Wenn KI Ihr Unternehmen neu erfindet

Man stelle sich vor, das CRM-System meldet an einem Montagmorgen nicht nur, welche Kundinnen und Kunden in der vergangenen Woche abgewandert sind; es hat eigenständig bereits eine massgeschneiderte Rückgewinnungskampagne lanciert, Preisangebote individuell kalkuliert, Termine beim Aussendienstteam gesetzt und die Ergebnisse in Echtzeit in die Vertriebsplanung eingespeist. Kein Mensch hat das ausgelöst. Kein Mensch hat es genehmigt. Und trotzdem handelt das System regelkonform, nachvollziehbar und im Interesse des Unternehmens. Das ist Autonomous Business – nicht Zukunftsmusik, sondern eine Realität, die sich heute in führenden Unternehmen weltweit entfaltet.

Gartner definiert Autonomous Business als eine Strategie, die «selbstverbessernde, anpassungsfähige Technologien einsetzt, um Entscheidungen zu treffen, Massnahmen durchzuführen und neue Formen von Wert zu schaffen». Bohnsatck & de Wet (2025) sprechen von «Autonomy by Design», Gassmann & Wincent von «Agentic Enterprise». Auch gängig sind Begriffe wie Autonomous Enterprise oder AI-first Enterprise. Entscheidend ist: Es geht nicht um eine einzelne Technologie. Der zentrale Parameter ist der Grad der Autonomie und damit die Frage, ob und wie stark Menschen noch direkt in operative Entscheidungen eingebunden sind.

Autonomous Business baut auf dem auf, was die Digitalisierung ermöglicht hat. Während Digital Business primär digitale Kanäle, Daten und Prozesse aufgebaut hat, nutzt Autonomous Business diese Infrastruktur, um Entscheidungslogik und Wertschöpfung zunehmend an KI-Systeme zu delegieren. Der Schritt von Digital zu Autonomous ist ein Paradigmenwechsel. Steht heute der Mensch im Zentrum, der den Computer als Hilfsmittel einsetzt, so wird Schritt für Schritt der Computer ins Zentrum gestellt, der Mensch beobachtet und greift im Notfall ein.

Der Vorteil der künstlichen Intelligenz ist neben der Lernfähigkeit auch die Möglichkeit, komplexe Zusammenhänge zu modellieren. Viele Prozesse sind noch nicht vollständig automatisiert, weil es zu viele Ausnahmen und Varianten gibt. Es wäre viel zu teuer, diese Prozesse mit regelbasierter Software zu automatisieren. Mit einer Kombination aus regelbasierter Software, generativer künstlicher Intelligenz und Machine Learning gelingt dies viel einfacher und kostengünstiger und wird damit in der Praxis erst möglich.

Autonomous Business umfasst nach Gartner fünf sich gegenseitig verstärkende Dimensionen (vgl. Abbildung 1). Organisationen entwickeln sich schrittweise von punktuellen, isolierten Automatisierungen hin zu integrierten, selbstoptimierenden Betriebsmodellen. Die Reife einer Organisation auf dieser Reise hängt von Faktoren wie Datenqualität, KI-Einsatz-Fähigkeiten, Governance-Strukturen und einem angepassten Operating Model ab.

Warum ist das jetzt wichtig?

2,5Das disruptive Potenzial von Autonomous Business ist keine abstrakte Zukunftsvision. Es verdichtet sich gerade in konkreten Zahlen und Marktbewegungen. Laut dem Gartner CEO & Senior Business Executive Survey 2025 geben 71 % der CEOs an, ihr Operating Model sei nicht für eine KI-getriebene Welt ausgelegt. Gleichzeitig arbeitet bereits heute mehr als die Hälfte aller Organisationen (51 %) an einer Strategie, um mit Machine Customers und KI-Agenten zu interagieren – bis 2030 sollen laut Gartner 18 Billionen Dollar der globalen Kaufkraft durch Machine Customers beeinflusst oder direkt ausgelöst werden. Das sind 2,5 % der weltweiten Wertschöpfung und etwa gleich viel wie das Brutto-Inlandprodukt von China.

