Die Erwartungen steigen schneller als die Ergebnisse. Künstliche Intelligenz gehört mittlerweile zu den wichtigsten Investitionsfeldern großer Unternehmen. Vorstände und Geschäftsleitungen genehmigen Jahr für Jahr höhere Budgets für Automatisierung, generative KI und autonome Agentensysteme. Dennoch bleiben die wirtschaftlichen Ergebnisse häufig hinter den Erwartungen zurück. Laut einer internationalen Untersuchung von Bain & Company verfehlten zahlreiche Unternehmen ihre ursprünglichen Einsparziele deutlich.
Während viele Organisationen Kostenreduktionen im zweistelligen Prozentbereich anstrebten, erreichten große Teile der Unternehmen lediglich Einsparungen im niedrigen einstelligen Bereich. Bemerkenswert ist dabei, dass trotz dieser Ergebnisse rund neun von zehn Unternehmen ihre KI-Budgets erneut erhöhen wollen. Die Hoffnung auf den wirtschaftlichen Durchbruch bleibt also ungebrochen.
Autonome KI ist in der Praxis noch selten
Ein wesentlicher Grund für die Diskrepanz zwischen Erwartungen und Realität liegt in der tatsächlichen Nutzung von KI-Systemen. In vielen Business Cases wird von weitgehend autonomen Agenten ausgegangen, die komplexe Aufgaben selbstständig erledigen. Die Praxis sieht jedoch deutlich anders aus. Vollständig autonome KI-Agenten befinden sich bislang nur in wenigen Unternehmen im produktiven Einsatz. Die meisten Systeme arbeiten weiterhin unter menschlicher Aufsicht oder benötigen Freigaben für wichtige Entscheidungen. Dadurch entstehen andere Kostenstrukturen als ursprünglich kalkuliert. Unternehmen profitieren zwar von einer höheren Effizienz, erreichen aber oft nicht die Einsparungen, die auf Basis vollständiger Automatisierung erwartet wurden. Die Differenz zwischen Planung und Realität wirkt sich unmittelbar auf den wirtschaftlichen Erfolg vieler KI-Projekte aus.
Alte Einsparungen finanzieren neue KI-Projekte
Besonders kritisch erscheint ein weiterer Trend. Viele Unternehmen finanzieren ihre aktuellen KI-Investitionen mit den erwarteten Einsparungen aus früheren Automatisierungsprogrammen. Wenn diese Einsparungen jedoch geringer ausfallen als geplant, entsteht eine Finanzierungslücke. Die neue Investitionsrunde basiert dann auf wirtschaftlichen Annahmen, die in der Realität nie erreicht wurden. Dadurch wächst das Risiko, dass Unternehmen mehrere Technologiegenerationen aufeinander aufbauen, ohne die tatsächlichen wirtschaftlichen Ergebnisse ausreichend zu überprüfen. Experten sehen hierin eine der größten Herausforderungen der aktuellen KI-Welle. Wer Investitionen auf theoretische statt auf realisierte Erträge stützt, erhöht langfristig die wirtschaftlichen Risiken seiner Digitalisierungsstrategie.
Daten bleiben die größte Hürde
Trotz jahrelanger Investitionen in Datenplattformen und Cloud-Infrastrukturen bleibt der Zugang zu qualitativ hochwertigen Unternehmensdaten die wichtigste Voraussetzung für erfolgreiche KI-Projekte. Viele Unternehmen verfügen zwar über große Datenmengen, können diese jedoch nicht effizient zusammenführen oder auswerten. Informationen liegen verteilt in unterschiedlichen Systemen, Abteilungen und Anwendungen. Dadurch entstehen Datensilos, die den produktiven Einsatz von KI erheblich erschweren. Interessant ist dabei, dass selbst besonders erfolgreiche Unternehmen dieses Problem weiterhin als Herausforderung betrachten. Der Unterschied besteht darin, dass sie den Umgang mit Daten nicht als reines IT-Thema betrachten, sondern als strategische Managementaufgabe. Erfolgreiche Unternehmen warten nicht auf perfekte Datenstrukturen, sondern beginnen mit klar abgegrenzten Anwendungsfällen und verbessern ihre Datenbasis parallel zum laufenden Einsatz der Technologie.
Prozesse müssen vor der Automatisierung neu gedacht werden
Die Studie zeigt außerdem, dass viele Unternehmen bestehende Prozesse automatisieren, ohne diese zuvor grundlegend zu hinterfragen. Dadurch werden ineffiziente Abläufe nicht beseitigt, sondern lediglich schneller ausgeführt. Experten sprechen in diesem Zusammenhang von einer Art „Workflow-Schuldenberg“, der über Jahre entstanden ist. Überflüssige Genehmigungen, doppelte Arbeitsschritte und historisch gewachsene Sonderregelungen werden durch KI nicht automatisch verschwinden. Im Gegenteil: Werden solche Strukturen digitalisiert, können sie langfristig sogar schwerer zu verändern sein. Erfolgreiche Unternehmen analysieren daher zunächst ihre Prozesse und gestalten diese neu, bevor sie KI-Agenten oder Automatisierungslösungen integrieren. Dadurch entstehen deutlich höhere Produktivitätseffekte als bei einer reinen Digitalisierung bestehender Abläufe.
Der entscheidende Faktor bleibt die Organisation
Die zentrale Erkenntnis der Untersuchung lautet, dass der Erfolg von KI-Projekten weniger von der Technologie als von organisatorischen Entscheidungen abhängt. Unternehmen, die klare Verantwortlichkeiten schaffen, Prozesse modernisieren, ihre Datenstrategie aktiv steuern und den Wandel auf Führungsebene verankern, erzielen deutlich bessere Ergebnisse als Wettbewerber mit vergleichbaren Technologien. Für Vorstände und Geschäftsführer bedeutet dies eine wichtige Erkenntnis: Der wirtschaftliche Erfolg künstlicher Intelligenz entscheidet sich nicht allein in Rechenzentren oder Softwareplattformen. Er entsteht dort, wo Unternehmen ihre Arbeitsweisen, Entscheidungsprozesse und Organisationsstrukturen an die Möglichkeiten der neuen Technologie anpassen. Die eigentliche Herausforderung der KI-Transformation ist daher nicht technischer, sondern organisatorischer Natur.