7 Min. Lesezeit

Die IT-Beratung steht vor einem Strukturbruch. Jahrzehntelang basierten Beratungshäuser auf dem Pyramidenmodell: viele Junioren, wenige Partner, Skalierung über Headcount. Jetzt entstehen Firmen, die ihr Geschäftsmodell von Grund auf um künstliche Intelligenz herum bauen. Nicht als Zusatztool, sondern als Betriebssystem. Das verändert nicht nur die Kostenstruktur, sondern die gesamte Logik der Branche.

Das Wichtigste in Kürze

• 📊 KI-Beratung wächst 2025 mit 13,9 Prozent am stärksten im deutschen Consulting-Markt (BDU 2025).
• 🔧 AI-augmentierte Berater liefern 40 Prozent höhere Qualität bei 25 Prozent schnellerer Bearbeitung (Harvard/BCG 2023).
• 💡 AI-native Firmen ersetzen die klassische Pyramide durch flache Obelisk-Strukturen mit drei neuen Rollen (HBR 2025).
• ⚠️ Über 40 Prozent aller Agentic-AI-Projekte werden laut Gartner bis Ende 2027 abgebrochen.
• 🏢 Der deutsche Beratungsmarkt überschreitet 2025 erstmals die 50-Milliarden-Euro-Grenze (BDU 2025).

Der Beratungsmarkt verschiebt sich

Der Bundesverband Deutscher Unternehmensberatungen (BDU) meldet für 2025 einen historischen Meilenstein: Der deutsche Consulting-Markt überschreitet erstmals die 50-Milliarden-Euro-Grenze und erreicht 51,8 Milliarden Euro. Das entspricht einem Wachstum von 6,4 Prozent gegenüber dem Vorjahr. Innerhalb dieses Marktes sticht ein Segment besonders hervor: KI-Beratung wächst mit 13,9 Prozent mehr als doppelt so schnell wie der Gesamtmarkt.

Diese Zahlen erzählen aber nur die halbe Geschichte. Denn das Wachstum verteilt sich nicht gleichmäßig. Während große Beratungshäuser ihre bestehenden Prozesse um KI-Tools ergänzen, entstehen parallel Firmen, die von Tag eins mit KI als Kern-Architektur arbeiten. Die Harvard Business Review beschreibt diesen Unterschied als den Wandel von der Pyramide zum Obelisken.

Pyramide gegen Obelisk: Zwei Modelle im Vergleich

Im September 2025 haben die Autoren David S. Duncan, Tyler Anderson und Jeffrey Saviano in der Harvard Business Review analysiert, wie KI die Struktur von Beratungsfirmen grundlegend verändert. Ihre Kernbeobachtung: Das klassische Pyramidenmodell mit vielen Junior-Beratern an der Basis und wenigen Partnern an der Spitze gerät unter Druck, weil KI genau die Aufgaben automatisiert, die bisher von Junioren erledigt wurden.

Die Alternative nennen sie das Obelisk-Modell. Statt breiter Basis und schmaler Spitze entsteht eine schlanke, durchgehend hochqualifizierte Struktur. Weniger Hierarchieebenen, weniger Köpfe, dafür jeder einzelne mit deutlich höherem Output. Die Konsequenz für die Personalplanung: Ein AI-natives Team mit fünf Senioren kann Projekte stemmen, für die klassische Häuser zehn bis fünfzehn Berater einsetzen würden.

Quellen: BDU Facts & Figures 2025, Harvard/BCG Feldexperiment 2023

Laut den HBR-Autoren entstehen im AI-nativen Modell drei neue Kernrollen. AI-Facilitators betreiben die KI-Infrastruktur und Datenpipelines. Engagement Architects definieren Problemstellungen, interpretieren KI-Outputs und übersetzen sie in Handlungsempfehlungen. Client Leaders pflegen die vertrauensbasierte Beziehung auf C-Level-Ebene. Keine dieser Rollen lässt sich mit einem Berufseinsteiger besetzen.

