Nur 4 % von 767 US-Führungskräften aus Operations und Supply Chain melden Erfolg über alle vier Bedingungen, die PwC als prädiktiv für die KI-Wertschöpfung benennt — KI unternehmensweit vollständig eingebettet, autonome Agenten, die ohne wesentliche Barrieren skalieren, eine horizontale Betriebsstruktur in Stellung und Technologieinvestitionen, die die erwarteten Ergebnisse liefern. 89 % geben an, dass ihre Technologieinvestitionen nicht geliefert haben. 87 % nennen die Datenqualität als den bindenden Engpass. Und nur 41 % betreiben das horizontale Operating Model, das 94 % als notwendig bezeichnen (PwC, 23. April 2026). Die 96 % scheitern nicht, weil ihre KI schlechter ist. Sie scheitern, weil sie sequenzieren, was die 4 % gemeinsam entwickeln.
Für einen Head of Operations einer 200-FTE-Funktion, der den Rest der KI-Roadmap 2026 finalisiert, ist das die operative Umkehr, die den Plan dieses Quartals neu formen sollte. KI-Rollout, horizontale Restrukturierung, Datenhygiene und Verantwortungs-Redesign als ein einziges AI-Operating-Model-Programm fahren — oder sich den 96 % anschließen, denen PwCs eigene Daten zeigen, dass sie aus keinem dieser Elemente isoliert Wert ziehen können.
Die 4 % sind nicht besser in KI. Sie sind besser im Sequenzieren.
Die PwC-Umfrage 2026 Digital Trends in Operations, veröffentlicht am 23. April und mit 767 US-Executives aus Operations und Supply Chain, definiert die „4 %" nicht über isolierte KI-Reife, sondern über das gleichzeitige Erreichen von vier Workstreams, die die meisten Mid-Market-Operations-Funktionen als getrennte Arbeitsquartale behandeln (DC Velocity, April 2026). Jede Bedingung für sich ist unbemerkenswert. Die Varianz liegt darin, ob sie parallel laufen oder nicht.
Schauen wir auf die Kluft zwischen Anspruch und Umsetzung. 94 % der Befragten sagen, dass ein horizontales, kollaboratives Operating Model erforderlich ist, um KI-Wert in der Skala zu erfassen. Nur 41 % haben eines. Diese 53-Punkte-Lücke ist kein Bewusstseinsproblem — jeder CHRO und COO in der Umfrage weiß, dass das Modell sich ändern muss. Es ist ein Sequenzierungsproblem. Die 96 % sagen: Wir reparieren das Operating Model, nachdem die KI-Piloten Wert gezeigt haben. Die 4 % sagen: Die KI-Piloten zeigen keinen Wert, bis das Operating Model repariert ist.
Die Daten stützen die zweite Haltung. 89 % geben zu, dass die aktuellen Technologieinvestitionen nicht die erwarteten Rückflüsse erbracht haben. 87 % nennen schlechte Datenqualität als Wertblocker (PwC, 23. April 2026). Diese beiden Zahlen sind nicht unabhängig. Technologieinvestitionen liefern nicht, weil die Daten, die sie speisen, schlecht sind. Die Daten sind schlecht, weil das Operating Model keinen einzelnen verantwortlichen Eigentümer für sie hat. Das Operating Model hat keinen Eigentümer, weil das Unternehmen „noch in der KI-Pilot-Phase" ist. Die Abhängigkeit schließt die Schleife, und der einzige Ausweg besteht darin, alle vier Probleme im selben Quartal anzugehen.
Warum das sequenzielle Playbook gerade in Mid-Market-Operations scheitert
Das sequenzielle Muster — „zuerst KI-Werkzeuge ausrollen, dann das Operating Model neu gestalten, dann die Daten bereinigen, dann Verantwortung zuteilen" — ist die Standardeinstellung in den meisten Mid-Market-Operations-Funktionen, weil es dazu passt, wie Budgetzyklen, Einstellungspläne und Anbieter-Beschaffung tatsächlich laufen. Jedes ist eine separate Budgetposition, im Besitz eines anderen VP, gemessen an einer anderen Metrik. Das ist genau die Struktur, die das 96 %-Ergebnis produziert.
Der Bericht State of Organizations 2026 von McKinsey fasst denselben Befund aus der Perspektive des Operating Models: „Die Produktivitätsgewinne der KI zu erreichen, erfordert, das Operating Model von Individuen und Teams in Frage zu stellen und neu zu gestalten, End-to-End neu zu verdrahten und Fähigkeiten zur gleichen Zeit aufzubauen" (McKinsey, 2026). Der entscheidende Ausdruck ist „zur gleichen Zeit". Die Mid-Market-Versuchung ist, das als „irgendwann" zu lesen. McKinseys Analyse ist explizit, dass „irgendwann" nicht funktioniert — die Neuverdrahtung ist das, was die Produktivität erzeugt, und der KI-Rollout ist das, was den Payoff der Neuverdrahtung erzeugt. Entkoppele sie und keines von beiden bringt den Ertrag.
