Wo das KI-Geld versickert, bevor Wert entsteht

Während die Schlagzeilen von Milliardenrunden und immer stärkeren Modellen handeln, erzählen die Studien aus den Unternehmen eine andere Geschichte. Laut einer Untersuchung des Anbieters Freshworks verlieren deutsche Unternehmen im Schnitt rund 26 Prozent ihres KI-Budgets, bevor überhaupt ein Mehrwert entsteht. Auswertungen der Beratung BCG kommen zu ähnlich ernüchternden Zahlen. Die KI-Technik ist also da, das Geld fließt, aber der messbare Nutzen bleibt bei vielen aus. Woran das liegt, ist gut verstanden, und genau das macht es lösbar.

Ein Viertel des Budgets weg, bevor es nützt

Die Zahl von Freshworks ist deshalb so unangenehm, weil sie von verlorenem Geld vor dem ersten Nutzen spricht, nicht von gescheiterten Projekten.

Laut der Studie versickert rund ein Viertel der eingesetzten Mittel in der Phase davor, in der noch gar kein Mehrwert entstanden ist. Das ist Geld, das in unklare Projekte, in schlecht aufbereitete Daten, in Werkzeuge ohne passenden Anwendungsfall und in nicht zu Ende gedachte Pilotversuche geht. Wer schon einmal ein KI-Projekt im eigenen Betrieb begleitet hat, kennt dieses Muster: Es wird begeistert begonnen, ein Werkzeug wird angeschafft, ein paar Leute probieren herum, und nach einigen Monaten ist unklar, was eigentlich besser geworden ist. Genau dort verschwindet das Budget.

Wichtig ist, diese Zahl richtig einzuordnen. Sie stammt von einem Anbieter, ist also mit der üblichen Vorsicht zu lesen. Doch sie passt zu dem, was andere Erhebungen zeigen, und deckt sich mit der Erfahrung aus der Praxis. Das Problem ist real, auch wenn die genaue Prozentzahl je nach Studie schwankt.

Nur wenige melden einen echten Effekt

Noch deutlicher wird das Bild, wenn man auf den nachweisbaren Geschäftserfolg schaut. Hier sind die Zahlen erstaunlich niedrig.

Laut BCG berichtet weltweit nur etwa ein Drittel der Unternehmen, genauer rund 39 Prozent, von einem messbaren Effekt auf das Betriebsergebnis durch KI, und bei den meisten davon liegt die Verbesserung unter fünf Prozent. In einer BCG-Auswertung speziell zur Logistik hatten zwar rund 40 Prozent der Dienstleister KI über die Pilotphase hinaus eingeführt, aber nur etwa jedes zehnte Unternehmen setzte sie flächendeckend ein, und lediglich 13 Prozent berichteten von konkreten Wertbeiträgen. Eine weitere Erhebung, über die das Portal MKK-Echo berichtete, kommt zu dem Schluss, dass nur 17 Prozent der Unternehmen mit KI ein messbares Wachstum erzielen.

Die Zahlen unterscheiden sich im Detail, weil sie verschiedene Dinge messen und verschiedene Branchen betrachten. Die Botschaft aber ist über alle Studien hinweg dieselbe: Zwischen Ausprobieren und echtem, messbarem Nutzen klafft eine große Lücke. Viele kommen über den Pilotversuch nicht hinaus, und selbst wer es schafft, sieht oft nur eine bescheidene Wirkung. Das ist kein Argument gegen KI, aber ein Argument gegen blinden Aktionismus.

Woran es wirklich liegt

Die gute Nachricht in all dem: Die Gründe für das Scheitern sind selten technischer Natur. Es liegt fast nie am Modell.

Drei Ursachen tauchen immer wieder auf. Erstens schlechte Daten. Eine KI, die auf lückenhafte, unstrukturierte oder veraltete Informationen zugreift, liefert lückenhafte Ergebnisse, egal wie gut sie ist. Zweitens fehlende Anwendungsfälle. Viele Projekte starten mit dem Werkzeug, nicht mit dem Problem, und suchen dann erst nach einem Einsatzzweck. Drittens fehlende Qualifizierung. Wenn die Mitarbeiter nicht wissen, wie sie ein KI-Werkzeug sinnvoll einsetzen und wo seine Grenzen liegen, bleibt das beste Werkzeug ungenutzt oder wird falsch verwendet.

Wir sehen in unseren DigiMan-Kursen genau dieses Muster bei fast jedem Teilnehmer, der schon einmal ein KI-Projekt versemmelt hat. In keinem einzigen Fall lag es am Modell. Es lag daran, dass niemand vorher festgelegt hat, welches konkrete Problem gelöst werden soll, dass die Daten nicht aufbereitet waren oder dass die Leute nicht geschult wurden. Ein Pilotversuch ohne klaren Prozess und ohne geschulte Mitarbeiter verbrennt Geld mit fast schon verlässlicher Sicherheit.

Ein wiederkehrendes Detail ist dabei besonders aufschlussreich. Viele Projekte scheitern in der Mitte, nicht am Anfang, beim Sprung vom Pilotversuch in den Regelbetrieb. Ein kleiner Test mit zwei begeisterten Mitarbeitern läuft fast immer gut, weil diese zwei genau wissen, was sie tun. Soll dasselbe Werkzeug dann von der ganzen Abteilung genutzt werden, fehlt plötzlich das Wissen, der Prozess ist nicht beschrieben, und niemand fühlt sich zuständig. Genau an dieser Stelle versickert das Budget, das die Studien beziffern. Der erfolgreiche Pilot täuscht über die eigentliche Arbeit hinweg, nämlich aus einem Test einen verlässlichen, von allen getragenen Ablauf zu machen.

Was das für KMU bedeutet

Für ein mittelständisches Unternehmen ist die wichtigste Lehre aus diesen Studien, die Reihenfolge umzudrehen. Nicht mit der Technik anfangen, sondern mit dem Problem.

Bevor du ein Werkzeug anschaffst, beantworte drei Fragen. Welche konkrete, wiederkehrende Aufgabe kostet uns am meisten Zeit oder Nerven? Welche Daten braucht eine KI, um diese Aufgabe zu erledigen, und sind diese Daten sauber und verfügbar? Wer in meinem Team setzt das Werkzeug am Ende ein, und ist diese Person dafür befähigt? Wer diese drei Fragen ehrlich beantwortet, bevor er Geld ausgibt, gehört nicht zu dem Viertel, dessen Budget versickert. Das klingt unspektakulär, ist aber der gesamte Unterschied zwischen einem Projekt, das etwas bringt, und einem, das verpufft.

Die Qualifizierung der Mitarbeiter ist dabei der am meisten unterschätzte Hebel. Sie ist kein netter Zusatz, sondern die Voraussetzung dafür, dass sich eine KI-Investition rechnet. Ein gut geschultes Team holt aus einem einfachen Werkzeug mehr heraus als ein ungeschultes aus dem teuersten Modell. Genau deshalb ist Weiterbildung der erste Schritt, der vor der Anschaffung stehen sollte, kein nachgelagerter Kostenpunkt. Die Studien zeigen mit unbequemer Klarheit, was passiert, wenn man diesen Schritt überspringt.

Häufige Fragen

Zuletzt aktualisiert: 14.06.2026. Stand der Recherche: 14.06.2026.