Das Modell hat Konsequenzen für die Ausbildung. Wer heute als Cloud-Berater anfängt, steigt nicht mehr als Research Analyst ein, der PowerPoint-Folien baut. Stattdessen muss der Einstieg auf einem höheren Niveau beginnen: mit der Fähigkeit, KI-generierte Ergebnisse kritisch einzuordnen, Kontextwissen mitzubringen und Kundenbeziehungen eigenständig zu steuern.

Was die Daten zeigen: 40 Prozent mehr Qualität

Die vielleicht belastbarste Studie zum Thema stammt aus einer Zusammenarbeit zwischen der Harvard Business School und der Boston Consulting Group. In einem randomisierten Feldexperiment erhielten mehrere hundert BCG-Berater Zugang zu GPT-4. Die Ergebnisse, veröffentlicht als Working Paper der HBS im September 2023, sind bemerkenswert.

Die KI-unterstützten Berater lieferten im Schnitt 40 Prozent höhere Qualität bei ihren Outputs. Sie erledigten 12,2 Prozent mehr Aufgaben und waren 25,1 Prozent schneller. Besonders aufschlussreich: Berater, die vorher unterdurchschnittlich abschnitten, verbesserten sich um 43 Prozent. Die ohnehin starken Berater legten immerhin noch 17 Prozent zu.

Für das Pyramidenmodell sind diese Zahlen ein Problem. Wenn ein Senior-Berater mit KI-Unterstützung fast so produktiv wird wie ein Dreierteam aus Junioren, verliert die klassische Skalierung über Headcount ihre Berechtigung. Die Frage ist nicht mehr, ob KI in der Beratung eingesetzt wird. Die Frage ist, ob das bestehende Geschäftsmodell den Einsatz überlebt.

„Verwechseln Sie Wissensarbeiter nicht mit Wissensarbeit. Die Wissensarbeit von heute könnte wahrscheinlich automatisiert werden. Aber wer hat gesagt, dass mein Lebensziel darin besteht, meine E-Mails zu sortieren?“
Satya Nadella, CEO Microsoft (The Register, Februar 2025)

Cloud-Beratung als Testfeld

Besonders sichtbar wird der Wandel in der Cloud-Beratung. Multi-Cloud-Migrationen, FinOps-Optimierung und Kubernetes-Orchestrierung sind Felder, in denen KI-Tools bereits messbare Zeitersparnisse liefern. Terraform-Code generieren, CloudFormation-Templates validieren, Anomalien in Cloud-Spend-Daten erkennen: Das sind repetitive Aufgaben mit klaren Regeln, die klassisch von Junior-Beratern abgearbeitet wurden.

Die Praxis zeigt den Effekt bereits. Der Personalvermittler PageGroup berichtet, dass er mit Azure OpenAI die Erstellung von Stellenanzeigen um 75 Prozent beschleunigt hat. Präsentationsinhalte werden 50 Prozent schneller kuratiert. Microsoft dokumentiert diese Zahl in seinem Cloud Blog als einen von über 1.000 Kundenfällen. Für Cloud-Berater überträgt sich dieses Muster direkt: Angebote schreiben, Dokumentationen erstellen, Code Reviews durchführen. All das lässt sich mit KI-Unterstützung in einem Bruchteil der bisherigen Zeit erledigen.

Im DACH-Raum zeigt sich der Trend besonders bei spezialisierten Boutique-Beratungen. Statt 30 oder 50 Berater aufzubauen, arbeiten sie mit Teams von fünf bis zehn Senioren, die ihre Produktivität durch KI-Werkzeuge vervielfachen. Die Kalkulation dahinter ist simpel: Weniger Gehälter, weniger Overhead, dafür höhere Marge pro Projekt. Gleichzeitig profitieren die Kunden von kürzeren Projektlaufzeiten und direktem Zugang zu erfahrenen Beratern statt zu Berufseinsteigern, die noch eingearbeitet werden müssen.

Besonders deutlich wird der Vorteil bei AIOps-Projekten. Hier analysiert KI Monitoring-Daten, erkennt Anomalien und schlägt Gegenmaßnahmen vor. Ein erfahrener Cloud Architect muss die Empfehlungen nur noch einordnen und freigeben. Das reduziert den Personalaufwand für den laufenden Betrieb erheblich.

