Künstliche Intelligenz und Industrie 2026: Warum Deutschland beim Transformations-Marathon verliert

Kurzfassung

Die deutsche Industrie verliert massiv an Wettbewerbsfähigkeit, weil sie Innovationen erforscht, statt sie umzusetzen – während China systematisch Elektroautos, Batterien und Roboter marktreif macht. Prof. Gunther Dück, ehemaliger CTO von IBM, sieht exakt dieselben Muster, die IBM in den 1990ern an den Rand trieben: Zu lange an teuren, alten Produkten festhalten, während disruptive Technologien übersehen werden. 51.000 Jobverluste 2025 in der Automobilindustrie zeigen die Brisanz. Entscheidend ist nicht die KI-Angst, sondern ein kulturelles Umsetzungsproblem: Deutschland macht grossartige Grundlagenforschung, baut aber keine profitablen Geschäfte daraus. KI wird 2026 nicht nur Jobs ersetzen – sie wird CEOs durch Regel-Algorithmen ersetzbar machen, während handwerkliche und kreative Tätigkeiten an Wert gewinnen.

Personen

• Prof. Dr. Gunther Dück (Mathematiker, ehemaliger CTO IBM Deutschland)
• Leonhard Schmedding (Host, Everlast AI)
• Sundar Pichai (Google-CEO)
• Elon Musk (Tesla, The Boring Company)

Themen

• Künstliche Intelligenz und Arbeitsmarkt
• Deutsche Automobilindustrie und Elektromobilität
• Unternehmenskultur und Innovation
• KI-Kompetenz und Führungskräfteentwicklung
• Humanoide Roboter und Robotaxis

Clarus Lead

Deutschland erlebt eine stille Krise: Während chinesische Hersteller wie BYD und Xiaomi global expandieren, verliert die deutsche Automobilindustrie 2025 über 51.000 Jobs – der schlechteste Wert seit 2011. Das ist kein konjunkturelles Problem, sondern ein strukturelles Versagen bei der Umsetzung von Innovationen. Prof. Gunther Dück beschreibt das Phänomen aus persönlicher Erfahrung: IBM hätte Cloud Computing erfinden können, fürchtete aber die Disruption des eigenen Geschäftsmodells und verlor die Führungsposition an Amazon. Heute wiederholt sich dieses Drama in der Automobilindustrie – mit KI als zusätzlicher Katalysator.

Clarus Eigenleistung

• Clarus-Recherche: Das Transkript offenbart ein systematisches Muster: Deutsche Unternehmen investieren Hunderte Millionen in Forschung (z.B. 50 km Stromabnehmer-Infrastruktur für LKWs), produzieren exzellente Doktorarbeiten, stellen dann aber fest, dass das Geschäftsmodell nicht funktioniert – und beenden das Projekt. China setzt hingegen 5–10-Jahres-Pläne um, akzeptiert die ersten 5 Jahre Null-Umsatz und dominiert dann den Markt.

• Einordnung: Das Kern-Risiko ist nicht technologische Inkompetenz, sondern kulturelle Lähmung durch Regelorientiertheit. 85% der Manager denken prozessorientiert (Excel-Sheets, Budgets, Hierarchien), während echte Innovation von 15% „Nerds" kommt, denen man Freiraum geben müsste. KI verschärft das Problem: CEOs können durch Algorithmen ersetzt werden, die bessere Entscheidungen auf Basis von Daten treffen – ohne die emotionalen/politischen Verzerrungen von Menschen.

• Konsequenz: Wer 2026 profitieren will, muss verstehen: Handwerk bleibt zukunftssicher (physikalische Arbeit lässt sich nicht automatisieren), aber klassische Manager-Positionen werden hohl. Hochschul-Absolventen ohne praktische Orientierung sind stärker gefährdet als Handwerker. Die „artgerechte Haltung des Menschen" (Dücks Kernkonzept) braucht KI-Unterstützung, nicht KI-Ersatz – wer das versteht, wird Gewinner.

Detaillierte Zusammenfassung

Das IBM-Szenario 2.0: Warum Deutschland scheitert

Dück war CTO bei IBM, als Cloud Computing erfunden wurde (2006). IBM-Manager sagten: „Zwei Cent pro Stunde? Das ist zu billig, da machen wir kein Business." Amazon Web Services startete 2006, brauchte 15 Jahre bis zum Durchbruch (2021), und ist heute mehrfach grösser als IBM. Die gleiche Lähmung sehen wir heute bei Elektroautos und Batterien.

