881.000 Euro Fördergeld, 29 Monate Laufzeit, zwei fertige Verfahren zur Leckage-Erkennung im Trinkwassernetz. Was fehlt, ist die eine Zahl, die ein Stadtwerk interessiert: Wie viele Lecks findet das Ding? Sie steht nirgends. Sieben Monate nach Projektende gibt es keinen auffindbaren Schlussbericht.
Das ist kein Einzelfall, und es ist auch kein Behördenproblem. Dieselbe Lücke findet sich diese Woche in einer Governance-Umfrage und in einer Arbeit über Einzelgründer. Überall wird eingeführt, kaum jemand misst, was dabei herauskommt. Wenn Sie in Ihrer eigenen Firma nach der Zahl suchen, die eine KI-Einführung belegt, geht es Ihnen vermutlich genauso.
Und genau dort sitzt die Leistung, die übrigbleibt, wenn die Werkzeuge selbst nichts mehr kosten: nicht im Einsetzen, sondern im Nachrechnen.
Erster Strang: Governance
Der Befund
Der DXC Digital Future Monitor 2026 hat im März 2026 dreihundert Fach- und Führungskräfte aus der DACH-Region befragt, Feldarbeit Toluna. Acht von zehn Unternehmen bestehen darauf, dass bei neuen KI-Prozessen am Ende ein Mensch entscheidet. Im selben Datensatz hält mehr als die Hälfte es für wahrscheinlich, dass KI-Systeme künftig wichtige Geschäftsentscheidungen selbstständig treffen, 19 Prozent sogar für sehr wahrscheinlich. 66 Prozent berichten, durch intransparente KI-Entscheidungen bereits heute neue Compliance-Aufgaben zu haben. 71 Prozent erwarten in den kommenden drei Jahren einen sprunghaften Anstieg virtueller Agenten am Arbeitsplatz.
Die Herleitung
Interessant ist nicht die einzelne Zahl, sondern dass alle vier aus derselben Erhebung stammen. Es ist also nicht so, dass eine Gruppe den Menschen will und eine andere die Automatisierung erwartet. Es sind dieselben Leute.
Ein Widerspruch in verschiedenen Köpfen ist eine Meinungsverteilung. Ein Widerspruch in denselben Köpfen ist etwas anderes: Er bedeutet, dass die Beteiligten ihre eigene Position für gefährdet halten und trotzdem nichts daran ändern. Der Grund dafür ist meist banal. Die Position ist gar nicht zugewiesen. "Am Ende entscheidet ein Mensch" steht in der Richtlinie, aber wenn ein Agent morgen eine Empfehlung ausgibt, ist nicht benannt, wer sie prüft, in welcher Frist und mit welchem Recht, sie zu verwerfen.
Das Gegenargument
Man kann einwenden: Dreihundert Befragte sind eine kleine Zahl, und Selbstauskünfte über die eigene Governance sind notorisch geschönt. Beides stimmt. Der Einwand trifft aber die Richtung nicht. Wenn Befragte ihre Governance eher besser darstellen als sie ist, dann sind die 80 Prozent die geschönte Zahl, nicht die 19. Der Widerspruch wird durch den Einwand schärfer, nicht schwächer.
Zweiter Strang: KRITIS
Der Befund
Das Verbundvorhaben iOLE zur intelligenten Leckage-Erkennung im Trinkwassernetz steht im BMBF-Förderkatalog: Förderkennzeichen 02WDG1689A und B, 411.504 Euro an die TU Berlin, 469.257 Euro an das Kompetenzzentrum Wasser Berlin, Laufzeit 01.09.2023 bis 31.01.2026, Projektträger PTKA. Entstanden sind zwei Verfahren. Eines arbeitet allein auf Drucksensordaten und ortet in deren Nähe. Eines arbeitet auf dem hydraulischen Netzmodell, das jeder Versorger ohnehin führt, und lokalisiert bis auf die einzelne Leitung.
