KI-Nutzung: Hohe Verbreitung, kaum gemessene Wirkung

Hohe Verbreitung, kaum Mehrwert?

Die Diskrepanz hat einen messtechnischen Kern. Die wenigsten Unternehmen erfassen formal, ob sich ihre KI-Ausgaben auszahlen. Eine Prognose von Forrester für 2026 beziffert den Anteil der Entscheider, die den Wert von KI mit dem Finanzwachstum ihres Unternehmens verknüpfen, auf weniger als ein Drittel. Rund 25 Prozent der geplanten KI-Ausgaben verschieben sich nach dieser Prognose auf 2027, da der Abgleich von Anbieterversprechen und realem Ertrag eine Marktkorrektur erzwingt.

Die Verbreitung von KI sagt wenig über ihren wirtschaftlichen Wert aus. Den Unterschied zwischen den fünf Prozent mit messbarer Wirkung und der Mehrheit ohne erkennbaren Ertrag bestimmen Organisation, Prozessgestaltung und Governance.

Ohne Messung verschiebt sich die Bewertung auf das Empfinden der Anwender, und das täuscht. In einer Untersuchung des KI-Beratungs- und Forschungsinstituts METR arbeiteten erfahrene Softwareentwickler mit KI-Werkzeugen rund 19 Prozent langsamer als ohne, schätzten ihre Arbeit aber als 20 Prozent schneller ein. Subjektive Zufriedenheit und objektiver Produktivitätseffekt liefen damit gegenläufig. Für die Steuerung von KI-Investitionen folgt daraus, dass Selbstauskünfte der Mitarbeiter als Erfolgsindikator nicht ausreichen.

Das Kernproblem liegt in der Organisation

Der Zugang zu großen Sprachmodellen hebt die persönliche Produktivität einzelner Mitarbeiter. Schnellere E-Mails, kürzere Zusammenfassungen, raschere Ideenfindung gehören zu den ersten sichtbaren Effekten. Auf der Ebene der Gesamtorganisation schlägt sich dieser Gewinn jedoch selten in einem strategischen Vorteil nieder. Isolierte Effizienzgewinne summieren sich nicht automatisch zu einem messbaren Ergebnis für das gesamte Unternehmen.

Ein zweiter Grund liegt in gewachsenen Unternehmensstrukturen. Große Organisationen gliedern sich in Abteilungen mit eigenen Budgets, Zielen und internem Wettbewerb. Wissen fließt nur schwer zwischen diesen Einheiten. Eine Abteilung baut eine funktionierende KI-Anwendung, andere Bereiche kennen sie nicht oder übernehmen sie nicht. Aus diesem Silo-Effekt folgt, dass erfolgreiche Lösungen lokal bleiben und sich nicht über die Firma verbreiten.

KI-Innovation unterscheidet sich von klassischer IT-Innovation. IT-Projekte richten sich nach außen und beantworten die Frage nach einem Produkt oder einem Service für den Kunden. KI-Innovation richtet sich nach innen und prüft, welche internen Abläufe sich verbessern lassen. Für viele Führungsteams wirkt diese Blickrichtung verwirrend, da sie keinem festen Endpunkt folgt und fortlaufende Anpassung verlangt.

Zeit, Fachwissen und Rechtsfragen bremsen den Mittelstand

Im Mittelstand zeigt sich die Lücke zwischen Anspruch und Umsetzung deutlich. Der Bericht KI in Unternehmen: Einsatz, Ressourcen und Herausforderungen (PDF) der Bundesnetzagentur, der über 800 Firmen aller Größen befragt hat, ordnet 30 Prozent der Betriebe als produktive KI-Anwender ein. Knapp ein Fünftel steckt in der Einführung, 15 Prozent sehen Potenzial ohne konkreten Startpunkt, und ein gutes Drittel findet keinen Anwendungsfall.

Als Hemmnisse benennt die Bundesnetzagentur mehrere Punkte: 66 Prozent der Firmen fehlt die Kapazität, das Thema strukturiert anzugehen; 59 Prozent wissen nicht, welche Kompetenzen intern aufzubauen sind; 54 Prozent sehen Rechtsunsicherheit, vor allem mit Blick auf die KI-Verordnung der EU (EU AI Act), deren Bestimmungen ab August 2026 anwendbar sind. Als Orientierung für die Budgetplanung nennt die Studie einen Richtwert. Erfolgreiche Anwender setzen rund zwei Prozent ihres Umsatzes für KI-Projekte ein.

