Vertikale KI übertrifft den Beratungs-Status quo

Die Fata Morgana der AI-First-Beratung

In den vergangenen 18 Monaten haben die weltweit größten Beratungsunternehmen darum gewetteifert, sich als KI-Marktführer neu zu positionieren. McKinsey hat mehr als 12.000 KI-Agenten in interne Workflows eingebettet. Accenture hat sein gesamtes Geschäft um „Reinvention Services“ restrukturiert. EY hat eine 1,4-Milliarden-Dollar-KI-Plattform gestartet, um seine Beratungs-, Steuer- und Prüfungsleistungen neu auszurichten. KPMG hat sein „Trusted AI“-Framework eingeführt, um Fragen der KI-Governance und ethischen Compliance in regulierten Branchen zu adressieren. Deloitte hat mit NVIDIA eine Partnerschaft aufgebaut, um vertikale KI-Beschleuniger für Kunden in den Bereichen Gesundheitswesen, Finanzdienstleistungen und Energie zu entwickeln, während PwC branchenspezifische GenAI-Assistenten in seine Rechts-, Steuer- und Supply-Chain-Angebote integriert hat.

An der Oberfläche deuten diese Schritte darauf hin, dass sich Beratungsfirmen mutig weiterentwickeln. In Wirklichkeit ziehen sie sich jedoch hinter einen Vorhang generischer Automatisierung zurück.

Was heute als „KI-gestützte Transformation“ verkauft wird, ist zu oft oberflächliches, horizontales Tooling: Agenten, die Notizen zusammenfassen, Präsentationsfolien erstellen, generische Texte entwerfen und die Zeit für niedrigwertige Aufgaben reduzieren. Doch das sind keine Transformationshebel. Es sind Produktivitäts-Pflaster.

Und sie verfehlen den Kern.

Domänenspezifische, hochriskante Komplexität

In stark regulierten, hochspezialisierten Branchen – Gesundheitswesen, Pharma, MedTech, Finanzdienstleistungen, Energie – geht es bei den Problemen, die KI lösen muss, nicht darum, Zeit bei Memos zu sparen.

Es geht um:

• die Abbildung komplexer Erstattungslandschaften
• die Navigation durch HTA- und Beschaffungskriterien über verschiedene Geografien hinweg
• das Benchmarking von Preis-Leistungs-Verhältnissen für Tausende von SKUs
• die Identifizierung von Market-Access-Hebeln in aufstrebenden Volkswirtschaften
• die Interpretation von Risiken aus sich wandelnden klinischen oder regulatorischen Evidenzen

Dies erfordert KI, die domänenspezifische Workflows, regulatorische Nuancen, wissenschaftliche Terminologie und ökonomische Signale versteht. Kurz gesagt: Vertikale KI.

Die Falle der Horizontalen KI

Was ist Horizontale KI?

Horizontale KI bezieht sich auf plattformübergreifende, allgemeine Systeme und Agenten, die auf großen, branchenübergreifenden Datensätzen trainiert wurden – typischerweise entwickelt, um breit anwendbare Aufgaben zu bewältigen. Dazu gehören Dokumentenzusammenfassungen, Chatbot-Interfaces, Folienerstellung, Meeting-Transkription und Copilot-ähnliche Assistenten, die in Produktivitätssuiten integriert sind. Diese Systeme sind in Bezug auf ihre breite Nützlichkeit leistungsfähig, jedoch für allgemeine Wissensaufgaben optimiert und nicht für domänenspezifische Herausforderungen. Sie funktionieren gut in unterstützenden Rollen wie Textentwürfen, Coding Assistance oder Workflow-Automatisierung in Bereichen wie Marketing, HR oder IT – beginnen jedoch zu scheitern, sobald tiefere Domänenexpertise, regulatorischer Kontext oder branchenspezifische Logik erforderlich sind.

Sie liefern:

• schnellere Inhaltserstellung
• Codegenerierung
• Automatisierung administrativer Aufgaben
• Wissensretrieval

Aber es fehlt ihnen an:

• Branchenontologien
• regulatorischen Rahmenwerken
• Integration in Legacy-Systeme
• hochqualitativer Datenkuratierung
• domänenspezifischem Reasoning

Das Ergebnis? Schnelle Demos, enttäuschende Resultate.

