Warum erfolgreiche Unternehmen KI zuerst am Engpass ihrer Wertschöpfungskette einsetzen und erst danach die Arbeit selbst beschleunigen

56 % der CEOs sehen durch KI weder höhere Umsätze noch niedrigere Kosten. Nur 12 % erreichen beides, so die Befragung von 4.454 CEOs in PwCs 29th Global CEO Survey.¹ Meine These lautet: Die 12 % setzen KI an einer anderen Stelle ein. Sie wählen die Wertschöpfungskette, die über ihr strategisches Ziel entscheidet, verbessern mit KI deren primären Engpass und verkürzen so die Zeit, in der Vorgänge liegen und auf den nächsten Schritt warten. In Fertigung und Wissensarbeit macht diese Liegezeit nach meiner Schätzung rund 70 % der Durchlaufzeit aus. Die meisten KI-Adoptionen setzen dagegen an den übrigen 30 % an: an der Geschwindigkeit, mit der einzelne Menschen ihre Arbeit erledigen.

Wie viel Zeit in der Wertschöpfungskette mit Warten vergeht

Die Forschung zur Fertigungssteuerung misst seit Jahrzehnten, wie sich die Durchlaufzeit eines Auftrags zusammensetzt. Wiendahl dokumentiert für die Werkstattfertigung ein Praxisbeispiel, in dem Rüst- und Bearbeitungszeiten 10 % der Durchlaufzeit ausmachen und die aus Beständen resultierende Liegezeit 85 %.² Für die metallverarbeitende und die Elektroindustrie nennen empirische Erhebungen ablaufbedingte Liegezeiten von bis zu 75 %.³

In der Wissensarbeit fällt das Verhältnis weniger extrem aus, ist aber deutlich schlechter gemessen. Die verbreitete Aussage, Teams arbeiteten nur 5 bis 15 % der Zeit aktiv an einem Vorgang, stammt aus Beraterberichten ohne Datengrundlage. Eine Auswertung von 63 Softwareteams bei ASOS ergab einen aktiven Anteil zwischen 9 und 68 %, im Mittel 35 %.⁴ Auch hier wartet ein Vorgang also deutlich länger, als jemand an ihm arbeitet.

Über die gesamte Wertschöpfungskette wird das Bild am klarsten. Das britische Forschungsprogramm 3DayCar hat den Weg vom Kundenauftrag bis zur Auslieferung eines Fahrzeugs vermessen. Nach bester Praxis entstand ein Auto in 11 Stunden, der Kunde wartete im Durchschnitt rund 40 Tage darauf.⁵

Aus diesen Befunden leite ich für Fertigung und Wissensarbeit einen Arbeitswert ab: 30 % produktive Zeit und 70 % Liegezeit. Der Wert ist bewusst großzügig zugunsten der produktiven Zeit gesetzt. Eine Studie, die genau dieses Verhältnis misst, gibt es nicht.

An welcher Stelle sich KI rechnet

Ein Vorgang dauert 100 Stunden, davon 30 Stunden Arbeit und 70 Stunden Liegezeit. Halbiert KI die Bearbeitungszeit, ist der Vorgang nach 85 Stunden abgeschlossen. Gelingt dieselbe Halbierung bei der Liegezeit, sind es 65 Stunden. Die gleiche relative Verbesserung wirkt in der Liegezeit mehr als doppelt so stark. Selbst eine vollständige Automatisierung jedes einzelnen Arbeitsschritts verkürzt die Durchlaufzeit nur um 30 %. Dieselbe Wirkung erreicht ein Unternehmen, das die Liegezeit um gut 40 % senkt.