Die Kehrseite: Wo KI-Augmentierung scheitert

Die Harvard/BCG-Studie liefert allerdings auch eine wichtige Warnung. Die Forscher beschreiben eine sogenannte „Jagged Technological Frontier“: eine gezackte Grenzlinie, jenseits derer KI nicht nur nicht hilft, sondern schadet. Bei bestimmten komplexen Strategieentscheidungen schnitten die KI-unterstützten Berater schlechter ab als ihre Kollegen ohne KI-Zugang. Der Grund: Sie vertrauten den KI-Empfehlungen, obwohl sie hätten zweifeln sollen.

Gartner untermauert diese Skepsis mit konkreten Prognosen. Laut einer Pressemitteilung vom Juni 2025 werden über 40 Prozent aller Agentic-AI-Projekte bis Ende 2027 abgebrochen. Die Gründe: eskalierende Kosten, unklarer Business Value und unzureichende Risikokontrollen. Bereits 2024 prognostizierte Gartner, dass 30 Prozent aller Generative-AI-Projekte nach der Proof-of-Concept-Phase eingestellt werden.

Für AI-native Beratungsfirmen bedeutet das: Der technologische Vorsprung allein reicht nicht. Das Urteilsvermögen darüber, wann KI eingesetzt werden sollte und wann nicht, wird zur entscheidenden Kompetenz. Es ist der Unterschied zwischen einem Berater, der KI als Werkzeug beherrscht, und einem, der blind darauf vertraut.

Was Kunden wirklich kaufen

Aus Kundensicht ändert sich ebenfalls etwas Grundlegendes. Deloitte berichtet in seinem „State of AI in the Enterprise“ von 2026, dass 66 Prozent der befragten Organisationen bereits Produktivitätssteigerungen durch Enterprise-KI verzeichnen. Die Studie basiert auf einer Befragung von 3.235 Senior-Leadern zwischen August und September 2025. Gleichzeitig zeigt McKinseys State of AI Report 2025, dass nur 39 Prozent der Organisationen messbare EBIT-Auswirkungen durch KI nachweisen können.

Diese Diskrepanz ist aufschlussreich. Unternehmen spüren, dass KI ihre Teams produktiver macht. Aber sie können es oft nicht in harten Geschäftszahlen belegen. Genau hier liegt die Chance für Berater, die nicht nur KI implementieren, sondern auch deren Wertbeitrag messbar machen können.

Für Cloud-Projekte heißt das konkret: Ein AI-nativer Berater, der eine FinOps-Optimierung durchführt, liefert nicht nur die technische Umsetzung. Er kann mit KI-gestützter Analyse gleichzeitig den ROI berechnen, Benchmarks gegen vergleichbare Unternehmen ziehen und eine Entscheidungsvorlage für den CFO generieren. Was früher drei Beraterrollen erforderte, erledigt ein Experte mit den richtigen Werkzeugen.

Fünf Fragen für IT-Entscheider

Wer heute einen Cloud-Berater auswählt, sollte nicht nur nach Zertifizierungen fragen. Fünf Fragen helfen bei der Einordnung.

1. Wie setzt der Berater KI in eigenen Projekten ein? Wer KI nur als Produkt an Kunden verkauft, aber intern nicht nutzt, hat das Modell nicht verstanden. Fragen Sie nach konkreten internen Use Cases.

2. Wie sieht die Teamstruktur aus? Prüfen Sie, ob Sie für einen Projektmanager und vier Junior-Berater bezahlen oder für drei Senioren, die mit KI die gleiche Leistung bringen. Die Tagessätze können ähnlich sein, die Ergebnisqualität unterscheidet sich erheblich.

3. Wo zieht der Berater die Grenze? Ein guter AI-nativer Berater kann erklären, welche Aufgaben er automatisiert und welche er bewusst manuell bearbeitet. Die „Jagged Frontier“ zu kennen ist ein Qualitätsmerkmal.

