Fünf Beratungshäuser. Fünf unabhängige Forschungsprogramme. Fünf separate Datensätze, Methoden und Stichpopulationen. Und dasselbe Ergebnis: Die KI-Investitionen in Unternehmen haben ein beispielloses Niveau erreicht, aber die Rendite dieser Investitionen konzentriert sich auf eine kleine Minderheit von Organisationen. Der Rest gibt mehr aus, setzt mehr ein, berichtet mehr — und bekommt weniger als erwartet.

Dieser Artikel synthetisiert die Kernbefunde aus McKinseys State of AI 2025, BCGs AI Radar 2025, Accentures Technology Vision 2025, Deloittes State of Generative AI in the Enterprise und Bains Generative-AI-Umfrage. Jede Studie nähert sich der Frage aus einem anderen Blickwinkel. Zusammen bilden sie das umfassendste verfügbare empirische Bild davon, warum die Investitions-Rendite-Lücke existiert und was sie schließt.

Das Ausmaß der Lücke

McKinsey quantifiziert Obergrenze und Untergrenze. Die Schätzung des McKinsey Global Institute von 2,6 bis 4,4 Billionen Dollar an jährlichem Wertpotenzial über 63 Use Cases bleibt die Benchmark für das, was KI liefern könnte. Die State-of-AI-Umfrage 2025 zeigt, was sie tatsächlich liefert: 88 % der Unternehmen nutzen KI, aber nur 6 % erzielen mehr als 5 % EBIT-Wirkung. Diese 6 % repräsentieren 109 Unternehmen von 1.993 befragten. Die verbleibenden 94 % — einschließlich der Mehrheit, die erhebliche KI-Investitionen getätigt hat — sehen Renditen, die sich nicht in nennenswerter Weise in der Gewinn- und Verlustrechnung niederschlagen. Die vollständige McKinsey-Analyse untersucht diese Lücke im Detail.

BCG zieht mit anderen Daten dieselbe Grenze. BCGs „Build for the Future"-Studie befragte 1.250 Führungskräfte aus 9 Branchen und mehr als 25 Sektoren und bewertete die KI-Reife über 41 grundlegende Fähigkeiten. Nur 5 % qualifizieren sich als „future-built" — BCGs Begriff für Organisationen, die KI strukturell in ihr Betriebsmodell integriert haben. Der Leistungsunterschied ist deutlich: Future-Built-Unternehmen erzielen 1,7-faches Umsatzwachstum, 3,6-fachen TSR und 1,6-fache EBIT-Margenverbesserung im Vergleich zu Nachzüglern. Das sind keine inkrementellen Vorteile. Sie repräsentieren eine andere Entwicklungskurve. Future-Built-Unternehmen investieren auch mehr als doppelt so viel in KI wie ihre Wettbewerber — aber die Investition folgt der strukturellen Transformation, anstatt ihr vorauszugehen. Das BCG-Reifegrad-Blueprint schlüsselt die Fähigkeitsarchitektur auf, die diese Stufen trennt.

Accenture misst die Beschleunigung. Accentures Reinventors — Unternehmen, die ihre Abläufe grundlegend um Technologie herum reorganisiert haben — übertreffen ihre Wettbewerber um 15 Prozentpunkte bei mehreren Finanzkennzahlen, eine Lücke, die Accenture auf 37 Prozentpunkte bis 2026 projiziert. Mit 36 Milliarden Dollar an Generative-AI-Auftragsvolumen bestätigen Accentures eigene Geschäftsdaten das Ausmaß der Unternehmensausgaben. Der Vorteil der Reinventors liegt nicht darin, dass sie mehr ausgeben. Er liegt darin, dass ihre Ausgaben sich kumulieren, weil sie auf strukturellen Veränderungen aufbauen, statt Tools zu unveränderten Prozessen hinzuzufügen. Die Analyse der Transformationsprämie untersucht, was Reinventors vom Rest unterscheidet.

Deloitte erfasst das Paradox des Fortschritts. Deloittes Umfrage enthüllt ein Muster, das dem optimistischen Adoptions-Narrativ widerspricht: 25 % der Unternehmen haben 40 % oder mehr ihrer KI-Experimente in Produktion überführt, und der Anteil, der transformative Wirkung meldet, hat sich von 12 % auf 25 % im Jahresvergleich verdoppelt. Der Fortschritt ist real. Aber hier ist das Paradox — die wahrgenommene Bereitschaft sinkt gleichzeitig. Nur 43 % bewerten ihre technische Infrastruktur als bereit. Datenmanagement-Bereitschaft liegt bei 40 %. Talent-Readiness ist auf 20 % gefallen. Unternehmen, die KI im großen Maßstab eingesetzt haben, werden nicht zuversichtlicher. Sie entdecken, dass Skalierung Komplexitäten einführt, die in der Pilotphase unsichtbar waren. Mehr KI in Produktion bedeutet nicht automatisch mehr KI, die Wert schafft.

Bain dokumentiert die Breite ohne Tiefe. Bains Umfrage unter US-Unternehmen berichtet, dass 95 % inzwischen generative KI nutzen, und die Zahl der Use Cases pro Unternehmen hat sich in vierzehn Monaten verdoppelt. Die Expansion ist breit, aber flach. Bain stellt fest, dass bedeutsame EBITDA-Gewinne — in der Größenordnung von 10 bis 25 % — nur in technologieaffinen Unternehmen auftreten, die Workflows grundlegend um KI-Fähigkeiten herum umgestaltet haben. Die Mehrheit der Unternehmen, die generative KI über viele Funktionen hinweg nutzen, sieht Produktivitätsverbesserungen, die auf individueller Ebene real sind, sich aber auf Unternehmensebene nicht in finanzielle Ergebnisse übersetzen.

