Illustration Absmeier foto ki designer

KI ist in der Breite angekommen, aber noch nicht in der Wertschöpfung. 57 Prozent der befragten Unternehmen setzen die Technologie bereits ein, weitere 38 Prozent planen oder prüfen konkrete Anwendungen [1]. Zugleich schöpfen 87 Prozent der Anwender das Potenzial gar nicht oder nur in geringem Maß aus. Die entscheidende Managementaufgabe lautet deshalb: Piloten in produktive Prozesse überführen, Nutzen messbar machen und Risiken beherrschbar halten.

KI ist verbreitet – ihr Potenzial bleibt ungenutzt

Verbreitung ist noch keine Reife. 59 Prozent der Anwender schöpfen die Möglichkeiten von KI nach eigener Aussage überhaupt nicht aus, weitere 28 Prozent nur in geringem Maß. Lediglich 3 Prozent bewerten ihre Nutzung als eher stark; kein Unternehmen sieht das Potenzial vollständig realisiert. Die Skalierung stockt: Piloten gibt es, doch Datenzugriff, Prozessintegration, klare Zuständigkeiten und belastbare Erfolgsmessung fehlen häufig.

Der Nutzen ist messbar

Wo KI produktiv läuft, liefert sie Ergebnisse. Zwei Drittel der Anwender sehen ihre Wettbewerbsposition verbessert. 48 Prozent beschleunigen interne Prozesse, 45 Prozent messen einen konkreten Beitrag zum Unternehmenserfolg. 40 Prozent steigern die Qualität ihrer Produkte oder Dienstleistungen, 36 Prozent entwickeln neue Angebote. KI wirkt damit nicht nur als Effizienzhebel, sondern auch als Innovationsmotor. Unternehmen sollten diese Effekte je Anwendungsfall mit Ausgangswerten, Zielgrößen und klarer Verantwortung steuern.

KI rückt in die Kernprozesse vor

Noch dominiert der Einsatz in kundennahen Funktionen: 72 Prozent nutzen KI im Kundenkontakt, etwa für Anfragen; 54 Prozent in Marketing und Kommunikation. Doch die Technologie wandert in die Wertschöpfung. Zuwächse zeigen sich im Controlling und Rechnungswesen, im Wissensmanagement, in Produktion, Forschung und Entwicklung, Vertrieb und IT sowie in KI-gestützten Produkten und Dienstleistungen. Die nächste Produktivitätsstufe entsteht deshalb nicht durch weitere Einzelwerkzeuge, sondern durch KI in durchgängigen Prozessen.

KI-Agenten versprechen mehr Autonomie – und verlangen mehr Kontrolle

KI-Agenten erzeugen nicht nur Antworten. Sie führen definierte Aufgaben eigenständig aus und bereiten Entscheidungen vor. 11 Prozent der relevanten Unternehmen setzen solche Systeme bereits ein, 29 Prozent planen den Einsatz, 31 Prozent diskutieren ihn. Mit der Autonomie steigt das Risiko. Nötig sind verlässliche Daten, verbundene Systeme, rollenbasierte Rechte, lückenlose Protokolle und klare Handlungsgrenzen. Für kritische Entscheidungen muss ein Mensch verantwortlich bleiben.

Teuer sind Daten und Integration – nicht die Lizenz

Die größten Ausgaben verursacht nicht das KI-Modell, sondern sein betriebliches Fundament. 51 Prozent nennen Cloud und Rechenleistung als großen Kostenblock, 50 Prozent die Datenaufbereitung und 41 Prozent die Integration in bestehende Systeme. Softwareabonnements und Lizenzen folgen mit jeweils 21 Prozent deutlich dahinter. Ein belastbarer Business Case muss daher den gesamten Lebenszyklus erfassen: Datenqualität, Schnittstellen, Sicherheit, Betrieb, Überwachung, Schulung und Modellpflege.

Mit der Erfahrung ändern sich die Hürden

Unerfahrene Unternehmen kämpfen vor allem mit dem Einstieg. 85 Prozent fehlt technisches Know-how. Hinzu kommen Rechtsunsicherheit, schwer kalkulierbare Kosten und knappe personelle Ressourcen. 40 Prozent sehen Defizite bei den benötigten Daten, 30 Prozent finden keine geeigneten Anwendungsfälle. Gefragt ist deshalb keine breite Technologieoffensive, sondern eine disziplinierte Auswahl weniger, geschäftlich relevanter Startpunkte.