Es gibt einen zweiten Grund, warum das sequenzielle Playbook im Mid-Market schlimmer scheitert als im Enterprise. Eine 200-FTE-Operations-Funktion hat ungefähr 8–12 Quartale Runway, bevor ihre KI-Investitionsthese entweder kompoundiert oder gestrichen wird. Zwei dieser Quartale für den Tool-Rollout, zwei weitere für das Operating-Model-Redesign, zwei weitere für Daten und zwei weitere für Verantwortung zu verbrennen, brennt den Runway durch, bevor ein einziger Workstream die anderen verstärken kann. Das Kompoundieren beginnt nie. Das Board sieht vier Kostenzeilen und eine flache ROI-Linie. Das Programm wird heruntergeschraubt. Das 4 %-Muster geht nicht um Skala; es geht um Zykluszeit, und der Mid-Market hat weniger davon zu verschwenden.
Wie „parallel" in einer 200-FTE-Operations-Funktion tatsächlich aussieht
Parallel heißt nicht vier gleich priorisierte Programme, die unabhängig voneinander laufen — das erzeugt Chaos auf Mid-Market-Skala. Es heißt ein einziges Programm mit vier Workstreams unter einem geteilten OKR-Set, sequenziert innerhalb des Quartals statt über mehrere Quartale.
Geteiltes OKR — kein geteilter Statusbericht
Das 4 %-Muster auf Mid-Market-Skala verankert sich typischerweise an einem Quartals-OKR, das explizit verlangt, dass sich alle vier Workstreams bewegen: eine messbare Verbesserung einer einzelnen High-Judgement-Decision-Throughput-Metrik (geschlossene Verträge pro Woche, ohne Eskalation gelöste Ausnahmen, korrekt geroutete qualifizierte Deals), bei der sich die Metrik nur bewegt, wenn die KI gegen den Workflow ausgerollt ist, der Workflow horizontal verantwortet wird, die Daten, die ihn speisen, sauber sind und eine namentlich genannte Person für das Ergebnis verantwortlich ist. Das OKR ist die zwingende Funktion. Ohne es kippen die vier Workstreams per Default zurück in vier getrennte Roadmaps in vier getrennten VP-One-on-Ones.
Ein Sponsor, ein wöchentliches Forum, ein Backlog
Die 41 % mit horizontalen Operating Models teilen ein strukturelles Merkmal, das die meisten Mid-Market-Operations-Funktionen nicht haben: einen Sponsor für das KI-Programm, der alle vier Workstreams verantwortet, ein wöchentliches Forum, in dem die vier Leads am selben Tisch sitzen, und ein Backlog, in dem KI-Anfragen, Operating-Model-Änderungen, Datenfixes und Verantwortungs-Entscheidungen gegeneinander priorisiert werden. Das Backlog auf IT, HR, Daten und Operations aufzuteilen ist der Weg, auf dem sich die Sequenzierung wieder einschleicht.
Datenhygiene als tägliche Operation, nicht als Projekt
Die 87 %-Erkenntnis zur Datenqualität sagt etwas Spezifisches darüber, wie die 4 % mit Daten umgehen. Sie fahren keine mehrquartalsigen Daten-Cleanup-Projekte parallel zum KI-Rollout. Sie integrieren die Datenhygiene in die tägliche Betriebskadenz des Teams, das die KI nutzt — jede Agenten-Eskalation, die an Datenqualität scheitert, erzeugt eine Same-Day-Fix-Anfrage, die der Operator verantwortet. Die Daten verbessern sich mit der Geschwindigkeit der Agenten-Nutzung. Daten als getrennten Workstream zu behandeln führt dazu, dass sie der KI um vier Quartale hinterherhängen; sie in die Agenten-Operations zu falten führt dazu, dass sie um zwei Wochen voraus sind.
Das Gegenargument und warum PwCs Daten es schließen
Das natürliche Gegenargument eines kostendisziplinierten Mid-Market-COO lautet: Parallele Ausführung kostet vorab mehr, und die 96 % sequenzieren genau deshalb, weil sie sich die parallele Wette nicht leisten können. Diese Logik ist intern konsistent und produziert die falsche Antwort. PwCs Daten sind ungewöhnlich direkt zur Rechnung: 89 % berichten, dass der aktuelle sequenzielle Ansatz bereits Technologieinvestitionen produziert hat, die nicht geliefert haben, und 87 % berichten, dass er eine Datenschicht produziert hat, die die Wertschöpfung blockiert (PwC, 23. April 2026). Die sequenzielle Wette ist nicht billiger. Sie ist nur auf mehr Quartale verteilt, was den Misserfolg quartalsweise weniger sichtbar und am Ende unumkehrbar macht.
