Managed AI in den USA: Was beim aktuellen KI-Hype fast alle übersehen

Zu riskant, zu komplex: Der wahre Grund, warum Amerikas Konzerne ihre KI jetzt outsourcen

Der öffentliche Diskurs über Künstliche Intelligenz dreht sich meist um spektakuläre Sprachmodelle, gigantische Rechenzentren und das milliardenschwere Wettrüsten der großen Tech-Giganten. Doch abseits dieses Rampenlichts vollzieht sich in der US-Wirtschaft längst ein stiller, aber tiefgreifender Wandel. Im Fokus steht nicht mehr die bloße Entwicklung der Modelle, sondern deren reibungsloser, sicherer und profitabler Betrieb im Unternehmensalltag: die sogenannte Managed AI. Getrieben von einem akuten Fachkräftemangel, explodierenden Betriebskosten und einer immer komplexeren Regulierungslandschaft geben US-Konzerne die Kontrolle über ihre Algorithmen zunehmend an spezialisierte Dienstleister ab. Dieser Artikel beleuchtet, warum der eigentliche KI-Boom im unscheinbaren Wartungs- und Betriebsgeschäft stattfindet, entlarvt die Mythen gängiger Analysten-Zahlen und zeigt auf, wer in dieser neuen Ökonomie der Künstlichen Intelligenz wirklich verdient.

Warum Amerikas Konzerne die Kontrolle über ihre eigenen Algorithmen längst an Dritte abgegeben haben

Die öffentliche Debatte über Künstliche Intelligenz in den Vereinigten Staaten dreht sich fast ausschließlich um Sprachmodelle, Rechenzentren und den Wettlauf zwischen den großen Plattformanbietern. Übersehen wird dabei ein Markt, der wirtschaftlich womöglich noch bedeutsamer ist als der Wettbewerb um das leistungsfähigste Modell: der Betrieb dieser Systeme im laufenden Unternehmensalltag. Managed AI, also die dauerhafte, vertraglich abgesicherte Bewirtschaftung produktiver KI-Anwendungen, hat sich innerhalb weniger Jahre von einer Randnotiz zu einem der am schnellsten wachsenden Segmente der amerikanischen Dienstleistungswirtschaft entwickelt. Wer verstehen will, wohin sich die US-Wirtschaft in den kommenden Jahren bewegt, muss nicht nur fragen, wer die besten Modelle baut, sondern wer sie im Ernstfall am Laufen hält, überwacht, absichert und verantwortet.

Vom Experiment zur Betriebspflicht: Wie sich der Markt neu sortiert

Der Unterschied zwischen einer einmaligen KI-Implementierung und einem dauerhaft betriebenen System mag technisch klingen, ist ökonomisch aber entscheidend. Eine Implementierungsberatung endet mit der Übergabe eines funktionierenden Prototyps. Managed AI beginnt genau dort, wo diese Übergabe endet, und umfasst Monitoring, den fortlaufenden Betrieb von Trainings- und Inferenzsystemen, Governance-Prozesse, Kostensteuerung, die Orchestrierung autonomer Agenten sowie die Reaktion auf Störfälle – alles unter vertraglich fixierten Service-Levels. Diese Verschiebung ist kein Zufall, sondern die logische Konsequenz eines Reifungsprozesses: Unternehmen, die zunächst mit Pilotprojekten experimentierten, stehen heute vor der Aufgabe, produktive Systeme dauerhaft, sicher und wirtschaftlich zu betreiben, und die wenigsten verfügen intern über das Personal, um das allein zu leisten.

Genau diese Fachkräftelücke, kombiniert mit wachsendem regulatorischem Druck und der schieren Komplexität, KI-Kosten und Modell-Drift kontinuierlich zu steuern, treibt die Nachfrage nach externem Betrieb. Hyperscaler wie Amazon, Microsoft, Google, IBM und Oracle produktisieren zunehmend eigene Managed-Inference-Angebote, während Systemintegratoren und klassische Beratungshäuser den Betrieb, die Governance und branchenspezifische Anwendungsfälle übernehmen. Zwischen beiden Lagern entsteht ein hybrides Ökosystem, in dem die Plattform die Rechenleistung liefert und der Dienstleister die Verantwortung für den störungsfreien, regelkonformen Betrieb übernimmt.