Die Rechnung hat eine wichtige Ausnahme, und genau sie macht den Unterschied zwischen den 12 % und dem Rest aus. Am primären Engpass hängen Bearbeitungszeit und Liegezeit unmittelbar zusammen. Ein Engpass ist eine Station, deren Kapazität unter der Nachfrage liegt. Kommen jede Woche 100 Aufträge an und schafft der Engpass nur 90, wächst der Stapel davor jede Woche um 10 Aufträge, und jeder neue Auftrag wartet länger als der vorherige. Verkürzt KI die Bearbeitungszeit dort um 10 %, schafft der Engpass 100 Aufträge pro Woche, und der Stapel hört auf zu wachsen. Bei 15 % kürzerer Bearbeitung schafft er knapp 106 Aufträge und baut den Rückstand jede Woche um rund 6 Aufträge ab. Jede Stunde, die KI am Engpass gewinnt, wird so zu einer Stunde mehr Durchsatz für die gesamte Kette.

„Jede Stunde, die KI am Engpass gewinnt, wird zu einer Stunde mehr Durchsatz für die gesamte Kette."

Auch nach der Entlastung bleibt die Station hoch ausgelastet, und dann bestimmt die Schwankung, wie lange Vorgänge warten. Die Warteschlangentheorie beschreibt das mit der Kingman-Formel: Die Wartezeit vor einer Station wächst mit Variabilität, Bearbeitungszeit und vor allem mit der Auslastung, und zwar nicht linear.⁶ Korrekturschleifen und Ausschuss erhöhen diese Variabilität, weil jeder zurückgeschickte Vorgang die Station ein zweites Mal belegt. Weniger Nacharbeit am Engpass senkt die Wartezeit deshalb doppelt: Die Station gewinnt Kapazität, und der Fluss wird gleichmäßiger.

Dieselbe Verbesserung an einer Station mit freier Kapazität verändert die Durchlaufzeit kaum. Die Vorgänge erreichen den Engpass schneller und warten dort entsprechend länger. Goldratt hat diesen Effekt in einem Satz zusammengefasst: Eine an einem Nicht-Engpass gesparte Stunde ist eine Fata Morgana.⁷

Lokale Optimierung verschiebt den Engpass

Die meisten KI-Adoptionen bewegen sich im Bereich der asynchronen lokalen Optimierung. Jede Fachabteilung führt die Werkzeuge ein, die ihre eigene Arbeit beschleunigen, und misst den Erfolg an der eigenen Bearbeitungszeit. Lokale Optimierungen verbessern sich dabei zulasten anderer lokaler Einheiten. Der Vertrieb erstellt Angebote in einem Bruchteil der Zeit und erzeugt damit mehr Anfragen, als die Kalkulation prüfen kann. Der Engpass wandert vom Vertrieb in die Kalkulation, und der Kunde wartet auf sein Angebot genauso lange wie vorher.

Hinzu kommt, dass viele Adoptionen nicht auf dem strategischen Pfad liegen. Sie verbessern Tätigkeiten, die für sich genommen sinnvoll sind, zahlen aber auf kein strategisches Unternehmensziel ein. Der strategische Pfad beginnt deshalb mit einer Auswahl: Welche Wertschöpfungskette oder welcher Prozess entscheidet über das Ziel, das sich das Unternehmen gesetzt hat?

Lautet die Strategie Marktwachstum, sind es meist die Ketten, in denen der Kunde wartet:

• im Vertrieb die Kette von der Kundenanfrage bis zum Angebot, in der eine Anfrage auf Kalkulation, technische Klärung und Freigabe wartet,
• in der Auftragsabwicklung die Kette vom Auftrag bis zur Auslieferung, deren Länge bestimmt, ob ein Kunde bestellt oder zum Wettbewerber geht,
• in der Produktentwicklung die Kette von der Idee bis zur Markteinführung, in der Entwürfe auf Tests, Abstimmungen und Freigaben warten.

Lautet sie Kostensenkung, sind es die Prozesse, in denen das Warten Geld kostet. Oft entsteht es durch Schleifen: Korrekturen, Rückfragen oder Ausschuss schicken einen Vorgang zurück, er bindet erneut Arbeitszeit und reiht sich wieder vor derselben Station ein.

