KI und Automatisierung
Viel KI, wenig Wirkung: Warum es an den Prozessen liegt
Die meisten Unternehmen nutzen inzwischen KI, messbare Wirkung erzielen aber nur wenige. Laut Bitkom setzen 57 Prozent der deutschen Unternehmen KI ein, doch 87 Prozent der Anwender schöpfen ihr Potenzial nach eigener Einschätzung nicht aus. Der Engpass ist selten das Modell. Meist fehlen klare Prioritäten, in Abläufe eingebaute Anwendungen und eine Messung auf Prozessebene.
Wie viele Unternehmen nutzen KI 2026?
In Deutschland setzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI ein. Das zeigt eine repräsentative Bitkom-Befragung von 603 Unternehmen, veröffentlicht im September 2026. Ein Jahr davor waren es 36 Prozent, zwei Jahre davor 20 Prozent. Nur noch 4 Prozent sagen, KI sei für sie kein Thema.
In Österreich nutzten laut Statistik Austria 2025 bereits 30 Prozent der Unternehmen ab 10 Beschäftigten KI-Technologien, nach 20 Prozent im Jahr davor. Der EU-Schnitt lag bei 20 Prozent. Direkt vergleichbar sind die Werte nicht: Statistik Austria erhebt nach EU-weit einheitlicher Methodik und zählt kleinere Betriebe mit, Bitkom befragt telefonisch Unternehmen ab 20 Beschäftigten.
Die Richtung ist trotzdem eindeutig. KI ist in der Breite angekommen, und die Frage verschiebt sich von „Nutzen wir KI?“ zu „Was bringt sie uns?“. Bitkom-Präsident Ralf Wintergerst formuliert es so: „Die eigentliche Arbeit beginnt jetzt.“
Warum bringt KI vielen Unternehmen keinen messbaren Nutzen?
Kein einziges befragtes Unternehmen in Deutschland sagt, es schöpfe das Potenzial von KI vollständig aus. Unter den KI-Anwendern nutzen es 3 Prozent eher stark, 28 Prozent eher wenig und 59 Prozent überhaupt nicht. Dieses Bild ist vom kleinen Betrieb bis zum Konzern fast gleich: 87 Prozent bei 20 bis 99 Beschäftigten, 84 Prozent bei 100 bis 499 und 87 Prozent ab 500 Beschäftigten.
International sieht es ähnlich aus. Im McKinsey-Bericht „The State of AI 2026“ schreiben nur 37 Prozent der Befragten KI überhaupt einen Beitrag zum Betriebsergebnis zu, gleich viele wie im Vorjahr. Gleichzeitig sagen 80 Prozent, KI habe ihre persönliche Produktivität verbessert.
Genau darin liegt der Kern des Problems. Einzelne Menschen arbeiten mit KI schneller, im Unternehmensergebnis kommt das aber kaum an. Drei Muster erklären einen großen Teil davon.
KI landet dort, wo der Einstieg leicht ist. Laut Bitkom nutzen 72 Prozent der KI-Anwender die Technologie im Kundenkontakt und 54 Prozent in Marketing und Kommunikation. Das sind Bereiche mit niedriger Einstiegshürde. Ob dort auch der größte Hebel liegt, ist damit noch nicht gesagt.
KI läuft neben dem Prozess. In Deloittes Studie „State of AI in the Enterprise 2026“ geben 37 Prozent der Unternehmen an, KI eher oberflächlich einzusetzen, mit wenig oder keiner Änderung an bestehenden Abläufen. Wenn ein Text schneller fertig ist, die Übergabe danach aber gleich lange liegen bleibt, ändert sich an der Durchlaufzeit nichts.
Es fehlen Regeln und Messung. Laut Bitkom hatten 2025 nur 23 Prozent der deutschen Unternehmen feste Regeln für den Einsatz generativer KI. Ohne Regeln und ohne Ausgangswert lässt sich weder steuern noch belegen, was KI bewirkt.
Wie diese Muster mit fehlender Akzeptanz im Team zusammenhängen, beschreiben wir in KI scheitert intern, nicht technisch.
