Kostenfalle KI im Unternehmen: Warum Milliardeninvestitionen bislang wenig Rendite bringen

Das Wichtigste auf einen Blick

•  Bei fast 90 % der über 200 befragten Unternehmen liegen die finanziellen Erträge ihrer KI-Projekte unter den Investitionsniveaus.
• 63% der befragten Firmen messen den Erfolg ihrer KI-Initiativen nur punktuell oder nach Bauchgefühl.
• Nur ein Viertel der Unternehmen erfasst den Ertrag von KI-Tools automatisiert und fortlaufend im Betrieb.

Hohe Investitionen, niedrige Erträge

Viele Unternehmen investieren weltweit Jahr für Jahr mehr in Künstliche Intelligenz, doch der erhoffte wirtschaftliche Effekt bleibt häufig aus. Das zeigt die aktuelle Studie „The AI Value Gap“ der Strategieberatung Roland Berger, für die über 200 Unternehmen aus Europa, Japan und den USA betrachtet wurden.

Demnach liegen bei fast 90 % der befragten Unternehmen die finanziellen Erträge ihrer KI-Projekte hinter den Investitionsniveaus, während bislang nur ein kleiner Teil einen konkreten wirtschaftlichen Nutzen erzielt.

Warum die Wertschöpfungslücke bestehen bleibt

Die Studie verortet die Ursachen nicht in fehlendem Kapital oder mangelndem Zugang zur Technologie. Stattdessen scheitern viele Unternehmen offenbar daran, KI nicht als langfristig aufzubauende Fähigkeit zu verstehen, sondern als isoliertes Projekt. Maria Mikhaylenko, Global Managing Director für Tech und Knowledge & CTO bei Roland Berger, sagt: „Die Wertschöpfungslücke bei der KI-Nutzung besteht nicht wegen mangelnder Ambitionen, fehlendem Kapital oder Zugang zur Technologie. Es liegt vielmehr daran, dass Unternehmen KI als ein kaufbares Projekt behandeln, statt als eine zu entwickelnde Fähigkeit.“

Damit verschiebt sich die Herausforderung von der bloßen Einführung einzelner Tools hin zur organisatorischen Verankerung. Wer KI nur testweise einsetzt, ohne Prozesse, Verantwortlichkeiten und Systeme mitzudenken, schafft zwar Aktivität – aber noch keinen belastbaren Geschäftswert.

Erfolgsmessung bleibt in vielen Firmen unzureichend

Besonders deutlich zeigt sich das Defizit bei der Steuerung von KI-Projekten. 63% der befragten Firmen setzen bei der Erfolgsmessung demnach ausschließlich auf Einmal-Messungen oder auf subjektive Einschätzungen, statt auf ein kontinuierliches, datenbasiertes Monitoring. Nur ein Viertel der Unternehmen misst den Ertrag seiner KI-Tools automatisiert und fortlaufend im Betrieb.

Gerade für den Mittelstand ist das problematisch, weil Investitionsentscheidungen häufig enger an klaren Wirtschaftlichkeitszielen ausgerichtet werden müssen. Fehlt ein laufendes Controlling, bleibt unklar, welche Anwendungen tatsächlich Effizienz, Qualität oder Umsatz verbessern – und welche vor allem zusätzliche Kosten verursachen.

Zwischen Autonomie, Sicherheit und Schattenlösungen

Hinzu kommt ein strategischer Zielkonflikt: Viele Unternehmen wollen ein hohes Maß an Autonomie durch KI erreichen und zugleich maximale Sicherheit gewährleisten. Diese widersprüchlichen Erwartungen führen laut Studie zu Entscheidungsblockaden. Während ambitionierte Ziele formuliert werden, verzögert sich die praktische Umsetzung oft an Governance-, Risiko- und Compliance-Fragen.

Zugleich entstehen in Fachbereichen immer häufiger sogenannte „Shadow-AI“-Lösungen. Teams entwickeln oder nutzen KI-Anwendungen außerhalb der zentralen IT und Governance, was die Integration erschwert und Risiken für Transparenz und Sicherheit erhöht. Für Unternehmen wächst damit nicht nur die technische, sondern auch die organisatorische Komplexität.

Technische Grenzen bremsen vor allem KI-Agenten

Auch auf Systemebene bleibt der Fortschritt vielerorts begrenzt. Zwar kaufen Unternehmen moderne KI-Lösungen ein, doch diese werden häufig nur oberflächlich an bestehende IT-Strukturen angefügt, statt in ein vernetztes Ökosystem eingebunden zu werden. Gerade bei KI-Agenten wird das zum Problem, weil sie zwar logisch arbeiten können, aber nicht zuverlässig in Unternehmenssystemen agieren.

Gleichzeitig fehlen in vielen Organisationen die nötigen technischen Fähigkeiten für eine tragfähige Integration. Zwei Drittel der Unternehmen, die bei der KI-Integration stagnieren, nannten mangelndes technisches Know-How als signifikante Hürde. Maria Mikhaylenko, Global Managing Director für Tech und Knowledge & CTO bei Roland Berger, formuliert es so: „Unternehmen kaufen Ferrari-Technologie, betreiben sie aber mit Go-Kart-Motoren. KI, die nur oberflächlich über veraltete Systeme gelegt wird, zerstört ihren Wert.“

DACH-Region zögert, Japan setzt KI konsequenter um

Regional zeigt die Studie deutliche Unterschiede. So ist der Anteil der Firmen, die bereits einen wirtschaftlichen Nutzen aus KI ziehen, in Japan mehr als viermal so hoch wie in der DACH-Region. Japanische Unternehmen setzen laut den Ergebnissen stärker auf klare Governance, unternehmensweite Integration und eine kontinuierliche Wertmessung.

Die DACH-Region bleibt dagegen vorerst in einer Beobachterrolle. Sie priorisiert Sicherheit und Genauigkeit über Autonomie und konzentriert sich häufig auf das Pilotieren einzelner KI-Projekte. Diese Vorsicht kann kurzfristig Risiken reduzieren, langfristig jedoch zum Wettbewerbsnachteil werden, wenn internationale Wettbewerber schneller in skalierbare Anwendungen übergehen.

Die vollständige Studie können Sie hier herunterladen

^{Bildnachweis: Unsplash}

(cf)