• in der Produktion die Fertigung mit hoher Ausschussquote, in der Aufträge mehrere Runden durch Prüfung und Nacharbeit drehen, bis die Qualität stimmt,
• im Kundenservice die Reklamationsbearbeitung, in der ein Fall zwischen Service, Qualitätssicherung und Buchhaltung liegt und jede Nachfrage des Kunden zusätzliche Arbeit auslöst,
• in der Logistik die Kette von der Bestellung beim Lieferanten bis zur Einlagerung, in der lange Liegezeiten Kapital in Beständen binden und Eillieferungen nötig machen,
• in der Buchhaltung der Prozess von der Rechnung bis zur Zahlung, in dem Belege auf Freigaben warten, Skonto verfällt und Mahnungen Nacharbeit erzeugen.

Erst innerhalb dieser Wertschöpfungskette lohnt die Suche nach dem primären Engpass. Verbessert KI ihn, steigt der Durchsatz der Kette, und das Unternehmen kommt seinem strategischen Ziel messbar näher.

Der Engpass liegt dabei häufig an einer Stelle, an der niemand ihn vermutet. Im 3DayCar-Programm entstanden 85 % der Verzögerungen in Auftragsabwicklung, Terminierung und Reihenfolgeplanung, also in reinen Informationsprozessen und nicht in der Montage.⁸ Diese Prozesse liegen zwischen den Abteilungen. Sie tauchen in keiner Abteilungskennzahl auf, und in kaum einem Organigramm verantwortet sie jemand. Für KI sind sie dagegen ein naheliegendes Einsatzfeld, denn hier geht es um Klärung, Abstimmung und Weitergabe von Informationen.

Der Work AI Index 2026 von Glean stützt diese Beobachtung aus einer anderen Richtung. In den 13 % der Organisationen, in denen KI die Leistung nach Aussage der Beschäftigten deutlich verbessert, nutzen 90 % KI, um Abläufe neu zu gestalten, statt bestehende Abläufe nur zu beschleunigen.⁹

Was die Führung jetzt entscheiden kann

Für das C-Level verschiebt sich damit die Auswahl der KI-Use-Cases. Die Frage, wo KI Arbeit beschleunigen kann, findet in jedem Unternehmen hunderte Antworten. Die strategisch relevante Frage lautet, welcher Engpass heute bestimmt, wie lange der Kunde wartet und wie viel die Wertschöpfungskette insgesamt liefern kann. Dateninspirierte Unternehmen beantworten sie mit Daten aus ihren eigenen Systemen und gehen in fünf Schritten vor:

1. Sie bestimmen die Wertschöpfungskette oder den Prozess, der über ihr strategisches Ziel entscheidet, etwa Marktwachstum, Kostensenkung oder Nachhaltigkeit.
2. Sie messen die Durchlaufzeit dieser Kette vom Auslöser bis zum Ergebnis, etwa vom Kundenauftrag bis zur Auslieferung, und weisen Bearbeitungszeit und Liegezeit getrennt aus. Die Zeitstempel dafür liegen in den Ereignisprotokollen von ERP-, CRM- und Ticketsystemen bereits vor.
3. Sie identifizieren den primären Engpass dieser Kette, also die Station, deren Kapazität unter der Nachfrage liegt und vor der sich die Vorgänge stauen.
4. Sie setzen den ersten KI-Use-Case genau dort an und prüfen bei jedem weiteren, ob er den Engpass entlastet oder nur an eine andere Stelle verschiebt.
5. Sie messen den Erfolg jedes KI-Systems am Durchsatz der Wertschöpfungskette und an der Durchlaufzeit, die der Kunde erlebt.

Dass sich dieser Weg lohnt, ist auch ohne KI belegt. In einer Forschungskooperation zwischen MAN Truck & Bus und der TU Braunschweig sank die Auftragsdurchlaufzeit einer Werkstattfertigung um etwa 30 %, allein durch eine gezielte Steuerung von Bestand und Auftragsfreigabe.¹⁰ KI erweitert dieses Repertoire erheblich, weil sie genau die Informationsprozesse beschleunigen kann, in denen die Liegezeit entsteht.

