Künstliche Intelligenz im Startup-Alltag: Effizienztreiber mit Grenzen

Im Februar 2024 verkündete Klarna eine Zahl, die durch jede Startup-Slack-Gruppe ging: Der neue KI-Assistent des Zahlungsdienstleisters führte in seinem ersten Monat 2,3 Millionen Kundengespräche – zwei Drittel aller Service-Chats – und erledigte damit die Arbeit von 700 Vollzeitkräften (Klarna-Pressemitteilung, Februar 2024). Bearbeitungszeit: unter zwei Minuten statt elf. Erwarteter Ergebniseffekt: 40 Millionen Dollar allein für 2024.

Fünfzehn Monate später klang das anders. Im Mai 2025 räumte CEO Sebastian Siemiatkowski gegenüber Bloomberg ein, der Kostenfokus habe die Servicequalität gedrückt, und Klarna stelle wieder Menschen für den Kundenservice ein – mit der Garantie, dass Kunden immer einen Menschen erreichen können. Beide Hälften dieser Geschichte sind wahr. Und genau deshalb ist sie das ehrlichste Lehrstück über KI im Startup-Alltag.

Dieser Text bleibt bewusst im Maschinenraum: Support, Marketing, Verwaltung, Code. Was dort messbar passiert, wenn Unternehmen wie Klarna und Zalando KI einsetzen – und wo die Daten zeigen, dass sie nicht hilft. Was KI grundsätzlich am Gründen verändert, liest du in unserem Artikel über KI als Co-Gründer.

Auf einen Blick

• Klarna: 2,3 Millionen KI-Gespräche im ersten Monat, Arbeit von 700 Vollzeitkräften, Lösungszeit von elf auf unter zwei Minuten (Klarna, Februar 2024).
• Klarna, Teil zwei: Im Mai 2025 kündigte CEO Siemiatkowski an, wieder Menschen einzustellen – der reine Kostenfokus habe zu „geringerer Qualität“ geführt (Bloomberg, 2025).
• Zalando erstellte im vierten Quartal 2024 rund 70 Prozent seiner Editorial-Kampagnenbilder mit generativer KI – bei 90 Prozent geringeren Kosten (Reuters, Mai 2025).
• Eine randomisierte METR-Studie (Juli 2025) fand: Erfahrene Entwickler waren mit KI-Tools 19 Prozent langsamer – glaubten aber, 20 Prozent schneller zu sein.
• Noy & Zhang (Science, 2023): ChatGPT verkürzte professionelle Schreibaufgaben um rund 40 Prozent – bei messbar besserer Qualität.

Klarna: 700 Agenten ersetzt – und der Rückzieher

Klarnas Assistent auf OpenAI-Basis lief ab Start in 23 Märkten und mehr als 35 Sprachen, rund um die Uhr. Neben der Geschwindigkeit meldete das Unternehmen 25 Prozent weniger wiederholte Anfragen und eine Kundenzufriedenheit auf dem Niveau menschlicher Agenten (Klarna, Februar 2024). Für Standardfälle – Rückerstattungen, Rechnungsfragen, Bestellstatus – funktionierte die Automatisierung nachweislich.

Der Rückzieher kam nicht, weil die Technik zusammenbrach, sondern weil die Ränder ausfransten: komplexe Fälle, verärgerte Kunden, Situationen, in denen ein Bot-Loop teurer ist als ein Mensch. Siemiatkowskis Formulierung gegenüber Bloomberg im Mai 2025: Weil Kosten der dominierende Bewertungsfaktor gewesen seien, habe man am Ende geringere Qualität bekommen. Parallel lief bei Klarna ohnehin ein größeres Experiment: Das Unternehmen hatte Neueinstellungen weitgehend gestoppt, und bis Mai 2025 schrumpfte die Belegschaft nach Angaben des CEO um rund 40 Prozent (CNBC, Mai 2025). Der Assistent war also nie ein isoliertes Support-Projekt, sondern Teil einer Wette auf ein deutlich kleineres Unternehmen – und genau diese Wette wurde im Kundenkontakt teilweise zurückgenommen. Die Lehre für dich ist präzise: KI übernimmt das Volumen, Menschen übernehmen die Eskalation – wer beides der KI gibt, bezahlt mit Vertrauen. Dieselbe Logik gilt übrigens für dein Kundenmanagement insgesamt; was sich dort wirklich lohnt, zeigt unser Überblick über CRM für Startups.

Zalando: Kampagnenbilder in vier Tagen statt acht Wochen

Das stärkste dokumentierte Marketing-Beispiel aus dem DACH-Raum liefert Zalando. Der Berliner Modehändler erstellte im vierten Quartal 2024 rund 70 Prozent seiner Editorial-Kampagnenbilder mit generativer KI. Die Produktionskosten sanken um 90 Prozent, die Produktionszeit von sechs bis acht Wochen auf drei bis vier Tage – so Content-Vizepräsident Matthias Haase gegenüber Reuters (Mai 2025).

Wichtig ist, was Zalando damit nicht automatisiert hat: Die Kreativentscheidung, welche Kampagne welche Geschichte erzählt, blieb beim Team. KI ersetzt hier Fotoproduktion und Retusche für schnelle Trend-Reaktionen – nicht die Markenführung. Für ein Startup heißt das: Content-Varianten, Produktbilder, A/B-Testmaterial sind KI-Terrain. Positionierung ist es nicht. Für Zalando ist das inzwischen Regelbetrieb: Die gewonnene Geschwindigkeit dient dazu, auf Trends aus sozialen Medien zu reagieren, bevor sie abkühlen – Kampagnen, die früher an sechs Wochen Produktionszeit gescheitert wären, finden überhaupt erst statt (Reuters, 2025). Dass gerade etablierte Unternehmen solche Prozessgewinne heben, beschreibt auch unsere Analyse über KI im Mittelstand.

