Eine Studie von SAS und IDC vom Juni 2026 zeigt: Rund 70 Prozent der kleinen und mittleren Unternehmen kommen nicht über das Stadium hinaus, KI experimentell oder punktuell zu nutzen. Investiert wird, Tools werden ausprobiert, aber die systematische, betriebsweite Nutzung fehlt. Laut Studie liegt das nicht an der Technik, sondern an fehlender Datenbasis, Strategie, Kompetenz und klaren Regeln. Wer den Sprung schafft, fängt klein an: ein paar wiederkehrende Aufgaben, eine zuständige Person, Schulung statt Zuruf.
Viele Betriebe haben KI längst im Haus. Jemand testet ChatGPT für Mailentwürfe, die Buchhaltung probiert ein Tool zum Belegauslesen, im Marketing entstehen ein paar KI-Bilder. Und dann passiert lange nichts mehr. Eine neue Studie von SAS gemeinsam mit IDC, veröffentlicht im Juni 2026, setzt eine Zahl auf dieses Gefühl: Laut SAS und IDC bleiben rund 70 Prozent der kleinen und mittleren Unternehmen an eben dieser Stelle hängen. Sie experimentieren, sie investieren sogar, aber KI wird nie zur festen, organisationsweiten Routine. Das Tempo der Tools ist hoch, das Tempo der Organisation ist niedrig, und in dieser Lücke versickert ein Großteil des möglichen Nutzens.
Was die Zahl wirklich aussagt
70 Prozent klingt nach Versagen. Ist es aber nicht.
Laut Studie zeigt die Zahl vor allem eine Diskrepanz zwischen Ambition und Reife. Die Unternehmen wollen KI nutzen, viele tun es auch bereits an einzelnen Stellen. Was fehlt, ist der Schritt von der Insellösung zur durchgängigen Nutzung. SAS und IDC beschreiben das als organisatorische Unreife. Oft fehlt es weder am Willen noch am Budget. Was fehlt, ist eine saubere Datenbasis, eine Strategie, die nötigen Kompetenzen im Team und Governance, also klare Regeln dafür, wer KI wofür einsetzen darf und wie mit den Ergebnissen umgegangen wird.
Das deckt sich mit dem, was wir in unseren DigiMan-Kursen regelmäßig sehen. Die Teilnehmer kommen selten mit dem Problem "ich verstehe das Tool nicht". Sie kommen mit der Frage "ich habe drei Tools angeschaut, weiß aber nicht, wo ich anfangen soll und wer sich danach darum kümmert". Das ist der Engpass, den die Studie beschreibt: der fehlende Plan und die fehlende Verantwortlichkeit dahinter, kaum je die Software.
Warum so viele im Experiment hängen bleiben
Das Experiment ist verführerisch. Es ist billig, unverbindlich und macht Spaß. Jemand probiert etwas aus, es funktioniert auf Anhieb erstaunlich gut, alle sind kurz beeindruckt, und dann liegt das Tool wieder im digitalen Schreibtisch. Niemand hat festgelegt, dass es ab jetzt fest zum Ablauf gehört. Niemand ist zuständig, es einzuführen, den Kollegen zu zeigen und dranzubleiben.
Bei einem Maschinenbauer im Mittelstand mit 60 Leuten sieht das oft so aus: Der Geschäftsführer hat ChatGPT abonniert, ein paar Abteilungsleiter nutzen es privat für Texte, und in der Produktion läuft ein KI-Pilot zur Wartungsplanung, von dem die Verwaltung gar nichts weiß. Drei Inseln, kein gemeinsamer Plan, keine geteilten Erfahrungen. Wenn der eine Abteilungsleiter geht, geht sein KI-Wissen mit. Das ist die punktuelle Nutzung, die die Studie meint. Sie ist nicht wertlos, aber sie skaliert nicht.
Dazu kommt die Datenfrage. KI ist nur so gut wie die Informationen, mit denen sie arbeitet. Wenn Angebote in fünf verschiedenen Word-Vorlagen liegen, Kundendaten halb im CRM und halb in Excel stehen und niemand weiß, welche Preisliste aktuell ist, dann hilft auch das beste Tool nicht. Die organisationsweite Nutzung scheitert oft schon daran, dass die Grundlagen im Haus nicht geordnet sind. Laut SAS und IDC ist diese fehlende Datenbasis einer der Hauptgründe, warum der Sprung nicht gelingt.
Der Readiness-Index: vier Dimensionen, vier Stufen
Damit Betriebe einordnen können, wo sie stehen, führt die Studie einen AI-Readiness-Index ein. Er bewertet vier Dimensionen: Planung, Entwicklung, Know-how und Umsetzung. Aus der Bewertung ergeben sich vier Reifegrade, und sie beschreiben die Treppe, um die es hier geht.
Die unterste Stufe ist experimentell: Es wird ausprobiert, ohne System. Darüber liegt punktuell: KI läuft an einzelnen Stellen, aber isoliert. Die dritte Stufe ist strukturiert: Es gibt einen Plan, Zuständigkeiten und erste übergreifende Abläufe. Ganz oben steht integriert: KI gehört fest zum Geschäft, über Abteilungen hinweg, mit Regeln und gepflegten Daten.
Die 70-Prozent-Zahl bezieht sich auf die beiden unteren Stufen. Der Wert eines solchen Index liegt weniger in der exakten Punktzahl als in der ehrlichen Selbsteinordnung. Wenn ein Pflegedienst feststellt, dass er bei Know-how und Umsetzung gut dasteht, aber bei Planung und Governance fast bei null ist, dann weiß er, woran er als Nächstes arbeiten muss. Das ist nützlicher als die pauschale Erkenntnis "wir sollten mehr mit KI machen".