Milliardenschwerer Rückenwind aus Washington und der Wall Street

Die politische und wirtschaftliche Großwetterlage der vergangenen zwölf Monate hat diesen Trend zusätzlich beschleunigt. Im Juni 2026 unterzeichnete die Regierung eine Durchführungsverordnung zur Förderung fortgeschrittener KI-Innovation und -Sicherheit, die eine freiwillige Vorabprüfung besonders leistungsfähiger Modelle vorsieht und ein Clearinghouse für KI-Cybersicherheit einrichtet, verbunden mit Vorgaben der Cybersicherheitsbehörde CISA für Bundesbehörden und kritische Infrastrukturen. Bereits im Dezember 2025 hatte die Regierung mit einer weiteren Verordnung und einer eigens eingerichteten Rechtsabteilung versucht, einen einheitlichen, möglichst wenig belastenden Bundesrahmen durchzusetzen und sich gleichzeitig rechtlich gegen abweichende Regelungen einzelner Bundesstaaten zur Wehr zu setzen. Für Unternehmen, die KI-Systeme in mehreren Bundesstaaten betreiben, bedeutet dieses Nebeneinander von Bundespolitik und einem wachsenden Flickenteppich einzelstaatlicher Gesetze erhebliche Rechtsunsicherheit, die wiederum die Nachfrage nach spezialisierten Governance-Dienstleistungen befeuert.

Parallel dazu zeichnen Marktanalysten ein Bild explosiven Wachstums. Eine im Mai 2026 veröffentlichte Prognose beziffert die weltweiten KI-Ausgaben für das laufende Jahr auf rund 2,59 Billionen US-Dollar, ein Plus von 47 Prozent gegenüber dem Vorjahr, wobei allein auf KI-Dienstleistungen ein Anteil von etwa 585 Milliarden US-Dollar entfallen soll. Die zuständigen Analysten bezeichnen 2026 explizit als Wendepunkt, an dem sich die Investitionslast von den Kapitalausgaben der Hyperscaler hin zu den operativen Budgets der Unternehmen selbst verschiebt. Eine im August 2026 vorgelegte Marktbeobachtung untermauert diese These mit einer bemerkenswerten Beobachtung: Bereits 2025 überstiegen die Ausgaben für den laufenden Betrieb von KI-Modellen, also für Managed Inference, mit 23,1 Milliarden US-Dollar erstmals die Ausgaben für das Training neuer Modelle, die bei 16,3 Milliarden US-Dollar lagen. Dieser Wechsel markiert den Übergang von einer Forschungs- zu einer Betriebsökonomie.

Wer wirklich zahlt: Ein Blick hinter die Werbebroschüren der Analysten

So verlockend eindeutige Ranglisten sind, so wenig hält die Datenlage einer genauen Prüfung stand. Es existiert keine amtliche, einheitliche Statistik, welche Branchen in den Vereinigten Staaten am meisten Geld für den Betrieb von KI-Systemen ausgeben. Verschiedene Marktforschungsunternehmen kommen je nach Definition und Methodik zu widersprüchlichen Ergebnissen. Eine Studie sieht den Finanz- und Versicherungssektor mit einem Anteil von gut einem Viertel am US-Markt für autonome KI-Agenten klar vorn. Eine andere, auf Wagniskapitalperspektiven gestützte Untersuchung identifiziert das Gesundheitswesen als das mit Abstand größte Ausgabensegment im Bereich generativer KI, mit einem geschätzten Volumen von rund 1,5 Milliarden US-Dollar allein im Jahr 2025. Eine dritte, auf amtlichen Erhebungen des Census Bureau basierende Auswertung zeigt wiederum, dass – gemessen an der reinen Nutzungsquote – der Informationssektor mit knapp 40 Prozent und der Finanzsektor mit etwa 34 Prozent an der Spitze liegen, während das Gesundheitswesen bei der tatsächlichen betrieblichen Anwendung deutlich zurückfällt.

