IBM – Der unterschätzte KI-Business-Player: Von Deep Blue bis Watson-x

Wenn wir heute über Künstliche Intelligenz sprechen, fallen meist dieselben Namen: OpenAI, Google, Microsoft. Doch es gibt einen Spieler, der seit über 70 Jahren KI-Geschichte schreibt und trotzdem oft übersehen wird: IBM. International Business Machines Corporation – ein Unternehmen, das älter ist als der Computer selbst und das sich immer wieder neu erfunden hat.

Die Geschichte von IBM ist faszinierend, weil sie zeigt: Erfolg in der Technologiebranche ist kein Sprint, sondern ein Marathon. Und manchmal sind die stillsten Spieler die mächtigsten.

Von Lochkarten zu Quantencomputern: Eine beispiellose Transformation

IBM wurde 1911 gegründet – damals noch als Computing-Tabulating-Recording Company (CTR). Der visionäre Unternehmer Thomas J. Watson Sr. prägte das Unternehmen ab 1924 und benannte es in IBM um. Watson Sr. kam aus einer irischen Einwandererfamilie und arbeitete sich vom Verkäufer bis zum Präsidenten hoch.

„Watson Sr. schuf ein Modellunternehmen für das 20. Jahrhundert. Geleitet von menschenzentrierten Prinzipien, definierte er Kultur und Management neu“, würdigt IBM seinen Gründer noch heute. Er führte das berühmte IBM-Motto „THINK“ ein, das bis heute die Unternehmensphilosophie prägt.

In den frühen Jahren dominierte IBM den Markt für Lochkartenmaschinen und Tabellenrechner. Was heute archaisch klingt, war damals revolutionär: mechanische Systeme, die Daten verarbeiten konnten. Doch IBM blieb nicht stehen.

Der Sprung ins Computerzeitalter

Watsons Sohn, Thomas J. Watson Jr., übernahm 1956 das Unternehmen und leitete den Übergang ins Computerzeitalter ein. Die Entwicklung des System/360 – der weltweit ersten Familie kompatibler Großrechner – war ein Meilenstein. Plötzlich konnten Unternehmen ihre IT-Systeme skalieren, ohne alles neu kaufen zu müssen.

Über Jahrzehnte dominierten IBMs Mainframe-Computer den Enterprise-IT-Markt. Noch heute nutzen 71% der Fortune 500-Unternehmen IBMs Mainframes. Diese Systeme sind das unsichtbare Rückgrat der globalen Wirtschaft – von Banktransaktionen bis zu Flugbuchungen läuft vieles auf IBM-Hardware.

Die KI-Pionierarbeit: Als andere noch träumten, experimentierte IBM bereits

Während die meisten Menschen in den 1950er Jahren noch nicht einmal wussten, was ein Computer ist, forschte IBM bereits an den Grundlagen der Künstlichen Intelligenz. Das war mehr als 70 Jahre vor ChatGPT.

Deep Blue: Der Schachcomputer, der Geschichte schrieb

Der erste große öffentliche Durchbruch kam 1997. IBMs Supercomputer Deep Blue besiegte den amtierenden Schachweltmeister Garry Kasparov in einem historischen Match.

„Es war das erste Mal, dass eine Maschine einen regierenden Weltmeister unter Standard-Turnierbedingungen schlug“, erklärt IBM in seiner offiziellen Chronik. Deep Blue konnte 200 Millionen Schachpositionen pro Sekunde analysieren und erreichte eine Rechengeschwindigkeit von 11,38 Milliarden Gleitkommaoperationen pro Sekunde.

Das war mehr als ein PR-Coup. „Deep Blue demonstrierte, wie Computing zur Lösung komplexer technologischer und geschäftlicher Probleme eingesetzt werden kann“, erklärte IBM rückblickend. Das System wurde später dem Smithsonian Museum in Washington D.C. übergeben, doch sein Vermächtnis wirkt bis heute.

Watson: Der Traum von denkenden Maschinen

Weniger als ein Jahrzehnt nach Deep Blues Triumph wagte sich IBM an eine noch ehrgeizigere Aufgabe. Die Idee für Watson entstand 2004 in einem Restaurant, als IBM-Manager Charles Lickel bemerkte, dass alle Gäste gebannt auf die Fernsehbildschirme starrten – sie verfolgten Ken Jennings‘ rekordverdächtige Siegesserie bei Jeopardy!.