Die Herleitung
Der Weg zu diesen Zahlen ist selbst ein Befund. Drei Trägerseiten desselben Vorhabens nannten drei verschiedene Enddaten: 31.01.2026, Oktober 2025 und 31.08.2025. Erst der Förderkatalog entscheidet den Streit, und er klärt nebenbei eine zweite Frage: Es gibt genau zwei Zuwendungsempfänger, ein beteiligter Versorger ist also assoziiert und nicht Verbundpartner.
Wer das nicht nachschlägt, zitiert eine Projektseite und liegt daneben. Das ist die eigentliche Arbeit an einer Belegkette: nicht die Zahl finden, sondern die Stufe finden, auf der sie steht.
Was fehlt, ist alles Übrige. Keine Detektionsrate, keine Fehlalarmquote, kein Feldergebnis. Sieben Monate nach Projektende ist weder über den Förderkatalog noch über die TIB ein Schlussbericht auffindbar.
Das Gegenargument
Schlussberichte erscheinen oft mit Verzögerung, und ein Vorhaben ist nicht deshalb wirkungslos, weil sein Bericht noch nicht indexiert ist. Richtig. Für die Entscheidung eines Stadtwerkeleiters ändert das aber nichts: Er kann heute die Methode übernehmen und muss die Wirkung selbst messen. Die Frage ist nicht, ob das Vorhaben etwas taugte. Die Frage ist, worauf er sich in einer Ausschreibung berufen kann. Auf einen nicht auffindbaren Bericht kann er sich nicht berufen.
Dritter Strang: One-Person-Company
Der Befund
Hyunso Kim, Hyo Kang und Jaeyong Song von der SNU Business School der Seoul National University haben 160.143 Produktveröffentlichungen auf Product Hunt zwischen dem 01.04.2020 und dem 31.07.2025 ausgewertet. Methode: Difference-in-Differences plus Event Study, mit der Veröffentlichung von ChatGPT als quasi-experimentellem Einschnitt. Solo-Eintritte wachsen bis 2025 rund 90 Prozent stärker als Team-Eintritte, am deutlichsten in Kategorien, die vorher team-lastig waren. Die Produktdistinktheit von Solo-Gründungen steigt vier Prozent stärker.
Die Herleitung
Bis zu dieser Arbeit gab es für die Ein-Personen-These fast nur Selbstauskünfte: "drei Millionen Dollar Jahresumsatz, ein Mensch", meist in Anbietertexten. Der Unterschied zu dieser Studie ist nicht die Größe der Stichprobe, sondern dass sie nicht auf Selbstauskunft beruht. Product-Hunt-Launches sind beobachtbares Verhalten, kein Fragebogen.
Und dieselbe Arbeit misst die Gegenrichtung mit. Der Anteil der Solo-Gründungen, die es bei einem einzigen Launch belassen, steigt von 95,1 auf 97,0 Prozent. In den Top-10-Rängen wächst der Team-Anteil von 50 auf 53 Prozent, am stärksten bei Teams ab fünf Personen.
Das Gegenargument
Product Hunt ist nicht die Wirtschaft. Die Plattform bildet Software ab, überwiegend englischsprachig, mit einer Nutzerschaft, die früh adaptiert. Ein Maschinenbauer im Sauerland kommt darin nicht vor. Das ist richtig und begrenzt die Reichweite der Aussage erheblich.
Was übrig bleibt, ist trotzdem brauchbar, weil es eine bequeme Erzählung zerlegt: KI senkt die Eintrittshürde dramatisch und hebt niemanden an die Spitze. Wer daraus "eine Person, drei Millionen Umsatz" liest, hat die Hälfte der Studie überlesen. Die belastbare Aussage lautet anders und ist für den Mittelstand die interessantere: Kleine Teams fahren heute Operationen, für die es vor drei Jahren eine Abteilung brauchte.
Was Organisationen daraus mitnehmen
Der gemeinsame Nenner ist kein Zufall. In allen drei Fällen ist die Maßnahme belegt und die Wirkung nicht. Das ist der Normalfall. Wer in seiner eigenen Organisation nach einer Zahl sucht, die eine KI-Einführung belegt, findet meist dasselbe: einen Beschluss, ein Werkzeug, einen Zeitpunkt, und keine Messung.
