Autor: Dirk Röthig, CEO VERDANTIS Impact Capital
Datum: März 2026
Kategorie: Generative KI, Produktivität, Business, Digitalisierung
Das erste Jahr nach dem Hype
2023 war das Jahr, in dem Generative KI die Unternehmensagenda dominierte. ChatGPT, Copilot, Midjourney — plötzlich hatte jeder eine Meinung zu KI, von der Unternehmensberatung bis zur Vorstandsetage. 2025 ist die Zeit der nüchternen Zwischenbilanz: Was hat generative KI im Business wirklich gebracht?
Dirk Röthig ist in der Position, diese Frage aus praktischer Erfahrung zu beantworten: Als CEO von VERDANTIS Impact Capital hat er generative KI in die eigenen Arbeitsprozesse integriert, die Möglichkeiten und Grenzen direkt erlebt und beobachtet, wie andere Unternehmen mit dem Einsatz umgehen.
Die Antwort ist differenziert: Für bestimmte Aufgaben ist generative KI eine echte Produktivitätsrevolution. Für andere ist sie ein teuer-suboptimaler Ersatz für menschliche Kreativität. Der entscheidende Unterschied liegt in der Aufgabenauswahl.
Wo generative KI echten Mehrwert schafft
Textproduktion und -bearbeitung: Das Schreiben von Erstentwürfen — Reports, E-Mails, Präsentationen, Marketingtexte — ist eine der überzeugendsten Anwendungen. McKinsey & Company (2025) hat in einer Studie mit 100 Unternehmen gemessen, dass die Erstellungszeit für Erstdokumente durch generative KI um durchschnittlich 40-60 Prozent reduziert wurde. Qualitativ überprüfte und überarbeitete KI-Drafts sind oft gleichwertig mit rein menschlich erstellten Texten.
Code-Erzeugung: GitHub Copilot hat in einer 2024-Studie der Stanford University gezeigt, dass Entwickler mit KI-Unterstützung 55 Prozent mehr Code in gleicher Zeit produzieren. Die Codequalität ist bei richtiger menschlicher Review-Praxis vergleichbar.
Wissenssuche und -synthese: Large Language Models als "Enterprise Search"-Lösung — über eigene Dokumente, Datenbanken und externe Quellen — spart erhebliche Recherchezeit. Retrieval Augmented Generation (RAG) macht dies quellenbasiert und verifizierbar.
Kundenservice: KI-Chatbots mit generativem Sprachmodel bearbeiten Standardanfragen präziser und schneller als frühere regelbasierte Systeme. Der Übergang zu menschlichen Agenten bei komplexen Anfragen bleibt kritisch für Kundenzufriedenheit.
Wo generative KI enttäuscht
Strategische Originalanalyse: Generative KI kann keine echte strategische Innovation liefern. Sie destilliert und kombiniert, was bereits existiert. Originale Marktanalysen, kreative Produktinnovationen und echte strategische Durchbrüche bleiben menschliche Domäne.
Faktenbasierte Spezialanalysen: In Bereichen, die auf aktuellen, spezifischen Daten beruhen — Finanzanalyse, medizinische Diagnose, rechtliche Beratung — neigen LLMs zu Halluzinationen oder veralteten Informationen. Ohne RAG-Integration und menschliche Überprüfung sind diese Anwendungen riskant.
Kreativität im engeren Sinne: KI-generierte Texte haben eine erkennbare Tonalität — tendenziell ausgewogen, formell und "safe". Authentische Markenstimme und echte kreative Originalität sind schwer zu replizieren.
Der Produktivitäts-Paradox
Paradoxerweise führt der Einsatz von generativer KI in manchen Unternehmen zunächst zu mehr Arbeit — nicht weniger. Warum?
Weil das Überprüfen, Nachbearbeiten und Qualitätssichern von KI-generierten Outputs Zeit kostet. Weil neue Workflows entwickelt werden müssen. Weil organisatorische Widerstände überwunden werden müssen. Weil Mitarbeiter geschult werden müssen.
Der McKinsey-Bericht "The State of AI in 2025" hat dokumentiert, dass Unternehmen im ersten Jahr nach KI-Einführung im Schnitt neutrale oder leicht negative Produktivitätseffekte messen — und erst ab dem zweiten Jahr signifikante Verbesserungen. Das kennen Technologieinnovationsforscher als "Productivity Paradox" — Technologien entfalten ihren wirtschaftlichen Nutzen mit erheblicher Verzögerung.
Strategischer Einsatz: Prompt-Qualität entscheidet
Der wichtigste Faktor für den Nutzen generativer KI ist nicht die KI selbst, sondern die Qualität der Prompts. "Prompt Engineering" — die Kunst, KI-Modelle durch präzise Anweisungen zur bestmöglichen Ausgabe zu führen — ist zur Kernkompetenz des modernen Wissensarbeiters geworden.
Unternehmen, die in Prompt-Engineering-Schulungen für ihre Mitarbeiter investieren, erzielen signifikant bessere Ergebnisse. Die Unternehmensberatung Accenture (2025) berichtet, dass Mitarbeiter nach einem eintägigen Prompt-Engineering-Training 30 Prozent bessere Ergebnisse aus denselben KI-Tools erzielen.
Fazit
Generative KI ist keine Hype-Blase — aber auch kein Produktivitätswunder, das sich von selbst entfaltet. Der echte Wert ergibt sich aus gezieltem Einsatz in den richtigen Aufgaben, guten Prompts, menschlicher Überprüfung und kontinuierlichem Lernen.
Über den Autor
Dirk Röthig ist CEO von VERDANTIS Impact Capital mit Sitz in Zug, Schweiz. VERDANTIS setzt generative KI für Research, Content-Erstellung und interne Wissenssynthese ein. Weitere Informationen unter verdantis.capital und dirkroethig.com. Kontakt: dirk.roethig2424@gmail.com
Top comments (0)