Das ACE-Framework: Ein Periodensystem für Business-AI

Lernen Sie Sarah kennen. Sie leitet ein 180-köpfiges B2B SaaS-Unternehmen. Die Geschäfte laufen gut. Das vergangene Quartal war das beste in der Unternehmensgeschichte.

Doch irgendetwas in ihrem Team bricht leise zusammen — und sie spürt es, bevor sie es benennen kann.

Es kam letzten Mittwoch zum Vorschein. Ihr Sales Director legte ihr einen Lieferantenvertrag auf den Schreibtisch: 180.000 USD jährlich, Unterschrift bis Freitag erforderlich, „KI-gestützte Sales Intelligence". Sarah blätterte durch die Folien. Sie konnte nicht erkennen, was das Produkt eigentlich tat. Ihre Verkaufsgespräche analysieren? Ihre Leads bewerten? Die E-Mails ihrer Vertreter verfassen? Die Demo zeigte alles drei. Das Deck des Anbieters sprach von „Transformation Ihrer Sales Motion" und „KI-gestützten Insights". Ihr Sales Director war bereit zu unterschreiben.

Sie bat ihn, ihr alles zu erklären. Zwanzig Minuten später stellten beide fest, dass keiner von ihnen erklären konnte, was sie kauften.

Sarah brauchte kein weiteres AI-Strategie-Framework. Sie brauchte ein Vokabular. Eine Möglichkeit, in fünf Minuten zu erkennen, was die AI eines Anbieters tatsächlich tut — und ob ihr Team sie braucht.

Dieses Framework ist für Sarah. Und für jeden Gründer, Eigentümer und Unternehmensführer, der etwas Ambitioniertes aufbaut, bei dem AI eine Rolle spielt — und der Anbieter bewerten muss, ohne dafür einen Übersetzer zu benötigen.

Die Erkenntnis: ein begrenztes Alphabet, unbegrenzte Ausdruckskraft

Eine kleine Anzahl grundlegender Primitiva, kombiniert, kann alles beschreiben. Kohlenstoff, Wasserstoff, Sauerstoff und Stickstoff bilden den Großteil der organischen Chemie. Null und Eins bilden jedes jemals geschriebene Programm. Sechsundzwanzig Buchstaben bilden jedes englischsprachige Werk. Die Chemie funktioniert so, weil sie es muss. Das Universum ist kompositorisch.

Business-AI funktioniert genauso. Jeder AI-Anwendungsfall in Ihrem Unternehmen — ob Salesforce Einstein Leads bewertet, Intercom Fin Support-Tickets beantwortet oder Gong Verkaufsgespräche transkribiert — lässt sich als ein Rezept aus fünf Kern-Fähigkeiten beschreiben, die auf Daten angewendet werden. Verstehen Sie die fünf, und Sie können jeden AI-Produkt-Pitch lesen, jede interne Initiative einordnen oder jedes Tool in Ihrem Stack prüfen.

Das ist es, was dieses Framework tut. Es gibt Ihnen ein Vokabular. Keine Strategie. Keine Roadmap. Ein Vokabular.

Die 5 Fähigkeiten: Ingest, Analyze, Predict, Generate, Execute

Ingest nimmt Informationen auf. OCR auf einem Kassenbon. Transkription eines Verkaufsgesprächs. Verarbeitung einer PDF-Rechnung. Abruf von CRM-Einträgen via API. Alles, was ein rohes Signal (Bild, Audio, Dokument, Stream) in etwas umwandelt, mit dem die AI arbeiten kann.

Analyze macht Sinn aus dem Aufgenommenen. Klassifiziert eine E-Mail als dringend oder zur Information. Extrahiert einen Lieferantennamen aus einem Vertrag. Fasst einen 60-seitigen Bericht zusammen. Erkennt die Stimmung in einer Kundenbewertung. Analyze beantwortet die Frage: Was ist das?

Predict prognostiziert, was als Nächstes kommt. Bewertet einen Lead mit 87 % Abschlusswahrscheinlichkeit. Prognostiziert 4,2 Mio. USD Closed-Won-Umsatz für Q2. Markiert eine Transaktion als zu 99,5 % anomal. Predict beantwortet: Was ist wahrscheinlich?

