Enterprise-KI: 95% der Unternehmen sehen keinen ROI – das sind die echten Gründe

95 Prozent der Unternehmen sehen keinen klaren Return on Investment aus ihren Generative-AI-Initiativen – und nur 5 Prozent der Projekte, die die Pilotphase erreichen, schaffen den Sprung in den produktiven Betrieb. Das sind keine Randzahlen aus einer obskuren Studie, sondern der dokumentierte Stand laut der MIT-NANDA-Initiative ("The GenAI Divide: State of AI in Business 2025") und mehreren aktuellen Branchenerhebungen. Gleichzeitig erhöhten Unternehmen ihre KI-Budgets 2025 im Schnitt um 20 Prozent (Horváth-Studie). Die Schere zwischen Investitionsbereitschaft und nachweisbarem Geschäftswert öffnet sich weiter, nicht enger.

Der Markt wächst trotzdem. IDC prognostiziert, dass die weltweiten GenAI-Ausgaben von rund 16 Milliarden US-Dollar im Jahr 2023 auf 143 Milliarden US-Dollar bis 2027 steigen – eine jährliche Wachstumsrate von über 73 Prozent. GenAI wird bis 2027 rund 28 Prozent der gesamten KI-Ausgaben ausmachen, gegenüber 9 Prozent in 2023. Was auf den ersten Blick nach Marktvertrauen aussieht, ist bei näherer Betrachtung etwas anderes: ein kollektives Momentum, das sich von den Bilanzen entkoppelt hat.

Das ROI-Problem sitzt nicht in der Technologie

56 Prozent der befragten Unternehmenschefs geben laut PwC's 29th Global CEO Survey an, dass KI bislang weder ihre Umsätze erhöht noch ihre Kosten gesenkt hat. Nur 15 Prozent der KI-Entscheider berichten von einem EBITDA-Lift in den vergangenen zwölf Monaten. Das sind Zahlen, die in keinem Investitionskomitee ignoriert werden sollten – und die dennoch kaum zur Verlangsamung der Ausgaben geführt haben.

Der Grund dafür ist strukturell, nicht technisch. Laut der MIT-NANDA-Initiative liegen die Hauptursachen für das Scheitern bei Integrationsproblemen in bestehende Prozesse, mangelhafter Datenqualität, fehlender Skalierbarkeit und dem Fehlen von spezifischem Implementierungs-Know-how im Unternehmen. Diese vier Faktoren sind keine technischen Defizite der KI-Modelle – sie sind organisatorische Versäumnisse, die vor dem ersten Prompt hätten adressiert werden müssen.

Agentic AI: Die nächste Investitionswelle mit denselben Problemen

Bevor die erste KI-Welle verdaut ist, rollt die nächste an: Agentic AI, also KI-Systeme, die autonom Aufgaben über mehrere Schritte und Tools hinweg ausführen, steht auf jeder strategischen Agenda. Die Zahlen zur Umsetzungsreife sind jedoch ernüchternd:

• 73 Prozent der Unternehmen erkennen eine Kluft zwischen ihren KI-Agenten-Visionen und der operativen Realität.
• Nur 11 Prozent der KI-Agenten-Use-Cases erreichen Produktionsreife.
• 85 Prozent der Unternehmen haben den nötigen Prozessreifegrad für Agentic Orchestration noch nicht erreicht.
• 76 Prozent der Organisationen melden, dass Volumen und Vielfalt der Prozessendpunkte exponentiell zunehmen – im Schnitt managen Unternehmen bereits 50 Endpunkte, mit einer Wachstumsrate von plus 14 Prozent jährlich.

Das Vertrauensdefizit ist dabei kein Randproblem: 84 Prozent der Befragten fürchten geschäftliche Risiken durch fehlende Kontrollmechanismen, 80 Prozent beklagen mangelnde Transparenz bei der KI-Nutzung, und 66 Prozent haben konkrete Compliance-Bedenken. Wer jetzt in Agentic AI investiert, ohne diese Voraussetzungen zu schaffen, repliziert die Fehler der GenAI-Welle auf dem nächsten Abstraktionslevel.

Was Unternehmen mit nachweisbarem Erfolg anders machen

Es gibt eine aufschlussreiche Ausnahme in den Daten: 95 Prozent der Unternehmen, die konsequente Prozessautomatisierung implementiert haben, verzeichnen messbares Geschäftswachstum. Das ist kein Zufall – es zeigt, dass die Differenz zwischen Erfolg und Misserfolg nicht an der Technologie liegt, sondern an der Tiefe der Prozessintegration vor und während der Implementierung.

