Ex-Tesla-Präsident: KI-Agenten ersetzen 12-monatige ERP-Einführungen

Wie ein Tesla-Veteran KI-Agenten im Unternehmensumfeld einsetzt

Jon McNeill war Präsident von Tesla während des explosiven Wachstums von 4 auf 40.000 Mitarbeiter und arbeitete direkt mit Elon Musk zusammen — von der Einstellungsphilosophie bis hin zu Vertriebsabläufen. Seitdem hat er fünf Startups aufgebaut und verkauft und leitet heute ein Unternehmen, das agentische KI auf die Lieferkettenoptimierung anwendet — einem Bereich, in dem traditionelle ERP-Implementierungen 9 bis 12 Monate in Anspruch nehmen.

Zur Frage, ob KI-Agenten Berater ersetzen: McNeills jüngstes Unternehmen holte das Team zurück, das Teslas ML-gestützte Lieferkettenplattform (um 2017) aufgebaut hatte, und baute sie mit agentischer KI neu auf. Das Ergebnis ist bemerkenswert: “Their agents could go in and understand the work rules of that ginormous platform within hours and then design a system and a workflow within hours.” (Ihre Agenten konnten sich innerhalb von Stunden in die Arbeitsregeln dieser riesigen Plattform einarbeiten und dann in wenigen Stunden ein System und einen Workflow entwerfen.) Kürzlich haben sie eine der größten Lebensmittellieferplattformen des Landes eingebunden — ein Projekt, das mit herkömmlichen ERP-Systemen fast ein Jahr gedauert hätte.

Zur Frage von KI als Arbeitskraft: Die Gastgeber fragten McNeill, ob KI-Arbeit, die menschliche Arbeit ersetzt, bedeutet, dass selbst neue Unternehmen keine menschlichen Arbeitsplätze mehr schaffen. Seine ehrliche Antwort: “I haven’t heard the case for why we do that is compelling enough.” (Ich habe noch kein überzeugendes Argument gehört, warum das so sein sollte.) Er verweist auf die Tabellenkalkulationsanalogie: In den 1950ern waren Wolkenkratzer voller menschlicher Rechner, die durch digitale Tabellenkalkulationen ersetzt wurden — doch die Gebäude stehen nicht leer. Tabellenkalkulationssoftware ermöglichte Derivatepreise, Optionsbörsen, Kreditsyndizierungen — Billionen an Marktkapitalisierung, die niemand vorhergesagt hatte.

Zur Parallele mit der 0800-Nummer: McNeills eindrücklichste Metapher für die Disruption durch KI kommt aus der Telekommunikationsgeschichte. Als elektronische Vermittlungsanlagen in den 1970er Jahren 800.000 menschliche Telefonistinnen und Telefonisten ersetzten, war die Besorgnis real. Doch kostenlose Ferngespräche ermöglichten gebührenfreie Nummern, die wiederum die gesamte Call-Center-Branche entstehen ließen: “A few years into the 1980s, there were now millions of people employed in call centers. Hundreds of software firms that were created.” (Einige Jahre in die 1980er hinein arbeiteten Millionen Menschen in Call-Centern. Hunderte von Softwareunternehmen wurden gegründet.) Sein erstes Startup war eines davon.

Zu KI-Modellen als Infrastrukturschicht: Statt darauf zu wetten, welches KI-Unternehmen das Modellrennen gewinnt, sieht McNeill die Hyperscaler (OpenAI, Google, Anthropic, xAI) als Infrastrukturerbauer — vergleichbar mit Webbrowsern in der Internetära. “We’re getting really excited like we did about Netscape and Internet Explorer… but what you really want to be looking at is what businesses are going to get built on top of this tooling.” (Wir werden genauso aufgeregt wie damals bei Netscape und Internet Explorer … aber worauf man wirklich achten sollte, ist: Welche Unternehmen werden auf dieser Werkzeugschicht aufgebaut werden.)

Zur Talentauswahl bei Tesla: Obwohl nicht KI-spezifisch, beeinflusst McNeills Einstellungsphilosophie direkt, wie man Talente im KI-Zeitalter beurteilt. Elons Methode: ein reales Problem bis in die Tiefe durchleuchten und prüfen, ob der Kandidat die Arbeit tatsächlich selbst geleistet hat oder nur die Leistung seines Teams für sich beansprucht. McNeill hat das seither übernommen: Er präsentiert ein aktuelles Problem und beobachtet Neugier, analytische Tiefe und die Fähigkeit, Komplexität in wenigen Minuten zu vereinfachen.

5 Erkenntnisse vom ehemaligen Tesla-Präsidenten zu KI und Unternehmen

• KI-Agenten verkürzen Implementierungszeiten um Größenordnungen — Was mit traditionellen ERP-Systemen 9 bis 12 Monate dauerte, geschieht mit agentischen Systemen, die Kundenprozesse eigenständig erlernen, in wenigen Tagen
• Jede technologische Revolution schafft mehr BIP und mehr Arbeitsplätze — McNeill kann keinen einzigen technologischen Durchbruch in der Geschichte nennen, der unterm Strich zu weniger Arbeitsplätzen geführt hätte
• Die Wertschöpfung liegt in den Folgeeffekten zweiter Ordnung — Der unmittelbare Effekt (Jobverlust) ist sichtbar; die unternehmerischen Chancen auf der anderen Seite sind es nicht — aber sie sind immer größer
• KI-Modelle sind die Werkzeugschicht, nicht das eigentliche Geschäft — So wie Browser Facebook und Airbnb ermöglichten, werden KI-Modelle die wirklichen Unternehmen ermöglichen, die noch gar nicht erdacht wurden
• Mensch plus KI ist die derzeit siegreiche Formel — Supply-Chain-Experten nutzen KI als „Exoskelett”: Domänenwissen, um zu beurteilen, was Agenten zurückbringen, und um bei Bedarf nachzusteuern

Was das für KI-gestützte Organisationen bedeutet

McNeills Supply-Chain-Geschichte ist der bisher klarste Unternehmensbeweis für agentische KI: Domänenexperten, die KI-Agenten einsetzen, um in wenigen Tagen Ergebnisse zu liefern, für die Legacy-Systeme ein Jahr brauchen. Das Muster — Experte + Agent > beides allein — lässt sich direkt auf die Art übertragen, wie Organisationen KI-Einführung angehen sollten. Ersetzen Sie Ihre Experten nicht; geben Sie ihnen eine Agenten-Infrastruktur, die ihre Leistung verzehnfacht.