Große Verheißungen – mit bislang mäßigem Erfolg (trotz hoher Kosten)
Generative KI (GenAI) treibt die Fantasie von Vorständen und Investoren seit zwei Jahren auf Hochtouren. Milliarden fließen in neue Pilotprojekte, Plattformen und interne Labs. Doch hinter der glänzenden Oberfläche der Innovationsversprechen zeigt sich ein überraschend ernüchterndes Bild: Trotz Unternehmensinvestitionen zwischen 30 und 40 Milliarden Dollar jährlich erzeugen 95 Prozent der GenAI-Initiativen keinerlei messbare Rendite. Zu diesem Ergebnis kommt die neue umfangreiche Studie »The GenAI Divide – State of AI in Business 2025« des MIT, die den globalen Stand der KI-Adoption in Unternehmen untersucht.
Die Autoren sprechen vom »GenAI Divide« – einer Spaltung zwischen wenigen Unternehmen, die tatsächliche Wertschöpfung erzielen, und einer großen Mehrheit, die trotz Begeisterung kaum über das Experimentierstadium hinauskommt.
Adoption ja – Transformation nein
Auf der Oberfläche sieht es so aus, als befände sich die Wirtschaft mitten in einem Umbruch. Über 80 Prozent der Unternehmen haben bereits erste KI-Tools getestet, und fast 40 Prozent melden, sie hätten GenAI im Betrieb ausgerollt. Doch die Studie zeigt, dass diese Zahlen täuschen. Die meisten dieser Anwendungen sind punktuell, oberflächlich und wirken eher wie moderneres Büro-Equipment als wie eine strategische Technologie.
Nur zwei der neun untersuchten Branchen – Technologie sowie Medien und Telekommunikation – lassen laut den Forschern erkennen, dass KI dort bereits Geschäftsmodelle verschiebt oder Marktpositionen neu ordnet. Die übrigen Sektoren befinden sich in einer Art permanenter Lernsituation: Man experimentiert, verbessert einzelne Abläufe oder beschleunigt Routineaufgaben. Aber nichts davon verändert das Geschäftsmodell, die Wettbewerbsdynamik oder den Kundenzugang.
Der COO (Chief Operating Officer) eines mittelständischen Industriebetriebes bringt diese Ernüchterung auf den Punkt: »Auf LinkedIn wirkt es, als habe sich alles geändert – bei uns nicht. Wir bearbeiten Verträge schneller, aber das war’s.«
Der Satz steht exemplarisch für eine Einsicht, die sich in der gesamten Studie spiegelt: KI findet statt – aber Veränderung bleibt aus.
Der tiefe Abgrund zwischen »Pilot« und Produktion
Nachdrücklich zeigt sich das, was mit »GenAI Divide« gemeint ist, in der Umsetzung. Die MIT-Forscher identifizieren eine dramatische Lücke zwischen Pilotprojekten (bzw. Prototypen) und echten funktionierenden halb- oder vollautomatisierten Prozessen. Zwar prüfen rund 60 Prozent der Unternehmen spezialisierte KI-Lösungen, doch nur ein Fünftel schafft es überhaupt in die Pilotphase. Und ein verschwindend geringer Anteil von fünf Prozent erreicht schließlich produktiven Einsatz.
Interessanterweise gilt das nicht für die allseits bekannten Tools wie ChatGPT oder Copilot. Die werden häufig getestet und in Teilen sogar eingeführt, weil sie so einfach nutzbar sind. Aber genau darin liegt das Problem. Diese Anwendungen heben die individuelle Produktivität, haben aber kaum Auswirkungen auf Profitabilität oder Umsatz. Sie bleiben Hilfsmittel, keine Hebel.
Für die Systeme, die wirklich tief ins Geschäft eingreifen könnten – etwa die Automatisierung komplexer Prozesse oder die Analyse hochwertiger Daten –, reicht der Enthusiasmus offenbar nicht aus. Sie scheitern an schlechten Integrationen, mangelnder Anpassungsfähigkeit oder daran, dass sie sich nicht in bestehende Arbeitsabläufe einfügen (lassen).
Viele Nutzer fühlen sich mit hochspezialisierten Enterprise-KI-Lösungen schlicht nicht wohl, wie die Interviews zeigen. Sie wirken unflexibel, kompliziert und kaum in der Lage, auf spezifische Bedürfnisse zu reagieren. Eine Anwältin, die intern ein teures, spezialisiertes Tool testen sollte, formulierte es so: »Es verbessert sich nicht. Es macht dieselben Fehler wieder und wieder.«
Der Satz verweist auf den Kern des Problems: KI in der Praxis lernt noch zu wenig.
Der heimliche Erfolg: die Schatten-KI
Während die offiziellen KI-Programme der Unternehmen nur schleppend vorankommen, entwickelt sich parallel eine kaum sichtbare, aber enorm produktive »Schattenökonomie«. Mitarbeiter verwenden privat bezahlte ChatGPT- oder Claude-Abos, um ihre Aufgaben zu erledigen, oft ohne Einbindung der IT-Abteilung.
Die Zahlen sind deutlich: Nur 40 Prozent der Unternehmen kaufen offiziell Lizenzen für LLMs ((große Sprachmodelle), aber Beschäftigte in über 90 Prozent der Firmen nutzen private Tools für ihre Arbeitsaufgaben. Es ist ein stilles Eingeständnis: Die Nutzer finden die Lösungen, die ihnen wirklich helfen, selbst – und sie nutzen sie täglich.