4. Wie wird der Wertbeitrag gemessen? Verlangen Sie quantifizierbare KPIs. Nicht „wir haben Copilot ausgerollt“, sondern „die Cloud-Kosten sind um 23 Prozent gesunken bei gleichzeitig 15 Prozent mehr Deployments“.

5. Wie geht der Berater mit sensiblen Daten um? AI-native Beratung bedeutet, dass Unternehmensdaten durch KI-Modelle fließen. Fragen Sie nach Datensouveränität, Self-Hosted-Modellen und Compliance-Konzepten. Gerade bei NIS2-pflichtigen Unternehmen ist das kein Nice-to-have.

Der DACH-Markt bewegt sich

McKinseys State of AI 2025, basierend auf einer Befragung von knapp 2.000 Organisationen aus 105 Ländern, zeigt dass die KI-Adoption insgesamt rasant steigt. 88 Prozent der befragten Organisationen nutzen mittlerweile KI, ein Anstieg um zehn Prozentpunkte gegenüber dem Vorjahr. Bei Generative AI hat sich die Nutzung von 33 Prozent auf 72 Prozent mehr als verdoppelt. Gleichzeitig haben erst 7 Prozent KI unternehmensweit skaliert.

Für den deutschen Mittelstand ergibt sich daraus eine paradoxe Situation. Die Bereitschaft, in KI zu investieren, ist hoch. Aber die Fähigkeit, KI-Projekte erfolgreich umzusetzen, bleibt begrenzt. Laut Gartner fehlen 63 Prozent der Organisationen geeignete Datenmanagement-Praktiken für KI-Projekte. Das BCG AI Radar 2026 prognostiziert, dass Unternehmen ihre KI-Ausgaben verdoppeln wollen: von rund 0,8 auf 1,7 Prozent des Umsatzes.

Genau diese Lücke füllen AI-native Beratungsfirmen. Sie bringen nicht nur das technische Know-how mit, sondern auch die Methodik, um KI-Projekte von der Konzeptphase bis zur messbaren Wertschöpfung zu begleiten. Der Vorteil gegenüber den großen Häusern: schnellere Entscheidungswege, weniger Overhead und Tagessätze, die für den Mittelstand tragbar sind. Statt sechs Monate auf eine Studie zu warten, liefert ein AI-natives Team in sechs Wochen ein funktionierendes Proof of Concept.

Wie das in der Praxis aussieht, zeigt die Hamburger alfatier GmbH. Gründer Kim Nis Neuhauss kennt beide Seiten: Als CEO von Bright Skies baute er einen der stärksten Microsoft-Azure-Partner Deutschlands auf, mit 55 Mitarbeitern, rund 500 Kunden und 14 Microsoft-Gold-Kompetenzen. Neuhauss selbst wurde zweimal als Microsoft MVP für Azure ausgezeichnet. Nach der Übernahme durch Rackspace Technology 2020 startete er mit alfatier neu, diesmal von Grund auf AI-native.

Das Team besteht ausschließlich aus Senioren und deckt vier Säulen ab: Cloud Excellence, AI Transformation, Cyber Resilience und Digital Sovereignty. Gerade die Kombination aus Cloud und Security trifft einen Nerv: Mit der NIS2-Registrierungspflicht und dem parallelen DORA-Druck auf Finanzdienstleister brauchen Mittelständler Berater, die Cloud-Architektur und Compliance-Anforderungen gleichzeitig denken können. Wer beides aus einer Hand liefert, spart seinem Kunden ein zweites Beratungshaus.

Statt Berater-Pyramide setzt Neuhauss auf ein schlankes Modell, das KI nicht als Add-on behandelt, sondern als Betriebssystem der gesamten Beratungsleistung. alfatier erreichte innerhalb von zwei Jahren siebenstelligen Umsatz.

„Die Zukunft gehört nicht dem besten Lebenslauf. Sie gehört dem besten Menschen.“
Kim Nis Neuhauss, CEO alfatier GmbH (LinkedIn, 2025)

Das Beispiel illustriert einen breiteren Trend im DACH-Raum. Erfahrene Cloud-Profis, die große Organisationen von innen kennen, gründen schlanke Firmen, die mit KI-Unterstützung Projekte stemmen, für die klassische Häuser deutlich größere Teams einsetzen würden. Für Mittelständler, die Enterprise-Qualität brauchen aber keine Enterprise-Budgets haben, wird dieses Modell zunehmend attraktiv.