Forrester beschreibt in "Accelerate Your AI Voyage" einen weiteren Engpass: Vielen Mitarbeitern fehlt ein klares Verständnis dafür, wie KI sinnvoll eingesetzt werden kann. Arbeitgeber liefern weder die notwendigen Fähigkeiten noch den Kontext, um KI produktiv zu nutzen. Das ist kein Schulungsproblem, das mit einem Online-Kurs gelöst wird – es ist ein Führungsproblem. Wer den Change nicht aktiv managt, kauft teure Software für unvorbereitete Organisationen. Die EU AI Act-Vorgaben zur KI-Literacy-Pflicht, seit Februar 2025 in Kraft, sind dabei kein bürokratisches Hindernis, sondern eine sinnvolle Mindestanforderung, die viele Unternehmen noch nicht erfüllen.

EU AI Act: Regulatorisches Risiko auf dem Radar der CFOs

Für Entscheider im DACH-Raum kommt ein regulatorischer Faktor hinzu, der in vielen ROI-Kalkulationen fehlt. Seit August 2025 sind die GPAI-Regeln, Governance-Anforderungen und Strafrahmen des EU AI Acts in Kraft. Ab August 2026 greift der Hauptteil der Verordnung, inklusive der Hochrisiko-KI-Anforderungen und der Regeln für biometrische Systeme sowie HR-KI. Verstöße gegen verbotene Praktiken können mit bis zu 35 Millionen Euro oder 7 Prozent des globalen Jahresumsatzes sanktioniert werden, Hochrisiko-Verstöße mit bis zu 15 Millionen Euro oder 3 Prozent Umsatz.

Wer KI-Systeme in sensiblen Bereichen – Personalentscheidungen, Kreditvergabe, kritische Infrastruktur – einsetzt, ohne die Compliance-Anforderungen in die Projektplanung zu integrieren, produziert versteckte Kosten, die den ohnehin fragilen Business Case weiter belasten. Das ist kein theoretisches Risiko: 66 Prozent der Unternehmen in den zitierten Erhebungen haben bereits heute konkrete Compliance-Bedenken bei ihren KI-Agenten-Projekten.

So What? Die strategische Konsequenz für das Management

Die Daten zeigen ein konsistentes Muster: Unternehmen behandeln KI-Investitionen wie Infrastrukturausgaben – Kapital bereitstellen, Technologie beschaffen, Ergebnisse erwarten. Das funktioniert bei Rechenzentren. Bei KI nicht. Die Wertrealisierung hängt an Prozessreife, Datenqualität, Mitarbeiter-Enablement und Governance – alles Faktoren, die Vorlaufzeit und operative Führung erfordern, keine Budgetfreigabe. Forrester prognostiziert, dass Unternehmen 25 Prozent der geplanten KI-Ausgaben ins Jahr 2027 verschieben werden, weil die Wertrealisierung ausbleibt. Das ist keine Marktkorrektur, das ist aufgeschobenes Scheitern. Entscheider, die jetzt nicht die Messkriterien, Prozessvoraussetzungen und Verantwortlichkeiten für ihre KI-Projekte scharf definieren, werden diese Verschiebung erleben.

Fazit: Weniger Piloten, mehr Produktionsreife

Der nüchterne Befund lautet: Die Technologie ist nicht das Problem. Die Modelle – von GPT-5.4 Pro über Claude Opus 4.6 bis Gemini 3.1 Pro – sind leistungsfähiger als je zuvor. Die Plattformen sind reifer. Und dennoch verändert sich die ROI-Misserfolgsrate nicht. Das bedeutet: Weitere Investitionen in die Technologie lösen das Problem nicht. Was Vorstände jetzt tun müssen, ist die Investitionslogik umkehren – weg von der Anzahl der Pilotprojekte, hin zur Produktionsreife einzelner Use Cases. Datenqualität, Prozessintegration und Mitarbeiter-Enablement müssen vor dem nächsten Budget-Commitment stehen, nicht danach. Und wer die regulatorischen Anforderungen des EU AI Acts noch nicht in seinen Business Cases eingepreist hat, hat eine wesentliche Kostenposition übersehen.