Was diese Woche auf Twitter ausgelöst wurde
Mitchell Hashimoto, Gründer von HashiCorp und kein KI-Skeptiker, hat diese Woche einen Satz abgesetzt, der auf Hacker News über 990 Punkte und 437 Kommentare gesammelt hat: „Ich glaube, es gibt aktuell ganze Firmen unter KI-Psychose.” (Original: „I believe there are entire companies right now under AI psychosis”.)
Der Begriff KI-Psychose ist bewusst zugespitzt. Hashimoto beschreibt damit Unternehmen, in denen die Führungsebene Entscheidungen trifft, die mit der tatsächlichen technischen und wirtschaftlichen Realität nicht mehr viel zu tun haben. Beispiele aus der Diskussion: Entlassungswellen mit der Begründung, KI ersetze das Team. Komplette Produkt-Roadmaps, die auf Agenten-Fähigkeiten basieren, die es so noch nicht stabil gibt. Budgets, die von klassischen Engineering-Teams in KI-Initiativen umgeschichtet werden, ohne dass jemand den ROI sauber gerechnet hat.
Dass dieser Take von Hashimoto kommt und nicht von einem KI-Kritiker, macht ihn relevant. Er baut selbst seit Jahren Entwickler-Tools mit KI-Komponenten. Wenn jemand aus diesem Lager sagt, dass gerade etwas aus dem Ruder läuft, lohnt das Hinhören.
Warum das für österreichische KMU jetzt zählt
Die großen US-Konzerne können sich teure Fehlentscheidungen leisten. Ein KMU mit 30 oder 80 Mitarbeitern nicht. Trotzdem sehe ich aktuell in meiner Beratungspraxis genau die Muster, die Hashimoto beschreibt, eine Nummer kleiner.
Typisches Beispiel: Ein Geschäftsführer kommt von einer Konferenz zurück, hat dort einen Vortrag über autonome KI-Agenten gehört, und will jetzt das CRM, die Buchhaltung und den Kundensupport „mit KI automatisieren”. Budget: ungefähr null. Zeithorizont: drei Monate. Ergebnis nach sechs Monaten: ein halbfertiger Chatbot, zwei frustrierte Mitarbeiter und eine Rechnung von einem Beratungshaus, das genau das verkauft hat, was der Chef hören wollte.
Häufiges Muster Nummer zwei: Stellenausschreibungen werden eingefroren mit der Begründung „das macht künftig die KI”. In der Praxis macht die KI dann eben nicht den Job einer erfahrenen Sachbearbeiterin, sondern erzeugt Output, den jemand prüfen muss. Nur ist diese jemand jetzt überlastet, weil die Stelle nicht besetzt wurde.
Drittes Muster: Eine Lösung sucht ein Problem. Das Unternehmen kauft eine KI-Plattform, weil der Mitbewerb angeblich auch eine hat. Was die Plattform konkret im eigenen Betrieb verbessern soll, weiß niemand zu sagen.
Das alles ist nicht neu. Es ist die Cloud-Migrationswelle von 2015. Es ist das Big-Data-Theater von 2012. Es ist das Blockchain-Pilotprojekt von 2018. Der Unterschied: Bei KI ist die Geschwindigkeit höher, die mediale Lautstärke größer, und die Beratungsbranche hat gelernt, schneller zu verkaufen.
Aus meiner Sicht: Drei Realitäten gegen die Psychose
Erstens: KI ist nützlich. Sehr nützlich sogar, in klar abgegrenzten Anwendungsfällen. Texterstellung, Recherche-Vorbereitung, Code-Review, strukturierte Datenextraktion aus PDFs, interne Wissensabfragen. Diese Dinge funktionieren heute zuverlässig genug für den produktiven Einsatz. Das ist die gute Nachricht.
Zweitens: KI ist nicht das, was die Keynotes versprechen. Autonome Agenten, die selbstständig komplexe Geschäftsprozesse abwickeln, sind in der Demo beeindruckend und im Produktivbetrieb fragil. Wer heute eine Firma darauf wettet, wettet auf eine Technologie, die in 18 Monaten vielleicht so weit ist. Vielleicht auch nicht.
Drittens: Die Differenz zwischen Punkt eins und Punkt zwei ist die ganze Beratungsbranche. Und genau hier liegt das Risiko für KMU. Wer den Unterschied nicht erkennt, kauft Punkt zwei und bekommt Punkt eins. Bestenfalls.
Konkrete Handlungsempfehlung für KMU
Schritt 1: Inventur machen, bevor Sie investieren.
Bevor Sie das nächste KI-Tool kaufen oder das nächste Pilotprojekt starten: Listen Sie auf, was bei Ihnen bereits läuft. Welche Mitarbeiter nutzen ChatGPT, Claude oder Copilot? Wofür? Was funktioniert, was nicht? In neun von zehn KMU, die mich anrufen, ist die Antwort: Niemand weiß es genau. Bevor Sie strategisch handeln, brauchen Sie diese Information. Eine halbe Stunde pro Abteilung reicht meistens.
Schritt 2: Ein konkretes Problem, ein konkreter Use Case.
Suchen Sie nicht nach „dem KI-Projekt”. Suchen Sie nach einem Prozess, der heute teuer, langsam oder fehleranfällig ist. Angebotserstellung. Eingangsrechnungen kategorisieren. Erste Sichtung von Bewerbungen. Dann prüfen Sie, ob KI hier hilft. Wenn ja, starten Sie klein. Vier Wochen, ein Tool, ein Mitarbeiter, der das testet. Messbares Ergebnis am Ende: Wie viele Stunden gespart, wie hoch die Fehlerquote, wie hoch die Akzeptanz im Team.
Schritt 3: Keine Personalentscheidungen auf Basis von Versprechungen.
Das ist der Punkt, an dem ich am häufigsten Stopp rufe. Reduzieren Sie keine Stellen, weil ein Tool verspricht, die Arbeit zu übernehmen. Reduzieren Sie Stellen, wenn ein Tool sechs Monate lang nachweislich die Arbeit übernommen hat. Die Reihenfolge ist nicht verhandelbar. Wer sie umdreht, zahlt am Ende doppelt: einmal für das Tool, einmal für die Wiedereinstellung mit Premium-Gehalt nach dem Reinfall.
Was Sie aus Hashimotos Beobachtung mitnehmen sollten
KI-Psychose ist kein technologisches Problem. Sie ist ein Führungsproblem. Sie entsteht, wenn der Druck, „bei KI dabei zu sein”, größer wird als die Bereitschaft, nüchtern zu prüfen, was tatsächlich funktioniert.
Mein Rat: Sie müssen nicht der erste sein. Sie müssen der sein, der es richtig macht. Die KMU, die in zwei Jahren produktiv mit KI arbeiten, sind nicht die, die 2025 das größte Budget verbrannt haben. Es sind die, die nüchtern angefangen, gemessen und schrittweise ausgebaut haben.
Und wenn der nächste Berater mit einer Multi-Agent-Lösung für Ihr ERP anrückt: Fragen Sie nach drei Referenzkunden Ihrer Größe, die das seit mindestens neun Monaten im Echtbetrieb haben. Diese Frage filtert achtzig Prozent der Anbieter sofort raus. Den Rest können Sie ernsthaft prüfen.