Stellen Sie sich vor, Sie stehen in einer riesigen, hochmodernen Bibliothek, in der die Bücher nicht mehr von Menschen geschrieben werden, sondern von superintelligenten Robotern. In den letzten Jahren war das größte Rennen der Welt in der Technologiebranche die Suche nach dem Roboter mit dem größten Gehirn. Unternehmen haben Milliarden von Dollar ausgegeben, um den „klügsten“ Roboter zu kaufen, in dem Glauben, dass sie gewinnen würden, wenn sie nur den leistungsstärksten besäßen. Dies ist die Welt der Künstlichen Intelligenz (KI), in der es früher rein um rohe Intelligenz ging. Aber hier kommt die Wendung: Die Roboter werden so gut, dass der Unterschied zwischen dem „klügsten“ und dem „fünftklügsten“ mittlerweile so gering ist, dass er kaum noch eine Rolle spielt. Es ist wie bei zwei superschnellen Rennwagen; wenn einer nur einen Bruchteil einer Sekunde schneller ist, spielt es keine Rolle, ob man das schnellste Auto hat, wenn der Fahrer nicht weiß, wie man fährt, oder wenn die Straße voller Schlaglöcher ist. Dieses Paper stellt eine einfache, aber gewaltige Frage: Wenn die Roboter jetzt alle im Grunde gleich sind, warum scheitern so viele Unternehmen daran, sie tatsächlich für nützliche Arbeit einzusetzen?

Der Autor dieses Papers, Fabricio F. Costa, argumentt, dass das Problem gar nicht das Gehirn des Roboters ist. Stattdessen ist das Problem die „Deployment Wall“ (die Implementierungswand). Stellen Sie es sich so vor: Sie kaufen einen brillanten, hochtechnologischen Roboter-Assistenten. Aber um ihn in Ihrem Büro zum Arbeiten zu bringen, müssen Sie sechs verschiedene „Nähte“ oder Grenzen überqueren. Dies sind wie die Lücken zwischen verschiedenen Räumen in einer Burg. Sie müssen den Roboter mit Ihren unordentlichen Aktenschränken verbinden (Daten), sicherstellen, dass er nur mit den Personen spricht, die er sprechen darf (Identität), verhindern, dass er etwas Gefährliches sagt (Sicherheit), Ihre Mitarbeiter lehren, wie sie ihn nutzen, ohne Angst zu bekommen (Change Management), und sicherstellen, dass der Betrieb nicht mehr kostet, als er einspart (Kosten). Das Paper legt nahe, dass die meisten Unternehmen so besessen davon sind, den „klügsten“ Roboter zu kaufen, dass sie vergessen, die Brücken über diese Lücken zu bauen. Infolgedessen sitzt der Roboter in der Ecke – brillant, aber nutzlos – während das Unternehmen Geld verliert.

Das große Roboterrennen, das nicht mehr zählt

Lange Zeit war die Geschichte der Enterprise AI (der Einsatz von Robotern in großen Unternehmen) ein Wettlauf um Intelligenz. Unternehmen schauten auf Bestenlisten, zählten, wie viele „Parameter“ (die Gehirnzellen des Roboters) ein Modell hatte, und fragten: „Haben wir den Klügsten?“ Aber das Paper argumentt, dass dieser Wettlauf effektiv vorbei ist. Die Top-Roboter sind mittlerweile so ähnlich, dass die Lücke zwischen ihnen nur noch ein winziger Bruchteil eines Punktes beträgt. Intelligenz wird zu einem Handelsgut, wie Strom oder Wasser; man kann sie kaufen, aber sie verschafft einem keinen besonderen Vorteil mehr, weil jeder sie haben kann.

Trotzdem haben Unternehmen ihre Ausgaben für diese Roboter in nur einem Jahr verdreifacht und erreichen etwa 37 Milliarden US-Dollar. Dennoch zeigt unabhängige Forschung, dass etwa 95 % dieser Roboterprojekte am Ende keinen messbaren Gewinn abwerfen. Es sind Pilotprojekte, die nirgendwohin führen. Die übliche Entschuldigung lautet: „Die Roboter sind einfach noch nicht klug genug; wir müssen auf die nächste, intelligentere Version warten.“ Der Autor sagt, das sei die falsche Diagnose. Es ist, als würde man ein kaputtes Auto dem Motor zuschreiben, während das eigentliche Problem darin besteht, dass der Fahrer vergessen hat, Benzin einzufüllen. Die Roboter sind fähig genug; das Problem ist, dass die Unternehmen sie nicht aus der Garage auf die Straße bekommen.