Weshalb der ROI auf sich warten lässt

Solange alle Wettbewerber KI breit über das Unternehmen verteilen, bleibt ihre relative Position unverändert. Wer KI-Use-Cases dagegen entlang des strategischen Pfads auswählt, also zuerst die Wertschöpfungskette bestimmt, die über das strategische Ziel entscheidet, und darin am größten Hebel ansetzt, verschiebt die eigene Wettbewerbsposition spürbar. Der Kunde bekommt sein Angebot, sein Produkt oder seine Lösung früher, das Unternehmen bindet weniger Kapital in Beständen und Warteschlangen, und dieselbe Organisation liefert in derselben Zeit mehr.

Die Erfolgskurve verläuft dabei zunächst flach. Die ersten Monate gehen in Messung und Engpassanalyse, und die Wirkung zeigt sich erst, wenn KI am richtigen Punkt ansetzt. Danach steigt sie deutlich, und der Wettbewerb bemerkt den Vorsprung meist erst, wenn sich die Lieferzeiten bereits unterscheiden.

Weitere interessante Artikel:

• Advisory | Impulse Talks | Trainings
• KI als Treiber der Konvergenz
• Dateninspirierte Führung: Vier Modi, eine Metakompetenz, ein struktureller Vorsprung
• Vergessen Sie den schnellen ROI: Die wirklichen KI-Gewinne stehen in keiner Bilanz
• Governance zu digitalisieren ist keine Option mehr

Quellen

¹ PwC: Leading through uncertainty in the age of AI. PwC's 29th Global CEO Survey, Januar 2026. https://www.pwc.com/gx/en/ceo-survey/2026/pwc-ceo-survey-2026.pdf

² Wiendahl, H.-P.: Betriebsorganisation für Ingenieure. Carl Hanser Verlag, München 2010, S. 31; zitiert nach einer Dissertation der TU München. https://mediatum.ub.tum.de/doc/1303182/1303182.pdf

³ Enzyklopädie der Wirtschaftsinformatik: Zeitwirtschaft, mit Verweis auf Zäpfel 2001. https://wi-lex.de/lexikon/inner-und-ueberbetriebliche-informationssysteme/sektorspezifische-anwendungssysteme/produktionsplanungs-und-steuerungssystem/zeitwirtschaft/

⁴ Brown, N.: Our survey says… uncovering the real numbers behind flow efficiency. ASOS Tech Blog, Juli 2023. https://medium.com/asos-techblog/our-survey-says-uncovering-the-real-numbers-behind-flow-efficiency-e54f136b1fab

⁵ Holweg, M.; Miemczyk, J.: Building Cars to Customer Order. 3DayCar-Programm. https://www.researchgate.net/publication/227687528_BUILDING_CARS_TO_CUSTOMER_ORDER_-_WHAT_DOES_IT_MEAN_FOR_INBOUND_LOGISTICS_OPERATIONS

⁶ Kingman, J. F. C.: The single server queue in heavy traffic. Mathematical Proceedings of the Cambridge Philosophical Society 57, 1961; Hopp, W. J.; Spearman, M. L.: Factory Physics, 2001. https://en.wikipedia.org/wiki/Kingman%27s_formula

⁷ Goldratt, E. M.: The Goal. A Process of Ongoing Improvement. North River Press, 1984.

⁸ Holweg, M.: The Order Fulfilment Process in the Automotive Industry. Conclusions of the Current State Analysis. Lean Enterprise Research Centre, 3DayCar-Programm. https://leanenterprise.org.uk/wp-content/uploads/2018/10/The-Order-Fulfilment-Process-in-the-automotive-industry.pdf

⁹ Glean Work AI Institute: The Work AI Index 2026, Juli 2026. https://www.glean.com/blog/work-ai-index-ai-impact-gap

¹⁰ MAN Truck & Bus SE; Institut für Fabrikbetriebslehre und Unternehmensforschung der TU Braunschweig: Durchlaufzeitreduzierung in der Einzel- und Kleinserienfertigung. Ergebnisse einer Forschungskooperation. https://www.researchgate.net/publication/335545927_Durchlaufzeitreduzierung_in_der_Einzel-_und_Kleinserienfertigung_Ergebnisse_einer_Forschungskooperation