Hohe KI-Erwartungen treffen auf magere Resultate
Unternehmen investieren weiter kräftig in künstliche Intelligenz, doch die erwartete Rendite bleibt meist aus. Nach Zahlen von Gartner rechnen drei Viertel der Führungskräfte mit Produktivitätsgewinnen und sinkenden Kosten. Ihre selbst gesetzten Ziele erreicht haben bislang nur 3 % der Organisationen.
Auch die Budgetkontrolle bereitet Probleme. 38 % der Unternehmen geben mehr für KI aus als geplant. Trotzdem wollen 85 % ihre Investitionen im folgenden Jahr weiter steigern.
| Kennzahl | Anteil |
|---|---|
| Führungskräfte erwarten höhere Produktivität und niedrigere Kosten | 75 % |
| Unternehmen erreichen ihre KI-Ziele | 3 % |
| Unternehmen liegen über ihrem KI-Budget | 38 % |
| Unternehmen planen höhere KI-Ausgaben | 85 % |
Die Zahlen zeigen vor allem eine Lücke zwischen Erwartung und operativer Umsetzung. Viele Projekte werden als Technologieinitiative gestartet, ohne vorher festzulegen, welcher Prozess verbessert und wie der wirtschaftliche Effekt gemessen werden soll.
Kostensenkung ist häufig das falsche erste Ziel
„Zum jetzigen Zeitpunkt werden Unternehmen mit KI letztlich keine Kosteneinsparungen erzielen. Die größere Chance liegt darin, Aufgaben zu ermöglichen, die vorher nicht möglich waren, und Arbeitszeit in neue Fähigkeiten, Ergebnisse und Wachstum zu verschieben.“
Gartner-Analystin CV Viverito, sinngemäß aus dem Englischen
Nach der Untersuchung wird nur bei ungefähr jedem fünften Beschäftigten tatsächlich Zeit durch KI frei. Selbst dann entsteht nicht automatisch ein finanzieller Nutzen. Freie Kapazität muss gezielt in wertschöpfende Aufgaben umgeleitet werden, statt lediglich zusätzliche Nutzung innerhalb bestehender Abläufe zu erzeugen.
Dafür müssen Prozesse, Verantwortlichkeiten und teilweise auch Stellenprofile angepasst werden. Hinzu kommen Kosten für Schulungen, Integration, Qualitätssicherung und Governance. Ein KI-Werkzeug spart deshalb selten sofort Personal- oder Betriebskosten, nur weil einzelne Arbeitsschritte schneller erledigt werden.
Budgets steigen trotz verfehlter Renditeziele
Weitere Prognosen weisen in dieselbe Richtung. KI könnte bereits 2027 rund ein Fünftel der Ausgaben für Unternehmenstechnologie beanspruchen. Zugleich dürfte mehr als die Hälfte der IT-Verantwortlichen ihre Renditeziele verfehlen. Damit passt die Gartner-Erhebung zur Erwartung, dass KI-Ausgaben einen immer größeren Teil der IT-Budgets belegen werden.
Eine Untersuchung unter britischen Führungskräften ergab zudem, dass 65 % an ihren Investitionen festhalten wollen, selbst wenn kurzfristig kein messbarer Ertrag entsteht. Die Studien haben unterschiedliche Zielgruppen und lassen sich daher nicht direkt vergleichen. Gemeinsam zeigen sie jedoch, dass Ausgaben derzeit schneller wachsen als belastbare wirtschaftliche Ergebnisse.
Auch die gesamtwirtschaftlichen Daten liefern bislang wenig Unterstützung für die optimistischen Erwartungen. Eine Analyse von Apollo Global Management kam zu dem Ergebnis, dass außerhalb der großen Technologiekonzerne noch kein messbarer Produktivitätsschub durch KI erkennbar ist.
Was Unternehmen praktisch ändern können
Gartner empfiehlt, KI auf wenige Arbeiten zu konzentrieren, die für die Unternehmensstrategie tatsächlich relevant sind. Vorhandenes Wissen sollte intern verteilt werden, statt ausschließlich auf schwer verfügbare Spezialisten zu setzen. Führungskräfte benötigen außerdem Spielraum, Arbeitsabläufe rund um die Technik neu zu gestalten.
Für eine belastbare Wirtschaftlichkeitsrechnung sind vier Punkte entscheidend:
- Vor Projektbeginn eine messbare Ausgangsbasis für Kosten, Bearbeitungszeit und Qualität festlegen.
- Modellgebühren, SaaS-Abos, Integration, Schulung und Kontrolle vollständig erfassen.
- Festlegen, wofür frei werdende Arbeitszeit konkret eingesetzt wird.
- Nach einer begrenzten Testphase Projekte ohne nachweisbaren Nutzen beenden oder technisch neu aufsetzen.
Besonders bei nutzungsabhängigen APIs können Modellwahl und Architektur einen erheblichen Unterschied machen. Ein praktisches Beispiel ist Modell-Routing zur Senkung von KI-Kosten, bei dem Anfragen abhängig von ihrer Schwierigkeit an unterschiedliche Modelle verteilt werden.
Für Unternehmen im DACH-Raum kommen Datenschutz, Betriebsrat, Dokumentationspflichten und die Abhängigkeit von US-Anbietern hinzu. Open-Weight-Modelle und Self-Hosting können bei sensiblen Prozessen eine Alternative sein. Sie beseitigen die Kosten jedoch nicht, sondern verschieben sie in Infrastruktur, Betrieb und internes Know-how.
Die entscheidende Kennzahl ist daher nicht die Zahl der eingeführten KI-Werkzeuge. Relevant ist, ob ein klar abgegrenzter Geschäftsprozess nachweisbar schneller, günstiger oder qualitativ besser funktioniert. Ohne diese Messung wird ein wachsendes KI-Budget schnell zum nächsten schwer kündbaren Softwarekostenblock.