Die Deployment Wall: Ein Hindernislauf in sechs Stufen

Das Paper führt das Konzept der Deployment Wall ein. Stellen Sie sich eine riesige Wand aus sechs Schichten von Ziegeln vor. Um Ihren Roboter von einer „coolen Idee“ dazu zu bringen, tatsächlich Geld für das Unternehmen zu verdienen, muss er jede einzelne dieser Ziegelschichten überwinden. Wenn er an irgendeinem Punkt abrutscht, stirbt das gesamte Projekt.

1. Modellauswahl: Sie wählen einen Roboter aus. Das ist der einfache und sichtbarste Teil.
2. Integration: Sie versuchen, den Roboter an Ihre alten, unordentlichen Computersysteme und Daten anzuschließen. Hier zeigen sich die ersten Risse.
3. Governance (Regelung/Verwaltung): Sie müssen Regeln festlegen, damit der Roboter sicher und prüfbar ist und jemand für das verantwortlich ist, was er sagt.
4. Workflow-Redesign (Arbeitsablaufgestaltung): Sie müssen ändern, wie Ihre Mitarbeiter ihre Aufgaben erledigen, um den Roboter tatsächlich zu nutzen, anstatt ihn nur neben sich sitzen zu lassen.
5. Enterprise Adoption (Unternehmensweite Akzeptanz): Sie müssen dafür sorgen, dass alle dem Roboter vertrauen und ihn benutzen.
6. Realisierter Geschäftswert: Schließlich spart der Roboter tatsächlich Geld oder verdient Geld.

Das Beängstigende ist, dass die meisten Projekte an den mittleren Ziegeln stecken bleiben (Integration, Governance und Workflow). Das Paper legt nahe, dass, wenn man bei jedem Schritt eine Chance von 50 % auf Scheitern hat, am Ende fast kein Projekt überlebt. Dies erklärt die 90-prozentige Ausfallrate, ohne die Intelligenz des Roboters verantwortlich machen zu müssen.

Die sechs Nähte: Wo die Lecks entstehen

Der Autor nennt die Lücken zwischen diesen Schritten „Nähte“ (Seams). Stellen Sie sich eine Naht wie den Spalt zwischen zwei Stoffstücken vor. Wenn Sie eine Jacke nähen, aber die Nähte offen lassen, weht der Wind hindurch. In der Welt der KI gibt es sechs spezifische Nähte, an denen der Wert verloren geht:

• Die Datennat: Der Roboter benötigt saubere, organisierte Daten, um zu funktionieren. Aber die meisten Unternehmen haben Daten überall verstreut, wie eine Bibliothek, in der Bücher auf dem Boden liegen. Dies zu korrigieren, erfordert einen enormen Aufwand.
• Die Identitäts- und Zugangsnaht: Der Roboter muss wissen, wer ihm Fragen stellt. Wenn ein Roboter Fremden Zugriff auf Ihre privaten Dateien gewährt, weil er nicht weiß, wer Sie sind, ist das eine Katastrophe. Viele Unternehmen haben ihre Roboter noch nicht mit ihren Sicherheitssystemen verbunden.
• Die Sicherheits- und Compliance-Naht: Der Roboter muss strengen Regeln folgen, damit er keine Geheimnisse verrät oder gegen Gesetze verstößt. Wenn Sie einen Roboter starten, der nicht sicher ist, können Sie in große Schwierigkeiten geraten.
• Die Governance-Naht: Sie benötigen ein System, das den Roboter überwacht, seine Fehler protokolliert und einen Menschen bereitstellt, der einschreiten kann. Ohne dies wird kein Chef den Roboter arbeiten lassen.
• Die Change-Management-Naht: Dies ist der am meisten ignorierte Punkt. Sie müssen Menschen lehren, wie sie mit dem Roboter zusammenarbeiten und ihre täglichen Gewohnheiten ändern. Wenn Sie das nicht tun, werden die Menschen ihn einfach ignorieren.
• Die Kostennat: Selbst wenn der Roboter funktioniert, ist er zu teuer im Betrieb? Die Kosten für den laufenden Betrieb fressen oft alle Gewinne auf.

