Die ersten Agenten im Unternehmen. Was zuerst bricht.
Jens Arne Lück
95 Prozent der GenAI-Piloten zeigen laut einer aktuellen MIT-Studie keinen messbaren Effekt auf Umsatz oder Kosten, trotz Milliardeninvestitionen weltweit. Die naheliegende Schlussfolgerung lautet: KI funktioniert im Mittelstand noch nicht richtig. Diese Schlussfolgerung ist bequem und in den meisten Fällen falsch. Das eigentliche Problem liegt nicht in der Wirkung. Es liegt in der Kennzahl, mit der Wirkung geprüft wird.
Woran sich das Muster zeigt
Die Szenen ähneln sich, quer durch Branchen und Unternehmensgrößen:
- Mitarbeitende nutzen Copilot oder ChatGPT täglich, sparen nachweislich Zeit für Recherche, Textentwürfe, Reports. Im Controlling taucht davon nichts auf.
- Der Vorstand fragt nach dem Business Case für den nächsten KI-Piloten. Die Antwort besteht aus Beispielen, nicht aus Zahlen.
- Parallel läuft ein zweites KI-Projekt, ein Agent, der Leads qualifiziert oder Rechnungen verarbeitet. Dort lässt sich der Effekt exakt beziffern.
- Beide Initiativen landen im selben Reporting, geprüft mit derselben Kennzahl: Umsatzwirkung.
- Am Ende steht das Copilot-Budget zur Disposition, obwohl es nie dafür gedacht war, sich selbst zu refinanzieren.
Wenn Sie drei dieser fünf Szenen wiedererkennen, lohnt es sich weiterzulesen.
Die strukturelle Ursache
Erstens: Es gibt zwei verschiedene KI-Investitionslogiken, die wie eine behandelt werden. Eine Kapazitätsinvestition setzt Zeit frei und macht die Organisation insgesamt leistungsfähiger. Der Nutzen ist real, aber diffus verteilt, nicht auf eine einzelne Lizenz oder einen einzelnen Mitarbeitenden zurückführbar. Eine Outcome-Investition dagegen, ein Agent, der einen kompletten Arbeitsschritt selbstständig übernimmt, besitzt eine klar abgrenzbare Ergebniseinheit. Ihr finanzieller Effekt lässt sich 1:1 zurückverfolgen. Das sind zwei unterschiedliche Vermögensklassen mit unterschiedlicher Wirkungslogik, keine Abstufung derselben Sache.
Zweitens: Beide werden mit demselben Maßstab geprüft. Wenn Controlling oder Geschäftsführung von jeder KI-Initiative dieselbe Umsatzattribution verlangen, fällt die Kapazitätsinvestition strukturell durch, unabhängig davon, wie viel Wert sie tatsächlich erzeugt. Das ist keine Frage der Qualität der Initiative. Es ist eine Frage, ob die Kennzahl überhaupt geeignet ist, diese Art von Wert zu erfassen.
Drittens: Die Zeitachse wird ignoriert. Kapazitätsinvestitionen zeigen sich zuerst auf Organisationsebene, nicht auf Ebene der einzelnen Lizenz: sinkender Rückstand, absorbierte Mehrarbeit ohne neue Köpfe, sinkende Überstunden. Diese Effekte brauchen Monate, um sichtbar zu werden, und sie erscheinen nie in einer Kennzahl, die nach dem einzelnen Tool fragt. Wer nach vier Wochen Umsatzwirkung von einem Copilot verlangt, misst zur falschen Zeit an der falschen Stelle.
Was die Forschung dazu zeigt
Das Muster ist nicht auf einzelne Unternehmen beschränkt. Die MIT-NANDA-Studie 2025 findet dieselbe Lücke branchenübergreifend: Trotz 30 bis 40 Milliarden US-Dollar Investment zeigen 95 Prozent der Piloten keinen messbaren P&L-Effekt. McKinsey beschreibt in der gleichen Untersuchungswelle das „Gen-AI-Paradox": Nahezu acht von zehn Unternehmen nutzen generative KI, genauso viele melden keinen nennenswerten Ergebnisbeitrag. Deloitte findet unter den Unternehmen, die bereits Agentic AI einsetzen, dass nur zehn Prozent signifikanten ROI ausweisen können, obwohl über die Hälfte der Befragten die Technologie bereits produktiv nutzt. Die Zahlen unterscheiden sich, das Muster nicht: Wirkung entsteht, aber sie wird nicht dort gemessen, wo sie tatsächlich anfällt.
