KI-Bauwahn: Was IBM warnt – und was Marketing lernen muss

Der KI-Bauwahn frisst Billionen – und kaum einer rechnet nach

Über 8 Billionen US-Dollar Investitionen – so hoch schätzt IBM-Chef Arvind Krishna das globale Wettrüsten um KI-Rechenzentren. Alle paar Wochen kündigen Hyperscaler neue Supercluster mit einem Gigawatt Leistung und mehr an. Für viele klingt das nach Fortschritt, für Krishna ist es vor allem eines: ökonomisch kaum tragbar.

Für Marketing- und Vertriebsverantwortliche in Deutschland ist diese Diskussion nicht akademisch. Sie entscheidet darüber, ob KI-Projekte 2026 auf Budgetlisten bleiben – oder als teures Experiment abgestempelt werden. Wer jetzt blind dem Hype folgt, baut KI wie ein Prestige-Bürogebäude: teuer, glänzend, wenig genutzt.

In diesem Artikel geht es darum, was hinter der Warnung des IBM-Chefs steckt – und wie Sie als Verantwortliche*r in Marketing und Vertrieb KI wirtschaftlich sinnvoll einsetzen, ohne sich vom Bauwahn anstecken zu lassen.

---

Was der IBM-Chef wirklich kritisiert

Die Kernaussage von Arvind Krishna ist überraschend nüchtern: Die derzeitigen Investitionen in KI-Infrastruktur stehen in keinem vernünftigen Verhältnis zu den erwartbaren Renditen.

„Es kostet etwa 80 Milliarden US-Dollar, ein Rechenzentrum mit einer Leistung von einem Gigawatt zu füllen.“ – Arvind Krishna

Rechnen wir das kurz durch:

• 1 Gigawatt KI-Rechenzentrum ≈ 80 Milliarden US-Dollar CAPEX
• 20–30 Gigawatt, wie sie heute teilweise angekündigt werden ≈ rund 1,5 Billionen US-Dollar
• Global geplanter Ausbau von ca. 100 Gigawatt ≈ 8 Billionen US-Dollar

Bei 8 Billionen Dollar Investitionsausgaben wären – allein als Kapitalkosten – Hunderte Milliarden Dollar Gewinn pro Jahr nötig, um das überhaupt zu rechtfertigen. Krishna sagt sehr klar: Das ist aus seiner Sicht unrealistisch.

Gleichzeitig betont er: Die Technologien, die wir heute haben – insbesondere große Sprachmodelle (LLMs) – sind für Unternehmen extrem nützlich. Er erwartet Produktivitätsgewinne in Billionenhöhe. Er glaubt nur nicht daran, dass der aktuelle Weg automatisch zu echter AGI (Artificial General Intelligence) führt oder dass ein einzelnes Unternehmen „die eine universelle KI“ baut und den Markt dominiert.

Für deutsche Unternehmen ist genau dieser Mittelweg entscheidend: Nutzen ja, Größenwahn nein.

---

Hype vs. Realität: Was bedeutet das für deutsche Unternehmen?

Für Konzerne wie Microsoft oder Meta sind Milliardeninvestitionen in Rechenzentren Teil eines geopolitischen Technologierennens. Der Mittelständler in Baden-Württemberg oder die B2B-Marke in Düsseldorf spielt aber ein ganz anderes Spiel: Es geht nicht um mehr GPUs, sondern um bessere Prozesse.

Drei gefährliche Fehlannahmen aus dem KI-Bauwahn

Ich sehe bei vielen Unternehmen aktuell drei typische Irrtümer:

1. „Wir brauchen unsere eigene große KI-Plattform.“
   In 95 % der Fälle falsch. Sie brauchen keine eigene Foundation-Model-Infrastruktur, sondern gut integrierte Anwendungen auf Basis bestehender Modelle.

2. „Je größer das Modell, desto größer der Business-Impact.“
   Für Marketing- und Vertriebs-Use-Cases zählt nicht die theoretische Parameterzahl, sondern: Latenz, Kosten pro Anfrage, Qualität der Domänenanpassung.

3. „Wer jetzt nicht massiv investiert, wird abgehängt.“
   Abgehängt wird, wer ohne Business Case investiert. Wer fokussiert in klar messbare Use Cases investiert, ist 2026 klar im Vorteil – auch mit deutlich kleineren Budgets.

