Betreten Sie eine SaaS-Firma mit 40 Leuten, und Sie finden überall Instrumentierung: jeder Trial getrackt, jeder Funnel-Schritt gemessen, jedes Churn-Signal bewertet, die gesamte Umsatzmaschine sichtbar auf einem Dashboard, das tatsächlich jemand anschaut.
Betreten Sie eine Beratungsfirma mit 40 Leuten — oft mit ähnlichem Umsatz — und Sie finden Angebote, die durch Copy-Paste des letzten Angebots entstehen, Scoping-Wissen in den Köpfen zweier Partner, Lieferstatus, der durch Nachfragen in Meetings eingesammelt wird, und Marge pro Mandat, die quartalsweise berechnet wird, wenn überhaupt — in einer Tabelle namens final_v3_WIRKLICH.
Dasselbe Jahrzehnt. Dieselbe Größe. Fünf Jahre Abstand beim Tooling — und das ist die höfliche Schätzung.
Die Lücke ist strukturell, nicht kulturell
Die faule Erklärung: Berater seien Technikmuffel. Sie ist falsch; das sind kluge Leute, die andere Firmen zur Modernisierung beraten. Die echte Erklärung sind Feedbackschleifen.
SaaS wurde hochgerüstet, weil wiederkehrender Umsatz unerbittlich ist. Liefern Sie ein schlechtes Onboarding aus, bestraft Sie der Churn noch im Quartal, sichtbar, in der einen Zahl, die der Beirat liest. Dieser Druck finanzierte eine ganze Industrie der Instrumentierung — CRMs, Produktanalytik, Revenue Ops —, weil operative Blindheit in der entscheidenden Kennzahl auftauchte.
Der Projektumsatz der Beratung versteckt dieselben Fehler. Ein unterbotenes Mandat erscheint nicht als Churn; es erscheint als Team, das still Wochenenden arbeitet, als Margenzahl, die niemand vor Geschäftsjahresende berechnet, als Senior Partner, der den Schmerz absorbiert und es Kundenservice nennt. Der Verlust ist real — oft 20–30 % der Mandatsökonomie —, aber er landet nie in einer einzigen Zahl in einem Moment, in dem jemand handeln könnte. Kein sichtbarer Schmerz, kein Tooling-Budget. Zwanzig Jahre lang hielt dieses Gleichgewicht.
Warum der Waffenstillstand gerade endete
Einheitlich zurückzuliegen war in Ordnung, solange alle zurücklagen. Ihre Wettbewerber scopten ebenfalls nach Intuition und verfolgten Lieferung durch Herumfragen, also verlor niemand einen Deal wegen Tooling. Ein stabiler, branchenweiter Waffenstillstand.
KI hat ihn beendet — auf eine leicht misszuverstehende Weise. Das Missverständnis: "KI schreibt jetzt Angebote, unsere soll sie auch schreiben." Die Realität: KI ist eine Verzinsungsmaschine für systematisiertes Wissen — und liefert ungefähr nichts auf Wissen, das in Köpfen lebt.
Eine Firma, deren frühere Scopes, Schätzungen, Ist-Werte und Ergebnisse als strukturierte Artefakte existieren, kann KI darauf richten und bekommt etwas genuin Neues: Angebote, entworfen aus dem, was bei ähnlichen Mandaten tatsächlich geschah; Schätzungen, geprüft gegen den realen Bias der Firma; Scope-Grenzen, vor der Unterschrift stressgetestet. Eine Firma, deren institutionelles Wissen das Gedächtnis zweier Partner ist, kann KI auf nichts richten. Der Prompt ist leer.
Das hat die Branche noch nicht eingepreist. Die fünfjährige Tooling-Lücke war ein geteiltes Handicap. Jetzt ist sie der Unterschied zwischen Firmen, die verzinsen können, und Firmen, die es nicht können — und anders als die SaaS-Tooling-Welle, die Beratung gefahrlos ignorieren konnte, bewegt diese die Deal-Ökonomie: wer schneller scoped, wer enger bietet, wer mit Belegen statt Adjektiven in den Pitch geht.