Die parallele Wette auf Mid-Market-Skala ist in absoluten Zahlen auch kleiner als die Enterprise-Neuverdrahtung im McKinsey-Stil, die derselbe Bericht für Firmen über 10 Mrd. $ beschreibt. Eine 200-FTE-Operations-Funktion kann ein glaubwürdiges Parallel-Vier-Programm mit einem zusätzlichen Senior Operator (dem Programmsponsor), einem wöchentlichen Forum und einem umgeleiteten — nicht erhöhten — Daten- und Engineering-Budget fahren. Die marginale Investition ist eine Rolle und ein Meeting. Der marginale Ertrag, nach PwCs Verteilung, ist die Differenz zwischen dem 4 %-Ergebnis und dem 96 %-Ergebnis bei demselben KI-Rollout.
Was die PwC-Daten nicht sagen
Zwei Grenzen sind wert, genannt zu werden, weil die „4 %"-Rahmung in beide Richtungen verwendet wurde und die Umfrage keines der beiden Extreme stützt.
Die PwC-Daten sagen nicht, dass KI in Operations nicht funktioniert — sie funktioniert, in den 4 %, die die parallelen Bedingungen erfüllt haben. Sie sagen auch nicht, dass Mid-Market-Operations das 4 %-Muster nicht replizieren können — die Stichprobe der Umfrage umfasst US-Operations- und Supply-Chain-Führungskräfte über das ganze Spektrum hinweg, und das Parallel-Vier-Muster ist strukturell, nicht skalenabhängig. Was die Daten sagen, ist enger und nützlicher: Die sequenzielle KI-Roadmap, als vier serielle Arbeitsquartale ausgeführt, hat eine historische Misserfolgsquote von 96 % in der Kohorte, in der sie am gründlichsten untersucht wurde. Das ist keine Prognose. Das ist eine rückwärtsgewandte Messung dessen, was bereits passiert ist.
Die zweite Grenze: „Parallel" ist nicht dasselbe wie „gleichzeitige Beschaffung". Das 4 %-Muster betrifft ein einziges Programm mit geteilter Verantwortung, nicht das gleichzeitige Kaufen von allem. Mid-Market-Operations-Funktionen, die versuchen, die KI-Plattform, die Operating-Model-Beratung, die Datenwerkzeuge und das Verantwortungs-Framework im selben Quartal zu beschaffen, produzieren typischerweise das 96 %-Ergebnis doppelt so schnell. Die parallele Logik gilt für die Ausführungsverantwortung, nicht für die Anbieter-Beschaffung.
Die Entscheidung für dieses Quartal
Für einen Head of Operations, der die KI-Roadmap dieses Quartals zwischen jetzt und Ende Q2 2026 finalisiert, komprimiert sich die operative Implikation auf einen Satz:
Kein KI-Rollout-Workstream wird in diesem Quartal genehmigt, es sei denn, er ist gekoppelt mit der horizontalen Operating-Model-Veränderung, die er erfordert, der Datenhygiene-Kadenz, von der er abhängt, und der benannten Verantwortung für das Ergebnis, das er produzieren soll — und alle vier sitzen unter einem OKR mit einem Sponsor.
Wenn ein Vorschlag nicht alle vier im selben Dokument beschreiben kann, ist er eine sequenzielle Wette in paralleler Verkleidung, und PwCs Verteilung sagt, dass er das 96 %-Ergebnis produziert. Wenn ein Vorschlag alle vier beschreiben kann, ist er ein Kandidat für die kleine Minderheit von AI-Operating-Model-Investitionen, die tatsächlich kompoundieren. Die Triage-Kosten sind ein Meeting pro Vorschlag. Die Downside-Kosten, nicht zu triagieren, sind bei den Ausgabentrajektorien, die die Umfrage beschreibt, der größte Teil des KI-Budgets über die nächsten vier Quartale.
Die 4 %-Zahl ist nicht aspirativ. Sie ist das, was bereits bei 767 Operations-Führungskräften geschehen ist, die dieselben Optionen hatten wie der Leser dieses Artikels und sich für die eine statt die andere Struktur entschieden haben. Die Frage ist jetzt, auf welcher Struktur der Plan des nächsten Quartals gebaut wird.