Die deutsche Automobilindustrie verdient noch Milliarden mit teuren Verbrennern. Batterieautos wachsen weltweit um 48% (Q3 2025), aber der Umstieg ist schmerzlich: Alle etablierten Verkaufsstrukturen, Dealer-Netzwerke, Zulieferketten werden redundant. Dück vergleicht das mit Intels Fehler 1995: Man hielt an teuren Grossrechnern fest, während PCs billiger wurden. Resultat: Marktanteil verloren.

Die chinesische Strategie: BYD, Xiaomi (Autos), XPeng (Flugtaxis ab 2026) setzen national prioritäre Ziele um. Förderung fliesst gezielt, nicht fragmentiert. Humanoide Roboter kosten heute 5.000–100.000 Euro und werden billiger. In Shanghai starten Flugtaxis 2026. In Deutschland: Forschungsberichte, Leuchtturmprojekte, Doktorarbeiten (4 Jahre Standard-Dauer), dann Abbruch.

Der kulturelle Kern: Regel-Menschen vs. Innovatoren

Dück hat bei IBM Statistiken erhoben:

• 85% der Manager: Regelorientiert, prozessual, Excel-fixiert. Sie können grosse Systeme stabil halten, verstehen aber disruptive Umbrüche nicht.
• 15% der „Nerds": Halluzinieren, kreieren, sehen Muster. Sie brauchen Freiraum, nicht Prozesse.
• Split-Problem: Oben sitzen die Regelmanager, unten die Nerds. Sie verstehen sich nicht. Die Manager fordern „Beweis" von Zukunftsideen – unmöglich. Die Nerds ignorieren Budgets – unhaltbar.

Beispiel Präsentationen:

• Manager-Folien: 6 Bullet Points (Umsatz ↑, Kosten ↓, Gewinn ↑, Diversity, 100 Mio. Investment, Loyalität). Immer gleich, Marketing-glatt, keinen Informationswert.
• Nerd-Folien: Komplexe Netzwerk-Diagramme, unverständliche Layer-Architektur.
• Resultat: Gegenseitiger Unglaube. Manager sagen: „Ich verstehe nur Zahlen." Nerds sagen: „Ihr versteht nur Zahlen, nicht die Sache selbst."

Die Harvard-Studie und die CEO-Falle

94% der CEOs vertrauen KI bei Ratschlägen mehr als mindestens einem Vorstandsmitglied. Das ist keine gute Nachricht für Manager. Warum? CEOs sind reine Regelmaschinen: Sie lesen Excel-Sheets, wenden BWL-Formeln an, treffen Entscheidungen nach Schema. KI macht das präziser, schneller, ohne emotionale Verzerrung.

Google-CEO Sundar Pichai: „Was ein CEO macht, ist eine der einfachsten Aufgaben für KI." Das ist plausibel – weil gutes Management zu 80% aus Datenauswertung, Budgetallokation, KPI-Tracking besteht. Das können neuronale Netze besser.

Warum Transformation scheitert

Dück hat beobachtet: Es findet eine gewaltige Menge statt, uns zu transformieren. Und es passiert aber nicht.

Grund: Unternehmen kaufen Transformation wie ein Konsumgut. Sie stellen 20 Coaches und Berater ein, die nach starre Methoden arbeiten (wie Psychotherapie: jeder Therapeut hat sein System, wendet ihn auf alles an). Diese Methoden sind regelbasiert, nicht innovativ. Sie führen zu oberflächlichen Org-Änderungen, nicht zu echter Umsetzung neuer Technologien.

Beispiel: Das Stromabnehmer-Projekt für LKWs (2010–2024). Siemens und Fraunhofer bauten 50 km Infrastruktur auf. 2019 ging es in Betrieb. Ein Lastwagenfahrer sagte: „Hilft mir nichts, wenn ich nur hier 30 km auflade. Ihr müsst Deutschland komplett ausbauen." Antwort: „Das können wir nicht allein entscheiden." 2024 Abschlussbericht: Projekt erfolgreich beendet – es geht nicht. Milliarden weg, aber wenigstens wurde eine Doktorarbeit geschrieben.

Die Forschungs-Falle

Deutschland ist stolz auf Patente, Nobelpreise, Wankelmotor. Aber: Patente nützen nichts. Man muss ein Unternehmen daraus machen. Das geschieht wenig.

Zusätzlich: Förderung ist abhängig von Regierungswechseln und dauert 3 Jahre. Unternehmen rechnen so: „Mit Förderung machen wir Gewinn. Fällt die weg, nicht mehr." Sie planen nicht, ohne Förderung rentabel zu sein – was in 5 Jahren passiert. Resultat: Abhängigkeit, keine echte Wettbewerbsfähigkeit.

