Beratungskonomie im KI-Zeitalter: Pyramide, Auslastung und Preisgestaltung

Jede klassische Beratungsgewinn- und Verlustrechnung beruht auf einer einzigen Identität. Partner verkaufen und beaufsichtigen. Eine breite Basis von Juniorberatern stellt Premiumsätze für Recherche, Modellierung und Erstentwürfe in Rechnung. Der Gewinn pro Partner ist eine Funktion von drei Hebeln: den berechneten Sätzen, der Hebelquote aus Juniorberatern pro Partner und der Auslastung jeder abrechenbaren Kraft dazwischen. Die Kernmarge der Maschine entsteht aus der Differenz zwischen dem, was ein Junior kostet, und dem, was er in Rechnung stellt - multipliziert über Hunderte von Analysten. Die Pyramide war also nie in erster Linie ein Organigramm. Sie war eine Margenmaschine, die billige Arbeit unter teure Köpfe stapelte.[1]

• Sätze: der Premiumpreis, den eine Marke pro Stunde erzielen kann, festgelegt an der Spitze der Kundenbeziehung und angewendet auf jede darunterliegende Ebene.
• Hebelwirkung: die Zahl der Juniorberater pro Partner. Mehr Juniors pro Partner bedeuten, dass jede verkaufte Seniorstunde viele Juniorstunden dahinter in Rechnung stellt.
• Auslastung: der Anteil der Arbeitszeit jedes Mitarbeiters, der zu abrechenbaren Stunden wird. Hohe Auslastung verwandelt festes Gehalt in fließenden Umsatz.

Die Pyramide verbarg zudem ein zweites System im ersten. Juniors lernten durch Produzieren: die Ausbildung, die schließlich seniorisches Urteilsvermögen hervorbrachte, wurde durch Kundenabrechnung finanziert, Stunde für Stunde. Und weil Wachstum neue Kunden bedeutete und Kunden Analysten bedeuteten, wurde Kopfzahl zum Wachstumsmodell. Eine Firma wuchs, indem sie mehr von der Basis einstellte - nicht, indem sie mehr aus der Spitze holte.

Diese Maschine beruhte auf zwei Annahmen: dass strukturierte Arbeit von Menschen erledigt werden müsse und dass Kunden dafür weiterhin stundenweise bezahlen würden. Beide lösen sich nun auf, und jeder Hebel des Modells bewegt sich gleichzeitig.

Spezialisierte KI-Agenten übernehmen heute die Arbeit, die früher ganze Juniorwochen füllte: strukturierte Evidenzrecherche, das Gegenüberstellen von Dokumenten, Modellierung und der erste Entwurf des Deliverables. Dadurch wird arbeitsbasierte Hebelwirkung zu technologiebasierter Hebelwirkung. Die Spitze der Pyramide verschwindet nicht, weil Juniorberater versagen; sie komprimiert sich, weil die Aufgaben, die sie rechtfertigten, nicht mehr knapp sind.

Die umfassendere Umstrukturierung ist real, sollte aber nüchtern gelesen werden. PwC hat ein Personalziel, das vor dem Rollout der generativen KI festgelegt wurde, angesichts sinkenden Umsatzwachstums aufgegeben, und es gab Berichte über Umstrukturierungen in KPMGs Beratungsgeschäft, während sich die Nachfrage über Servicebereiche hinweg verschiebt.[5][6] Die ökonomische Geschichte ist kein Kollaps. Es ist eine Neubewertung der junior-Basis: Die Aufgaben am Fuß der Pyramide werden Richtung Null umgepreist, und die Firmen passen die Basis entsprechend an.

Während synthetische Arbeit die Basis übernimmt, gewinnt die Spitze an Wert. Daten von Revelio Labs zeigen, dass die Nachfrage nach Seniorberatern seit 2020 um 55 % gestiegen ist, obwohl die Einstellung von Berufseinsteiger-Beratern nach ihrem Hoch 2023 um 10 % gefallen ist.[3] Die Firmen kaufen nicht weniger Expertise. Sie kaufen eine andere Art: Aufsicht, Interpretation und Kontextualisierung zunehmend automatisierter Prozesse.

Die Kundenseite erklärt, warum. Wenn Recherche und erste Entwürfe nahezu kostenlos sind, hören Kunden auf, für Decks und Prozesse zu zahlen, und zahlen stattdessen für Entscheidungen und Ergebnisse. Das ist die Urteilsprämie: die Knappheitsrente, die denen zufällt, die das Problem rahmen, die Antwort auf die Probe stellen und sie durch die Politik des Kunden tragen können. Analysen dieser Verschiebung argumentieren, dass KI analytische Ergebnisse zur Ware macht und gleichzeitig genau dieses menschliche Urteilsvermögen aufwertet.

