Wenn Klarna-CEO Sebastian Siemiatkowski über künstliche Intelligenz spricht, klingt das nach einer abgeschlossenen Revolution. Innerhalb von drei Jahren schrumpfte die Belegschaft des schwedischen Zahlungsdienstleisters von 5.527 auf 2.907 Mitarbeiter — nicht durch Massenentlassungen, sondern durch konsequenten Einstellungsstopp und natürliche Fluktuation. Im selben Zeitraum verdoppelte sich der Quartalsumsatz von 433 auf 903 Millionen Dollar. Die verbliebenen Mitarbeiter erhielten 60 Prozent mehr Gehalt. KI übernimmt mittlerweile die Arbeit von 853 Vollzeitstellen, vor allem im Kundenservice und in der Inhaltsproduktion.
Klarna ist zum Posterchild einer Bewegung geworden, die Unternehmensberater „Workforce Transformation“ nennen. Doch die Geschichte hat einen Haken: Sie ist die Ausnahme, nicht die Regel.
Das Produktivitätsparadoxon
Die Zahlen scheinen sich zu widersprechen. Einerseits: 91 Prozent aller Unternehmen weltweit setzen 2026 in irgendeiner Form KI ein, ein Sprung von 55 Prozent in 2023. Andererseits: Als The Register im Februar 6.000 Führungskräfte befragte, sagten mehr als 90 Prozent der Manager, KI habe in den letzten drei Jahren weder die Produktivität gesteigert noch Arbeitsplätze verändert. Das Yale Budget Lab warnt davor, die Produktivitätsdaten vorschnell als KI-Boom zu interpretieren.
Stellen Sie sich das wie die Einführung des PCs in den 1980er-Jahren vor: Jeder Schreibtisch hatte plötzlich einen Computer, aber die große Produktivitätswelle kam erst ein Jahrzehnt später, als Unternehmen ihre Prozesse tatsächlich umgebaut hatten. Genau da stehen wir wieder.
Der tatsächliche, messbare Effizienzgewinn liegt bei durchschnittlich 5,4 Prozent der Arbeitszeit — das sind 2,2 Stunden pro Woche bei einer 40-Stunden-Stelle. Kein schlechter Wert, aber weit entfernt von der Disruption, die Investoren einpreisen. Forrester errechnete für Microsoft 365 Copilot einen ROI von 116 Prozent über drei Jahre bei einem 25.000-Mitarbeiter-Unternehmen. Gleichzeitig haben nur 3,3 Prozent aller Microsoft-365-Nutzer das kostenpflichtige Copilot-Add-on aktiviert, und 74 Prozent der Unternehmen können keinen messbaren KI-ROI nachweisen.
Die gezackte Grenze
Die Erklärung für diesen Widerspruch lieferte ein Forscherteam um Fabrizio Dell’Acqua an der Harvard Business School. In einer mittlerweile wegweisenden Studie mit 758 BCG-Beratern identifizierten sie die sogenannte „Jagged Technological Frontier“ — eine gezackte Grenze dessen, was KI kann und was nicht.
Das Bild einer gezackten Küstenlinie hilft: Bei manchen Aufgaben ragt KI weit ins Meer der menschlichen Fähigkeiten hinein — Textentwürfe, Datenanalyse, Recherche, Programmierung. Hier arbeiten KI-Nutzer 25 Prozent schneller bei 40 Prozent höherer Qualität. Besonders profitieren schwächere Mitarbeiter, deren Leistung sich um bis zu 34 Prozent steigert. KI wirkt hier als Equalizer.
Aber direkt daneben gibt es tiefe Buchten, in denen KI versagt: Aufgaben, die Urteilsvermögen, Kontextwissen und zwischenmenschliche Intuition erfordern. Das Problem: Die Grenze ist unsichtbar. Wer sie überschreitet und KI blind vertraut, produziert schlechtere Ergebnisse als ganz ohne KI. Harvard Business Review beschrieb diesen Effekt im März 2026 als „Brain Fry“ — die kognitive Überlastung, die entsteht, wenn Menschen ständig zwischen eigenem Denken und KI-Output navigieren müssen.
Die Einstiegslücke
Einer der beunruhigendsten Befunde kommt von der Federal Reserve Bank of Dallas. Ihre Studie vom Februar 2026 zeigt eine paradoxe Entwicklung in KI-exponierten Branchen: In der US-IT-Branche sank die Beschäftigung seit dem ChatGPT-Launch um fünf Prozent, während die Wochenlöhne um 16,7 Prozent stiegen — mehr als das Doppelte des nationalen Durchschnitts von 7,5 Prozent.
