Coding wird günstiger. Ihr Projekt aber wahrscheinlich nicht.
Die Entschlüsselung des ersten menschlichen Genoms kostete drei Milliarden Dollar und zwölf Jahre. Heute kostet eine Sequenzierung unter 200 Dollar und dauert wenige Stunden. Die Genomforschung wurde durch diesen Preisverfall aber nicht billiger – sie wurde ambitionierter. Fragestellungen, die vorher schlicht nicht umsetzbar waren, sind heute Standardaufgaben. Das Einsparpotenzial einer Technologie verschwindet selten. Meist wandert es einfach in einen neuen Scope.
Genau diesen Mechanismus erleben wir gerade in der Entwicklung digitaler Plattformen – und er verändert die Projektkalkulation auf eine Art, die die meisten Entscheider:innen noch nicht eingepreist haben.
Hier sind drei Lektionen, aus denen der B2B-Mittelstand lernen kann:
Die Rechnung, die nicht aufgeht
Laut einer aktuellen Analyse von Andreessen Horowitz ist die Softwareentwicklung der mit Abstand dominanteste KI-Use-Case im Enterprise-Bereich, mit überdeutlichem Abstand zu allen anderen Anwendungsbereichen. Für viele ist die naheliegende Schlussfolgerung, dass Digitalprojekte jetzt günstiger werden. Das Genom-Beispiel sagt jedoch etwas anderes.
Wir haben diese These an einem aktuellen Projekt überprüft. Für eine Tourismusregion entwickeln wir derzeit eine umfassende digitale Plattform für die Vermarktung und digitale Vertriebsunterstützung von Meetings, Incentives, Kongressen und Events. Das Gesamtbudget liegt im niedrigen sechsstelligen Bereich, wovon die technische Umsetzung rund 40 % ausmacht. Einsparungspotenziale aber nur dort zu suchen, wäre zu kurz gedacht. Wir haben daher auch Konzept & UX/UI (etwa 20 %), Content (rund 20 %) sowie Projektmanagement (knapp 20 %) durchleuchtet.
Hier sind die Learnings:
1. Entwicklung: Das Schreiben von Code wird günstiger, Softwareentwicklung aber nur bedingt.
KI-gestütztes Coding wird bei MASSIVE ART natürlich bereits eingesetzt. Dadurch wird die Arbeitsweise unserer Entwickler teils radikal vereinfacht. Aber: ersetzen lassen sich die Devs auf absehbare Zeit nicht. Immer noch fließt viel Energie in die Qualitätssicherung und die Lösung individueller Problemstellungen abseits standardisierbarer Routinen. Und irgendwer muss ja auch die Prompts schreiben. Der Shift geht also von der manuellen Entwicklung hin zum Produktmanagement.
2. Konzept & Research: KI hat die Konzeptphase nicht beschleunigt, sondern vertieft.
User-Research, der früher aus Zeit- und Budgetgründen oberflächlich bleiben musste, konnte mit KI-Unterstützung in eine neue Qualitätsdimension gehoben werden. Gleicher Zeitaufwand, signifikant bessere Datenbasis.
3. UX & Design: Moderne Design-Tools mit integrierten KI-Funktionen ermöglichen spürbar mehr Output mit vergleichbarem Aufwand.
Design-Systeme lassen sich durchgängiger dokumentieren, Varianten schneller evaluieren. Was unverändert bleibt, ist das strategische Urteil, das einen Entwurf von einem wirklich wirksamen Konzept unterscheidet. Das ist und bleibt menschliche Expertise.
4. Projektmanagement: Hier ist KI bislang am wenigsten spürbar, und das bleibt voraussichtlich auch so.
KI-gestützte Dokumentation in modernen Kollaborations-Tools verspricht mehr Transparenz. Doch Führung, Entscheidungskompetenz und Stakeholder-Management bleiben das, was sie immer waren: People-Business. Das lässt sich nicht wegautomatisieren.
5. Content: KI-generierte Texte und Medien bieten ein klares Einsparungspotenzial, doch es ist Vorsicht geboten.
Insbesondere bei Übersetzungen und strukturierten Inhalten wie z.B. SEO-Texten ist KI bereits ein Game-Changer. Wer entwickelt aber das Inhaltskonzept und schreibt die Prompts? Zudem riskiert man durch die ungeprüfte Veröffentlichung von generiertem Content Austauschbarkeit – und die ist im Wettbewerb am teuersten. Auch hier kann die menschliche Kompetenz also nicht wegrationalisiert werden.
Was wirklich passiert
Das Einsparpotenzial durch KI ist real. Es verschwindet jedoch nicht aus dem Projekt – es wandert.
In der technischen Umsetzung führt die Effizienzsteigerung zu komplexeren Backend-Architekturen, saubereren Schnittstellen und mehr Code-Sicherheit durch automatisiertes Testen. Im Content bedeutet es mehr Sprachversionen, tiefere Personalisierung und einen redaktionellen Workflow, der bisher schlicht nicht finanzierbar war.
Das Volumen bleibt. Der Scope wächst.
Dazu kommt ein Faktor, der in der öffentlichen Diskussion fast vollständig fehlt: KI erzeugt auch neuen Aufwand. Prompt-Engineering ist Expertise. Output-Bewertung ist Expertise. Die Entscheidung, wann ein KI-generiertes Ergebnis gut genug ist und wann es überarbeitet werden muss, ist die eigentliche Leistung. Und die ist nicht automatisierbar.
Was das für Ihre nächste Investitionsentscheidung bedeutet
Strategische Entscheider:innen dürfen sich jetzt nicht vom Versprechen vermeintlich günstigerer Digitalprojekte blenden lassen. Richten Sie den Blick stattdessen auf das, was für dasselbe Budget plötzlich möglich wird, bisher aber außerhalb der Möglichkeiten lag. Wer heute in saubere, modulare Strukturen investiert (am besten auf Basis offener, lizenzfreier Technologien ohne Abhängigkeit von einzelnen Anbietern), der multipliziert den KI-Hebel von morgen. Mehr lesen
Die eigentliche Frage ist nicht ein paar Prozentpunkte weniger in Ihrem Budget – es sind Ihre strategischen Prioritäten.
Ein Gespräch, das sich lohnt
Diskutieren Sie mit uns, welche Potenziale in Ihren digitalen Projekten dank Kosteneinsparungen durch KI plötzlich in Reichweite kommen – konkret, unverbindlich und auf Basis Ihrer tatsächlichen Digitalstrategie.
Das können wir für Sie tun
Lassen Sie uns Ihre Daten-Infrastruktur evaluieren, bevor Sie das nächste KI-Experiment starten. In einem unverbindlichen Gespräch prüfen wir Ihre Data Readiness und skizzieren den architektonischen Weg zu einer skalierbaren KI-Wertschöpfung.
Wir freuen uns auf den Dialog mit Ihnen.
