30 bis 40 Milliarden Dollar. So viel haben Unternehmen weltweit 2025 in generative KI gesteckt. Das Ergebnis laut MIT-Studie „The GenAI Divide: State of AI in Business 2025": 95% dieser Pilotprojekte erreichen keinen messbaren Geschäftswert. Kein Umsatzplus. Kein nachweisbarer ROI. Nichts, was in der Bilanz auftaucht.
Die naheliegende Vermutung: KI ist überschätzt. Ein Hype, der bald wieder abebbt.
Die ehrliche Antwort: Nein. Das Problem liegt woanders. Und es ist eigentlich gut nachvollziehbar, wenn man genauer hinschaut.
Die Ursache hat nichts mit der Technologie zu tun
Wenn KI-Projekte scheitern, denken die meisten zuerst an drei Verdächtige: zu wenig Budget, zu wenig technisches Know-how, oder eben die Technologie selbst, die noch nicht reif genug sei.
Die MIT-Forscher haben das überprüft. Und sind zu einem anderen Schluss gekommen.
Über 80% der befragten Unternehmen haben ChatGPT oder Microsoft Copilot getestet. Nur 40% haben diese Tools tatsächlich produktiv eingesetzt. Und selbst bei den 40% war der Effekt überschaubar: Einzelne Mitarbeiter wurden produktiver, aber auf den Unternehmensgewinn hatte das keinen messbaren Einfluss.
Der Grund ist eigentlich simpel. Generische KI-Tools sind flexibel. Sie können vieles. Aber sie kennen Ihre Prozesse nicht. Sie lernen nicht aus Ihren Arbeitsabläufen. Sie merken sich nichts über das Gespräch hinaus. Sie wissen nicht, dass Ihre Rechnungen ein bestimmtes Format haben, dass Ihre Kunden in drei Kategorien fallen, oder dass es im Lager einen Sonderfall gibt, den nur zwei Mitarbeiter wirklich verstehen.
Generische Werkzeuge lösen generische Probleme. Ihr Betrieb hat aber keine generischen Probleme.
Was die 5% richtig machen
Die Unternehmen, bei denen KI tatsächlich Wirkung zeigt, gehen anders vor. Sie kaufen nicht das Tool, von dem alle reden. Sie analysieren erst, wo in ihrem Betrieb Zeit, Geld oder Nerven verloren gehen, und bauen dann eine Lösung, die genau dort ansetzt.
Angenommen, Sie haben einen Mittelstandsbetrieb. Im Vertrieb landen täglich Anfragen per E-Mail, manche in PDF-Form, manche im Fließtext. Eine Mitarbeiterin verbringt jeden Morgen anderthalb Stunden damit, diese Anfragen in das CRM zu übertragen und an die richtige Abteilung weiterzuleiten.
Eine generische KI kann hier ein bisschen helfen. Sie kann Texte zusammenfassen oder Antworten vorschlagen. Aber sie kennt Ihr CRM nicht. Sie weiß nicht, welche Felder befüllt werden müssen. Sie versteht nicht, dass Anfragen aus Region Süd zu Kollege Maier gehen und alles über 50.000 Euro direkt zur Geschäftsführung.
Eine maßgeschneiderte Lösung schon. Sie liest die E-Mail, extrahiert die relevanten Daten, prüft sie gegen die bestehenden Kundendaten, legt den Vorgang im CRM an und routet ihn an die richtige Person. Die anderthalb Stunden täglich werden zu zehn Minuten Kontrolle. Das sind über 300 Arbeitsstunden im Jahr, die woanders mehr Wert schaffen.
Das ist kein Hexenwerk. Es ist nur eben kein Standardprodukt.
Die vier Voraussetzungen, an denen es meistens scheitert
Die Studie nennt vier Punkte, die in den 95% der gescheiterten Projekte fehlen:
- Ein klarer Business Case. Nicht „wir machen jetzt was mit KI", sondern: An welcher konkreten Stelle sparen wir wie viel Zeit oder Geld, und wie messen wir das?
- Die richtige Infrastruktur. Wo laufen die Daten, wer hat Zugriff, wie wird das Ganze gewartet?
- Anpassung an die Prozesse, nicht umgekehrt. Ihr Betrieb funktioniert seit Jahren auf eine bestimmte Art. Die KI muss sich daran anpassen, nicht Ihre Mitarbeiter an die KI.
- Realistische Erwartungen. Kein KI-System ersetzt eine ganze Abteilung über Nacht. Aber es kann gezielt einzelne Engpässe beseitigen.
Wer diese vier Punkte ernst nimmt, landet ziemlich automatisch in der Gruppe der 5%, bei denen sich die Investition rechnet.
Warum das jetzt anders ist als noch vor zwei Jahren
Noch 2023 war Individualsoftware mit KI-Integration teuer. Sehr teuer. Heute sieht das anders aus. Moderne Entwicklungswerkzeuge und leistungsfähigere Modelle haben die Entwicklungskosten deutlich gesenkt. Was vor zwei Jahren ein sechsstelliges Projekt war, ist heute oft für einen Bruchteil davon umsetzbar.
Gleichzeitig sind die laufenden Kosten von SaaS-Tools eher gestiegen. Wer monatlich für ein halbes Dutzend Lizenzen zahlt, von denen drei nur teilweise das tun, was der Betrieb eigentlich bräuchte, kommt auf Jahresbeträge, die eine eigene Lösung längst wirtschaftlich machen.
Die Rechnung ist heute einfacher geworden. Und das Risiko, in die 95%-Falle zu tappen, lässt sich vermeiden, wenn man von Anfang an die richtigen Fragen stellt.
Der nächste Schritt
Wenn Sie wissen wollen, ob in Ihrem Betrieb ein konkreter Anwendungsfall steckt, der sich mit einer maßgeschneiderten KI-Lösung wirklich rechnet: Buchen Sie ein kostenloses Erstgespräch über BleyIT.com/de/contact. 30 Minuten, in denen wir Ihre Prozesse durchgehen und ehrlich einschätzen, wo sich Aufwand lohnt und wo nicht.