Texte und Verwaltung: Was Noy und Zhang gemessen haben

Für den Verwaltungsalltag – Angebote, Berichte, Kundenmails, Stellenausschreibungen – liegt seit 2023 ein sauberes Experiment vor: Shakked Noy und Whitney Zhang (MIT) ließen 453 Berufstätige mit Hochschulabschluss realistische Schreibaufgaben erledigen – Pressemitteilungen, Berichte, heikle Mails –, die Hälfte davon mit ChatGPT. Ergebnis, publiziert in „Science“ (Juli 2023): rund 40 Prozent weniger Zeit bei gleichzeitig besserer bewerteter Qualität. Am stärksten profitierten die schwächeren Schreiber – die Leistungsschere schloss sich.

Das ist der unspektakuläre, aber verlässlichste KI-Gewinn im Startup-Alltag: Erstentwürfe, Zusammenfassungen, Standardkorrespondenz. Kein Pressetermin, keine Vision – einfach zwei Stunden pro Tag, die dein Team zurückbekommt. Wer den Effekt gesamtwirtschaftlich einordnen will, findet die nüchterne Bilanz in unserem Beitrag Künstliche Intelligenz in der Wirtschaft: Realität vs. Hype.

Code: Schneller im Labor, langsamer im Alltag – die METR-Studie

Beim Programmieren zeigen die Daten zwei Gesichter. In einem kontrollierten Experiment von GitHub erledigten Entwickler eine abgegrenzte Standardaufgabe mit Copilot rund 56 Prozent schneller (Peng et al., 2023). Doch im Juli 2025 veröffentlichte das Forschungsinstitut METR eine randomisierte Studie mit 16 erfahrenen Open-Source-Entwicklern, die 246 echte Aufgaben in ihren eigenen, komplexen Codebasen bearbeiteten – mal mit, mal ohne KI-Werkzeuge, per Zufall zugeteilt. Das Ergebnis: Mit KI waren sie 19 Prozent langsamer – schätzten hinterher aber, KI habe sie 20 Prozent schneller gemacht (METR, 2025).

Beide Befunde passen zusammen. KI beschleunigt abgegrenzte, gut beschriebene Aufgaben – Boilerplate, Prototypen, unbekannte Frameworks. In gewachsenem Code mit implizitem Kontextwissen kostet das Prüfen und Korrigieren der Vorschläge mehr, als es spart. Und das Gefährlichste daran: Das Team merkt es nicht – die Entwickler in der METR-Studie lagen mit ihrer Selbsteinschätzung um fast 40 Prozentpunkte daneben. Miss deshalb Durchlaufzeiten, nicht Zufriedenheit.

Wo KI im Startup-Alltag nicht hilft

So eindeutig die Gewinne sind, so eindeutig sind die Grenzen. Sie liegen selten in der Technik selbst, sondern dort, wo Kontext, Verantwortung oder Emotion ins Spiel kommen. Vier Muster tauchen in den dokumentierten Fällen immer wieder auf:

• Eskalation und Ausnahmefälle. Klarnas Rückzieher zeigt: Genau dort, wo Kunden emotional werden, ist Automatisierung am teuersten.
• Komplexe, kontextreiche Facharbeit. Die METR-Daten (2025) sprechen dagegen, erfahrene Entwickler in ihrem Kerngebiet zu „beschleunigen“.
• Entscheidungen mit Verantwortung. Positionierung, Pricing, Personal – KI liefert Optionen, keine Rechenschaft.
• Alles ohne saubere Datenbasis. Ein Assistent, der auf veralteten FAQ trainiert, skaliert Fehlinformation in 35 Sprachen.

So setzt du KI ein, ohne den Klarna-Zyklus zu wiederholen

Aus den dokumentierten Fällen lässt sich eine Reihenfolge ableiten: Starte bei Text- und Verwaltungsaufgaben (der Noy-Zhang-Gewinn ist der sicherste), automatisiere im Support nur Standardfälle mit garantiertem menschlichem Ausgang, nutze Bild-KI für Varianten statt für Markenentscheidungen – und miss bei Code die tatsächliche Durchlaufzeit statt der gefühlten. Definiere vor jedem Einsatz eine Kennzahl und einen Rückbau-Plan. Klarna konnte 2025 zurückrudern, weil das Unternehmen seine Servicequalität gemessen hatte; viele Startups merken nicht einmal, dass sie es müssten.

Welche konkreten Werkzeuge sich dafür 2026 lohnen, haben wir in unserem Überblick über KI-Tools für Gründer getestet – die Kurzfassung: vier reichen. Der Rest ist Disziplin: eine Aufgabe, eine Kennzahl, vier Wochen Test. Wenn die Zahl sich nicht bewegt, fliegt das Tool. Und rechne ehrlich: Klarnas 40 Millionen Dollar Ergebniseffekt standen einem Konzern mit Millionen Kundenkontakten gegenüber – bei 200 Tickets im Monat rettet dich kein Bot, sondern ein besseres Produkt. Genau so – pragmatisch, messbar, reversibel – wird KI zum Effizienztreiber. Und ihre Grenzen bleiben, was sie bei Klarna waren: der Punkt, an dem ein Mensch übernehmen muss.