Warum das teurer ist als keine Kennzahl
Wenn eine Kapazitätsinvestition an einem Outcome-Maßstab scheitert, wird sie meistens nicht korrigiert, sondern eingestellt. Das kostet nicht nur das eingesetzte Budget. Es kostet die organisatorische Reife, die genau diese Investition aufgebaut hätte, und aus der später die Outcome-Investitionen entstehen, die sich tatsächlich beziffern lassen. Historisch ist das kein neues Muster. Als der PC ins Büro kam, hat niemand am ersten Tag nach dem Umsatz gefragt. Bei Outlook auch nicht. Beides war trotzdem Voraussetzung für alles, was danach kam. Bei KI wird dieselbe Geduld gerade nicht aufgebracht, obwohl die Ausgangslage strukturell identisch ist.
Woran Sie es bei sich erkennen
Fünf Prüffragen. Sie brauchen dafür kein Audit, nur ehrliche Antworten:
- 1.Können Sie für jede laufende KI-Initiative sagen, ob es sich um eine Kapazitätsinvestition oder eine Outcome-Investition handelt?
- 2.Wird von Copilot- oder ChatGPT-Nutzung dieselbe Umsatzattribution verlangt wie von einem automatisierenden Agenten?
- 3.Gibt es für Kapazitätsinvestitionen eine Kennzahl auf Organisationsebene, etwa Rückstand, Überstunden oder absorbierte Mehrarbeit, oder nur die fehlende Umsatzzahl?
- 4.Stand vor dem Start jeder Initiative fest, auf welcher Ebene und nach welcher Frist der Erfolg geprüft wird?
- 5.Könnte jemand in Ihrem Haus den Unterschied zwischen beiden Investitionslogiken in einem Satz erklären?
Dreimal Nein oder öfter: Dann liegt Ihr Problem nicht bei der KI. Es liegt beim Maßstab, mit dem Sie sie prüfen.
Nächster Schritt
AI Quick Check
6 Fragen. 3 Minuten. Sofortiges Ergebnis.
Häufige Fragen
Was Leser noch wissen wollen
Warum zeigt unsere KI-Investition keinen ROI, obwohl Mitarbeitende sie täglich nutzen?
Weil täglich genutzte Werkzeuge wie Copilot oder ChatGPT in der Regel Kapazitätsinvestitionen sind: Sie setzen Zeit frei, statt eine einzelne, zurückverfolgbare Ergebniseinheit zu erzeugen. Eine Umsatzattribution auf Tool-Ebene ist bei dieser Investitionsart strukturell nicht zu erwarten, unabhängig davon, wie nützlich das Werkzeug ist.
Was unterscheidet eine Kapazitätsinvestition von einer Outcome-Investition bei KI?
Eine Kapazitätsinvestition macht die Organisation insgesamt leistungsfähiger, ihr Effekt ist real, aber diffus verteilt und nur auf Organisationsebene messbar. Eine Outcome-Investition, etwa ein Agent, der einen kompletten Arbeitsschritt übernimmt, besitzt eine klar abgegrenzte Ergebniseinheit, deren finanzieller Effekt sich direkt zurückverfolgen lässt.
Sollten wir Copilot- oder ChatGPT-Investitionen stoppen, wenn sich kein ROI zeigt?
Nicht ohne vorher die Kennzahl zu prüfen. Bevor eine Kapazitätsinvestition beendet wird, weil sie keinen Umsatzeffekt zeigt, lohnt sich die Frage, ob überhaupt eine geeignete Kennzahl angelegt wurde, etwa auf Organisationsebene. Eine falsche Kennzahl ist kein Beweis für fehlende Wirkung.
Wie misst man den Erfolg einer KI-Kapazitätsinvestition richtig?
Auf Organisationsebene statt auf Tool-Ebene: sinkender Rückstand, absorbierte Mehrarbeit ohne zusätzliche Köpfe, sinkende Überstunden, mehr Kapazität für Aufgaben, die vorher liegen blieben. Diese Effekte brauchen Monate, nicht Wochen, um sichtbar zu werden.