„Ich musste etwas tun“, erinnert sich der spätere IBM-CEO Arvind Krishna an die Situation, als er das Projekt übernahm. David Ferrucci, der Chefarchitekt von Watson, brauchte zunächst Überzeugungsarbeit. „Das Ziel ist nicht, das menschliche Gehirn zu modellieren“, erklärte Ferrucci. „Das Ziel ist es, einen Computer zu entwickeln, der effektiver im Verstehen und Interagieren in natürlicher Sprache ist“.

Das ursprüngliche Watson war ein raumfüllender Supercomputer bestehend aus 10 Racks mit 90 Servern und insgesamt 2.880 Prozessorkernen. Die Maschine verschlang über die Jahre Berge von Informationen: Wikipedia, Enzyklopädien, Wörterbücher, religiöse Texte, Romane und Theaterstücke.

„Watson konnte Hinweise finden und verstehen, mögliche Antworten durch Bewertung ihrer Genauigkeit vergleichen und antworten – alles in unter drei Sekunden“, beschreibt IBM das System.

Am 16. Februar 2011 war es soweit: Watson trat in der TV-Show Jeopardy! gegen die beiden erfolgreichsten Kandidaten aller Zeiten an – Brad Rutter und Ken Jennings. Das Ergebnis war beeindruckend: Watson gewann mit 77.147 Dollar, während Jennings 24.000 und Rutter 21.600 Dollar erzielten. Jennings fügte seiner finalen Antwort den mittlerweile legendären Kommentar hinzu: „I for one welcome our new computer overlords“ – „Ich für meinen Teil begrüße unsere neuen Computer-Oberherren“.

Die Watson Health-Katastrophe: Ein schmerzhafter Lernprozess

Nach dem Jeopardy!-Triumph 2011 schien Watson unaufhaltsam. IBM investierte Milliarden in Watson Health und versprach, die Medizin zu revolutionieren. „Watson hat alle Memorial Sloan-Daten, historische Patienten und Ergebnisse aufgenommen“, prahlte IBM-Manager John Kelly auf einer Veranstaltung.

Die Realität sah anders aus. Interne IBM-Dokumente von 2017 offenbarten das wahre Ausmaß der Probleme. „Dieses Produkt ist ein Stück Scheiße“ („This product is a piece of shit“), klagte ein Arzt am Jupiter Hospital in Florida gegenüber IBM-Führungskräften. „Wir haben es für Marketing gekauft und in der Hoffnung, dass Sie die Vision erreichen würden. Wir können es für die meisten Fälle nicht verwenden“ („We bought it for marketing and with the hope that you would achieve the vision. We can’t use it for most cases“).

Die Probleme waren systematisch: Watson for Oncology basierte nicht auf echten Patientendaten, sondern auf „synthetischen“ Fällen – hypothetischen Patienten, die von IBM-Ingenieuren und Ärzten am Memorial Sloan Kettering Cancer Center erstellt wurden. „Watson konnte nicht einmal häufige Lehrbuch-Behandlungen korrekt identifizieren“ („Watson was unable to correctly identify even common textbook treatments“), berichtete ein Arzt, der das System mehrfach verwendete.

Besonders gefährlich waren Watsons Empfehlungen in kritischen Situationen. Das System empfahl beispielsweise einem Krebspatienten mit schweren Blutungen ein Medikament, das die Blutungen verschlimmern könnte. Stephan Holzinger, CEO der Rhön-Klinikum AG, die das Universitätsklinikum Marburg betreibt, zog nach einer Bewertung eine vernichtende Bilanz: „Die Leistung war inakzeptabel – das medizinische Verständnis bei IBM war einfach nicht vorhanden“ („The performance was unacceptable – the medical understanding at IBM was simply not there“).

Das McDonald’s-Desaster: KI trifft auf Fast Food

2021 wagte IBM einen neuen Versuch, Watson in der realen Welt zu etablieren – dieses Mal bei McDonald’s Drive-Throughs. Das Automated Order Taking (AOT) System sollte Bestellungen automatisch entgegennehmen und so die Effizienz steigern.

Das Experiment wurde zu einem PR-Desaster. Social Media-Nutzer teilten Videos von Watson, das völlig falsche Bestellungen aufnahm oder Kunden nicht verstand. Obwohl McDonald’s eine Genauigkeitsrate von 85% meldete, reichte das nicht aus – „etwa 20% der Bestellungen mussten von menschlichen Mitarbeitern übernommen werden“, was massive Verzögerungen an den Drive-Through-Schaltern verursachte.