Die Verteilung nach Größe stützt dieses Bild. Laut den ifo-Zahlen setzen 67,2 Prozent der Großunternehmen KI ein, bei mittleren Betrieben sind es gut 47 Prozent, bei kleinen 51,2 Prozent (ifo). Der Abstand von rund 20 Prozentpunkten zwischen Konzernen und dem mittleren Segment zeigt, wo Kapazität und Fachwissen knapper sind. Genutzt wird KI nach den ifo-Angaben vor allem in Verwaltung, Datenanalyse, Programmierung, Schriftverkehr und Informationssuche, dazu in Planung, Controlling und der Kommunikation mit Kunden.

Erfolgreiche Anwender integrieren KI in ganze Prozesse

Die Minderheit, die KI in den Regelbetrieb bringt, folgt wiederkehrenden Vorgehensweisen. Im Kern verschiebt sich der Blick von der einzelnen Aufgabe zum gesamten Geschäftsprozess. Statt zu fragen, wie KI einem Mitarbeiter hilft, prüfen diese Firmen, wie sich die Arbeitsweise der gesamten Organisation verbessern lässt. Mehrere Faktoren treten dabei zusammen auf:

• Prozessintegration: KI bindet sich in größere Arbeitsabläufe und ganze Betriebsprozesse ein.
• Fortlaufende Anpassung: Prompts, Arbeitsabläufe, Governance-Strukturen und Arbeitspraktiken verändern sich kontinuierlich auf Basis von Feedback und Daten.
• Konsequente Auswahl: Projekte ohne messbaren Ertrag werden beendet, die Ressourcen fließen zu Anwendungsfällen mit höherem Nutzen.

Damit diese Vorgehensweisen über einzelne Abteilungen hinaus wirken, braucht es eine koordinierende Organisationsstruktur. Sie verbindet die KI-Initiativen der Fachbereiche, sichert den Austausch von Wissen, regelt Governance und richtet die Vorhaben an der Geschäftsstrategie aus. Als Bindeglied zwischen technischen Teams und Geschäftseinheiten sorgt sie dafür, dass funktionierende Lösungen die gesamte Organisation erreichen und nicht in einzelnen Bereichen verbleiben. Die größte Aufgabe liegt damit in der Neuausrichtung der Organisation auf kontinuierliches Experimentieren, abteilungsübergreifende Zusammenarbeit und Skalierung.

Führung und Regeln sichern den produktiven Einsatz

KI greift in Entscheidungsprozesse ein und verändert die Arbeitsweise von Organisationen. Damit verlangt sie Leitlinien, die ein gewöhnliches IT-Projekt nicht benötigt. Führungsteams sollten festlegen, wann ein KI-Ergebnis verlässlich ist, wer die Verantwortung übernimmt und wie das Unternehmen mit Unsicherheiten und Fehlern umgeht. Ohne solche Regeln hängt der Erfolg vom Zufall ab.

Mehrere Regeln haben sich in der Praxis bewährt. Eine Nutzungsrichtlinie legt fest, ob und wann der Einsatz von KI kenntlich zu machen ist. Zur Verantwortlichkeit gehört, dass ein Mitarbeiter für jeden Satz eines KI-gestützten Dokuments einsteht und die Ergebnisse vor der Weitergabe prüft. Ungeprüfte KI-Ausgaben gehören nicht in die interne oder externe Kommunikation. Die Zumutbarkeit von Ergebnissen verlangt, dass langer KI-Output vor der Verteilung verdichtet wird. Ein umfangreicher Analysebericht erreicht die Geschäftsführung reduziert auf seine wesentlichen Aussagen.

Der Umgang mit Fehlern bestimmt, ob Mitarbeiter die Werkzeuge annehmen. Der Einsatz von KI ähnelt dem Erlernen einer neuen Sprache. Erste Automatisierungen laufen nicht durch, frühe Entwürfe bleiben unfertig. Eine Fehlerkultur, die solche Schritte als Teil des Lernprozesses behandelt, motiviert die Mitarbeiter stärker als die Aussicht auf reine Kostensenkung. Schlankere Arbeitsabläufe, weniger Folgefehler und bessere Resultate wirken als Antrieb.

Fazit

Die Verbreitung von KI sagt wenig über ihren wirtschaftlichen Wert aus. Den Unterschied zwischen den fünf Prozent mit messbarer Wirkung und der Mehrheit ohne erkennbaren Ertrag bestimmen Organisation, Prozessgestaltung und Governance. Die Wahl des Modells spielt dabei eine kleinere Rolle als die Frage, wie ein Unternehmen KI in seine Abläufe integriert und steuert. Firmen mit definierten Zielen, verlässlichen Daten, geregelter Verantwortung und einer Struktur, die funktionierende Lösungen über Abteilungsgrenzen hinweg verbreitet, holen aus denselben Technologien einen Ertrag, der anderen verschlossen bleibt.