1. Zuerst tiefe Sektor-Expertise aufbauen, oft innerhalb der Branche selbst, denn diese Tiefe können Kunden nicht mehr selbst synthetisieren.
2. Mit Urteilsvermögen als Eintrittskarte in die Beratung wechseln, nicht mit Produktionskapazität.
3. Karriere machen, indem man den Umfang der eigenen Entscheidungen ausweitet, nicht die Größe der geführten Teams.

Für die Ökonomie einer Firma ist die Implikation direkt: In einem KI-Ära-Markt kann eine partnerlastige Firma mit echter Sektor-Tiefe für Knappheit verlangen, während eine headcount-lastige Firma überall exponiert ist, wo ihr Wert noch in der Basis liegt.

Um diese Verschiebung bewusst statt reaktiv zu steuern, hilft es, sie zu benennen. Das Hebelwirkungsmodell der KI-Ära beschreibt ein Mandat als sieben Sprossen, von denen jede auf eine ökonomische Entscheidung abbildet, die ein Partner tatsächlich trifft. Wo das alte Modell Hebelwirkung als Besetzungsquote behandelte, behandelt dieses Modell sie als eine Kette von Entscheidungen, die vom Problem des Kunden bis zum gemessenen Ergebnis reicht.

Der entscheidende Kontrast ist der zwischen KI-Hebelwirkung und Headcount-Hebelwirkung. Headcount-Hebelwirkung skaliert linear mit Einstellungen, bricht, sobald die Auslastung sinkt, und bildet langsam weiter. KI-Hebelwirkung skaliert mit der Agentenkapazität, wirkt verstärkend, wenn Workflows über Mandate hinweg wiederverwendet werden, und kostet nur marginale Beträge zur Erweiterung. Die Sprossen halten die Expertentiefe explizit als menschliche Prämie fest: Sprosse zwei und drei zwingen Sie zu entscheiden, was die Agenten übernehmen, und Sprosse vier zwingt Sie, die Expertise zu benennen, die die Gebühr rechtfertigt, sobald sie übernommen haben.

Als Diagnoseinstrument zeigt das Modell, wo ein klassisches Mandat verliert: Firmen, die auf der zweiten Sprosse delegieren, aber weiterhin auf der sechsten Sprosse nach Stunden abrechnen, verschenken ihre Effizienzgewinne an den Kunden - eine Abrechnungsperiode nach der anderen.

Auslastungsmathematik, die auf abrechenbaren Juniorberater-Stunden basiert, bricht in dem Moment, in dem Agenten in Stunden liefern, wozu Juniorberater Wochen brauchten. Wenn ein Erstdraft einen Nachmittag statt zwei Wochen dauert, bestraft ein Stunden-pro-Vollzeitäquivalent-Ziel entweder die Effizienz oder zwingt die Firma, so zu tun, als wären die Stunden angefallen. Die Kennzahl muss sich von Stunden pro Vollzeitäquivalent zu Durchsatz pro Experten verschieben: der Wert der pro Seniorberater gelieferten Mandate, wobei Agentenkapazität als Hebelwirkung und nicht als Arbeit gezählt wird.

• Mandate als kleine, seniorlastige Pods besetzen, typischerweise drei bis fünf Personen, dimensioniert nach der zu treffenden Entscheidung statt nach den zu füllenden Stunden.
• In jedem Pod eine KI-Fazilitatorin oder einen KI-Fazilitator benennen, deren bzw. dessen Aufgabe die Gestaltung und Überwachung der Agenten-Workflows ist, nicht die Erstellung des Decks.
• Die Hebelquote neu berechnen als Wert pro Seniorberater, mit Agentenkapazität als Multiplikator, und Juniorberater-pro-Partner als Managementkennzahl streichen.
• Eine schlanke Ausbildungsstufe bewusst schützen, denn das Mittelfeld der Raute kann nicht wachsen, wenn niemand je an der Basis anfängt.

Die Preisökonomie folgt unmittelbar. Wenn die Kosten der Leistungserbringung schneller fallen als der Preis, weitet sich die Marge. Doch diese Weitung ist eine temporäre Arbitrage, kein dauerhaftes Geschenk: Kunden sehen die Effizienz, und der Einkauf fordert bereits, dass Firmen erklären, wie sie KI einsetzen.[1] Früher oder später fordern Kunden einen Anteil daran, und die Firmen, die zuerst handeln, legen die Bedingungen fest, zu denen er geteilt wird.

Rechnet man ein typisches Mandat durch, ist das Paradox offensichtlich. Ein Zehn-Wochen-Projekt, das in sechs Wochen geliefert wird, senkt die Kostenbasis um rund 30-40 %, während ein zeitverankertes Honorar entweder gleich bleibt - und der Firma einen Windfall beschert, den der Kunde bei der Verlängerung zurückfordert - oder fällt und den Gewinn sofort zurückgibt. In beiden Fällen sind keine Stunden mehr eine verteidigungsfähige Grundlage für das Honorar. Genau deshalb ist ergebnisgebundene und wertgebundene Preisgestaltung ökonomisch rational statt idealistisch: Sie bepreist die Entscheidung, nicht das Dokument.