Mason Smoot, Chief Restaurant Officer von McDonald’s USA, beendete die Partnerschaft im Juli 2024: „Nach einer durchdachten Überprüfung hat McDonald’s beschlossen, unsere aktuelle Partnerschaft mit IBM beim AOT zu beenden“ („After a thoughtful review, McDonald’s has decided to end our current partnership with IBM on AOT“). Das System hatte Schwierigkeiten mit verschiedenen Akzenten und Dialekten.

Die Ironie: Während IBM mit diesem Rückschlag kämpfte, stieg der IBM-Aktienkurs, da Analysten die KI-Fortschritte des Unternehmens in anderen Bereichen lobten.

Arvind Krishna: Der Architekt der Transformation

Die Wende kam 2020 mit Arvind Krishna, einem 30-jährigen IBM-Veteranen indischer Herkunft. Geboren 1962 in Dehradun als Sohn eines Armeeoffiziers, studierte Krishna am renommierten Indian Institute of Technology Kanpur und promovierte an der University of Illinois.

Krishna begann 1990 am Thomas J. Watson Research Center und arbeitete sich durch alle Hierarchieebenen. Als Senior Vice President für Cloud und Cognitive Software orchestrierte er 2019 die größte Softwareübernahme in der IBM-Geschichte: den 34-Milliarden-Dollar-Kauf von Red Hat.

„Ich musste etwas tun“ („I had to do something“), erinnert sich Krishna an seine ersten Tage als CEO. Nach 24 Quartalen mit schrumpfenden Umsätzen stieß er Watson Health Anfang 2022 ab und beendete andere gescheiterte Experimente rund um Big Data und Blockchain. „Ich habe auch an das Potenzial der Blockchain geglaubt“ („I also believed in the potential of blockchain“), erklärt Krishna. „Letztlich aber haben weder Banken noch Regierungen die Technologie wirklich genutzt. Also habe ich 2021 gesagt: Ich schrumpfe das Thema radikal herunter“ („Ultimately, neither banks nor governments really used the technology. So in 2021 I said: I’m drastically scaling this back“).

Watsonx: Die KI-Renaissance

Im Mai 2023 präsentierte Krishna IBMs Antwort auf ChatGPT: Watsonx, eine enterprise-focused KI-Plattform. Anders als die generalistischen Modelle der Konkurrenz setzt IBM auf eine Nischenstrategie mit kleineren, spezialisierten Modellen für Unternehmen.

„Unsere Schätzung ist, dass 99 Prozent der Unternehmensdaten noch von keinem großen Sprachmodell berührt wurden“ („Our estimate is that 99 percent of enterprise data has not yet been touched by any large language model“), erklärt Krishna die Strategie. „Unternehmen können ihre sensiblen Daten nicht öffentlichen KI-Modellen anvertrauen“ („Companies cannot entrust their sensitive data to public AI models“).

Watsonx besteht aus drei Hauptkomponenten:

• Watsonx.ai: Ein Studio für Training, Validierung und Deployment von KI-Modellen
• Watsonx.data: Ein System für Datenspeicherung und -management
• Watsonx.governance: Ein Toolkit für Compliance und Regulierung

Die Granite-Modelle: Spezialisiert statt generalistisch

Das Herzstück sind IBMs neue Granite-Modelle. Granite 3.0, im Oktober 2024 vorgestellt, bietet verschiedene Größen von 2 bis 8 Milliarden Parametern. „Granite 3.0 ist primär für spezifische Unternehmensanwendungen optimiert“, während generische Sprachmodelle wie ChatGPT eher auf allgemeine Anfragen ausgerichtet sind.

Warum setzt IBM auf kleinere Modelle? Die Antwort liegt in den Bedürfnissen von Unternehmen:

• Datenschutz & Compliance: Kleine Modelle können lokal betrieben werden. Sensible Unternehmensdaten müssen nicht in große, fremdgehostete Modelle gegeben werden.
• Schnelle Anpassbarkeit: Kleine Modelle lassen sich schneller und kostengünstiger an unternehmensspezifische Aufgaben anpassen.
• Geringere Kosten: SLMs brauchen weniger Rechenleistung, laufen auf Standardhardware und verursachen deutlich weniger Cloud-Kosten.
• Weniger Halluzinationen: Da sie auf spezielle Daten trainiert werden, liefern sie passendere und verlässlichere Antworten für spezifische Business-Logik.

Erfolge in der Enterprise-Welt: Während andere Schlagzeilen machen, verdient IBM Geld

Während die öffentliche Aufmerksamkeit bei Consumer-KI liegt, sammelt IBM still Erfolge im Enterprise-Bereich. Audi Deutschland nutzt IBMs Granite-Sprachmodell für Kundenservice-Anwendungen. „Von Anfang an hat IBM einen Test-Account zur Verfügung gestellt, eine schöne Abwechslung zur Konkurrenz“ („From the beginning, IBM provided a test account, a nice change from the competition“), lobt Vertriebschefin Silke Miksche.

