{"id":1108070,"date":"2025-11-23T15:06:30","date_gmt":"2025-11-23T14:06:30","guid":{"rendered":"https:\/\/infodienst.info\/?p=1108070"},"modified":"2025-11-23T15:27:22","modified_gmt":"2025-11-23T14:27:22","slug":"grosse-verheissungen-mit-bislang-maessigem-erfolg-trotz-hoher-kosten","status":"publish","type":"post","link":"https:\/\/infodienst.info\/?p=1108070","title":{"rendered":"Gro\u00dfe Verhei\u00dfungen \u2013 mit bislang m\u00e4\u00dfigem Erfolg (trotz hoher Kosten)"},"content":{"rendered":"

Generative KI (GenAI) treibt die Fantasie von Vorst\u00e4nden und Investoren seit zwei Jahren auf Hochtouren. Milliarden flie\u00dfen in neue Pilotprojekte, Plattformen und interne Labs. Doch hinter der gl\u00e4nzenden Oberfl\u00e4che der Innovationsversprechen zeigt sich ein \u00fcberraschend ern\u00fcchterndes Bild: Trotz Unternehmensinvestitionen zwischen 30 und 40 Milliarden Dollar j\u00e4hrlich erzeugen 95 Prozent der GenAI-Initiativen keinerlei messbare Rendite. Zu diesem Ergebnis kommt die neue umfangreiche Studie \u00bbThe GenAI Divide \u2013 State of AI in Business 2025<\/a>\u00ab des MIT, die den globalen Stand der KI-Adoption in Unternehmen untersucht.<\/span><\/p>\n

Die Autoren sprechen vom \u00bbGenAI Divide\u00ab \u2013 einer Spaltung zwischen wenigen Unternehmen, die tats\u00e4chliche Wertsch\u00f6pfung erzielen, und einer gro\u00dfen Mehrheit, die trotz Begeisterung kaum \u00fcber das Experimentierstadium hinauskommt.<\/span><\/p>\n

Adoption ja \u2013 Transformation nein<\/span><\/strong><\/h5>\n

Auf der Oberfl\u00e4che sieht es so aus, als bef\u00e4nde sich die Wirtschaft mitten in einem Umbruch. \u00dcber 80 Prozent der Unternehmen haben bereits erste KI-Tools getestet, und fast 40 Prozent melden, sie h\u00e4tten GenAI im Betrieb ausgerollt. Doch die Studie zeigt, dass diese Zahlen t\u00e4uschen. Die meisten dieser Anwendungen sind punktuell, oberfl\u00e4chlich und wirken eher wie moderneres B\u00fcro-Equipment als wie eine strategische Technologie.<\/span><\/p>\n

Nur zwei der neun untersuchten Branchen \u2013 Technologie sowie Medien und Telekommunikation \u2013 lassen laut den Forschern erkennen, dass KI dort bereits Gesch\u00e4ftsmodelle verschiebt oder Marktpositionen neu ordnet. Die \u00fcbrigen Sektoren befinden sich in einer Art permanenter Lernsituation: Man experimentiert, verbessert einzelne Abl\u00e4ufe oder beschleunigt Routineaufgaben. Aber nichts davon ver\u00e4ndert das Gesch\u00e4ftsmodell, die Wettbewerbsdynamik oder den Kundenzugang.<\/span><\/p>\n

Der COO (Chief Operating Officer) eines mittelst\u00e4ndischen Industriebetriebes bringt diese Ern\u00fcchterung auf den Punkt: \u00bbAuf LinkedIn wirkt es, als habe sich alles ge\u00e4ndert \u2013 bei uns nicht. Wir bearbeiten Vertr\u00e4ge schneller, aber das war\u2019s.\u00ab<\/span><\/p>\n

Der Satz steht exemplarisch f\u00fcr eine Einsicht, die sich in der gesamten Studie spiegelt: KI findet statt \u2013 aber Ver\u00e4nderung bleibt aus.<\/span><\/p>\n

Der tiefe Abgrund zwischen \u00bbPilot\u00ab und Produktion<\/span><\/strong><\/h5>\n

Nachdr\u00fccklich zeigt sich das, was mit \u00bbGenAI Divide\u00ab gemeint ist, in der Umsetzung. Die MIT-Forscher identifizieren eine dramatische L\u00fccke zwischen Pilotprojekten (bzw. Prototypen) und echten funktionierenden halb- oder vollautomatisierten Prozessen. Zwar pr\u00fcfen rund 60 Prozent der Unternehmen spezialisierte KI-L\u00f6sungen, doch nur ein F\u00fcnftel schafft es \u00fcberhaupt in die Pilotphase. Und ein verschwindend geringer Anteil von f\u00fcnf Prozent erreicht schlie\u00dflich produktiven Einsatz.<\/span><\/p>\n