Diese Widersprüche sind kein Zufall, sondern Ausdruck eines grundlegenden Definitionsproblems. Wer von Ausgaben für generative KI spricht, vermischt oft Softwarelizenzen, einmalige Beratungsprojekte, Infrastrukturkosten und den eigentlichen Betrieb. Wer von Nutzungsquoten spricht, misst etwas anderes als derjenige, der nach Vertragsvolumina für ausgelagerten Betrieb fragt. Amtliche Erhebungen des Census Bureau, die zwischen Ende 2025 und Mitte 2026 durchgeführt wurden, zeigen zudem, dass die KI-Nutzung amerikanischer Unternehmen insgesamt bei lediglich 18 bis 22 Prozent liegt und sich stark auf große Unternehmen mit mehr als 250 Beschäftigten konzentriert, bei denen die Quote auf etwa 37 Prozent steigt. Von einer flächendeckenden Durchdringung der amerikanischen Wirtschaft kann also keine Rede sein. Die Nachfrage nach professionell betriebener KI ist bislang ein Phänomen der Großunternehmen und der wissensintensiven Branchen, während der Mittelstand trotz aggressiven Marketings vieler Anbieter kaum belastbare Kaufzahlen liefert.

Managed AI Platform - Bild: Xpert.Digital

Hier erfahren Sie, wie Ihr Unternehmen maßgeschneiderte KI-Lösungen schnell, sicher und ohne hohe Einstiegshürden realisieren kann.

Eine Managed AI Platform ist Ihr Rundum-Sorglos-Paket für künstliche Intelligenz. Anstatt sich mit komplexer Technik, teurer Infrastruktur und langwierigen Entwicklungsprozessen zu befassen, erhalten Sie von einem spezialisierten Partner eine fertige, auf Ihre Bedürfnisse zugeschnittene Lösung – oft innerhalb weniger Tage.

Die zentralen Vorteile auf einen Blick:

⚡ Schnelle Umsetzung: Von der Idee zur einsatzbereiten Anwendung in Tagen, nicht Monaten. Wir liefern praxisnahe Lösungen, die sofort Mehrwert schaffen.

🔒 Maximale Datensicherheit: Ihre sensiblen Daten bleiben bei Ihnen. Wir garantieren eine sichere und konforme Verarbeitung ohne Datenweitergabe an Dritte.

💸 Kein finanzielles Risiko: Sie zahlen nur für Ergebnisse. Hohe Vorabinvestitionen in Hardware, Software oder Personal entfallen komplett.

🎯 Fokus auf Ihr Kerngeschäft: Konzentrieren Sie sich auf das, was Sie am besten können. Wir übernehmen die gesamte technische Umsetzung, den Betrieb und die Wartung Ihrer KI-Lösung.

📈 Zukunftssicher & Skalierbar: Ihre KI wächst mit Ihnen. Wir sorgen für die laufende Optimierung, Skalierbarkeit und passen die Modelle flexibel an neue Anforderungen an.

Mehr dazu hier:

• Managed-AI Platform

Regulierung als heimlicher Wachstumsmotor der Betriebsdienstleister

Ein zentraler, oft unterschätzter Treiber der Nachfrage nach professionell gemanagten KI-Diensten liegt in der Regulierungslandschaft selbst. Banken und Versicherer unterliegen seit Jahren strengen Vorgaben zum Modellrisikomanagement, die durch die Aufsichtsbehörden ausdrücklich auch auf generative KI und autonome Agenten angewendet werden. Die Börsenaufsicht hat für 2026 Cybersicherheitsprüfungen angekündigt, die ausdrücklich auch KI-Kontrollen umfassen. Im Gesundheitswesen gilt der Grundsatz, dass jede Verarbeitung geschützter Patientendaten durch ein KI-System denselben Datenschutzanforderungen unterliegt wie jede andere Verarbeitung auch, was in der Praxis bedeutet, dass der Einsatz cloudbasierter Sprachmodelle eine förmliche Vereinbarung mit dem Anbieter über den Umgang mit diesen Daten voraussetzt. Ein eigenständiges KI-Gesundheitsgesetz existiert zwar nicht, doch die bestehenden Vorschriften wirken faktisch wie eine Eintrittsbarriere, die viele Krankenhäuser und Versicherer dazu zwingt, den Betrieb ihrer KI-Systeme an spezialisierte, nachweislich compliancefähige Dienstleister auszulagern, anstatt ihn selbst zu verantworten.