Westfield Insurance steigerte die Entwicklerproduktivität um 80% in einem achtwöchigen Pilotprojekt mit Watsonx. Die United States Tennis Association nutzt Watsonx für die US Open: „Die KI-Modelle, die mit Watsonx entwickelt wurden, verbessern nicht nur das digitale Erlebnis der US Open, sondern skalieren auch die Produktivität unseres Redaktionsteams durch die Automatisierung wichtiger Arbeitsabläufe“ („The AI models developed with Watsonx not only enhance the digital experience of the US Open but also scale our editorial team’s productivity through the automation of key workflows“), erklärt Chief Commercial Officer Kirsten Corio.

Water Corporation in Australien sparte durch Watsonx Code Assistant etwa 1.500 Stunden manueller Arbeit, reduzierte Entwicklungskosten um 30% und senkte die Betriebskosten der SAP-Cloud-Umgebung um mehr als 40%.

Die unsichtbare Infrastruktur: IBMs Rolle hinter den Kulissen

IBMs wichtigste Rolle liegt oft dort, wo niemand hinschaut: in der fundamentalen Computing-Infrastruktur für KI-Entwicklung.

Quantencomputing: Der nächste Sprung

IBM betreibt mittlerweile die größte Flotte von Quantencomputern weltweit. 2024 eröffnete das Unternehmen das erste Quantencomputing-Datenzentrum außerhalb der USA in Ehningen, Deutschland.

„Mit unserem neuen europäischen Quantendatenzentrum können europäische Nutzer erstmals IBM-Quantum-Workloads auf lokalen Großsystemen ausführen, die hauptsächlich von europäischen Ressourcen unterstützt werden“ („With our new European quantum data center, European users can for the first time run IBM Quantum workloads on local large-scale systems supported primarily by European resources“), erklärt IBM.

Das ambitionierteste Projekt ist IBM Quantum Starling, das bis 2029 fertiggestellt werden soll. „Starling wird 20.000-mal mehr Operationen als heutige Quantencomputer durchführen“ („Starling will perform 20,000 times more operations than today’s quantum computers“), verspricht IBM.

Red Hat OpenShift: Die versteckte Plattform

Eine der wichtigsten, aber oft übersehenen Rollen von IBM ist Red Hat OpenShift – die Kubernetes-basierte Plattform, die als Fundament für viele KI-Workloads weltweit dient. OpenShift läuft auf allen großen Cloud-Plattformen: AWS, Microsoft Azure, Google Cloud und IBM Cloud.

„IBM hält Red Hat neutral“ („IBM keeps Red Hat neutral“), betont Sathish Balakrishnan, Vice President für gehostete Plattformen bei Red Hat. „Das ist eine großartige Bestätigung. Sie haben ihre eigene Cloud, aber sie sind nicht im Weg gestanden, um dies zu verhindern“ („That’s a great affirmation. They have their own cloud, but they haven’t stood in the way to prevent this“).

Das Faszinierende: OpenShift läuft auch bei Konkurrenten. Microsoft Azure bietet Azure Red Hat OpenShift an, und auch Google Cloud und AWS nutzen OpenShift für ihre Kubernetes-Services. IBM steckt damit indirekt in der Infrastruktur vieler KI-Services – auch wenn niemand davon spricht.

Die finanzielle Renaissance: Zahlen, die für sich sprechen

Die Transformation zahlt sich aus. 2024 erzielte IBM 62,8 Milliarden Dollar Umsatz – ein Anstieg von 3% zu konstanten Wechselkursen. Der freie Cashflow kletterte auf 12,7 Milliarden Dollar.

„Unser generative AI-Geschäft steht nun bei mehr als 5 Milliarden Dollar seit Beginn“ („Our generative AI business now stands at more than $5 billion since inception“), verkündete Krishna. Bis Q2 2025 wuchs das KI-Geschäftsbuch auf 7,5 Milliarden Dollar.

Für 2025 prognostiziert IBM ein Umsatzwachstum von mindestens 5% und einen freien Cashflow von etwa 13,5 Milliarden Dollar.

Die Aktienperformance spiegelt diese Wende wider: 2024 stieg der IBM-Kurs um 35,37%, 2023 um 17,90%. „Wir haben wieder die Erwartungen für Umsatz, Gewinn und freien Cashflow im Quartal übertroffen“ („We again exceeded expectations for revenue, profit, and free cash flow in the quarter“), betonte Krishna im Juli 2025.