Interessanterweise gilt das nicht f\u00fcr die allseits bekannten Tools wie ChatGPT oder Copilot. Die werden h\u00e4ufig getestet und in Teilen sogar eingef\u00fchrt, weil sie so einfach nutzbar sind. Aber genau darin liegt das Problem. Diese Anwendungen heben die individuelle Produktivit\u00e4t, haben aber kaum Auswirkungen auf Profitabilit\u00e4t oder Umsatz. Sie bleiben Hilfsmittel, keine Hebel.<\/span><\/p>\n

F\u00fcr die Systeme, die wirklich tief ins Gesch\u00e4ft eingreifen k\u00f6nnten \u2013 etwa die Automatisierung komplexer Prozesse oder die Analyse hochwertiger Daten \u2013, reicht der Enthusiasmus offenbar nicht aus. Sie scheitern an schlechten Integrationen, mangelnder Anpassungsf\u00e4higkeit oder daran, dass sie sich nicht in bestehende Arbeitsabl\u00e4ufe einf\u00fcgen (lassen).<\/span><\/p>\n

Viele Nutzer f\u00fchlen sich mit hochspezialisierten Enterprise-KI-L\u00f6sungen schlicht nicht wohl, wie die Interviews zeigen. Sie wirken unflexibel, kompliziert und kaum in der Lage, auf spezifische Bed\u00fcrfnisse zu reagieren. Eine Anw\u00e4ltin, die intern ein teures, spezialisiertes Tool testen sollte, formulierte es so: \u00bbEs verbessert sich nicht. Es macht dieselben Fehler wieder und wieder.\u00ab<\/span><\/p>\n

Der Satz verweist auf den Kern des Problems: KI in der Praxis lernt noch zu wenig.<\/span><\/p>\n

Der heimliche Erfolg: die Schatten-KI<\/span><\/strong><\/h5>\n

W\u00e4hrend die offiziellen KI-Programme der Unternehmen nur schleppend vorankommen, entwickelt sich parallel eine kaum sichtbare, aber enorm produktive \u00bbSchatten\u00f6konomie\u00ab. Mitarbeiter verwenden privat bezahlte ChatGPT- oder Claude-Abos, um ihre Aufgaben zu erledigen, oft ohne Einbindung der IT-Abteilung.<\/span><\/p>\n

Die Zahlen sind deutlich: Nur 40 Prozent der Unternehmen kaufen offiziell Lizenzen f\u00fcr LLMs ((gro\u00dfe Sprachmodelle), aber Besch\u00e4ftigte in \u00fcber 90 Prozent der Firmen nutzen private Tools f\u00fcr ihre Arbeitsaufgaben. Es ist ein stilles Eingest\u00e4ndnis: Die Nutzer finden die L\u00f6sungen, die ihnen wirklich helfen, selbst \u2013 und sie nutzen sie t\u00e4glich.<\/span><\/p>\n

Diese \u00bbSchattennutzung\u00ab 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 \u2013 wenn sie nicht durch starre Strukturen behindert wird.<\/span><\/p>\n

Das zentrale Hindernis: KI, die nicht lernt<\/span><\/strong><\/h5>\n

Aus Sicht der Nutzer hat GenAI derzeit eine klare Grenze. Sie bietet hervorragende Unterst\u00fctzung bei schnellen, isolierten Aufgaben, etwa beim Verfassen von E-Mails oder beim Analysieren kurzer Texte. Doch sobald es um l\u00e4ngere, komplexere Arbeitsabl\u00e4ufe, um Projekte oder sensiblere Inhalte geht, schwindet das Vertrauen.<\/span><\/p>\n

Der Grund daf\u00fcr liegt laut Studie nicht in mangelnder \u00bbIntelligenz\u00ab der Modelle, sondern in ihrer fehlenden F\u00e4higkeit, dauerhaft zu lernen, Kontext zu behalten und sich anzupassen. Ein Mensch, selbst ein unerfahrener Junior-Mitarbeiter, versteht auf Dauer Pr\u00e4ferenzen, Workflows und Fehlerhistorie. KI nicht.<\/span><\/p>\n

So sch\u00e4tzen die Befragten KI zwar als wertvolle Assistenz f\u00fcr einfache Aufgaben \u2013 doch in komplexen F\u00e4llen bevorzugen sie den Menschen mit einem Verh\u00e4ltnis von 9:1.<\/span><\/p>\n

Was die Erfolgreichen anders machen<\/span><\/strong><\/h5>\n

Die wenigen Unternehmen und Anbieter, die echte Fortschritte erzielen, arbeiten laut MIT-Studie mit einer anderen Philosophie. Sie fokussieren sich auf eng definierte, aber gesch\u00e4ftsrelevante Einsatzfelder, anstatt breite Universalwerkzeuge zu entwickeln. Sie integrieren KI direkt in bestehende Prozesse, ohne sie zu ersetzen. Und sie k\u00fcmmern sich fr\u00fch darum, dass die Systeme aus Feedback lernen, sich weiterentwickeln und eng an den jeweiligen Nutzerkontext angepasst werden.<\/span><\/p>\n