Wie der Sprung vom Experiment zur Routine gelingt
Der naheliegende Reflex bei so einer Studie ist, in die Vollen zu gehen: KI-Strategie aufsetzen, Governance-Dokument schreiben, alle Daten erst mal aufräumen. Das ist gut gemeint und führt fast immer dazu, dass am Ende gar nichts passiert, weil das Projekt zu groß wird.
Der Weg, der bei kleinen Betrieben wirklich funktioniert, läuft umgekehrt. Such dir wenige konkrete, wiederkehrende Aufgaben aus, die heute Zeit fressen und keine Hexerei sind. Eingehende Mails vorsortieren. Angebotstexte aus Stichpunkten entwerfen. Lange Verläufe zusammenfassen. Diese kleinen, klar abgegrenzten Aufgaben sind der Hebel, nicht die große Spielerei mit dem neuesten Modell. Eine Steuerkanzlei mit acht Leuten kommt weiter, wenn sie KI fest zum Vorsortieren der Mandantenpost einsetzt, als wenn sie ein halbes Jahr über eine umfassende KI-Vision diskutiert.
Der zweite Punkt ist Verantwortlichkeit. Es braucht jemanden, der sich kümmert, auch wenn es nur eine Stunde pro Woche ist. Eine Person, die die ausgewählte Aufgabe einführt, den Kollegen zeigt, wie es geht, Rückfragen sammelt und nachjustiert. Ohne diesen Kümmerer verläuft jedes KI-Vorhaben im Sand, weil im Tagesgeschäft immer etwas Dringenderes dazwischenkommt. Diese Rolle fehlt in den meisten Betrieben, die laut Studie im Experiment hängen bleiben.
Dann der Kompetenzaufbau. Die Studie nennt fehlendes Know-how als eine der vier Dimensionen, und das ist kein Zufall. Wenn nur eine Person im Haus versteht, wie man KI sinnvoll und sicher einsetzt, ist das Wissen einsam und der Betrieb abhängig. Schulung im Team, auch in kleinem Rahmen, verteilt das Können auf mehrere Schultern. Das ist auch der Hintergrund der Artikel-4-Kompetenzpflicht im EU AI Act, die seit dem 2. Februar 2025 gilt: Wer KI einsetzt, muss dafür sorgen, dass die Mitarbeiter ausreichend Kompetenz haben.
Zuletzt ein paar einfache Spielregeln. Es braucht kein 40-seitiges Governance-Werk. Eine knappe Richtlinie reicht: Welche Tools sind freigegeben, welche Daten dürfen rein, was wird geprüft, bevor es an den Kunden geht. Eine Hausverwaltung, die festhält "Kundendaten nur in der freigegebenen Unternehmenslösung, jede KI-Antwort an Eigentümer wird vom Sachbearbeiter gegengelesen", hat damit mehr Governance als 90 Prozent der Betriebe, ohne einen einzigen Berater dafür zu bezahlen.
Die Studie liefert keine Erfolgsgarantie, und die gibt es auch nicht. Was sie liefert, ist eine klare Diagnose: Das Problem ist selten das Tool. Das Problem ist, dass das Tool nie über den Status der netten Spielerei hinauskommt, weil niemand den nächsten Schritt verbindlich gemacht hat. Genau dieser nächste Schritt, klein und konkret, mit einer zuständigen Person und geschultem Team, ist das, was die strukturierte von der experimentellen Stufe trennt.
Häufige Fragen
Was besagt die SAS-IDC-Studie vom Juni 2026?
Laut SAS und IDC kommen rund 70 Prozent der kleinen und mittleren Unternehmen nicht über das Stadium hinaus, KI experimentell oder punktuell zu nutzen. Trotz steigender Investitionen und breiter Tool-Nutzung fehlt die systematische, betriebsweite Anwendung. Als Ursachen nennt die Studie fehlende Datenbasis, Strategie, Kompetenzen und Governance.
Was ist der AI-Readiness-Index der Studie?
Der Index bewertet laut Studie vier Dimensionen: Planung, Entwicklung, Know-how und Umsetzung. Daraus ergeben sich vier Reifegrade von experimentell über punktuell und strukturiert bis integriert. Er hilft Betrieben, ehrlich einzuordnen, wo sie stehen und an welcher Dimension sie als Nächstes arbeiten sollten.
Warum bleiben so viele Betriebe im KI-Experiment stecken?
Das Experiment ist billig und unverbindlich, also wird viel ausprobiert, aber nichts fest eingeführt. Es fehlt meist eine zuständige Person, die KI in den Ablauf bringt, und eine geordnete Datenbasis. Ohne klare Verantwortlichkeit und ohne saubere Daten kommt KI selten über einzelne Insellösungen hinaus.
Wie schaffe ich als kleiner Betrieb den Schritt zur festen KI-Nutzung?
Such dir wenige konkrete, wiederkehrende Aufgaben aus, die heute Zeit kosten, statt eine große Strategie zu planen. Lege eine zuständige Person fest, die das einführt und dranbleibt, baue Kompetenz im Team auf und setze ein paar einfache Spielregeln dafür, welche Tools und Daten erlaubt sind. Klein anfangen schlägt das große Gesamtprojekt.
Mehr über KI im Mittelstand lernen?
Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI praktisch im Arbeitsalltag einsetzen. Vollkurs Digitalisierungsmanager mit Bildungsgutschein. Förderwege: Bildungsgutschein, QCG und AFBG im Vergleich.
Zuletzt aktualisiert: 16.06.2026. Stand der Recherche: 16.06.2026.