Auch auf Bundesebene fehlt bislang ein umfassendes KI-Gesetz. Stattdessen regiert die Politik über Durchführungsverordnungen und ein im März 2026 vorgestelltes gesetzgeberisches Rahmenwerk, während sich in der Praxis der freiwillige Rahmen des National Institute of Standards and Technology für das Risikomanagement von KI-Systemen als De-facto-Standard etabliert hat. Dieser wird ergänzt durch die internationale Norm ISO 42001, die Unternehmen zunehmend als Nachweis ordnungsgemäßer Führung gegenüber ihren eigenen Kunden vorlegen. Interessant ist dabei die europäische Parallele: Die Europäische Union hat im Sommer 2026 im Rahmen eines sogenannten „Digital Omnibus“ zentrale Hochrisiko-Pflichten ihres KI-Gesetzes auf Ende 2027 beziehungsweise August 2028 verschoben. Diese Verschiebung entlastet kurzfristig amerikanische Konzerne mit europäischem Geschäft, ändert aber am grundsätzlichen Bedarf an Governance-Dienstleistungen im US-Binnenmarkt kaum etwas, weil dort ohnehin eigene, teils strengere sektorale Vorschriften gelten.

Die großen Namen des Betriebsgeschäfts und ihre stille Machtverschiebung

Ein Blick in die jüngsten Geschäftszahlen der großen Beratungs- und IT-Dienstleistungskonzerne bestätigt, dass sich das Kräfteverhältnis innerhalb der Branche verschiebt. Bei einem der größten globalen Beratungsunternehmen wuchs das Geschäft mit dauerhaft betriebenen Dienstleistungen im dritten Fiskalquartal 2026 auf über neun Milliarden US-Dollar und damit deutlich schneller als das klassische, projektbasierte Beratungsgeschäft. Bei einem der führenden Technologiekonzerne wurden im selben Zeitraum sehr hohe KI-bezogene Auftragseingänge vermeldet, während das klassische Beratungsgeschäft stagnierte – ein Muster, das sich auch bei anderen Wettbewerbern wiederholt. Im August 2026 verkündeten ein traditionsreicher Technologiekonzern und ein führender Anbieter von Sprachmodellen eine Partnerschaft mit dem Ziel, sichere Unternehmenslösungen gemeinsam auszurollen; ein Signal dafür, dass sich die Grenze zwischen Modellentwicklern und Betriebsdienstleistern zunehmend auflöst.

Indische IT-Dienstleister und amerikanische Systemintegratoren gewinnen zudem zunehmend milliardenschwere Großaufträge, insbesondere im Finanz- und Gesundheitssektor, wobei die Frage, ob die Leistungserbringung vor Ort in den Vereinigten Staaten oder über Offshore-Zentren in Indien erfolgt, für sensible, regulierte Branchen eine erhebliche und bislang unzureichend dokumentierte Rolle spielt. Eine im Juli 2026 bekannt gewordene Großtransaktion eines IT-Dienstleisters mit einem großen amerikanischen Krankenversicherer im Volumen von über 500 Millionen US-Dollar zeigt exemplarisch, wie eng klassisches IT-Outsourcing und der neue Betrieb von KI-Systemen inzwischen miteinander verwoben sind.

Der Elefant im Raum: Scheitern die meisten KI-Projekte wirklich?

Kaum eine Zahl hat die Debatte über den wirtschaftlichen Nutzen Künstlicher Intelligenz im vergangenen Jahr so geprägt wie die Behauptung, 95 Prozent aller Pilotprojekte mit generativer KI erzielten keinen messbaren finanziellen Rückfluss. Diese Zahl, die ursprünglich aus einer mit dem Massachusetts Institute of Technology assoziierten Untersuchung stammt, wurde in unzähligen Medienberichten und Vertriebspräsentationen wiederholt, ohne dass die zugrunde liegende Methodik, die Stichprobengröße oder die genaue Definition eines Nullertrags jemals unabhängig überprüft worden wären. Kritiker weisen darauf hin, dass gleichzeitig zahlreiche Anbieter- und Beratungsstudien von Kosteneinsparungen zwischen 25 und 40 Prozent in ausgewählten, gut geführten Projekten berichten, was in offenkundigem Widerspruch zu einer angeblich fast durchgängig gescheiterten Praxis steht. Wahrscheinlicher als ein pauschales Scheitern der Technologie ist eine viel banalere Erklärung: Der Unterschied zwischen einem beeindruckenden Demonstrationsprojekt und einem tatsächlich profitablen, dauerhaft betriebenen System liegt nicht im Modell selbst, sondern im fehlenden Betriebsmodell dahinter. Genau diese Lücke zwischen Demo und Produktivbetrieb ist der eigentliche kommerzielle Nährboden, auf dem die gesamte Managed-AI-Branche gedeiht.