F\u00fcr Startups bedeutet das: Nicht die umfassendste Plattform gewinnt, sondern diejenige, die eine konkrete, sp\u00fcrbare Schwachstelle im Arbeitsprozess l\u00f6st \u2013 schnell, sichtbar und mit minimalem Aufwand f\u00fcr 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.<\/span><\/p>\n

Auf der Suche nach echtem ROI<\/span><\/strong><\/h5>\n

Die Studie widerlegt auch eine weit verbreitete Annahme: dass GenAI vor allem im Marketing oder im Verkauf den gr\u00f6\u00dften Mehrwert erzeugt. Zwar flie\u00dfen laut Befragungen gro\u00dfe Teile der Budgets in diese Bereiche, doch die signifikantesten Einsparungen entstehen anderswo \u2013 im Backoffice.<\/span><\/p>\n

Dort reduzieren Unternehmen externe Dienstleister, vermeiden Kosten f\u00fcr BPOs (Business Process Outsourcing), beschleunigen interne Abl\u00e4ufe und senken Agenturausgaben, oft ohne Personal abzubauen. Die KI wird dabei weniger als Ersatz f\u00fcr Menschen verstanden, sondern als Ersatz f\u00fcr teure externe Services.<\/span><\/p>\n

Der Effekt ist messbar und direkt: statt abstrakter Produktivit\u00e4tsversprechen gibt es hier tats\u00e4chlich harte Zahlen.<\/span><\/p>\n

Die Zukunft: Agenten-Systeme<\/span><\/strong><\/h5>\n

Im letzten Teil wagt die Studie einen Blick nach vorne. Der derzeitige Stillstand \u2013 die Kluft zwischen Piloten und wirklicher Transformation \u2013 k\u00f6nnte sich rasch aufl\u00f6sen, wenn KI-Systeme lernen, nicht nur zu antworten, sondern zu handeln. Dabei geht es um sogenannte \u00bbagentische Systeme\u00ab: KI, die Erinnerungen besitzt, selbstst\u00e4ndig Aufgaben ausf\u00fchrt und mit anderen Systemen koordiniert.<\/span><\/p>\n

Neue technische Standards und Protokolle, die gerade entstehen, sollen es erm\u00f6glichen, dass KI bald nicht mehr nur eine Art smarter Assistent ist, sondern ein Netzwerk autonomer Softwareakteure, die sich selbst organisieren.<\/span><\/p>\n

Unternehmen, die diese n\u00e4chste Entwicklungsstufe fr\u00fch adaptieren, k\u00f6nnten kurzfristig Wettbewerbsvorteile erzielen \u2013 nicht durch die besten Modelle, sondern durch die besten Integrationen.<\/span><\/p>\n

Die Chance ist da \u2013 aber sie schlie\u00dft sich schnell<\/span><\/strong><\/h5>\n

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.<\/span><\/p>\n

Die kommenden 18 Monate k\u00f6nnten entscheidend sein. Unternehmen, die jetzt die passenden Partner finden und Systeme etablieren, die lernen und sich anpassen, schaffen sich Vorteile, die sp\u00e4ter kaum noch einzuholen sind. Wer jedoch weiter testet, pilotiert und abwartet, wird auf der falschen Seite der \u00bbGenAI Divide\u00ab stehen bleiben.<\/span><\/p>\n

\u00a9 \u00c6ON-Z e.V. Thinktank. Hinweis: Bei der Recherche und Analyse dieses Beitrags wurde unterst\u00fctzend K\u00fcnstliche Intelligenz eingesetzt. Die redaktionelle Verantwortung f\u00fcr den Inhalt liegt bei der Redaktion. Alle Rechte vorbehalten, all rights reserved. Nachdruck und Weitergabe an Dritte untersagt.<\/small><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Generative KI (GenAI) treibt die Fantasie von Vorst\u00e4nden und Investoren seit zwei Jahren auf Hochtouren. Milliarden flie\u00dfen in neue Pilotprojekte, Plattformen und interne Labs. Doch hinter der gl\u00e4nzenden Oberfl\u00e4che der Innovationsversprechen zeigt sich ein \u00fcberraschend ern\u00fcchterndes Bild: Trotz Unternehmensinvestitionen zwischen 30 und 40 Milliarden Dollar j\u00e4hrlich erzeugen 95 Prozent der GenAI-Initiativen keinerlei messbare Rendite. Zu …<\/p>\n","protected":false},"author":1,"featured_media":1108071,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[61,453],"tags":[],"class_list":["post-1108070","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-ki","category-innovationen"],"_links":{"self":[{"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/posts\/1108070","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/infodienst.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1108070"}],"version-history":[{"count":1,"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/posts\/1108070\/revisions"}],"predecessor-version":[{"id":1108072,"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/posts\/1108070\/revisions\/1108072"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/infodienst.info\/index.php?rest_route=\/wp\/v2\/media\/1108071"}],"wp:attachment":[{"href":"https:\/\/infodienst.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1108070"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/infodienst.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1108070"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/infodienst.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1108070"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}