Generate produziert etwas Neues. Entwirft eine E-Mail. Schreibt Code. Erstellt ein Bild. Verfasst einen Projektplan. Generate erzeugt ein Artefakt — etwas, das im Entwurfsstadium verbleibt, bis etwas anderes (ein Mensch oder ein anderes System) es weiterleitet.

Execute verändert den Zustand außerhalb der AI. Sendet die E-Mail. Überträgt den Code. Aktualisiert das CRM. Belastet die Kreditkarte. Erteilt den Auftrag. Execute hat Konsequenzen, die häufig unumkehrbar sind.

Das war es. Fünf Fähigkeiten. Jede Business-AI tut eine oder mehrere davon.

Warum diese fünf vollständig sind

Prüfen Sie jedes AI-Produkt, das Sie diese Woche verwenden. Es wird eine oder mehrere dieser Fähigkeiten nutzen. Nicht fünf der „zehn Säulen der Transformation" aus einem Beratungs-Deck. Nicht „sieben Treiber der KI-Bereitschaft". Fünf Verben, auf Daten angewendet, zu Workflows kombiniert.

Jede Art der Informationsverarbeitung, die AI durchführt, fällt in eine dieser Kategorien. Daten aufnehmen (Ingest). Verstehen (Analyze). Prognostizieren (Predict). Etwas Neues produzieren (Generate). Damit die Welt verändern (Execute). Es gibt keine sechste Aktion, die sich irgendwo versteckt.

Könnte sich diese Menge im Laufe der Zeit ändern? Ja. In drei Jahren könnten „Remember" (dauerhaftes AI-Gedächtnis über Sitzungen hinweg) oder „Coordinate" (Multi-Agent-Orchestrierung) zu erstklassigen Fähigkeiten aufsteigen. Das ist in Ordnung. Frameworks sollen sich weiterentwickeln. Heute decken diese fünf das Feld ab.

Was dieses Framework nicht tut, ist sie zu verwischen. Die meisten AI-Frameworks von Beratungsunternehmen fassen alles unter „AI-Transformation" oder „AI-Strategie" zusammen — unscharfe Kategorien, die wichtig wirken, aber nicht dabei helfen, nächste Woche ein Tool auszuwählen. Präzises Vokabular ist die Voraussetzung für klares Denken.

Der sechsstufige Stack

Fähigkeiten existieren nicht isoliert. Sie stapeln sich. Jede Ebene baut auf der darunter liegenden auf.

Alles beginnt bei der Foundation. Bevor eine Fähigkeit funktioniert, brauchen Sie Datenbereitschaft: Daten, die zugänglich, strukturiert, aktuell und zulässig sind. Saubere Daten sind meist der Unterschied zwischen AI, die funktioniert, und AI, die in peinliche Situationen führt. Gartner berichtet, dass Unternehmen bis 2026 60 % ihrer AI-Projekte einstellen werden, weil die Daten nicht AI-tauglich sind. Mühsame Arbeit, entscheidende Wirkung.

Der Stack ist ein Modell, keine Abfolge. Sie müssen Ebene 1 nicht meistern, bevor Sie Ebene 3 anfassen. Ein echtes Unternehmen adoptiert AI-Tools (Ebene 3), während seine Daten (Foundation) noch ungeordnet und seine Strategie (Ebene 5) halbfertig sind. Der Stack gibt Ihnen eine Karte, keine Route.

Jeden AI-Anwendungsfall in fünf Minuten verstehen

So wenden Sie das Framework an. Wählen Sie ein AI-Produkt, das Sie verwenden. Gehen Sie diese fünf Fragen durch:

1. Welche Daten verbraucht es? (Text, Structured, Image, Audio, Video, Code, Time-Series)
2. Welche Fähigkeiten nutzt es? (Ingest, Analyze, Predict, Generate, Execute)
3. Was ist das dominante Pattern? (RAG, Scoring+Routing, Vision Extract usw.)
4. Was ist der Output: Artefakt oder Zustandsänderung? (Nur Generate, oder auch Execute?)
5. Wo steht der Mensch? (Review-Gate, Monitoring, abwesend)

Angewandtes Beispiel: Gong, die Plattform zur Analyse von Verkaufsgesprächen.

