 604 befragten Unternehmen.

Forward Deployed Engineering, Palantirs Ursprungsmodell sowie Pragmatic Engineer zur Marktdynamik 2025.

Klarna, CEO-Statement zur Hybridstrategie (Mai 2025), Entrepreneur Magazine. Hintergrund zur Rückkehr menschlicher Service-Agenten nach der reinen KI-Phase.