In der Schweiz spiegelt sich dieser Trend wider: Bereits 34 % der Schweizer KMU nutzen aktiv KI, 52 % automatisieren ganze Geschäftsprozesse (AXA KMU-Studie 2025 / Microsoft Work Trend Index 2025). Der nächste Schritt – von Copilot-Systemen zu echten Agenten – ist im Gange. Der Gartner Hype Cycle for Artificial Intelligence 2025 zeigt: KI-Agenten befinden sich auf dem Peak of Inflated Expectations. Das bedeutet, dass die Technologie reif genug ist, um Erwartungen zu wecken, aber noch nicht reif genug, um sie flächendeckend zu erfüllen. Unternehmen, die jetzt die Grundlagen legen, werden in 2–5 Jahren einen strukturellen Vorteil haben.

Das Risiko des Abwartens ist real: Wettbewerber, die heute in Autonomous Business investieren, bauen operative und strategische Vorteile auf, die sich nur schwer aufholen lassen. Gleichzeitig warnt Gartner: Bis 2028 werden 40 % aller agentischen KI-Projekte ohne klare Strategie eingestellt – zu teuer, zu unklar, zu schlecht gemanagt. Der «Hype-Korridor» ist also eng.

Drei Strategien im Umgang mit  KI

Prof. Venkat Venkatraman (Boston University) schlägt einen einfachen, aber analytisch präzisen Rahmen für die strategische Haltung vor: drei Gleichungen, die beschreiben, wie Mensch (H) und Maschine (M) zusammenwirken. Dieser Rahmen hilft Verwaltungsräten und Geschäftsleitungen, ihren heutigen Status zu diagnostizieren und ein klares Zielbild zu entwickeln (vgl. Abbildung 2).

Der Übergang von H+M über H×M zu H^AI ist nicht linear. Er beinhaltet einen kulturellen Paradigmenwechsel: weg von totaler Kontrolle jedes Einzelschritts, hin zu dem, was das Corporate-Resilience-Papier «Trust with Verification» nennt – Vertrauen in autonome Systeme, das durch systematisches Monitoring, Governance und klare Eskalationsmechanismen abgesichert ist. Die entscheidende strategische Frage lautet nicht: «Sollen wir KI einsetzen?» Sondern: «Welche Haltung wollen wir einnehmen – und welche Teile unserer Wertschöpfung sind wir bereit, an autonome Systeme zu delegieren?»

Drei Gleichungen – drei Modelle

H + M: Automation – Effizienz als Ziel
Ein mittelgrosser Schweizer Maschinenbau-Betrieb integriert KI in die Produktionsplanung: Das System berücksichtigt Kundenaufträge, Maschinenkapazitäten, Lieferantenzuverlässigkeit und Energiepreise – autonom, rund um die Uhr. Ergebnis: 25 % höhere Produktivität, 15 % tiefere Energiekosten. Kein Mensch trifft mehr jede einzelne Planungsentscheidung, aber Menschen setzen die Zielparameter und greifen bei Ausnahmen ein. Dieses Muster – KI als Rationalisierungshebel – ist heute das häufigste. Es ist wertvoll, aber es verändert die Geschäftslogik nicht fundamental. Wer auf dieser Stufe stehen bleibt, holt operative Gewinne, öffnet aber keine neuen Marktchancen.