Chinas 15-Jahres-Strategie

Dück hat ein Muster erkannt: Disruptionen dauern immer ~15 Jahre vom Anfang bis zum Dominanz-Durchbruch.

• Cloud Computing: 2006 (AWS Launch) bis 2021 (Dominanz) = 15 Jahre
• E-Books bei Amazon: 1996 (Start) bis 2010 (Handel merkt es) = 14 Jahre
• Elektroautos in China: 2009 (Masterplan) bis 2024 (global dominant) = 15 Jahre
• Humanoide Roboter: Start ~2009, jetzt 2026 Massenproduktion, 2031 dominant?

China weiss das. Sie sagen: „15 Jahre. Förderung, Aufbau, Übernahme der Märkte." Deutschland sagt: „Wir brauchen ROI in 3 Jahren oder wir stoppen."

Was 2026 konkret kommt

• Flugtaxis (XPeng/A-Ridge): Shanghai startet 2026 Massenproduktion. Deutschland diskutiert noch. Umsatz: Milliarden.
• Humanoide Roboter: Google, Tesla, Boston Dynamics, chinesische Hersteller bringen Modelle zu 5.000–100.000 Euro. Pflegeroboter kosten ~25.000 Euro (Auto-Preis). 2026: Erste Einsätze in Produktion/Logistik.
• Robotaxis: Amazon, Tesla, XPeng expandieren. 2026 wahrscheinlich erste 100.000er-Flotten global. Lawinen-Effekt auf Logistik/Transport.
• KI in Medizin: Mit Optimierungs-KI könnten Krebs-Durchbrüche kommen (Lab-Kosten werden dematerialisiert).

All das ist real dokumentiert, nicht Spekulation. Deutschland baut Forschungsinstitute für Batterien, während China sie bereits in Massen herstellt.

Lösungsansätze

Dück nennt konkrete Massnahmen:

1. Klare nationale Ziele (wie China): „Wir bauen Robotaxis" oder „Wir werden Batterie-Leader." 15 Jahre Zeithorizont, sagen wir das deutlich.

2. Echte Förderung ohne Forschungs-Detours: Nicht „5 Jahre Grundlagenforschung + Doktorarbeit", sondern „Sofort Product Development, mit parallel begleitender Forschung."

3. Nerds Freiraum geben: Nicht fragen, wie viel sie investieren müssen. Sagen: „Beliebig viel – macht es."

4. Manager-Kultur ändern: Nicht alles regelbasiert. Lernen, mit Unsicherheit umzugehen. KI wird die Regel-Manager ersetzen – also müsste das ein Anreiz sein, sich zu verändern.

5. Handwerk und körperliche Intelligenz wertschätzen: 20–30% der Bevölkerung sind „Körpermenschen", die durch Schule/Uni ausgestossen werden. Sie könnten zu Handwerkern, Robotiker, Techniker werden – zukunftssicher.

6. Infrastruktur als Investition: Nicht dematerialisiert (KI ist kostenlos, schafft keine Jobs). Sondern physikalisch: Stromnetze, Ladestationen, Fabriken. Das bindet Arbeitskraft, löst die Massenarbeitslosigkeit.

Kernaussagen

• IBM-Parallele: Wer disruptive Innovationen übersieht, verliert in 15 Jahren. IBM sah Cloud Computing, lehnte es ab (zu billig), ist heute unbedeutend.

• Deutsche Lähmung: Zu viel Forschung, zu wenig Umsetzung. Zu viel Regelwerk, zu wenig Mut. Zu viel Förderungs-Abhängigkeit, zu wenig Risikobereitschaft.

• CEO-Extinction Risk: 94% der CEOs vertrauen KI mehr als Vorständen – rational, weil Management = Regelwerk. Algorithmen sind besser. Das ist eine Existenzbedrohung, die nicht ernst genommen wird.

• China dominiert: 15-Jahres-Strategie funktioniert. BYD, Xiaomi, XPeng, humanoide Roboter – alles in China am Entstehen oder schon marktreif. Deutschland hat noch nicht mal die Ziele geklärt.

• Handwerk zukunftssicher: Roboter können Code schreiben, aber nicht dein Dach reparieren. Wer praktisch-körperlich arbeitet, überlebt KI.

• Kultur ist das Problem: Nicht die Technologie. Nicht die Intelligenz. Sondern: Können regelorientierte Manager echte Innovationen zulassen?

Weitere Meldungen

• Amazon ersetzt bis zu 1,6 Millionen Mitarbeiter durch Roboter – Robotics wird zum Kern-Business, nicht Nebeneffekt.
• Xiaomi verkauft Luxury-EV zum 1/3 Porsche-Preis – Junge Chinesen kaufen wahnsinnig viele Autos; in Deutschland sinkt die Führerschein-Quote. Demografischer Kollaps trifft Automobilmarkt.
• Lilium und Flugtaxi-Startups verloren, aber China startet 2026 in Shanghai – Der Markt wird nicht von Startups, sondern von etablierten Playern (XPeng) dominiert.