Mit der Skalierung wird Governance zum Engpass

Bei erfahrenen Anwendern verschiebt sich das Problem. 66 Prozent nennen Datenschutzanforderungen, 56 Prozent rechtliche Unsicherheit, 54 Prozent schwer kalkulierbare Kosten. 45 Prozent sorgen sich um sensible Unternehmensdaten, 42 Prozent um mangelnde Akzeptanz in der Belegschaft. Ergebnisqualität und Nachvollziehbarkeit bleiben wichtig, treten aber zurück. Je breiter der Einsatz, desto stärker entscheidet Governance über Erfolg oder Scheitern – und wird damit zur Führungsaufgabe.

Ohne Kompetenz keine Skalierung

66 Prozent der Unternehmen stufen die KI-Kompetenz ihrer Belegschaft als gering ein, nur 28 Prozent als hoch. Zugleich bieten 70 Prozent Schulungen an; unter den produktiven KI-Anwendern sind es 91 Prozent. Erfahrung und Qualifizierung verstärken sich offenbar gegenseitig. Entscheidend sind rollenspezifische Lernpfade: sichere Anwendung und kritische Ergebnisprüfung für Nutzer, Daten- und Prozesskompetenz sowie regulatorische Verantwortung für Fach- und Führungskräfte.

Fazit: Umsetzung schlägt Experiment

KI ist schon längst kein Zukunftsthema mehr. Jetzt entscheidet die Umsetzung. Unternehmen müssen wertstiftende Anwendungen auswählen, Daten und Systeme belastbar aufstellen, Risiken verbindlich steuern und Beschäftigte qualifizieren. Nur dann wird aus einer Sammlung von Piloten eine skalierbare Geschäftsfähigkeit. Das Management muss Technologie, Organisation und Regulierung gemeinsam führen – und Fortschritt konsequent am Geschäftsnutzen messen.

Albert Absmeier & KI

[1] Hinweis zur Methodik: Grundlage der Angaben ist eine Umfrage, die Bitkom Research im Auftrag des Digitalverbands Bitkom durchgeführt hat. Dabei wurden 603 Unternehmen ab 20 Beschäftigten in Deutschland telefonisch befragt. Die Befragung fand im Zeitraum von KW 28 bis KW 33 2026 statt. Die Umfrage ist repräsentativ für die Gesamtwirtschaft.

Management-Roadmap: erst ordnen, dann skalieren

Sofort: 0 bis 3 Monate – höchste Priorität

Geschäftswert zuerst. Zwei bis drei klar umrissene Anwendungsfälle auswählen, die ein relevantes Geschäftsproblem lösen. Vor dem Start Ausgangswert, Zielgröße, erwarteten Nutzen, Prozessverantwortung und Abbruchkriterien festlegen.

KI-Governance verbindlich machen. Zulässige Anwendungen, Datenklassen, Freigaben, Dokumentationspflichten, Qualitätskontrollen und Eskalationswege definieren. Datenschutz, Informationssicherheit, Risikomanagement und Beschaffung verzahnen.

Den AI Act in Prozesse übersetzen. Anwendungen nach Risiko einstufen, Verantwortung zuweisen und Nachweise von Beginn an führen. Regulierung gehört in Entwicklung und Beschaffung – nicht in die nachträgliche Kontrolle.

Konkrete Maßnahmen

Ein bereichsübergreifendes KI-Steuerungsteam einsetzen und einen Sponsor aus der Geschäftsleitung benennen.
Alle laufenden und geplanten KI-Anwendungen zentral erfassen und nach Geschäftsnutzen, Datenkritikalität und regulatorischem Risiko bewerten.
Für die zwei bis drei priorisierten Anwendungsfälle Prozess- und Technikverantwortung, Budget, Ausgangswerte und Zielkennzahlen festlegen.
Verbindliche Regeln für Werkzeuge, Datenklassen, Freigaben, menschliche Kontrollen, Dokumentation und Eskalation verabschieden.
Eine erste Einstufung nach AI Act sowie Prüfungen zu Datenschutz und Informationssicherheit vornehmen.

Meilensteine bis Ende Monat 3

KI-Steuerungsteam, Sponsor und Entscheidungswege sind schriftlich benannt.
Ein vollständiges KI-Anwendungsregister mit Risikoeinstufung liegt vor.
Zwei bis drei priorisierte Anwendungsfälle besitzen genehmigte Business-Case-Hypothesen, Zielkennzahlen und Pilotaufträge.
Die KI-Richtlinie ist freigegeben und im Unternehmen kommuniziert.

Kurzfristig: 3 bis 6 Monate – hohe Priorität

Gesamtkosten offenlegen. Neben Lizenzen auch Datenaufbereitung, Integration, Rechenleistung, Informationssicherheit, Überwachung, Schulung und Pflege kalkulieren. Jede Investition am realisierten Nutzen messen.