Der Markt bewegt sich bereits. Der CEO von BCG sagt, dass drei Viertel der größten KI-Mandate der Firma inzwischen unter variablen Honorarvereinbarungen laufen, die an Kundenziele wie niedrigere Kosten oder höheres Umsatzwachstum gekoppelt sind.[7] Für die meisten Firmen ist die tragfähige Struktur kein reiner Erfolgsteiler, sondern ein Grundhonorar, das das reduzierte Umsetzungsrisiko widerspiegelt, plus darüber gelegte Ergebnis-Kennzahlen - eine Kombination, die der Leitfaden zu ergebnisbasierter Beratung ergebnisbasierte Beratung aufschlüsselt.

• Das Grundhonorar an Umfang und Komplexität knüpfen - im Bewusstsein, dass Agenten das meiste Umsetzungsrisiko entfernt haben -, nicht an geschätzten Stunden.
• Ein bis drei Ergebnis-Kennzahlen aus der ersten Sprosse des KI-Epochen-Hebelmodells anhängen, mit vor Arbeitsbeginn vereinbarter Messung.
• KI-Nutzung und Quellenrückverfolgbarkeit Teil des Pitches machen, denn Kunden betrachten einen erklärbaren Prozess inzwischen als Referenz.
• Upside für verifizierte Ergebnisse reservieren, damit die Firma einen Anteil an der selbst geschaffenen Effizienz behält, statt sie zu verschenken.

Der stille Verlierer der komprimierten Pyramide ist die Pipeline, die sie einst baute. Die Ausbildung, die seniorales Urteilsvermögen hervorbrachte, lief über die Produktionsarbeit der Juniorberater: Sie lernten zu urteilen, indem sie die Arbeit erledigten, die heute Agenten übernehmen. Bleibt die Karriereentwicklung im Autopilot, wird die augmentierte Firma in einem Jahrzehnt feststellen, dass sie Partner hat und keinen Weg, neue zu gewinnen. Die Laufbahn muss von Tag eins an um KI-Fazilitation und angewandtes Urteilsvermögen herum neu gebaut werden - eine Umstrukturierung der Beratungslehre, kein Zusatz dazu.

• KI-Fazilitator: betreibt und verbessert die Agenten-Workflows und lernt, die Qualität der Ergebnisse zu bewerten statt Volumen zu produzieren.
• Mandatsarchitekt: rahmt Probleme ein, gestaltet die Arbeitsteilung zwischen Agenten und Menschen und verantwortet die Lieferung.
• Client Leader: verantwortet die Beziehung, die Urteilsprämie und das Ergebnis, bepreist auf der sechsten Sprosse des Modells.

Die Margenfolgen schlagen in beide Richtungen. Seniorlastige Teams tragen höhere Kosten pro Experten, sodass die Marge der erweiterten Firma nur überlebt, wenn der Durchsatz pro Experten mitsteigt und die Preisgestaltung am Ergebnis statt an den Stunden hängt. Firmen, die an der Zeit-und-Material-Preisgestaltung festhalten, während ihre Kostenbasis schrumpft, werden zusehen, wie die Kunden den gesamten Gewinn abschöpfen.

Genau um diesen Workflow herum ist Decisity gebaut: eine KI-native Strategieplattform, mit der Partner Mandate von Anfang bis Ende strukturieren - von der Dokumentenaufnahme bis zu MECE-strukturierten, vollständig nachvollziehbaren Ergebnisdokumenten -, damit das erweiterte Pod auf Evidenz statt auf Improvisation arbeitet. Die tiefere Frage dahinter, ob KI die Beraterin ersetzt oder die Firma neu bepreist, wird in einem eigenen Vergleich von KI [8]vs. Managementberatung aufgeschlüsselt, und Firmen, die Kunden über Märkte hinweg beraten, sehen dort, wie die Plattform Beratungsfirmen mit internationaler Reichweite unterstützt. Die Firmen, die das nächste Jahrzehnt gewinnen, werden nicht die mit den meisten Agenten sein. Sie werden die sein, die Hebelwirkung, Besetzung und Preis zuerst um sie herum neu gestaltet haben.

Für eine ergänzende Perspektive, wie diese Entscheidungen die weitere Organisation der Firma umgestalten, siehe den separaten Beitrag zur Neugestaltung des Betriebsmodells, der die strukturellen Fragen behandelt, die dieser Artikel bewusst beiseitelässt.

Related: KI vs. Unternehmensberatung.