Stakeholder & Betroffene

Chancen & Risiken

Handlungsrelevanz

Für Führungskräfte:

• Fragen Sie sich: Bin ich Regelmaschine (85% der Manager)? Wenn ja, starten Sie jetzt Umdenken.
• Geben Sie „Nerds" echten Freiraum; nicht fragen, wie viel sie ausgeben, sondern: „Macht es."
• Messbar: In 2 Jahren sollte mindestens 1 echtes disruptives Projekt laufen, nicht nur Forschung.

Für Mitarbeiter:

• Überprüfen Sie: Ist mein Job regelbasiert (Management, viele Büro-Tätigkeiten)? Falls ja, Umschulung starten.
• Best move: Handwerk + KI-Basics. Oder: Deep-Expertise (Medizin, Spezialisierung) + KI.
• Newsletter abonnieren: Wer China Electric Vehicle News liest (7 Mails/Tag möglich), ist 2 Jahre voraus.

Für Unternehmen:

• Sagen Sie deutlich: Wir bauen Robotaxis oder Humanoide Roboter (klar, 15-Jahre-Commitment).
• Infrastruktur-Investitionen anschieben; nicht nur KI-Software.
• KPI: Nicht „Forschungsausgaben", sondern „Erste marktreife Produkte in 24 Monaten."

Für Policy-Maker:

• Förderung an Umsetzung koppeln, nicht an Forschung.
• Doktorarbeiten sind Luxus; schnelle Product Development ist die Pflicht.
• Handwerks-Ausbildung massiv ausbauen (Fachkräftemangel ist heute schon Bottleneck).

Kritische Fragen (inhaltlich verankert)

1. Evidenz & Datenlage: Dück zitiert die „15-Jahre-Konstante" (Cloud, E-Books, Elektroautos alle ~15 Jahre bis Dominanz). Gibt es Studien, die das unterstützen, oder ist das eine post-hoc-Rationalisierung? Welche Projekte widersprechen diesem Muster?

2. Chinesisches Modell – Replizierbarkeit: China setzt nationale 5–10-Jahre-Pläne mit Diktatur durch. Ist das Modell auf Demokratien übertragbar, ohne Freiheitseinbussen? Was würde „echte Industriepolitik à la China" in Deutschland konkret bedeuten rechtlich?

3. Manager-Intelligenz und KI-Ersetzung: Wenn 94% der CEOs KI mehr trauen als ihren Vorständen – basiert das auf echter Überlegenheit oder auf Verzerrung (Neigung zu Automation, weil Zahlen objektiv wirken)? Hat jemand gemessen, ob KI-Entscheidungen tatsächlich besser sind, langfristig?

4. Kausalität der Forschungs-Lähmung: Dück kritisiert interdisziplinäre Forschung und lange Förder-Prozesse. Aber sind langsame Projekte Ursache der Innovationsrückstände, oder Symptom fehlender unternehmerischer Initiative? Warum gründen Nerds nicht einfach private Startups statt auf Forschungsförderung zu warten?

5. „Artgerechte Haltung des Menschen": Dück unterscheidet Lernstile (auditiv/visuell/körperorientiert). Sind das wissenschaftlich validiert oder esoterisch? Falls validiert – warum helfen Schulen nicht schon längst mit massgeschneiderten Plänen?

6. Roboter-Investitionen und Job-Bilanz: Dück sagt, physikalische Infrastruktur (Roboter-Bauen, -Wartung) schafft Jobs. Aber: Kostet eine Roboter-Fabrik nicht 1/100 der Arbeitsplätze einer konventionellen Fabrik? Wird die Job-Bilanz nicht trotzdem stark negativ?

7. Alternativen zu nationalen Zielen: Dück kritisiert mangelnde nationale Ziele. Aber: Könnte dezentraler Wettbewerb (viele kleine Firmen probieren Neues) schneller sein als zentrale Planung? Warum ist China erfolgreich, während zentral geplante Sowjetunion scheiterte?

8. Neuro-Diversität und Berufseignung: Die Kritik an „Regel-Menschen" als Manager-Elite könnte auch als Verunglimpfung von Gewissenhaftigkeit gelesen werden. Sind regelorientierte Menschen wirklich ungeeignet für Führung, oder braucht es einen ausgewogenen Mix? Wie würde eine ideale Management-Zusammensetzung aussehen?

Qualitätssicherung & Faktenpr