Beschäftigte nach Rolle qualifizieren. Schulungen an reale Arbeitsabläufe koppeln. Anwender brauchen sichere Nutzung und kritische Prüfungskompetenz; Fach- und Führungskräfte zusätzlich Wissen über Prozessverantwortung, Risiken und Wirtschaftlichkeit.

Skalierbarkeit im Pilot beweisen. Früh klären, ob Datenzugang, Schnittstellen, Infrastruktur und Betriebsmodell den Regelbetrieb tragen. Demonstratoren ohne Integrationspfad vermeiden.

Konkrete Maßnahmen

Für jeden Pilot die Gesamtbetriebskosten erfassen: Datenaufbereitung, Schnittstellen, Infrastruktur, Lizenzen, Sicherheit, Überwachung, Schulung und Pflege.
Für die priorisierten Anwendungsfälle eine belastbare Daten- und Integrationsarchitektur festlegen; Datenqualität, Zugriffsrechte und Schnittstellen prüfen.
Rollenspezifische Lernpfade für Anwender, Fachverantwortliche, IT, Datenschutz und Führungskräfte entwickeln und in realen Arbeitsszenarien testen.
Piloten kontrolliert umsetzen und Nutzen, Qualität, Fehlerquote, Bearbeitungszeit, Akzeptanz und Regelkonformität regelmäßig messen.
Für jeden Pilot eine Entscheidungsvorlage erstellen: skalieren, nachbessern oder stoppen.

Meilensteine bis Ende Monat 6

Ein freigegebenes Gesamtkostenmodell und ein Budget für den Regelbetrieb liegen vor.
Mindestens 80 Prozent der vorgesehenen Zielgruppen haben die jeweils erforderliche Basisschulung abgeschlossen.
Die priorisierten Piloten liefern dokumentierte Ergebnisse gegenüber ihren Ausgangswerten und Zielkennzahlen.
Für jeden Pilot besteht ein belastbarer Skalierungs-, Nachbesserungs- oder Abbruchbeschluss.

Mittelfristig: 6 bis 12 Monate – gezielte Skalierung

KI-Agenten kontrolliert starten. Erst nach Aufbau von Governance und Betrieb eng begrenzte, reversible Aufgaben wählen. Rechte minimieren, Aktivitäten protokollieren, kritische Schritte durch Menschen freigeben und Wirksamkeit sowie Fehlerquoten laufend überwachen.

Konkrete Maßnahmen

Erfolgreiche Piloten schrittweise in den Regelbetrieb überführen und Verantwortung für Betrieb, Support, Monitoring sowie Modell- und Datenpflege festlegen.
Für KI-Agenten zunächst risikoarme, klar begrenzte Aufgaben mit reversiblen Aktionen auswählen.
Minimalrechte, Aktivitätsprotokolle, menschliche Freigaben, Not-Aus-Verfahren und regelmäßige Kontrolltests einführen.
Ein Management-Dashboard für Nutzen, Kosten, Qualität, Fehler, Sicherheitsereignisse, Nutzerakzeptanz und Regelkonformität aufsetzen.
Das Portfolio quartalsweise überprüfen: ausweiten, konsolidieren, korrigieren oder einstellen.

Meilensteine bis Ende Monat 12

Mindestens ein priorisierter Anwendungsfall ist mit benanntem Service Owner und definiertem Betriebsmodell im Regelbetrieb.
Ein begrenzter KI-Agenten-Pilot erfüllt die festgelegten Qualitäts-, Sicherheits- und Kontrollkriterien.
Das Management-Dashboard wird regelmäßig berichtet; Abweichungen lösen definierte Maßnahmen aus.
Für das folgende Jahr liegt eine genehmigte KI-Roadmap mit Budget, Nutzenzielen und Ausbauentscheidungen vor.

1874 Artikel zu „KI Wertschöpfung“

Business | Digitalisierung | Favoriten der Redaktion | Geschäftsprozesse | Künstliche Intelligenz | News | Strategien

Von der KI-Euphorie zur Wertschöpfung: Warum 2026 nicht Technologie entscheidet – sondern Führung

27. Februar 2026

Key Takeaways aus der Leadership-Umfrage 2026 (für Eilige): KI und Digitalisierung sind Produktivitäts- und Wettbewerbshebel, keine Innovationsspielwiese. Der Engpass liegt selten in der Technologie, sondern in Priorisierung, Governance und Umsetzungskraft. Entscheidend ist nicht die Zahl der Initiativen, sondern deren Wirkung entlang der Wertschöpfungskette. Ohne sauberes Datenfundament, klare Verantwortlichkeiten und Enablement bleibt Digitalisierung Stückwerk. Die nächsten…