Zwischen Auslagerung und Selbstbau: Der stille Grabenkampf der Konzerne

Nicht jedes Unternehmen folgt dem Trend zur Auslagerung. Umfragen unter Führungskräften zeichnen zwar ein Bild, in dem die überwältigende Mehrheit amerikanischer Firmen externe Betriebspartner als wichtig oder sogar entscheidend für die Skalierung autonomer KI-Agenten ansieht, doch parallel dazu formiert sich ein Gegennarrativ. Große, finanzstarke Marken bauen zunehmend eigene, maßgeschneiderte KI-Systeme anstelle von Standardsoftware, getragen von der Überzeugung, dass strategisch entscheidende Fähigkeiten nicht an Dritte delegiert werden sollten. Wie groß dieser Anteil an intern betriebenen Systemen im Vergleich zum ausgelagerten Betrieb tatsächlich ist, lässt sich aus den verfügbaren Daten bislang nicht verlässlich beziffern, was die öffentliche Debatte in eine wenig hilfreiche Schwarz-Weiß-Logik zwingt, obwohl die Realität in den meisten Unternehmen vermutlich hybrid ausfällt.

Ein verwandtes, in Fachkreisen zunehmend diskutiertes Problem betrifft die tatsächlichen Betriebskosten. Viele Unternehmen haben es bislang versäumt, die laufenden Kosten für Rechenleistung und Modellnutzung systematisch an den tatsächlichen Produktivitätsgewinn zu koppeln, wodurch ein neues Fachgebiet namens KI-FinOps entstanden ist, das sich ausschließlich der finanziellen Steuerung von KI-Betriebskosten widmet. Dieses Problem wird von Marktbeobachtern inzwischen als eines der zentralen Leistungsversprechen professioneller Betriebsdienstleister genannt, neben kontinuierlicher Qualitätssicherung, eingebetteter Governance und richtliniengesteuerter Automatisierung.

Arbeitsmarkt: Die eigentliche Ursache der Auslagerungswelle

Hinter der Entscheidung, den Betrieb von KI-Systemen an externe Dienstleister abzugeben, verbirgt sich häufig schlicht ein Mangel an internem Fachpersonal. Arbeitsmarktanalysen aus dem Frühjahr 2026 zeigen, dass ausgerechnet das Gesundheitswesen, eine der Branchen mit dem größten erwarteten KI-Bedarf, zu den am schlechtesten auf den Wandel vorbereiteten Sektoren zählt. Umgekehrt berichten Unternehmensbefragungen aus dem dritten Quartal 2026, dass die tatsächliche wöchentliche Nutzung von KI-Werkzeugen durch die Belegschaft in wissensintensiven Branchen wie bei professionellen Dienstleistungen und Softwareunternehmen besonders hoch, im Gesundheitswesen, im verarbeitenden Gewerbe und im Bildungssektor dagegen deutlich niedriger ausfällt. Diese Diskrepanz zwischen Bedarf und Kompetenz erklärt, warum sich die Nachfrage nach Betriebsdienstleistungen zunehmend von der reinen Modellentwicklung hin zu operativen und architektonischen Fähigkeiten verschiebt: Es fehlt weniger an Fachleuten, die neue Modelle trainieren können, als an solchen, die bestehende Systeme sicher, wirtschaftlich und regelkonform am Laufen halten.

