KI-Strategie KI, die funktioniert: Warum die Enttäuschung ein gutes Zeichen ist

Anbieter zum Thema

Codecentric AG

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Eine aktuelle Studie von Horváth zeigt, dass viele deutsche Unternehmen massiv in KI investieren, aber nicht die erhofften Ergebnisse erzielen. Daraus entsteht Skepsis und manchmal Resignation. Dies zeigt, dass Layering nicht funktioniert – also das bloße Draufsetzen von KI-Tools auf Prozesse.

Deutsche Unternehmen investieren so viel in KI wie nie zuvor und sind gleichzeitig frustrierter denn je. Laut der Studie „Digital Value 2026“ von Horváth erhöhen 86 Prozent der befragten deutschen Betriebe ihre Digitalisierungsbudgets, wovon rund 30 Prozent in KI-Projekte fließen. Aber die Ernüchterung folgt auf dem Fuß: 79 Prozent der IT-Verantwortlichen berichten, dass die angebotenen KI-Tools hinter den Erwartungen zurückbleiben – in puncto Reife, Funktionsumfang und vor allem messbarem Geschäftswert. Die Reaktion vieler Unternehmen: Skepsis, Zurückhaltung und manchmal Resignation. Doch was, wenn diese Enttäuschung nicht das Ende der KI-Transformation markiert, sondern erst ihren Anfang?

KI-Tools: Daten sind eindeutig und kontraintuitiv

Eine randomisierte kontrollierte Studie von METR (Juli 2025) hat hier beispielhaft gemessen, was passiert, wenn erfahrene Entwickler KI-Tools für Coding in ihren bestehenden Workflow integrieren: Die Arbeit wurde 19 Prozent langsamer, nicht schneller. Vor der Studie schätzten die Teilnehmer, 24 Prozent schneller zu sein. Nach der Studie, mit Kenntnis der Ergebnisse, glaubten sie immer noch an 20 Prozent Steigerung. Die subjektive Wahrnehmung und die gemessene Realität laufen in entgegengesetzte Richtungen. Das ist kein Einzelfall. McKinsey misst einen 15-Prozentpunkte-Leistungsunterschied zwischen den effektivsten und am wenigsten effektiven Software-Organisationen beim KI-Einsatz. Der Unterschied ist nicht das Tool – es ist das Workflow-Redesign.

Die J-Kurve erklärt den Mechanismus

Der Ökonom Erik Brynjolfsson beschreibt das Muster als J-Kurve: General Purpose Technologies – und KI ist eine – erfordern komplementäre Investitionen, bevor Produktivitätsgewinne eintreten. Neue Prozesse, neue Skills, organisatorische Umstrukturierung. Während dieser Investitionsphase sinkt die gemessene Produktivität erst einmal. Was die Studie von Horváth als Enttäuschung misst, ist in Wahrheit der Abstieg in die J-Kurve. Unternehmen haben KI-Tools gekauft und auf bestehende Abläufe gelegt. Das bringt bestenfalls marginale Verbesserungen von rund 14 Prozent. Echte Produktivitätsgewinne von 25 Prozent und mehr entstehen erst durch Deep Integration – also durch fundamentales Redesign von Workflows, Rollen und Prozessen.

KI mit echtem Mehrwert bauen

Das richtige Produkt-Mindset: So entfaltet KI strategischen Wert in Unternehmen

KI-Tools: Ein Fehler, sich am Plateau zu fühlen

Unternehmen, die KI-Tools als intelligentere Autovervollständigung nutzen, erlebt ein lokales Maximum. Es fühlt sich produktiv an, ist aber ein Plateau. Die eigentliche Transformation beginnt erst, wenn Unternehmen bereit sind, durch den unbequemen Boden der J-Kurve zu gehen: Prozesse neu denken, Rollen anpassen, Validierung automatisieren, Spezifikationen so schreiben, dass Agenten damit arbeiten können.

Die Folgen für deutsche Unternehmen

Die Frage ist nicht „Funktioniert KI?“, sondern „Sind wir bereit, den Weg durch die J-Kurve zu gehen?“. Das erfordert mehr als ein größeres Budget. Es erfordert den Mut, bestehende Arbeitsweisen in Frage zu stellen. Die gute Nachricht: Die Enttäuschung über bloßes Layering ist der erste Schritt zur Erkenntnis, dass es einen besseren Weg gibt. Wer jetzt in echte Integration investiert, wird auf der anderen Seite der J-Kurve ankommen. Wer stattdessen KI als gescheiterten Hype abschreibt, wird den Anschluss verlieren. Die KI-Disruption passiert nicht trotz der Enttäuschung. Sie passiert durch sie hindurch.