Was unterscheidet Unternehmen, bei denen KI wirkt?
Unternehmen mit messbarer KI-Wirkung bauen ihre Abläufe um, statt KI nur hinzuzufügen. In der aktuellen McKinsey-Erhebung haben knapp drei Viertel der sogenannten High Performer ihre Workflows wegen KI grundlegend neu gestaltet. Bei den übrigen Befragten ist es rund ein Viertel.
Dazu kommt die Messung. High Performer haben laut McKinsey doppelt so häufig festgelegte Verfahren, um die Wirkung ihrer KI-Initiativen zu messen.
Die Boston Consulting Group kommt in ihrer Studie „The Widening AI Value Gap“ mit 1.250 Unternehmen zu einem ähnlichen Schluss. Nur 5 Prozent erzielen mit KI Wert in großem Maßstab, 60 Prozent kaum materiellen Wert. Die erfolgreichen Unternehmen konzentrieren sich auf ihre Kernprozesse, statt an den Rändern zu experimentieren.
Woran du im eigenen Unternehmen erkennst, auf welcher Seite du stehst, zeigt diese Übersicht:
| Merkmal | KI-Nutzung | KI-Wirkung |
|---|
| Ausgangspunkt | Ein Tool wird eingeführt, Anwendungsfälle ergeben sich nebenbei | Ein Prozess mit messbarem Problem wird gezielt ausgewählt |
| Priorisierung | Viele Einzelversuche parallel | Wenige Anwendungsfälle nach Fallzahl, Regelklarheit und Risiko |
| Einbindung | KI läuft neben dem Ablauf, Ergebnisse werden kopiert | KI ist ein fester Prozessschritt mit klaren Übergaben |
| Verantwortung | Liegt bei einzelnen Personen | Eine prozessverantwortliche Person mit Freigaberegeln |
| Messung | Nutzungszahlen und Bauchgefühl | Durchlaufzeit, Fehlerquote und Aufwand vorher und nachher |
| Kontrolle | Entscheidungen sind kaum nachvollziehbar | Jeder Schritt ist protokolliert, Menschen entscheiden Ausnahmen |
Wie kommst du von der KI-Nutzung zur Wirkung?
Der Weg zur Wirkung führt über wenige, gut gewählte Prozesse und eine saubere Messung. Diese Reihenfolge hat sich bewährt:
- Ziel vor Tool: Leg fest, welche Kennzahl sich verbessern soll, etwa Durchlaufzeit, Rückfragen oder Bearbeitungsaufwand. Erst dann geht es um die Technologie.
- Anwendungsfälle priorisieren: Bewerte mögliche Prozesse nach Fallzahl, Regelklarheit, Datenlage und Risiko. Zwei bis drei Prozesse reichen für den Anfang.
- Ablauf modellieren: Zeichne den Prozess auf, zum Beispiel in BPMN 2.0, und lege fest, wo die KI arbeitet und wo ein Mensch entscheidet.
- Ausgangswert messen: Erhebe die Kennzahlen vor dem Start. Wie ein belastbarer Vorher-Nachher-Vergleich aussieht, zeigen wir in Beweise statt Versprechen.
- Skalieren oder stoppen: Vergleiche nach einem festgelegten Zeitraum und entscheide anhand der Zahlen, ob du ausweitest, nachschärfst oder aufhörst.
Wie sieht das bei einer Reklamation aus?
Die Reklamationsbearbeitung eignet sich gut als Beispiel, weil viele Unternehmen KI im Kundenkontakt bereits einsetzen. Das folgende Szenario ist zur Veranschaulichung gedacht.
Eine Reklamation kommt per E-Mail. Jemand liest sie, sucht die Auftragsnummer im ERP, klärt intern die Zuständigkeit und antwortet. Häufig sieht die KI-Nutzung dabei so aus: Die Sachbearbeiterin lässt sich den Antworttext von einem Chatbot formulieren. Das spart beim Schreiben ein paar Minuten, die Wartezeit davor und danach bleibt gleich.