Governance ist kein Dokument, sondern eine Zuständigkeit. Die 80 Prozent, die den Menschen am Ende wollen, sind so lange nichts wert, wie niemand benannt ist, der die Entscheidung tatsächlich trifft. Ein Name in einer Zeile ist mehr wert als eine Richtlinie in zwölf Seiten.
Der Compliance-Aufwand gehört in die Rechnung, bevor eingeführt wird. 66 Prozent haben ihn bereits, und fast niemand hat ihn vorher eingeplant. Er ist der Posten, der eine Wirtschaftlichkeitsrechnung kippt, nachdem sie unterschrieben wurde.
Zum Weiterarbeiten
Prüfliste, vier Fragen an eine bestehende KI-Anwendung
- Welche Zahl hat sich seit der Einführung verändert? Wenn keine: Welche hätte sich verändern sollen, und wird sie erhoben?
- Wer trägt namentlich die Letztentscheidung, wenn das System eine Empfehlung ausgibt? Eine Rolle genügt nicht, es braucht einen Menschen und eine Frist.
- Welcher Compliance-Aufwand ist seit der Einführung entstanden, und in welcher Kostenstelle steht er?
- Wenn die Anwendung morgen ausfällt: Wer merkt es, und woran?
Vor einer Ausschreibung, die sich auf ein gefördertes Verfahren beruft
Verlangen Sie den Schlussbericht und das Förderkennzeichen. Der Förderkatalog des Bundes ist öffentlich und entscheidet Widersprüche zwischen Projektseiten. Fehlt der Bericht, ist die Methode möglicherweise trotzdem gut, aber das Ergebnis ist nicht zitierfähig.
Wenn Ihnen jemand die Ein-Personen-Erzählung verkauft
Fragen Sie nach dem zweiten Launch. Die Eintrittszahlen sind beeindruckend, die Durchhaltezahlen sind es nicht. Für Ihren Betrieb ist die belastbare Frage nicht, wie klein ein Team sein kann, sondern welche Aufgabe ein Team von drei Leuten heute übernimmt, für die Sie früher zehn gebraucht hätten.
· · ·
English version
881,000 euros in public funding, 29 months, two finished methods for detecting leaks in drinking water networks. What is missing is the one number a utility cares about: how many leaks does it actually find? It is nowhere. Seven months after the project ended, no final report can be found.
This is not an isolated case, and it is not a public-sector problem. The same gap shows up this week in a governance survey and in a paper on solo founders. Everyone is rolling things out, hardly anyone measures what comes of it. If you go looking for the number that proves an AI rollout worked in your own company, you will probably find the same thing.
And that is exactly where the remaining value sits, once the tools themselves cost nothing: not in deploying, but in doing the arithmetic.
First strand: governance
The finding
The DXC Digital Future Monitor 2026 surveyed three hundred managers and specialists across Germany, Austria and Switzerland in March 2026, fieldwork by Toluna. Eight in ten companies insist that a human makes the final call in new AI processes. In the same dataset, more than half think it likely that AI systems will soon make important business decisions on their own, 19 percent think it very likely. 66 percent already report new compliance work created by opaque AI decisions. 71 percent expect a sharp rise in virtual agents at work over the next three years.
The derivation
What matters is not the individual number but that all four come from the same survey. So it is not that one group wants humans in charge while another expects automation. It is the same people.
A contradiction across different heads is a distribution of opinion. A contradiction inside the same heads is something else: it means the people involved consider their own position at risk and are doing nothing about it. The reason is usually mundane. The position was never assigned. "A human decides in the end" sits in the policy, but when an agent issues a recommendation tomorrow, nobody is named who reviews it, within what deadline, and with what authority to reject it.
The counter-argument
You could object that three hundred respondents is a small number, and that self-reported governance is notoriously flattering. Both are true. The objection misses the direction, though. If respondents present their governance as better than it is, then 80 percent is the flattered figure, not 19. The objection sharpens the contradiction rather than softening it.