H × M: Augmentation – Wissensarbeit neu denken
Das Diagnostikunternehmen Unilabs (Fallstudie INSEAD, 2021) baute eine Data-Intelligence-Plattform auf, die Laborergebnisse von 3,7 Millionen Patientinnen und Patienten jährlich analysiert. Ärztinnen und Ärzte erhalten in Echtzeit Hinweise auf regionale Ausreisser in Cholesterinwerten oder Infektionsmustern – Erkenntnisse, die manuell schlicht nicht gewinnbar wären. Während der Covid-19-Pandemie ermöglichte dieselbe Plattform in unter fünf Tagen drei einsatzfähige Produkte zur Pandemiesteuerung. Das Geschäftsmodell blieb dasselbe – die Qualität und Geschwindigkeit der Leistungserbringung vervielfachten sich. Augmentation ist die Gleichung, in der heute der grösste ungenutzte Wert liegt – besonders in Branchen mit hohem Anteil an Wissensarbeit: Recht, Medizin, Finanzberatung, Ingenieurwesen, öffentliche Verwaltung.

H × AI: Agentik – neue Geschäftslogiken
Das israelische Startup getswan.ai hat sein Geschäftsmodell explizit auf agentischer KI gebaut: Drei Gründer streben 30 Millionen Dollar Jahresumsatz an – ohne zusätzliche menschliche Mitarbeitende einzustellen. KI-Agenten übernehmen Vertrieb, Onboarding, Kundenkommunikation und Operations. Das ist «Autonomy by Design» (Bohnsack & de Wet, 2025). Für etablierte Unternehmen ist das unmittelbar anwendbar: Agentische Finanzsysteme verlagern die Finanzabteilung von reaktiver Kontrolle zu proaktiver, vorausschauender Steuerung (Gartner, 2025). Allianz setzt KI-Agenten in der Schadenbearbeitung ein. Siemens meldet durch KI-gestützte Predictive Maintenance eine Reduktion ungeplanter Stillstandzeiten um 30 %. DHL reduzierte mit agentischer KI in der Logistik die operativen Kosten um 15 %. Das gemeinsame Muster: In allen Fällen definieren Menschen Ziele, Prioritäten und ethische Leitplanken und KI-Agenten maximieren deren Wirkung über Komplexitäts- und Skalenniveaus, die menschliches Handeln allein nicht erreichen kann.

Was Sie als Manager jetzt tun sollten

Ihren Reifegrad bestimmen
Der erste Schritt ist die ehrliche Selbsteinschätzung. Sieber & Partners hat ein fünfstufiges Maturity-­Modell entwickelt, das Organisationen hilft, ihren aktuellen Stand zu verorten (vgl. Abbildung 3). In unserer Beratungspraxis erleben wir häufig, dass ­Unternehmen ihren Reifegrad überschätzen – weil einzelne Pilotprojekte sichtbar sind, aber die Datenbasis, Governance und das Operating Model noch nicht auf Stufe 2 oder 3 etabliert sind.

Daten als Fundament verstehen
Autonomous Business setzt KI-taugliche Daten voraus. Datenqualität, Lineage, Labeling und Obser-vability sind keine IT-Themen – sie sind strategische Voraussetzungen. Wo Daten in Silos liegen, fragmentiert oder nicht auditierbar sind, lässt sich keine skalierbare KI-Governance aufbauen.

Governance von Anfang an mitdenken
Ein häufiger Fehler: Governance wird als Nacharbeit behandelt, nicht als integraler Bestandteil des Designs. Für agentische Systeme braucht es Orchestrierungsplattformen mit klar definierten Zielen und Constraints, Monitoring- und Eskalationsmechanismen, Anomalieerkennung und Audit-Trails. Es empfiehlt sich sogar die Einführung spezialisierter «AI Governors» – Funktionen, die ethische Prämissen in KI-Systemen erkennen, korrigieren und deren Umsetzung dauerhaft verifizieren.

Das Operating Model anpassen
KI verändert Rollen, Entscheidungswege und Verantwortlichkeiten. Ein Operating Model, das für die Welt vor der agentischen KI gestaltet wurde, wirkt in der Welt danach dysfunktional. Konkret bedeutet das: Es braucht Center-of-Excellence-Strukturen oder AI Offices für die Koordination und das AI Product Management als neue Kernfunktion mit klarer Accountability für Modelle und Daten. Zudem braucht es eine Kultur, die KI als Verstärker menschlicher Leistung begreift, nicht als Bedrohung.

