Warum KI-Millionen verpuffen und wie Unternehmen endlich ROI erzielen
Viele Gen-AI-Vorhaben liefern kaum messbaren Mehrwert: Laut aktueller Untersuchung erzeugen rund 95 % der Pilotprojekte keine schnellen Umsatzsprünge. Der Grund ist selten die Technik – sondern fehlende Integration in Prozesse, falsche Budgetprioritäten und die falsche Build-vs-Buy-Strategie. So gelingt die Wende.
Unternehmen investieren massiv in Künstliche Intelligenz – doch die Rendite bleibt oft aus. Eine aktuelle Studie des MIT zeigt ein ernüchterndes Bild: Aus Interviews mit Führungskräften, Mitarbeiterbefragungen und der Auswertung hunderter KI-Implementierungen ergibt sich, dass der Großteil generativer KI-Pilotprojekte keinen schnellen Umsatzschub bringt. Rund 95 Prozent verharren in der Testphase ohne messbaren Geschäftseffekt. Das Problem liegt dabei selten in der Leistungsfähigkeit der Modelle, sondern im Umfeld, in dem sie eingesetzt werden.
Was im privaten Einsatz gut funktioniert – flexible Assistenten, die Einzelpersonen unterstützen – scheitert im Unternehmenskontext häufig an starren Abläufen. KI-Tools werden nicht tief genug in Prozesse, Systeme und Verantwortlichkeiten eingebettet. Ohne klaren Datenzugang, definierte Übergaben und Feedbackschleifen lernen die Lösungen nicht aus dem Alltag – und bleiben nette Demos.
Hinzu kommt eine falsche Budgetlenkung. Mehr als die Hälfte der Mittel fließt laut Studie in Sales- und Marketing-Tools. Am meisten rechnet sich KI jedoch dort, wo sie Büroarbeit automatisiert, externe Dienstleistungen reduziert und interne Vorgänge verschlankt: Dokumentenbearbeitung, Beschaffung, Reporting, Support-Routinen. Wer hier anfängt, sieht schneller stabile Effizienzgewinne statt kurzfristiger Kampagneneffekte.
Auch die Beschaffungsstrategie entscheidet über Erfolg oder Misserfolg. Unternehmen, die auf Partnerschaften mit spezialisierten Anbietern setzen, berichten von Erfolgsquoten um zwei Drittel – interne Eigenentwicklungen liegen nur bei etwa einem Drittel. Erfolgreiche Programme lösen sich zudem von zentralisierten „KI-Laboren“ und geben Fachbereichen Steuerungsspielraum: Die Linie verantwortet die Use-Cases, die IT sichert Plattform, Daten und Governance.
Die Auswirkungen auf Beschäftigte sind bereits sichtbar, vor allem im Kundensupport und in administrativen Funktionen. Statt Entlassungen dominieren Einstellungsstopps und natürliche Fluktuation: frei werdende Stellen werden nicht nachbesetzt, Tätigkeiten verschieben sich Richtung Ausnahmebearbeitung, Qualitätssicherung und Systempflege.
Die Lehre aus all dem ist klar: Weniger Proof-of-Concepts, mehr Prozess-Produktivität. Wer den ROI heben will, beginnt mit klar abgegrenzten Back-Office-Workflows, bindet Datenquellen sauber an, misst Effekte in Zeit und Qualität – und entscheidet bewusst zwischen Zukauf und Eigenbau. So wird aus KI-Kosten endlich KI-Wertschöpfung.