Die Erklärung: KI ersetzt vor allem die kodifizierbaren Tätigkeiten, die traditionell Berufseinsteiger übernehmen — Recherchen zusammenfassen, erste Entwürfe schreiben, Daten aufbereiten. Erfahrene Fachkräfte hingegen werden wertvoller, weil ihre implizite Expertise — Urteilsvermögen, Kundenbeziehungen, strategisches Denken — genau das ist, was KI nicht replizieren kann. Das Ergebnis: Junge Menschen werden nicht entlassen, sie werden gar nicht erst eingestellt. Für Unternehmen entsteht damit ein langfristiges Problem: Woher kommen die erfahrenen Fachkräfte von morgen, wenn niemand mehr die Juniorstellen durchläuft?
Die 10-20-70-Formel
Die Boston Consulting Group veröffentlichte im Frühjahr 2026 eine Analyse, die das Missverständnis hinter den meisten gescheiterten KI-Projekten auf den Punkt bringt: Nur zehn Prozent des Werts einer KI-Transformation kommen aus den Algorithmen selbst. Zwanzig Prozent entstehen durch Technologie-Integration. Die restlichen 70 Prozent — und hier scheitern die meisten — erfordern eine fundamentale Umgestaltung der Arbeit selbst: neue Rollen, neue Prozesse, neue Entscheidungswege.
Der Unterschied zwischen Gewinnern und Verlierern ist messbar: In „Trailblazer“-Unternehmen nutzen 88 Prozent der Führungskräfte KI aktiv und vorbildhaft im Alltag. Bei Nachzüglern sind es 25 Prozent. Trailblazer investieren 60 Prozent ihres KI-Budgets in Weiterbildung, Nachzügler unter 25 Prozent.
Der Management-Graben
Ein bisher unterschätztes Problem beschrieb die Harvard Business Review im April 2026: Zwischen C-Suite und mittlerem Management klafft eine wachsende Wahrnehmungslücke. Während Vorstände KI als strategischen Wettbewerbsvorteil sehen, kämpfen Abteilungsleiter mit der Realität fehlerhafter Outputs, ungeklärter Verantwortlichkeiten und überforderter Teams. 54 Prozent der C-Suite-Führungskräfte geben an, dass die KI-Einführung ihr Unternehmen „innerlich zerreißt“.
Diese Kluft ist kein Kommunikationsproblem — sie ist ein Strukturproblem. Die meisten Unternehmen haben KI-Strategie als Top-Down-Initiative aufgesetzt, ohne die mittlere Führungsebene einzubinden, die letztlich über Erfolg oder Scheitern in den täglichen Workflows entscheidet.
Deutschland: Aufholbedarf mit Potenzial
Für den DACH-Raum zeigt die Bitkom-Studie 2025/2026 immerhin einen positiven Trend: Die KI-Nutzung in deutschen Unternehmen mit mehr als 20 Mitarbeitern hat sich von 20 auf 40 Prozent verdoppelt. Das Institut für Arbeitsmarkt- und Berufsforschung (IAB) schätzt, dass 20 bis 25 Prozent aller Tätigkeiten in Deutschland innerhalb der nächsten zehn Jahre teilweise oder vollständig automatisiert werden könnten.
Die besondere Herausforderung hierzulande: 84 Prozent der Unternehmen haben ihre Arbeitsabläufe und Jobprofile noch nicht an KI-Fähigkeiten angepasst. Und 69 Prozent melden Unterstützungsbedarf beim Umgang mit dem EU AI Act, dessen wichtigste Bestimmungen ab August 2026 greifen. Das Risiko eines doppelten Rückstands — technologisch und regulatorisch — ist real.
Was jetzt zu tun ist
Die Datenlage ergibt ein klares Bild: KI ist kein Jobkiller, aber auch kein Selbstläufer. Drei Maßnahmen trennen die Gewinner von den Verlierern.
Erstens: Workflow-Redesign vor Tool-Rollout. Wer Copilot oder Claude auf bestehende Prozesse legt, erreicht 5 Prozent Effizienz. Wer Prozesse um KI-Fähigkeiten herum neu aufbaut, erreicht ein Vielfaches. Das erfordert Investitionen in Prozessanalyse, nicht nur in Lizenzen.
Zweitens: Das Junior-Pipeline-Problem lösen. Wenn Einstiegspositionen verschwinden, trocknet die Talentpipeline aus. Unternehmen wie BCG experimentieren bereits mit „KI-augmentierten Trainee-Programmen“, in denen Berufseinsteiger mit KI-Unterstützung an komplexere Aufgaben herangeführt werden, statt monotone Vorarbeit zu leisten.
Drittens: Middle Management einbinden. Die Führungsebene, die über den täglichen Einsatz entscheidet, braucht nicht nur Tools, sondern Entscheidungskompetenz und Zeitbudget. Die 10-20-70-Formel zeigt: Technologie allein löst weniger als ein Drittel der Aufgabe.
Die große Umschichtung hat begonnen. Die Frage ist nicht mehr ob, sondern wie schnell Unternehmen ihre Arbeitsorganisation an eine Welt anpassen, in der KI nicht ersetzt, sondern umverteilt — Aufgaben, Verantwortung und Wertschöpfung.