Menschen und Resilienz nicht vergessen
Autonomous Business verändert auch, wie Menschen arbeiten und was ihnen Sinn gibt. KI kann und soll nicht rein instrumentell eingesetzt werden. Es wird sonst die HR- und Performance-Systeme, die Identität, psychische Gesundheit und Belastbarkeit von Mitarbeitenden unterminieren. Eine Führungskultur, die KI-Ambition mit sozialer Verantwortung verbindet, ist kein «nice to have» – sie ist Voraussetzung für langfristige organisationale Resilienz. Gleichzeitig entstehen neue Anforderungen an Führung, Weiterbildung und die Gestaltung von Arbeitsplätzen. Mitarbeitende müssen befähigt werden, mit intelligenten Systemen zusammenzuarbeiten und deren Ergebnisse kritisch einzuordnen. Unternehmen, die technologische Innovation mit Vertrauen, Transparenz und einer klaren menschlichen Perspektive verbinden, schaffen die Grundlage für nachhaltigen Erfolg in einer zunehmend autonomen Wirtschaft.

Jetzt richtig anfangen
Es ist nicht ratsam, auf die «perfekte» Lösung zu warten, und auch nicht mit Hype-Projekten ohne strategischen Anker zu starten. Unsere Empfehlung für mittelgrosse Unternehmen und Verwaltungen:

1. Reifegrad-Assessment durchführen: Wo stehen wir heute auf dem Autonomous-Business-Maturity-Modell?
2. Drei bis fünf strategische Use Cases identifizieren: Welche Prozesse haben das grösste Wertpotenzial und die nötige Datenreife?
3. Daten- und Governance-Fundament legen: Bevor Agenten operieren, müssen Daten, Leitplanken und Monitoring stehen.
4. Operating Model iterativ anpassen: Rollen, Verantwortlichkeiten und Entscheidungswege mitentwickeln.
5. Erfolg messen: Klare Value-Metriken definieren – Kostenreduktion, Effizienzgewinn, Time-to-Value, Return on Employee.

KI als Hebel für Produktivität und Resilienz
Die Essenz dessen, was im Moment als künstliche Intelligenz aufgefasst wird, ist die Fähigkeit, intellektuelle Handlungen teilweise oder ganz zu automatisieren, und zwar auf eine Weise, dass das eingesetzte System mithilft, sich ständig zu verbessern. Autonomous Business ist die nächste grosse Welle unternehmerischer Transformation nach der Digitalisierung. Sie ist nicht getrieben von einer einzelnen Technologie, sondern von der Frage, wie viel operative Autonomie Organisationen bereit und in der Lage sind, an adaptive, selbstverbessernde Systeme zu delegieren. Die Antwort ist für jedes Unternehmen individuell. Aber die Frage stellt sich heute für alle, ob Industrieunternehmen, Bank, Versicherung, Spital oder Verwaltung. Wer sie nicht aktiv beantwortet, wird von Wettbewerbern eingeholt, die es tun.

Die drei Gleichungen H+M, H+M und H+AI sind ein Diagnosetool. Manager:innen stellen sich die Frage: Welche Gleichung beschreibt heute das Unternehmen oder die Organisation? Und welche soll es in drei Jahren sein? Die Antwort darauf ist das zentrale Element einer KI-Strategie. Dabei geht es nicht nur um Technologie, sondern ebenso um Prozesse, Datenqualität, Governance und Unternehmenskultur. Unternehmen müssen entscheiden, in welchen Bereichen Menschen weiterhin die zentrale Rolle spielen und wo intelligente Systeme eigenständig handeln können. Wer diesen Wandel gezielt gestaltet, kann Produktivität, Innovationskraft und Reaktionsfähigkeit deutlich steigern. Gleichzeitig erhöht eine intelligente Automatisierung die Resilienz gegenüber Fachkräftemangel, Marktveränderungen und operativen Risiken.