Warum das nicht ausreicht

Für einen CCO in einem globalen MedTech-Unternehmen, der versucht, in einen erstattungsbeschränkten europäischen Markt einzutreten, ist ein ChatGPT-gestützter Assistent keine Lösung. Was benötigt wird, sind:

• Länderspezifische HTA-(Health Technology Assessment)-Evidenzkarten – strukturierte Frameworks, die die klinische Wirksamkeit, Kosteneffektivität und den breiteren Einfluss von Medizintechnologien, Arzneimitteln und Interventionen innerhalb spezifischer Gesundheitssysteme bewerten; diese Karten helfen Herstellern und Kostenträgern, sich durch lokalisierte Anforderungen, Erstattungsbedingungen und Evidenzschwellen in verschiedenen Märkten zu navigieren.
• Lokalisierte Beschaffungsregeln und Käuferlogiken – einschließlich der Art und Weise, wie Ausschreibungen in spezifischen nationalen oder regionalen Systemen veröffentlicht, bewertet und vergeben werden, einschließlich Preisgewichtungsformeln, Erstattungsklassifikationen, Rahmenverträgen und Ermessenspraktiken, die einzigartig für Gesundheitssysteme, Ministerien oder Beschaffungsbehörden sind.
• Simulation von Preisen und Nachfrage über Diagnosis-Related Groups (DRG) – ein Klassifikationssystem, das Patienten nach Diagnose, Behandlung und Ressourcennutzung gruppiert und häufig in Krankenhaus-Erstattungssystemen angewendet wird.

Horizontale KI kann dies nicht leisten. Vertikale KI kann es.

Der Aufstieg – und die Bedrohung – der Vertikalen KI

Was ist Vertikale KI?

Vertikale KI bezieht sich auf speziell entwickelte Systeme, die auf branchenspezifischen Daten, Logiken, Terminologien und Workflows trainiert sind. Anders als generische Plattformen, die Posteingänge automatisieren oder bei Meeting-Notizen assistieren, fungiert Vertikale KI als kognitives Erweiterungsorgan für Ihre besten Teams – ein domänenspezialisiertes Gehirn, das strategisches Denken, Risikobewertung und kommerzielle Umsetzung verbessert. Diese Systeme liefern exponentielle Mehrwerte nicht durch das Einsparen von Minuten bei administrativen Aufgaben, sondern durch die Freisetzung von Millionen an Wert durch smartere Preisgestaltung, schnelleren Marktzugang und evidenzbasierte Entscheidungsfindung.

Diese Systeme:

• imitieren Fachexperten, nicht Büroassistenten
• verstehen, wie Beschaffung in MedTech tatsächlich funktioniert
• prognostizieren Preisdruck in Pharmamärkten auf Basis politischer Signale
• integrieren sich in sektorspezifische Software-Stacks (ERP, CRM, regulatorische Plattformen)

Beispiele aus dem Markt

• Healthcare & Pharma: Vamstars Agentic AI verfolgt und klassifiziert Evidenz, automatisiert Tender-Antworten, kartiert globale Beschaffungsverschiebungen und ermöglicht Market-Access-Planung in Echtzeit.
• Legal: Harvey.ai arbeitet mit führenden Kanzleien zusammen, um Verträge zu entwerfen, zu prüfen und zu simulieren – basierend auf Modellen, die auf Präzedenzfällen, juristischer Logik und Deal-Daten trainiert sind.
• Financial Services: MosaicML betreibt domänenspezifische Forecasting Agents für Portfolio-Konstruktion und Risiko-Signale – integriert in interne Compliance-Systeme.
• Retail & CPG: KI-Modelle, die auf SKU-Absatzgeschwindigkeit, Filialpreis-Daten und regionalen Promotions trainiert sind, prognostizieren Performance über komplexe Lieferketten hinweg.