Second strand: critical infrastructure
The finding
The iOLE joint project on intelligent leak detection in drinking water networks is documented in the German federal funding catalogue: grant numbers 02WDG1689A and B, 411,504 euros to TU Berlin, 469,257 euros to the Berlin Centre of Competence for Water, running 1 September 2023 to 31 January 2026. Two methods came out of it. One works on pressure sensor data alone and locates in its vicinity. The other works on the hydraulic network model every utility maintains anyway, and locates down to the individual pipe.
The derivation
Getting to those numbers is itself a finding. Three partner websites for the same project gave three different end dates: 31 January 2026, October 2025, and 31 August 2025. Only the funding catalogue settles it, and it answers a second question along the way: there are exactly two grant recipients, so a utility named in the coverage is associated rather than a formal partner.
Anyone who skips that lookup cites a project page and gets it wrong. That is the actual work in an evidence chain: not finding the number, but finding the level it sits on.
What is missing is everything else. No detection rate, no false alarm rate, no field result. Seven months after the end date, no final report is findable through the funding catalogue or the national library.
The counter-argument
Final reports often appear late, and a project is not ineffective because its report has not been indexed yet. Correct. For a utility manager's decision it changes nothing: he can adopt the method today and will have to measure the effect himself. The question is not whether the project was any good. The question is what he can cite in a tender. He cannot cite a report nobody can find.
Third strand: the one-person company
The finding
Hyunso Kim, Hyo Kang and Jaeyong Song at Seoul National University Business School analysed 160,143 product launches on Product Hunt between 1 April 2020 and 31 July 2025. Method: difference-in-differences plus event study, with the release of ChatGPT as a quasi-experimental break. Solo entries grow around 90 percent faster than team entries through 2025, most strongly in categories that used to be team-heavy. Product distinctiveness of solo launches rises four percent more.
The derivation
Until this paper, the one-person thesis rested almost entirely on self-report: "three million dollars a year, one person", usually in vendor copy. The difference here is not sample size but that it does not rest on self-report at all. Product Hunt launches are observed behaviour, not a questionnaire.
And the same paper measures the other direction. The share of solo founders who stop after a single launch rises from 95.1 to 97.0 percent. In the top ten ranks the team share grows from 50 to 53 percent, most of all for teams of five and above.
The counter-argument
Product Hunt is not the economy. The platform covers software, mostly English-speaking, with an early-adopting user base. A machine builder in the Sauerland does not appear in it. That is true and it limits the reach of the claim considerably.
What survives is still useful, because it takes apart a convenient story: AI lowers the barrier to entry dramatically and lifts nobody to the top. Reading this as "one person, three million in revenue" means skipping half the study. The defensible claim is a different one, and the more interesting one for a mid-sized company: small teams now run operations that needed a whole department three years ago.
What organisations take from this
The common thread is not a coincidence. In all three cases the measure is documented and the effect is not. That is the normal case. Look for a number in your own organisation that proves an AI rollout worked and you will usually find the same thing: a decision, a tool, a date, and no measurement.
Governance is not a document, it is an assignment. The 80 percent who want a human at the end are worth nothing while no named person actually makes the call. One name on one line beats a twelve-page policy.
The compliance effort belongs in the business case before rollout. 66 percent already carry it, and almost nobody planned for it. It is the line item that tips a business case over after it has been signed.
Taking it further
A four-question check for an existing AI application
- Which number has changed since it went live? If none: which one should have changed, and is it even being collected?
- Who by name carries the final decision when the system issues a recommendation? A role is not enough, you need a person and a deadline.
- What compliance work has appeared since the rollout, and which cost centre carries it?
- If the application fails tomorrow: who notices, and how?
Before a tender that cites a publicly funded method
Ask for the final report and the grant number. The federal funding catalogue is public and settles contradictions between project pages. If the report is missing, the method may still be sound, but the result is not citable.
When someone sells you the one-person story
Ask about the second launch. The entry figures are impressive, the persistence figures are not. For your company the defensible question is not how small a team can be, but which task a team of three now handles that used to take ten.