Es gibt eine unbequeme Rechnung, die in kaum einem Lenkungsausschuss aufgemacht wird: Was bleibt von einem Beratungsprojekt, wenn die Berater gehen?
Die ehrliche Bilanz nach einem typischen KI-Transformationsprojekt: Die Slides bleiben. Die Roadmap bleibt. Vielleicht bleibt ein Pilot. Was nicht bleibt, ist die Fähigkeit, das Gebaute zu verstehen, weiterzuentwickeln und die nächste Initiative eigenständig zu stemmen. Diese Fähigkeit war nie im Haus, sie war gemietet, und sie ist mit dem letzten Abrechnungsmonat ausgezogen. Ich nenne das den strukturellen Kompetenzverlust des klassischen Beratungsmodells, und ich habe ihn in zwei Jahrzehnten Konzernpraxis oft genug von der Auftraggeberseite erlebt. Er ist kein Versagen einzelner Beratungen, sondern die logische Konsequenz eines Geschäftsmodells, dessen Umsatz mit der Dauer der Abhängigkeit wächst.
Die Anreizstruktur ist das Problem
Man muss keinem Beteiligten Böswilligkeit unterstellen, um das Muster zu erkennen. Klassische Beratung wird nach Aufwand bezahlt. Der ökonomisch rationale Zustand für den Anbieter ist ein Klient, der dauerhaft Unterstützung braucht. Wissenstransfer ist in diesem Modell eine Nebenleistung, im Zweifel eine umsatzschädliche. Die Folgen sind in Enterprise-Umgebungen überall zu besichtigen:
- Systeme, die niemand im Haus erklären kann. Die Architektur-Entscheidungen liegen in den Köpfen ehemaliger Projektmitarbeiter externer Partner.
- Dauermandate für Betriebsaufgaben, die längst interne Routine sein könnten, als stille Kostenposition, die nie wieder hinterfragt wird.
- Strategische Erpressbarkeit: Wer die eigene KI-Landschaft nicht versteht, kann Folgeangebote nicht bewerten und Alternativen nicht prüfen. Der Dienstleister wird faktisch unkündbar.
- Stagnierende interne Teams, die jahrelang neben externen Experten sitzen, ohne je Verantwortung übertragen zu bekommen, die teuerste Form der Demotivation.
Für KI-Initiativen ist dieses Muster besonders fatal, weil KI-Systeme keine Projekte sind, sondern lebende Systeme: Sie driften, sie brauchen laufende Evaluation, sie müssen an veränderte Daten und Regulierung angepasst werden. Ein Modell, bei dem die Betriebskompetenz extern liegt, produziert permanente Abhängigkeit, mit Ansage.
Das umgekehrte Modell: Embedded statt parallel
Die Alternative ist kein Verzicht auf externe Expertise. Organisationen, die komplexe KI-Systeme erstmals in den Enterprise-Betrieb bringen, brauchen Erfahrung, die sie intern noch nicht haben können. Die Frage ist nicht ob extern, sondern wie. Das Embedded-Engineering-Modell (in der Industrie unter dem Begriff Forward Deployed Engineers etabliert) beantwortet diese Frage strukturell anders:
1. Arbeit in den Initiativen, nicht neben ihnen
Embedded Engineers arbeiten innerhalb der laufenden Vorhaben der Organisation, im selben Backlog, in denselben Reviews, mit Umsetzungsverantwortung. Kein Lab, keine Parallelorganisation, kein Bericht ohne Lieferung. Wer mitbaut, kann Wissen nicht zurückhalten; es entsteht im gemeinsamen Arbeitskontext.
2. Tandem-Prinzip statt Expertenenklave
Jede externe Rolle ist mit internen Mitarbeitenden gepaart, die schrittweise Verantwortung übernehmen. Der Kompetenztransfer ist nicht Begleitprogramm, sondern Arbeitsmodus, dokumentiert, überprüfbar, mit definierten Übergabepunkten.
3. Erfolgskriterium: eigene Überflüssigkeit
Das Engagement hat ein explizites Zielbild: Am Ende verfügt die Organisation über validierte interne Experten, dokumentierte Governance-Strukturen und eine Use-Case-Pipeline, die sie eigenständig priorisieren und weiterentwickeln kann. Der Erfolg misst sich nicht an verkauften Folgetagen, sondern daran, was die Organisation ohne den Partner kann.
4. Zeitlich begrenzt by design
Embedded-Engagements sind von Anfang an als Übergangszustand konzipiert. Monate, nicht Jahre. Die zeitliche Begrenzung ist kein Vertragsdetail, sondern der Mechanismus, der die Anreize sauber hält: Ein Modell, das enden soll, muss Kompetenz übertragen, um erfolgreich zu sein.
Executional Learning: Bildung und Umsetzung sind untrennbar
Hinter dem Modell steht das Grundprinzip, auf dem das CETL Institute aufgebaut ist und das ich Executional Learning nenne: Die Trennung zwischen Weiterbildung (Wissen ohne Umsetzung) und Beratung (Umsetzung ohne Wissenstransfer) ist das strukturelle Problem beider Branchen. Kompetenz, die bleibt, entsteht nur dort, wo Lernen und Liefern derselbe Vorgang sind. Die entscheidende Frage an jedes Angebot (ob Schulungskatalog oder Transformationsmandat) lautet:
„Was kann unsere Organisation nach diesem Engagement eigenständig, was sie vorher nicht konnte, und wie wird das gemessen?“
Ein Partner, der auf diese Frage keine präzise Antwort hat, verkauft Abhängigkeit. Ein Partner, der sie mit definierten Kompetenz-Outcomes, Übergabepunkten und einem Enddatum beantwortet, verkauft Souveränität.
Fazit
Technologische Souveränität ist kein Zustand, sie ist eine Kompetenz. Und Kompetenz lässt sich nicht dauerhaft mieten, nur aufbauen. Das Beratungsmodell der letzten zwanzig Jahre hat für die KI-Ära die falsche Anreizstruktur. Organisationen, die das erkennen, stellen ihren externen Partnern eine neue Anforderung: Macht euch überflüssig, nachweisbar.