Fazit: Die Zukunft gehört dem Urteilsvermögen

AI-native Consulting ist kein Trend, der wieder verschwindet. Die ökonomische Logik ist zu stark. Wenn ein Fünferteam mit KI-Unterstützung die Ergebnisse liefert, für die bisher 15 Berater nötig waren, verändert das die gesamte Wettbewerbsdynamik der Branche.

Aber die Technologie allein entscheidet nicht. Die Harvard/BCG-Studie zeigt klar: KI macht gute Berater besser und schlechte Berater gefährlicher. Die entscheidende Kompetenz wird nicht sein, KI-Tools zu bedienen. Sondern zu wissen, wann man ihnen vertrauen kann und wann nicht. Das unterscheidet den AI-nativen Berater von einem Prompt-Bediener.

Für IT-Entscheider bedeutet das: Nicht die größte Beratung beauftragen und auch nicht die mit der beeindruckendsten KI-Demo. Sondern die, deren Leute das Urteilsvermögen mitbringen, KI dort einzusetzen, wo sie Wert schafft, und dort zu stoppen, wo sie schadet.

Häufige Fragen

Was bedeutet AI-native Consulting?

AI-native Consulting beschreibt Beratungsfirmen, die ihr Geschäftsmodell von Grund auf um künstliche Intelligenz herum aufgebaut haben. Im Gegensatz zu traditionellen Beratungshäusern, die KI als zusätzliches Werkzeug einsetzen, nutzen AI-native Firmen KI als Kern ihrer Arbeitsweise. Typisch sind kleine Senior-Teams ohne klassische Junior-Pyramide.

Wie unterscheidet sich das Obelisk-Modell vom Pyramidenmodell?

Das Pyramidenmodell skaliert über Headcount: viele Junior-Berater an der Basis, wenige Partner an der Spitze. Das Obelisk-Modell skaliert über Technologie: weniger, aber erfahrenere Berater, die ihre Produktivität durch KI-Werkzeuge vervielfachen. Die Harvard Business Review beschreibt den Obelisken als schlanke, durchgehend hochqualifizierte Struktur mit drei neuen Rollen: AI-Facilitators, Engagement Architects und Client Leaders.

Ist AI-augmentierte Beratung immer besser als klassische Beratung?

Nein. Die Harvard/BCG-Studie zeigt, dass KI-unterstützte Berater bei bestimmten komplexen Strategieentscheidungen schlechter abschnitten als ihre Kollegen ohne KI. Die Forscher beschreiben eine „Jagged Technological Frontier“ mit Aufgaben, die außerhalb der KI-Kompetenz liegen. Die Fähigkeit, diese Grenze zu erkennen, ist entscheidend.

Wie können IT-Entscheider AI-native Berater bewerten?

Fragen Sie nach internen KI-Use-Cases (nutzt der Berater KI selbst?), nach der Teamstruktur (Senioren statt Junior-Pyramide?), nach dem Datenschutzkonzept (Self-Hosted-Modelle?) und nach messbaren KPIs (nicht nur „wir nutzen Copilot“). Ein guter AI-nativer Berater kann klar benennen, wo er KI einsetzt und wo bewusst nicht.

Was kostet AI-native Consulting im Vergleich?

Die Tagessätze einzelner Berater können vergleichbar oder sogar höher liegen als bei klassischen Häusern. Der Unterschied liegt in der Teamgröße: Statt vier bis sechs Berater für ein Projekt braucht ein AI-natives Team oft nur zwei bis drei. Unterm Strich berichten Boutique-Beratungen von 30 bis 40 Prozent geringeren Gesamtprojektkosten für ihre Kunden.

Lesetipps der Redaktion

Mehr aus dem MBF Media Netzwerk

Quelle Titelbild: Pexels / cottonbro studio