Das Performance-Delta

Studien zeigen, dass vertikale KI-Systeme bieten:

• 3x schnellere Time-to-Value im Vergleich zu generischen Plattformen
• 30–80 % höhere Aufgaben-Genauigkeit in spezialisierten Workflows
• 50 % höhere Adoptionsraten bei nicht-technischen Nutzern
• Greifbaren ROI innerhalb weniger Monate – im Gegensatz zu Pilot-Müdigkeit bei generischen Systemen

Der blinde Fleck der Beratungsindustrie

Was die Beratungsfirmen tun

Beratungsfirmen:

• schulen Junior-Consultants im Umgang mit generischen KI-Assistenten
• bündeln Standard-Copilots in ihre Delivery-Modelle
• vermarkten AI-„Labs“, die Open-Source-Tools neu verpacken
• erstellen Foliensätze über KI, während sie weiterhin nach Stunden abrechnen

Was die Kunden tatsächlich brauchen

Kunden suchen nicht nach KI-Hype. Sie wollen:

• schnellere Markteintrittsstrategien, ermöglicht durch echte Daten
• Tools, die fragmentierte interne Systeme verständlich machen
• prädiktive Insights, abgestimmt auf ihre Business Rules
• Agenten, die Compliance-, Preis- und Beschaffungskomplexitäten verstehen

Und vor allem – sie wollen KI, die in ihrem Kontext Sinn macht, nicht in Ihrem.

Der erforderliche strategische Pivot

Um diese Disruption zu überstehen, müssen Beratungsfirmen grundlegend neu verdrahten, wie sie KI-Lösungen entwickeln, positionieren und liefern. Sie müssen über die bloßen Experimente mit generischen KI-Tools hinausgehen und ihre Ressourcen stattdessen auf die Entwicklung vertikaler, kontextbewusster Systeme ausrichten. Das beginnt mit der Umlenkung von Investitionen weg von AI-Sandboxes und Proof-of-Concept-Labs hin zu skalierbarer vertikaler KI-Infrastruktur, die sich an den zentralen Pain Points der Kunden orientiert. Es bedeutet, tiefe Partnerschaften einzugehen – oder Start-ups zu akquirieren –, die über proprietäre Datensätze, regulatorische Mappings und domänenspezifische Ontologien verfügen. Ihre internen Teams müssen nicht nur darin geschult werden, ein Language Model zu prompten, sondern komplexe Workflows im Gesundheitswesen, in den Finanzdienstleistungen oder in der industriellen Beschaffung souverän und präzise zu navigieren. Und schließlich muss sich auch das Beratungs-Value-Model selbst weiterentwickeln: Zukünftiger Erfolg hängt davon ab, Deliverables mit greifbaren Business-Outcomes zu verknüpfen – nicht mit dem Volumen abrechenbarer Stunden. Firmen müssen vom Verkauf von Inputs auf die Garantie von Ergebnissen umschalten und Wert durch ROI beweisen, nicht durch die Anzahl von Folien.

Am wichtigsten ist jedoch: Sie müssen Prozess-Templating durch echte Decision Intelligence ersetzen. Dort liegt heute der Wert.

Fazit: Beratungsfirmen müssen zu vertikalen Enablern werden – oder zur Seite treten

KI kommt nicht erst auf die Berater zu. Sie ist bereits da. Und das Beratungs-Playbook aus verpacktem Wissen und Prozessfolien verliert seine Schlagkraft.

Die Firmen, die im KI-Zeitalter erfolgreich sein werden, sind jene, die:

• Systeme aufbauen, die in der Logik von Gesundheitswesen, Finanzen, Lieferketten und Regulierung verwurzelt sind
• domänenspezifisch trainierte Agenten liefern, die wie Partner agieren – nicht wie Praktikanten
• Kunden durch Capability Transformation führen – nicht nur durch Technologie-Beschaffung

Es geht hier nicht um Future-Proofing. Es geht um aktuelle Relevanz.

In einer Welt, in der vertikale KI-Firmen bereits smartere, schnellere und kostengünstigere Lösungen liefern, hat traditionelle Beratung zwei Optionen:

Zum Enabler industriezpezifischer Intelligenz werden. Oder durch sie ersetzt werden.