Was öffentlich diskutiert wird und was tatsächlich zählt

Bemerkenswert ist die Diskrepanz zwischen dem, was in sozialen Netzwerken und der öffentlichen Debatte Aufmerksamkeit erhält, und dem, was in tatsächlichen Beschaffungsprozessen der Unternehmen entschieden wird. Die öffentliche Diskussion konzentriert sich fast ausschließlich auf Rechenzentren, Stromverbrauch und die schiere Größe der Infrastrukturinvestitionen der großen Plattformkonzerne, während die eigentliche Frage, wer im Krankenhaus oder in der Bankfiliale tatsächlich für den störungsfreien Betrieb der eingesetzten Modelle verantwortlich zeichnet, kaum Beachtung findet. Gleichzeitig entstehen am unteren Ende des Marktes neue, oft von Start-ups vermarktete Angebote für sogenannte gemanagte KI-Mitarbeiter, die kleinen und mittleren Betrieben, etwa Zahnarztpraxen oder lokalen Dienstleistern, einfache Terminvereinbarungen und den Kundensupport abnehmen sollen. Wie tragfähig diese Geschäftsmodelle jenseits reiner Marketingversprechen tatsächlich sind, bleibt bislang unklar, da belastbare Umsatz- und Bindungszahlen fehlen.

Ebenfalls auffällig ist eine wachsende Skepsis gegenüber nichtamerikanischen Modellen und Offshore-Betriebszentren, wenn es um vertrauliche Unternehmensdaten geht. Diese Präferenz für heimische, nachvollziehbare Betriebsstrukturen dürfte in regulierten Branchen mittelfristig zu einem eigenen Differenzierungsmerkmal für Anbieter werden, die glaubhaft machen können, dass sie sensible Daten ausschließlich innerhalb der Vereinigten Staaten verarbeiten.

Eine Wette auf Kontrolle statt auf Kreativität

Die wirtschaftliche Geschichte der Künstlichen Intelligenz in den Vereinigten Staaten wird derzeit in zwei Kapiteln erzählt. Das erste, öffentlich viel beachtete Kapitel handelt von immer leistungsfähigeren Modellen und gigantischen Infrastrukturinvestitionen. Das zweite, wirtschaftlich möglicherweise folgenreichere Kapitel handelt davon, wer diese Modelle im Alltag verantwortungsvoll, sicher und wirtschaftlich betreibt, sobald sie das Versuchsstadium verlassen haben. Die verfügbaren Daten legen nahe, dass sich die eigentliche Wertschöpfung zunehmend in diesen zweiten, weit weniger glamourösen Bereich verschiebt, angetrieben von Fachkräftemangel, regulatorischem Druck und der schlichten Erkenntnis, dass ein beeindruckender Prototyp noch lange kein profitables Geschäftsmodell ist. Wer als Anbieter oder als Unternehmen in diesem Markt bestehen will, muss weniger die Frage beantworten, welches Modell das intelligenteste ist, sondern welche Organisation es zuverlässig, regelkonform und kosteneffizient am Laufen halten kann. Genau das, und nicht die Größe des nächsten Sprachmodells, dürfte am Ende darüber entscheiden, wer in dieser neuen Ökonomie tatsächlich verdient.

Bei aller Dynamik bleibt jedoch Vorsicht geboten. Die vorliegenden Marktzahlen stammen überwiegend aus kommerziell interessierten Studien großer Beratungs- und Analysehäuser, deren Definitionen von Managed AI erheblich voneinander abweichen und die selten offenlegen, welcher Anteil tatsächlich auf reinen Betrieb im Unterschied zu Software, Infrastruktur oder einmaliger Beratung entfällt. Eine belastbare, methodisch einheitliche und unabhängig geprüfte Rangliste der Branchen mit der größten Nachfrage nach gemanagter Künstlicher Intelligenz existiert nach derzeitigem Kenntnisstand nicht. Wer belastbare Investitionsentscheidungen auf Basis solcher Ranglisten trifft, sollte sich dieser methodischen Unschärfe bewusst sein und die zugrunde liegenden Annahmen jeder einzelnen Studie kritisch hinterfragen, bevor er sie als gesicherte Tatsache behandelt.

Konrad Wolfenstein

Gerne stehe ich Ihnen als persönlicher Berater zur Verfügung.

Sie können mit mir unter wolfenstein∂xpert.digital Kontakt aufnehmen oder

mich einfach unter +49 7348 4088 965 anrufen.

LinkedIn