Der Seam Index: Eine neue Art, Roboter einzukaufen

Um Unternehmen bei besseren Entscheidungen zu helfen, hat der Autor ein Werkzeug namens Seam Index entwickelt. Anstatt zu fragen: „Welcher Roboter ist der klügste?“ (was nicht mehr wichtig ist), fragen sie: „Welche Roboterplattform hilft mir, die meisten Nähte zu überqueren?“

Sie bewerten Plattformen von 0 bis 12.

• Score 0: Sie müssen die Brücke selbst bauen (sehr schwer, sehr teuer).
• Score 1: Die Plattform hilft ein wenig, aber Sie haben trotzdem noch Arbeit vor sich.
• Score 2: Die Plattform hat die Brücke bereits für Sie gebaut (Sie gehen einfach hindurch).

Das Paper gibt ein interessantes Beispiel: Stellen Sie sich zwei Roboter vor. Roboter A ist der zweitklügste Roboter der Welt, kommt aber mit allen bereits gebauten Brücken (er verbindet sich automatisch mit Ihrer Sicherheit, Ihren Daten und Ihren Regeln). Er erhält einen Score von 10. Roboter B ist der absolut klügste Roboter, kommt aber ohne jegliche Brücken; Sie müssen alles von Grund auf neu bauen. Er erhält einen Score von 2. Das Paper argumentt, dass Roboter A Erfolg haben wird und Roboter B scheitern wird, obwohl B „klüger“ ist. Der klügste Roboter ist nutzlos, wenn er auf der falschen Seite der Wand feststeckt.

Der „Burggraben“ hat sich verschoben

Im Business ist ein „Moat“ (Burggraben) ein tiefer Graben um eine Burg, der Feinde fernhält. Lange Zeit war der Burggraben das „klügste Modell“. Aber nun hat sich der Burggraben verschoben. Der wahre Vorteil gehört den Unternehmen, die die Nähte besitzen.

Das Paper weist darauf hin, dass die großen Tech-Unternehmen (wie Microsoft, Amazon und Google) dies ebenfalls erkennen. Sie verkaufen nicht nur Roboter; sie stellen Armeen von Beratern ein, um Unternehmen dabei zu helfen, diese Nähte zu überqueren. Sie wissen, dass das wahre Geld nicht im Gehirn des Roboters liegt, sondern in der Fähigkeit, den Roboter innerhalb eines chaotischen, realen Unternehmens zum Laufen zu bringen. Der „Burggraben“ ist nun die Fähste, Reibung zu eliminieren. Wenn ein Unternehmen Ihnen helfen kann, die Daten-, Sicherheits- und Identitätsnähte leicht zu überqueren, gewinnt dieses Unternehmen, unabhängig davon, welchen Roboter es verwendet.

Was dies für die Zukunft bedeutet

Das Paper legt nahe, dass Unternehmen, die weiterhin auf einen „klügeren“ Roboter warten, ihre Zeit verschwenden. Die eigentliche Arbeit liegt in den „langweiligen“ Dingen: Daten bereinigen, Sicherheit einrichten und Menschen schulen. Der Autor nennt die Kosten für das Ignorieren dieser Nähte Deployment Debt (Implementierungsschulden). Genau wie finanzielle Schulden: Wenn Sie sie jetzt nicht begleichen, wachsen sie immer weiter an und erdrücken schließlich das Unternehmen.

Das Paper schließt mit einer klaren Botschaft für Führungskräfte: Hören Sie auf, auf das Gehirn des Roboters zu schauen. Fangen Sie an, auf die Brücken zu schauen. Messen Sie, wie viel Reibung eine Plattform entfernt. Gestalten Sie Ihre Arbeit so um, dass sie zum Roboter passt, anstatt den Roboter nur um Ihre alte Arbeit herumzubauen. Die Gewinner des nächsten Jahrzehnts werden nicht diejenigen sein, die auf ein klügeres Modell gewartet haben; es werden diejenigen sein, die herausgefunden haben, wie man den Roboter durch die Tür bekommt.

Der Autor ist vorsichtig darauf hinzuweisen, dass dies ein neues Framework ist, das auf Beobachtungen und der Synthese anderer Studien basiert, und kein endgültiges, bewiesenes Naturgesetz. Er schlägt sechs spezifische Ideen (Propositionen) vor, die andere Wissenschaftler testen können, um zu sehen, ob sie wahr sind. Zum Beispiel schlägt er vor, dass der „Seam Index“-Score einer Plattform den Erfolg besser vorhersagt als der Intelligenz-Score des Roboters. Aber für den Moment deutet die Evidenz stark auf eines hin: Der Engpass ist nicht die Intelligenz, sondern die Implementierung.