In der wirksamen Variante ist KI ein fester Schritt im Prozess. Sie liest den Eingang, erkennt Auftragsnummer, Produkt und Art des Mangels und ordnet den Fall einer Kategorie zu. Standardfälle bis zu einer festgelegten Wertgrenze laufen nach klaren Regeln weiter, etwa zur Ersatzlieferung. Unklare oder teure Fälle landen bei einem Menschen, der entscheidet.
Gemessen wird dann auf Prozessebene: die Zeit vom Eingang bis zur ersten Antwort, der Anteil der Fälle ohne Rückfrage und die Zahl der Reklamationen, die wieder geöffnet werden. In FireStart wird ein solcher Ablauf als BPMN-2.0-Modell abgebildet, und der Audit-Trail hält jeden Schritt mit Nutzer, Zeitstempel und Entscheidung fest.
Wo liegen die Grenzen?
Die Zahlen zur KI-Wirkung beruhen großteils auf Selbsteinschätzung. Was das „volle Potenzial“ ist, kann niemand genau beziffern, und eine hohe Unzufriedenheit kann auch gestiegene Ansprüche zeigen. Viele internationale Studien stammen zudem von Beratungshäusern, die selbst KI-Projekte verkaufen.
Wirkung braucht Zeit und zeigt sich nicht immer sofort in Euro. Die Ökonomen Anders Humlum und Emilie Vestergaard haben rund 25.000 Beschäftigte an 7.000 Arbeitsplätzen in Dänemark untersucht. KI-Chatbots sparten im Schnitt nur 2,8 Prozent Arbeitszeit, auf Löhne oder Arbeitsstunden fanden sie keinen messbaren Effekt. Bessere Qualität oder kürzere Antwortzeiten zeigen sich oft erst später, etwa in der Kundenzufriedenheit.
Prozessumbau ist außerdem Aufwand. Bei wenigen Fällen im Monat kann ein einfaches Werkzeug ohne Integration die vernünftigere Wahl sein. Und Prognosen wie jene von Gartner, wonach bis Ende 2027 über 40 Prozent der Projekte mit KI-Agenten eingestellt werden, sind Vorhersagen und keine Messwerte.
Häufige Fragen
Wie viele Unternehmen nutzen KI 2026?
In Deutschland nutzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI, so die Bitkom-Befragung vom September 2026. In Österreich waren es laut Statistik Austria 2025 rund 30 Prozent der Unternehmen ab 10 Beschäftigten, im EU-Schnitt 20 Prozent.
Warum bringt KI oft keinen messbaren Nutzen?
Weil KI meist als Werkzeug neben bestehenden Abläufen eingesetzt wird, ohne Ziel und ohne Messung. Einzelne Aufgaben werden schneller, die Durchlaufzeit des gesamten Prozesses ändert sich aber kaum.
Braucht jedes Unternehmen eine KI-Strategie?
Jedes Unternehmen braucht klare Prioritäten, ein umfangreiches Strategiepapier ist dafür nicht nötig. Es reicht, festzulegen, welche Prozesse zuerst drankommen, welche Kennzahlen sich verbessern sollen und welche Regeln für den Einsatz gelten.
Wie misst man die Wirkung von KI?
Am besten auf Prozessebene mit einem Vorher-Nachher-Vergleich. Geeignete Kennzahlen sind Durchlaufzeit, Aufwand pro Fall sowie Fehler- und Rückfragequote, wobei der Ausgangswert vor dem Start erhoben werden muss.
Welcher Prozess eignet sich für den Einstieg?
Ein Prozess mit vielen gleichartigen Fällen, klaren Regeln und verfügbaren Daten. Beispiele sind Reklamationen, IT-Service-Anfragen oder Abwesenheitsanträge, bei denen ein Mensch die Ausnahmen entscheidet.
Fazit
KI ist in den Unternehmen angekommen, die Wirkung noch nicht. Der Unterschied entsteht selten beim Modell, sondern bei der Frage, wo und wie KI eingesetzt wird. Wer wenige Prozesse gezielt auswählt, KI als festen Schritt einbaut und vorher wie nachher misst, kann belegen, was sie bringt.
Quellen
