Als wir zum ersten Mal mit den Big Four über KI sprachen, kamen die Gespräche überraschend schnell in Gang. Es brauchte keine lange Einführung, keine Erklärung, warum KI wichtig ist. Fast sofort begannen Partner und Senior Consultants darüber zu sprechen, wofür ihre Zeit tatsächlich draufging. Nicht für Entscheidungen oder Erkenntnisse, sondern für Vorbereitung. Daten aus verschiedenen Systemen zusammenziehen. Zahlen abgleichen. Sicherstellen, dass Analysen den internen Standards entsprechen, bevor überhaupt jemand anfangen konnte, darüber nachzudenken, was die Ergebnisse bedeuten.
Was uns auffiel: Keine dieser Aufgaben war geringwertig. Sie waren notwendig. Aber sie waren auch erschöpfend. Hoch erfahrene Fachleute verbrachten einen großen Teil ihres Tages allein damit, an den Punkt zu kommen, an dem echtes Denken überhaupt erst beginnen konnte.
Im weiteren Verlauf der Gespräche zeichneten sich mehr als Dutzende Prozesse ab, in denen KI eine Rolle spielen konnte. Reporting, Compliance, Finanzkontrollen, Steueranalysen, interne Reviews. Oberflächlich betrachtet sah das nach einem klassischen Automatisierungsproblem aus. War es aber nicht.
Für die meisten dieser Prozesse gab es bereits Tools, Vorlagen und teilweise Automatisierung. Was alles verlangsamte, lag zwischen den einzelnen Schritten. Kontextwechsel. Outputs abgleichen. Urteilsvermögen über fragmentierte Informationen hinweg konsistent anwenden. Die eigentlichen Kosten lagen nicht nur in der Zeit, sondern in der kognitiven Belastung.
In diesem Moment änderte sich die Perspektive.
Statt zu fragen, wie KI die Arbeit von Anfang bis Ende übernehmen könnte, fragten wir uns, wie sie die Menschen unterstützen könnte, die diese Arbeit leisten. Was wäre, wenn KI die Teile übernehmen könnte, die Energie rauben, ohne die Kontrolle zu entziehen? Was wäre, wenn sie strukturierte Entwürfe vorbereiten, Unstimmigkeiten sichtbar machen und ihre Begründung transparent machen könnte, damit sich Expertinnen und Experten auf ihr Urteilsvermögen statt auf die Vorbereitung konzentrieren können?
Als dieser Ansatz live ging, wurde die Wirkung greifbar.
Teamübergreifend sanken die Durchlaufzeiten für wiederkehrende analytische Arbeit um 80 bis 90 Prozent. Manuelle Fehler, insbesondere in abstimmungsintensiven Prozessen, gingen deutlich zurück. Genauso wichtig war, dass die Ergebnisse über Teams hinweg konsistenter wurden, obwohl sie dieselbe Arbeit zuvor auf leicht unterschiedliche Weise angegangen waren. Im Durchschnitt gewannen Consultants rund 40 bis 50 Stunden pro Monat zurück, die nun für höherwertiges Denken genutzt werden konnten.
Die interessanteste Veränderung zeigte sich jedoch nicht in den Zahlen.
Sie zeigte sich darin, wie Menschen über ihre Arbeit sprachen. Reviews wurden ruhiger. Diskussionen fokussierter. Senior Reviewer verbrachten weniger Zeit damit zu prüfen, ob alles korrekt war, und mehr Zeit damit, zu besprechen, was die Ergebnisse tatsächlich bedeuteten.
Mit der Zeit fühlte sich das System nicht mehr wie ein Tool an, das Menschen benutzen mussten. Es begann sich wie eine gemeinsame Arbeitsweise anzufühlen, die still und leise aufnahm, wie Entscheidungen getroffen wurden, und dies in künftigen Analysen widerspiegelte.
Diese Erfahrung hat auch etwas bestätigt, woran wir schon lange glauben. Fortschritte auf dem Weg zu allgemeinerer Intelligenz werden nicht von Systemen kommen, die versuchen, Expertinnen und Experten in komplexen Domänen zu ersetzen. Sie werden von Systemen kommen, die Reibung rund um fachliches Denken verringern und es verstärken.
In diesen Projekten schuf KI Wert nicht dadurch, dass sie autonom war, sondern dadurch, dass sie kollaborativ war. Sie traf keine Entscheidungen für Menschen. Sie half ihnen, bessere Entscheidungen schneller zu treffen.
Wenn es ein frühes Signal dafür gibt, wo AGI-ähnliche Systeme zuerst relevant werden, dann hier. Nicht in der vollständigen Automatisierung, sondern darin, menschliches Urteilsvermögen im großen Maßstab zu unterstützen.
Dieser Wandel – weg von der Automatisierung hin zur Hebelwirkung – war der entscheidende Unterschied.