IBMs Strategie: Anders denken statt größer bauen

IBM konkurriert mit Tech-Giganten, die deutlich größere Ressourcen haben. Microsoft investiert jährlich zweistellige Milliardenbeträge in KI. Google dominiert mit TensorFlow und der Google Cloud Platform. Amazon führt den Cloud-Markt mit AWS an.

Doch IBM hat einen anderen Ansatz gewählt. „Während Konzerne wie Microsoft oder Amazon jedes Jahr hohe zweistellige Milliardenbeträge in immer größere Sprachmodelle investieren, setzt IBM auf kleinere, spezialisierte Modelle für Unternehmen“. Diese Fokussierung auf Datensouveränität und Kontrolle spricht besonders regulierte Branchen wie Finanzdienstleistungen und Gesundheitswesen an.

Wo begegnen wir IBM im Alltag? Überall – nur merken wir es nicht:

• Banken & Versicherungen: Viele Transaktionen laufen auf IBM-Mainframes
• Gesundheitswesen: KI-basierte Analysen und Datenmanagement
• Cloud-Infrastruktur: Viele Unternehmen nutzen OpenShift für ihre Web-Apps
• Internet & Telekom: KI-gestützte Chatbots und Serviceautomatisierung
• Automobilindustrie: Produktions- und Testdatenmanagement
• Retail & Logistik: Supply-Chain-Optimierungen

Herausforderungen bleiben

IBM beschäftigt heute 270.300 Mitarbeiter – weniger als die 345.900 von 2020. Diese Verschlankung ist Teil der strategischen Transformation. „Ich denke, dass ich irgendwo zwischen einem Drittel und der Hälfte des Weges geschafft habe“ („I think I’m somewhere between a third and half of the way there“), schätzt Krishna den Fortschritt ein.

Die größte Herausforderung bleibt die öffentliche Wahrnehmung. Während Start-ups wie OpenAI Schlagzeilen machen, arbeitet IBM im Schatten der Aufmerksamkeit. „IBM hat bereits mehr als fünf Milliarden Dollar mit seinen KI-Angeboten verdient“ – eine beeindruckende Zahl, die in der öffentlichen Diskussion untergeht.

Fazit: Der schlafende Gigant ist längst wach

IBM verkörpert eine der bemerkenswertesten Transformationsgeschichten der Technologiebranche. Von den schmerzhaften Watson Health-Fehlschlägen über das McDonald’s-Desaster bis zur aktuellen Renaissance mit Watsonx – das Unternehmen hat aus seinen Fehlern gelernt und sich neu erfunden.

„Drei Jahre zuvor haben wir eine Vision für ein schneller wachsendes, profitableres IBM dargelegt“ („Three years ago, we outlined a vision for a faster-growing, more profitable IBM“), reflektiert Krishna. „Ich bin stolz auf die Arbeit, die das IBM-Team geleistet hat, um unsere Verpflichtungen zu erfüllen oder zu übertreffen“ („I am proud of the work the IBM team has done to meet or exceed our commitments“).

Während die Medien auf die spektakulären Consumer-KI-Durchbrüche fokussiert sind, baut IBM still eine dominierende Position im lukrativeren Enterprise-KI-Markt auf. Mit über 70 Jahren KI-Forschung, einer starken Quantum-Computing-Position und einer klaren Strategie für Unternehmens-KI ist IBM bereit, seine Rolle als unterschätzter Gigant abzulegen.

IBM arbeitet quasi unsichtbar im Hintergrund von Wirtschaft und Infrastrukturen, die Millionen Menschen täglich nutzen – von Geldautomaten über Krankenhäuser bis hin zu E-Commerce und KI-basierten Kundenservices. Die Tradition von Innovation und Wandel prägt IBM seit über 100 Jahren und macht das Unternehmen weiterhin zu einem der wichtigsten Technologiegiganten weltweit.

„Mit unserer fokussierten Strategie, unserem erweiterten Portfolio und unserer Innovationskultur sind wir gut für 2025 und darüber hinaus positioniert“ („With our focused strategy, expanded portfolio, and culture of innovation, we are well positioned for 2025 and beyond“), ist Krishna überzeugt.

Die Zeit wird zeigen, ob der unterschätzte Gigant IBM die Aufmerksamkeit bekommt, die er verdient. Eines ist sicher: In der Enterprise-KI-Welt ist IBM bereits angekommen – leise, beständig und profitabel.