• Daten: Audio (aufgezeichnete Gespräche) + Text (Transkripte) + Structured (CRM-Einträge)
• Fähigkeiten: Ingest (Gesprächsaudio → Transkript), Analyze (Themen, Einwände, Stimmung), Generate (Zusammenfassung + CRM-Notizen), Execute (schreibt zurück nach Salesforce)
• Pattern: Meeting Intelligence
• Output: Beides. Erzeugt menschenlesbare Zusammenfassungen. Führt aus, indem es CRM-Einträge aktualisiert.
• Mensch: Der Vertreter überprüft die Zusammenfassung. Der Manager überprüft die Coaching-Erkenntnisse. Nichts in Gong handelt automatisch beim Kunden.

In fünf Aufzählungspunkten haben Sie vollständig beschrieben, was Gong tut und wie es in Ihren Stack passt. Probieren Sie es jetzt mit ChatGPT (Analyze + Generate, reines Artefakt, Mensch muss Execute ausführen). Probieren Sie es mit Stripe Radar (Ingest + Analyze + Predict + Execute, markiert automatisch Betrug). Probieren Sie es mit Salesforce Einstein (Ingest + Analyze + Predict, dann überprüft der Mensch die Scores, optional Execute via Auto-Routing).

Nach einer Woche dieser Übung werden Sie Anbieter-Pitches anders lesen. Sie hören auf, von „KI-gestützt" beeindruckt zu sein, und fragen stattdessen, welche Fähigkeiten tatsächlich aktiv sind und wo der Mensch im Loop verbleibt.

Predictive AI vs. Generative AI: eine Zuordnung

Die Technologiebranche teilt AI derzeit in zwei Lager auf: Predictive AI (Bewertung, Prognose, Klassifizierung) und Generative AI (Text-, Bild- und Code-Erstellung). Diese Aufteilung wurde nach 2022 populär, als ChatGPT die generative Seite neu sichtbar machte.

Das ACE-Framework bildet beide ab:

• Predictive AI nutzt primär die Predict-Fähigkeit mit unterstützendem Analyze. Das sind Salesforce Einstein, HubSpot Predictive Lead Scoring, Stripe Radar, Empfehlungsmaschinen.

• Generative AI nutzt primär die Generate-Fähigkeit mit unterstützendem Analyze. Das sind ChatGPT, GitHub Copilot, Midjourney, Jasper, Writer.

Die meisten modernen Produkte kombinieren beides. Ein Kundensupport-Agent prognostiziert die Absicht (Predict) und entwirft eine Antwort (Generate). Ein autonomer Coding-Agent analysiert einen Bug (Analyze), prognostiziert einen Lösungsansatz (Predict), schreibt Code (Generate) und überträgt ihn (Execute). Die Unterscheidung „Predictive vs. Generative" ist nützliche Kurzform, übersieht aber Ingest und Execute vollständig.

Der Markt für Generative AI allein wird 2026 auf 121 Milliarden USD geschätzt, mit einem CAGR von 33,2 %. Die Unternehmens-AI-Ausgaben sind seit 2023 von 1,7 Milliarden auf 37 Milliarden USD gestiegen. Deshalb beeilt sich jeder Softwareanbieter, eine Position in einem oder beiden Lagern einzunehmen.

Was dieses Framework NICHT ist

Ehrliche Grenzen gleich zu Beginn:

Es ist keine Vorschrift. Das Framework gibt Ihnen Vokabular und Struktur. Es sagt Ihnen nicht, welche AI Sie Montag einführen, welchen Anbieter Sie kaufen oder wie Sie das Change Management durchführen sollen. Dafür brauchen Sie Playbooks, die darauf aufgebaut sind.

Es ist kein Reifemodell. Die sechs Ebenen sind keine Stufen, durch die Sie aufsteigen. Ein Unternehmen kann ausgereifte Patterns (Ebene 2) ohne eine Transformation Strategy (Ebene 5) haben oder umgekehrt. Der Stack ist strukturell, nicht sequenziell.

Es ist nicht statisch. AI entwickelt sich schnell. Das Framework wird Überarbeitungen benötigen, wahrscheinlich quartalsweise. Fähigkeiten könnten sich aufteilen. Neue könnten entstehen. Wir verpflichten uns, es aktuell zu halten, nicht dazu, für immer recht zu haben.