Warum diese Warnung 2026 besonders relevant ist

• Rechenzentrums-Kapazitäten sind knapp, die Preise für GPU-Compute bleiben hoch.
• Der Gesetzgeber (Stichwort KI-Verordnung der EU) erhöht den Druck, risikobasiert statt hypegetrieben vorzugehen.
• Viele Unternehmen haben 2024/2025 Pilotprojekte gestartet, die jetzt zeigen:
  Nicht jede KI-Initiative trägt sich wirtschaftlich.

Wer jetzt Kurskorrektur vornimmt, spart nicht nur Geld, sondern erhöht auch die Chance, dass die wirklich wichtigen KI-Projekte intern Akzeptanz finden.

---

Von AGI-Glaube zu pragmatischer KI: Was wirklich Wert schafft

Krishna nennt den Glauben an eine einzelne Super-KI, die „alles kann“, explizit einen Glauben – fast schon religiös. Für die Unternehmenspraxis ist diese Diskussion zweitrangig. Relevanter ist: Wo entstehen heute nachweisbar Produktivitätsgewinne?

Welche KI schafft 2026 in Marketing & Vertrieb echten Mehrwert?

Die Erfahrungen aus deutschen Projekten der letzten zwei Jahre zeigen ein klares Muster. Wert entsteht vor allem dort, wo KI:

• Arbeitszeit von Fachleuten freischaufelt (z.B. Recherche, Entwürfe, Auswertungen)
• Conversion-Raten und Warenkörbe steigert (besseres Targeting, personalisierte Angebote)
• Fehler & Reibungsverluste reduziert (z.B. fehlerfreie Angebote, saubere CRM-Daten)

Typische Beispiele:

• KI-Assistenten für Angebotserstellung im Vertrieb (Vorlagen, Formulierungen, Varianten)
• Automatisierte Lead-Qualifizierung mit Scoring und Textanalyse eingehender Anfragen
• Generative KI für Content-Produktion, aber mit klaren Guidelines und Fact-Checking
• KI-gestützte Segmentierung und Personalisierung im E-Mail- und Performance-Marketing

Keine dieser Anwendungen braucht ein eigenes 80-Milliarden-Dollar-Rechenzentrum. Sie brauchen:

• einen stabilen Cloud-Anbieter oder On-Premise-Partner,
• ein vernünftiges Kostenmodell pro Nutzung,
• ein Team, das Use Cases sauber definiert und misst.

Wissen + LLMs: Der unterschätzte Erfolgsfaktor

Krishna betont, dass echte Fortschritte eher aus der Verschmelzung von Wissen mit LLMs kommen werden. Genau das ist aktuell der Unterschied zwischen „Spielerei“ und strategischem Produktivitätswerkzeug:

• Ein generisches Modell, das „irgendeinen“ Marketingtext schreibt, ist austauschbar.
• Ein KI-System, das auf Ihren Produktdaten, FAQs, Whitepapern und CRM-Informationen aufsetzt, ist ein Wettbewerbsvorteil.

Heißt für die Praxis:

• Investieren Sie nicht nur in Modelle, sondern in Datenqualität, Taxonomien und Wissensmanagement.
• Bauen Sie Retrieval-Lösungen (RAG), die Ihr Unternehmenswissen sicher und nachvollziehbar in die KI-Antworten einbeziehen.

---

Ein pragmatischer Fahrplan: KI wirtschaftlich einführen

Wer Krishnas Warnung ernst nimmt, muss nicht bremsen – sondern gezielter steuern. So kann ein realistischer Fahrplan für Marketing und Vertrieb aussehen.

1. Klare Business-Ziele statt Technologie-Shopping

Starten Sie nicht mit der Frage „Welches Modell ist das stärkste?“, sondern mit:

• Wo verlieren wir heute Zeit? (z.B. manuelle Reportings, wiederkehrende E-Mails)
• Wo verlieren wir Geld? (z.B. schlechte Lead-Qualität, Abbrüche im Funnel)
• Wo verlieren wir Chancen? (z.B. keine Personalisierung, zu langsame Reaktion)

Formulieren Sie pro Use Case eine einfache Rechnung:

• Zeitersparnis in Stunden pro Monat × interner Stundensatz
• Erwartete Steigerung von Conversion / Umsatz
• Erwartete Reduktion von Fehlern / Reklamationen

Wenn sich diese Basisrechnung nicht positiv darstellen lässt, ist der Use Case (noch) nicht reif.

