In vielen Unternehmen läuft die KI-Nutzung seit zwei Jahren nach demselben Muster: Zugänge für alle, eine Mail an die Belegschaft, probieren Sie es aus. Diese Phase geht zu Ende. Nicht weil sie gescheitert wäre, sondern weil die Rechnung inzwischen hoch genug ist, dass jemand fragt, wofür das Geld eigentlich ausgegeben wird. Damit kommt eine Frage auf den Tisch, die vorher niemand stellen musste: Wer bekommt wie viel, und warum?
Bei den Firmen, die die KI-Modelle selbst bauen, ist diese Frage schon entschieden. Dort ist nicht mehr das Personal knapp, sondern die Rechenleistung — also die Computerkapazität, die jeder Versuch und jede Anfrage verbraucht und die Geld kostet. Diese Kapazität wird dort nicht mehr gleichmäßig verteilt, sondern gezielt an die wenigen Forscher gegeben, denen man die größten Ergebnisse zutraut. Ein paar Dutzend Leute, so die Beobachtung eines Investors aus diesem Umfeld, erzeugten den Großteil der Fortschritte. Manche dieser Firmen stellen deshalb kaum noch Forscher ein: Teuer ist nicht das Gehalt, teuer ist die Rechenleistung, die an jeder zusätzlichen Person hängt. Belegt ist das nicht, es ist keine Erhebung — und wer in solche Firmen investiert, erzählt die Geschichte von den wenigen Ausnahmekönnern ohnehin gern.
Der Befund dahinter stimmt trotzdem, und er gilt auch außerhalb dieser Firmen. Ein Budget mit der Gießkanne zu verteilen ist keine Steuerung. Wenn achthundert Leute einen Zugang haben und niemand weiß, was dabei herauskommt, ist die Nutzungsquote hoch und der Nutzen unbekannt. Daraus folgt weder, dass es mehr Zugänge braucht, noch dass es weniger sein sollten. Es folgt daraus nur, dass jemand hinsehen muss.
Der Schluss, der daraus gerade gezogen wird, ist allerdings der falsche. Wer das Budget an die vergibt, die bisher die sichtbarsten Ergebnisse geliefert haben, misst damit nicht deren Begabung, sondern deren Übung. Die Leute, die heute mit KI etwas Vorzeigbares produzieren, sind fast immer die, die früh einen Zugang hatten, nebenher ausprobieren konnten und in einem Umfeld arbeiteten, in dem Herumprobieren nicht als vergeudete Zeit galt. Nimmt man allen anderen den Zugang wieder weg, bestätigt sich die Annahme im nächsten Quartal von selbst. Die Kompetenzlücke, über die dann geklagt wird, hat man vorher selbst hergestellt.
Dazu kommt ein zweiter Fehler. Wer Budget an Personen vergibt, unterstellt, dass der Wert an der Person hängt. In den meisten Unternehmen hängt er an der Aufgabe. Dieselbe Buchhalterin bringt bei der monatlichen Abweichungsanalyse einen großen Unterschied und beim Beantworten von Mails fast keinen. Wer nach Personen budgetiert, kann diesen Unterschied gar nicht sehen. Wer nach Aufgaben budgetiert, sieht ihn sofort — und merkt dabei meistens auch, dass die lohnendste Aufgabe nicht die häufigste ist.
Praktisch heißt das: Suchen Sie zwei oder drei Aufgaben, die sich oft wiederholen und deren Ergebnis jemand nachprüfen kann. Halten Sie fest, was dort mit KI herauskommt und was ohne, und rechnen Sie beides gegeneinander. Das ist mühsamer als eine Nutzungsstatistik, aber es ist die einzige Zahl, mit der sich eine Zuteilung begründen lässt. Und wenn Sie jemandem Budget geben, geben Sie Übung dazu. Ein Zugang ohne Anleitung erzeugt drei Wochen Neugier und danach eine Karteileiche.
Die Zuteilungsfrage ist berechtigt, und sie kommt in jedem Unternehmen an, das mehr als ein paar tausend Euro im Jahr für KI ausgibt. Sie entscheidet sich aber nicht daran, wer bisher am schnellsten war. Sie entscheidet sich daran, welche Arbeit es wert ist, dass eine Maschine daran mitarbeitet, und ob genug Leute im Haus wissen, wie man sie dazu bringt.