Es ist nicht technologiespezifisch. Keine Abhängigkeit von GPT-5, LangChain oder einem bestimmten Tool. Die ändern sich alle sechs Monate. Fähigkeiten überdauern Produkte.

Es reicht nicht allein. Das Framework zu zitieren ist keine Analyse. Echte Artikel, die darauf aufbauen, müssen echte Beispiele, Fehlermodi und ehrliche ROI-Daten hinzufügen.

Es ist neu. Dieses Framework wurde 2026 veröffentlicht. Es muss sich noch über die Zeit bewähren. Einiges wird standhalten. Einiges wird überarbeitet werden müssen. Wir aktualisieren diesen Artikel, wenn wir dazulernen.

Wenn diese Grenzen noch Raum für ein Framework lassen, das Sie diese Woche einsetzen können, lesen Sie weiter.

Wie man dieses Framework nutzt

1. Prüfen Sie Ihren aktuellen AI-Stack. Listen Sie alle AI-Tools auf, die Ihr Unternehmen nutzt. Kennzeichnen Sie für jedes die ACE-Fähigkeiten, die es abdeckt. Sie werden Redundanzen finden (drei Tools für Generate+Text), Lücken (keine Predict-Fähigkeiten, obwohl Sie für „Predictive Analytics" bezahlen) und Überraschungen (das Tool, das Sie für modern hielten, ist nur Analyze mit einer Chat-UI).

2. Lesen Sie Anbieter-Pitches skeptisch. Die meisten AI-Anbieter-Pitches verwenden Wörter wie „intelligent", „automatisiert", „transformativ". Ersetzen Sie diese durch ACE-Fähigkeiten und plötzlich wird der Pitch präzise. Ein Tool, das „Ihren Sales Workflow transformiert", ist konkret wahrscheinlich Analyze + Generate + vielleicht Execute. Wenn der Anbieter Ihnen nicht genau sagen kann, welche Fähigkeiten sein Produkt ausführt, ist das eine Information.

3. Bewerten Sie Ihre eigenen AI-Initiativen. Investieren Sie in ausgewogene Fähigkeiten oder alles in Generate? Haben Ihre risikoreichsten Workflows den richtigen Human-in-the-Loop an der Execute-Grenze? Führen Sie die unattraktive Foundation-Arbeit durch, oder jagen Sie dem neuesten LLM hinterher?

Laut OECD nennen 61 % der KMU Kosten als primäre Hürde bei der AI-Adoption, gefolgt von mangelnder Fachkompetenz (54 %) und Datenqualität (41 %). Das ACE-Framework löst keine Kostenfrage. Es löst die Kompetenzlücke: das Vokabular, das Sie brauchen, um informierte Entscheidungen zu treffen, ohne 2 Mio. USD an McKinsey zu zahlen. Das ist der bescheidene Anspruch — und wir stehen dazu.

Was als Nächstes kommt

Der Rest dieser Sammlung baut jede Ebene aus:

• Foundation: die sieben Datentypen und die Datenbereitschaftsarbeit, die AI ermöglicht
• Die 5 Fähigkeiten: ein Deep-Dive pro Fähigkeit mit echten Beispielen und Fehlermodi: Ingest, Analyze, Predict, Generate, Execute
• Jenseits der Fähigkeiten: Grenzen, praktische Anwendung, Entwicklung und AI-Initiativen kennzeichnen

Nach dieser Sammlung folgt die Patterns-Sammlung (Ebene 2), die die zehn wiederkehrenden Fähigkeitskombinationen abdeckt, die 90 % der realen Geschäftsprobleme lösen. Dann AI für [Ihre Rolle] (Ebene 3) für rollenspezifische Tiefe. Dann Branchen- und Strategieinhalte für die höheren Ebenen.

Das ACE-Framework ist ein Werkzeug. Nutzen Sie es, wenn es der Arbeit dient. Legen Sie es beiseite, wenn es das nicht tut. Die Arbeit ist die Arbeit.

---

Das ACE-Framework wurde von Reworks Content- und Forschungsteam im April 2026 entwickelt. Dieses Dokument ist eine lebendige Referenz und wird überarbeitet, wenn sich die AI-Landschaft entwickelt. Wenn Sie einen Fehler entdecken oder einen Vorschlag haben, freuen wir uns darüber.