2. „Klein starten, groß skalieren“ – mit messbaren Piloten

Statt eines Mammutprojekts haben sich in Deutschland besonders diese Schritte bewährt:

1. Pilot in einem klar abgegrenzten Bereich (z.B. nur Inbound-Sales im DACH-Markt)
2. Dauer: 8–12 Wochen, mit festgelegten KPIs (Zeit, Qualität, Conversion)
3. Enge Zusammenarbeit von Fachbereich, IT, Datenschutz und Betriebsrat
4. Am Ende: Entscheidung – skalieren, nachschärfen oder stoppen

So vermeiden Sie, dass aus einem Experiment ein stilles, teures Dauerprojekt wird.

3. Kostenkontrolle: KI wie eine Variable Cost behandeln

Einer der Fehler, den Krishna indirekt adressiert: gigantische Fixkosten für Infrastruktur. Für Marketing & Vertrieb ist es fast immer sinnvoller, KI nutzer- oder transaktionsbasiert abzurechnen:

• Cloudbasierte KI-APIs mit Kosten pro 1.000 Tokens / Anfrage
• SaaS-Produkte mit klaren Nutzerpreisen (z.B. pro Sitz oder pro Workspace)
• interne Budgets, die sich an KPIs und Nutzen orientieren, nicht an „wir wollen auch was mit KI machen“

Belasten Sie Ihr Budget nicht mit langfristigen, starren KI-Fixkosten, wenn Ihr Geschäftsmodell selbst volatil ist.

---

Was Sie konkret aus Krishnas Warnung ableiten sollten

Die gute Nachricht zuerst: Sie müssen nicht im KI-Bauwahn mitmachen, um vom KI-Boom zu profitieren. Die teuren Rechenzentren bauen andere. Ihr Vorteil liegt darin, diese Kapazitäten klug zu nutzen – nicht darin, sie zu besitzen.

Fünf praktische Leitlinien für 2026

1. Kein KI-Projekt ohne Business Case.
   Jede Initiative braucht eine simple Nutzenrechnung – schwarz auf weiß.

2. Fokus auf Prozesse, nicht auf Parameterzahlen.
   Entscheidend ist, wie sehr ein Modell Ihren Workflow verbessert, nicht wie groß es ist.

3. Unternehmenswissen integrieren.
   Kombinieren Sie LLMs mit Ihrem eigenen Content, Ihren Produktdaten und Ihrem CRM.

4. Kompetenzen im Team aufbauen.
   Schulen Sie Marketing und Vertrieb im Umgang mit KI, Prompting, Qualitätskontrolle und rechtlichen Rahmenbedingungen.

5. Risikobasiert statt hypegetrieben handeln.
   Berücksichtigen Sie Datenschutz, Haftung und Markenwirkung – insbesondere bei generiertem Content.

Die Realität ist: KI wird 2026 in Marketing und Vertrieb so selbstverständlich sein wie heute CRM oder Marketing-Automation. Der Unterschied zwischen Gewinnern und Verlierern wird nicht durch den Zugang zu GPUs bestimmt, sondern durch:

• Klarheit über Ziele,
• Qualität der Daten,
• Reife der Organisation.

Wer diese Hausaufgaben macht, profitiert von den Milliardeninvestitionen der Hyperscaler – ohne selbst in den Bauwahn zu verfallen.

---

Nächste Schritte: Vom Hype zur belastbaren Roadmap

Wenn Sie gerade an Ihrer KI-Strategie für Marketing und Vertrieb arbeiten, ist Krishnas Botschaft ein nützlicher Realitäts-Check: Nicht alles, was technisch möglich ist, lohnt sich wirtschaftlich. Aber sehr vieles lohnt sich – wenn es sauber geplant wird.

Der sinnvollste nächste Schritt ist meist ein fokussierter KI-Strategieworkshop, in dem Sie:

• Ihre wichtigsten Marketing- und Vertriebsprozesse durchgehen,
• konkrete KI-Use-Cases mit Business Case priorisieren,
• Governance, Datenschutz und Betriebsrat frühzeitig einbinden,
• und eine Roadmap für die nächsten 6–12 Monate definieren.

Der Wettlauf um Gigawatt-Rechenzentren wird sich in den nächsten Jahren weiter zuspitzen. Die spannendere Frage für Sie lautet: Wo soll KI in Ihrem Unternehmen in 12 Monaten messbar Umsatz steigern oder Kosten senken?

Genau dort gehört Ihr Fokus hin – nicht in den Bauwahnsinn.