Diese »Schattennutzung« zeigt zugleich, wie stark der Bedarf nach flexibel einsetzbaren, responsiven Systemen ist. Wo die offizielle Unternehmens-KI scheitert, beweisen Anwender, dass generative KI sehr wohl Mehrwert schaffen kann – wenn sie nicht durch starre Strukturen behindert wird.
Das zentrale Hindernis: KI, die nicht lernt
Aus Sicht der Nutzer hat GenAI derzeit eine klare Grenze. Sie bietet hervorragende Unterstützung bei schnellen, isolierten Aufgaben, etwa beim Verfassen von E-Mails oder beim Analysieren kurzer Texte. Doch sobald es um längere, komplexere Arbeitsabläufe, um Projekte oder sensiblere Inhalte geht, schwindet das Vertrauen.
Der Grund dafür liegt laut Studie nicht in mangelnder »Intelligenz« der Modelle, sondern in ihrer fehlenden Fähigkeit, dauerhaft zu lernen, Kontext zu behalten und sich anzupassen. Ein Mensch, selbst ein unerfahrener Junior-Mitarbeiter, versteht auf Dauer Präferenzen, Workflows und Fehlerhistorie. KI nicht.
So schätzen die Befragten KI zwar als wertvolle Assistenz für einfache Aufgaben – doch in komplexen Fällen bevorzugen sie den Menschen mit einem Verhältnis von 9:1.
Was die Erfolgreichen anders machen
Die wenigen Unternehmen und Anbieter, die echte Fortschritte erzielen, arbeiten laut MIT-Studie mit einer anderen Philosophie. Sie fokussieren sich auf eng definierte, aber geschäftsrelevante Einsatzfelder, anstatt breite Universalwerkzeuge zu entwickeln. Sie integrieren KI direkt in bestehende Prozesse, ohne sie zu ersetzen. Und sie kümmern sich früh darum, dass die Systeme aus Feedback lernen, sich weiterentwickeln und eng an den jeweiligen Nutzerkontext angepasst werden.
Für Startups bedeutet das: Nicht die umfassendste Plattform gewinnt, sondern diejenige, die eine konkrete, spürbare Schwachstelle im Arbeitsprozess löst – schnell, sichtbar und mit minimalem Aufwand für das Unternehmen. Ebenso wichtig ist Vertrauen. Viele Firmen greifen lieber zu Partnern, die sie bereits kennen, statt zu neuen, unbekannten Anbietern mit beeindruckenden Demos, aber unklarem Ruf.
Auf der Suche nach echtem ROI
Die Studie widerlegt auch eine weit verbreitete Annahme: dass GenAI vor allem im Marketing oder im Verkauf den größten Mehrwert erzeugt. Zwar fließen laut Befragungen große Teile der Budgets in diese Bereiche, doch die signifikantesten Einsparungen entstehen anderswo – im Backoffice.
Dort reduzieren Unternehmen externe Dienstleister, vermeiden Kosten für BPOs (Business Process Outsourcing), beschleunigen interne Abläufe und senken Agenturausgaben, oft ohne Personal abzubauen. Die KI wird dabei weniger als Ersatz für Menschen verstanden, sondern als Ersatz für teure externe Services.
Der Effekt ist messbar und direkt: statt abstrakter Produktivitätsversprechen gibt es hier tatsächlich harte Zahlen.
Die Zukunft: Agenten-Systeme
Im letzten Teil wagt die Studie einen Blick nach vorne. Der derzeitige Stillstand – die Kluft zwischen Piloten und wirklicher Transformation – könnte sich rasch auflösen, wenn KI-Systeme lernen, nicht nur zu antworten, sondern zu handeln. Dabei geht es um sogenannte »agentische Systeme«: KI, die Erinnerungen besitzt, selbstständig Aufgaben ausführt und mit anderen Systemen koordiniert.
Neue technische Standards und Protokolle, die gerade entstehen, sollen es ermöglichen, dass KI bald nicht mehr nur eine Art smarter Assistent ist, sondern ein Netzwerk autonomer Softwareakteure, die sich selbst organisieren.
Unternehmen, die diese nächste Entwicklungsstufe früh adaptieren, könnten kurzfristig Wettbewerbsvorteile erzielen – nicht durch die besten Modelle, sondern durch die besten Integrationen.
Die Chance ist da – aber sie schließt sich schnell
Die MIT-Studie kommt zu einem klaren Schluss: Die meisten Unternehmen investieren zwar heute massiv in KI, sie investieren aber in die falschen Dinge. Die wahren Unterschiede entstehen nicht durch Technologie, sondern durch Organisationsdesign, durch mutige Entscheidungen und durch konsequente Priorisierung.
Die kommenden 18 Monate könnten entscheidend sein. Unternehmen, die jetzt die passenden Partner finden und Systeme etablieren, die lernen und sich anpassen, schaffen sich Vorteile, die später kaum noch einzuholen sind. Wer jedoch weiter testet, pilotiert und abwartet, wird auf der falschen Seite der »GenAI Divide« stehen bleiben.
© ÆON-Z e.V. Thinktank. Hinweis: Bei der Recherche und Analyse dieses Beitrags wurde unterstützend Künstliche Intelligenz eingesetzt. Die redaktionelle Verantwortung für den Inhalt liegt bei der Redaktion. Alle Rechte vorbehalten, all rights reserved. Nachdruck und Weitergabe an Dritte untersagt.