Wie Aufholen tatsächlich aussieht
Kein Transformationsprogramm. Die Firmen, die es richtig machen, tun etwas fast beschämend Enges: Sie nehmen die eine Pipeline, durch die jeder Deal fließt — Anfrage, Discovery, Scope, Schätzung, Angebot — und lassen sie strukturierte Artefakte statt Einmal-Dokumente erzeugen.
Dieser eine Schritt zahlt dreifach. Der sofortige Ertrag ist Geschwindigkeit: Angebotszyklen fallen von Wochen auf Tage, weil Zusammenbauen keine Archäologie mehr ist. Der zweite Ertrag ist Genauigkeit: Wenn Scopes und Ist-Werte über Mandate vergleichbar sind, wird Unterbieten ein messbarer Bias statt einer wiederkehrenden Überraschung. Der dritte Ertrag ist der verzinsende: Jedes Mandat hinterlässt jetzt Daten, die das nächste nutzen kann — genau das Asset, das KI multipliziert.
Das Urteil bleibt menschlich. Was ein Kunde wirklich braucht, was das Risiko wert ist, wann man geht — kein Werkzeug rührt das an, und Firmen, die Urteilskraft verkaufen, sollten jeden beleidigt zurückweisen, der anderes behauptet. Aber Urteilskraft auf instrumentierter Realität schlägt Urteilskraft auf Gedächtnis, jedes Mal — und SaaS hat es vor einem Jahrzehnt an der eigenen Umsatzmaschine bewiesen.
Beratungsfirmen sagen ihren Kunden: Was man nicht misst, kann man nicht verbessern. Die Fünf-Jahres-Lücke ist, wie es aussieht, den eigenen Rat nicht befolgt zu haben. Die gute Nachricht im Hot Take: Die Lücke ist fünf Jahre breit, aber nur eine Pipeline tief — und sie zu schließen war nie billiger.
Ist Beratung nicht grundlegend anders als SaaS — individuell, beziehungsgetrieben, resistent gegen Systematisierung?+
Das kundenseitige Urteil ist individuell. Die Maschinerie darum herum — wie Angebote entstehen, wie Scope verfolgt wird, wie Lieferwissen sich ansammelt — ist repetitiv und hochgradig systematisierbar. Firmen verwechseln beides und systematisieren am Ende keines.
Warum bekam SaaS zuerst Tooling?+
Wiederkehrender Umsatz bestrafte operative Blindheit sofort — Churn zeigt sich in der Zahl des nächsten Monats. Der Projektumsatz der Beratung versteckt dieselben Verluste in einzelnen Mandaten, also hat sich der Druck zu instrumentieren nie aufgebaut. Unterschiedliche Feedbackschleifen, nicht unterschiedliche Intelligenz.
Kostet der Rückstand überhaupt etwas, wenn die ganze Branche zurückliegt?+
Nein — bis KI die Grundlinie verschoben hat. Wenn jeder Wettbewerber auf Dokumenten und Gedächtnis läuft, verliert niemand Deals wegen Tooling. Dieser Waffenstillstand ist vorbei: Firmen, die ihr Lieferwissen systematisiert haben, können es jetzt mit KI verzinsen — und Firmen ohne haben nichts, womit KI arbeiten könnte.
Was sollte eine Firma zuerst systematisieren?+
Die Pipeline von Angebot zu Scope. Sie berührt jeden Deal, ihre Inputs und Outputs sind bereits Dokumente, und Fehler dort — Unterbieten, unklare Grenzen — sind pro Vorfall am teuersten. Dort erzeugt KI-Unterstützung sichtbare Erträge in Wochen statt Quartalen.
Verwandter Service
Möchten Sie, dass wir diesen Workflow für Sie einsetzen?