Die Konvergenz der fünf Studien

Der gemeinsame Nenner sind nicht die Technologieausgaben. Wären sie es, würde sich die Lücke mit steigenden Investitionen schließen. Das tut sie nicht. Der gemeinsame Nenner ist strukturelle Transformation — und alle fünf Studien beschreiben sie in bemerkenswert ähnlichen Begriffen, trotz unterschiedlicher Frameworks.

Workflow-Redesign, nicht Tool-Deployment. McKinsey stellt fest, dass Spitzenreiter mit 2,8-facher Wahrscheinlichkeit Workflows um KI herum neu gestaltet haben, anstatt KI auf bestehende Prozesse aufzusetzen. BCGs Future-Built-Unternehmen haben ihre Betriebsmodelle umstrukturiert. Accentures Reinventors haben ihre Abläufe reorganisiert. Bain benennt Workflow-Redesign als Voraussetzung für EBITDA-Wirkung. Deloittes Daten zeigen, dass Produktions-Deployment ohne Workflow-Veränderung Skalierung ohne proportionale Rendite produziert. Das Vokabular unterscheidet sich. Der Befund ist identisch.

Geschäftsverantwortung, nicht IT-Verantwortung. McKinsey berichtet, dass die Führungskräfte von Spitzenreitern dreimal wahrscheinlicher aktives Ownership für KI-Initiativen zeigen. BCGs Future-Built-Kategorie erfordert die Integration von KI in die strategische Planung auf C-Suite-Ebene, nicht die Delegation an Technologiefunktionen. Accentures Reinventors werden von Führungskräften geleitet, die Technologietransformation als Geschäftsstrategie behandeln, nicht als Technologieprojekt. Bains technologieaffine Unternehmen ordnen P&L-verantwortliche Leader den KI-Programmen zu. Wenn KI an die IT berichtet, optimiert sie Technologie. Wenn sie an die Geschäftsführung berichtet, optimiert sie Ergebnisse.

Governance und Risikomanagement, nicht Governance-Theater. McKinsey stellt fest, dass Spitzenreiter in Monitoring- und Governance-Infrastruktur investieren, während die 94 % auf Policies setzen. BCGs Reifegradmodell umfasst operative Governance als definierendes Merkmal von Future-Built-Unternehmen. Deloitte dokumentiert sinkende Bereitschaft trotz steigendem Deployment, was darauf hindeutet, dass Governance nicht mit der Adoption skaliert hat. Accenture definiert Vertrauen — aufgebaut auf Genauigkeit, Vorhersagbarkeit, Konsistenz und Nachvollziehbarkeit — als Voraussetzung für die volle Realisierung der KI-Vorteile, wobei 77 % der Führungskräfte diese Position bestätigen. Die Analyse der Vertrauensbarriere untersucht, warum Governance der operative Engpass ist, keine Compliance-Formalität.

Fähigkeitsaufbau, nicht Tool-Einkauf. Jede Studie unterscheidet zwischen Organisationen, die KI-Tools kaufen, und Organisationen, die KI-Fähigkeiten aufbauen. Die Unterscheidung ist nicht semantisch. Tools sind Softwareprodukte, die einzelne Mitarbeiter nutzen. Fähigkeiten sind organisatorische Muskeln — Dateninfrastruktur, die Unternehmenswissen für KI-Systeme zugänglich macht, Evaluierungs-Frameworks, die KI-Leistung an Geschäftsergebnissen messen, Feedback-Loops, die KI-Systeme auf Basis von Produktionsdaten verbessern, und Talente, die KI-Workflows entwerfen, einsetzen und managen können, statt nur KI-Interfaces zu bedienen.

Warum sich die Lücke vergrößert

Der Zinseszinseffekt erklärt die Divergenz. BCGs 3,6-facher TSR-Unterschied ist kein Einjahres-Vorteil. Er ist das Ergebnis von Kumulierung: Jede KI-gestützte Workflow-Verbesserung erzeugt Daten, die den nächsten Workflow verbessern, baut organisatorische Muskeln auf, die das nächste Deployment beschleunigen, und generiert Renditen, die die nächste Investition finanzieren. Die 5–6 %, die die strukturelle Schwelle überschritten haben, beschleunigen. Der Rest iteriert an Piloten.

Die Talentengpasslage verstärkt die Kluft. Deloittes Befund, dass Talent-Readiness auf 20 % gefallen ist, spiegelt ein reales strukturelles Problem wider. Die Unternehmen, die sich früh transformiert haben, zogen die Talente an und entwickelten sie, die weitere Transformation ermöglichen. Die Unternehmen, die zögerten, stehen einem Markt gegenüber, in dem KI-Engineering, Datenarchitektur und KI-Produktmanagement knapp und teuer sind. Talent folgt der Wirkung — und Wirkung konzentriert sich in den Organisationen, die sie bereits haben.

Der Governance-Aufwand skaliert nichtlinear. Wenn Unternehmen mehr KI-Systeme einsetzen, multiplizieren sich die Governance-Anforderungen. Jedes System braucht Monitoring, jeder Workflow braucht Delegationsregeln, jedes Modell-Update braucht Validierung. Unternehmen, die Governance-Infrastruktur früh aufgebaut haben — als Teil ihrer ersten Deployments —, haben ein skalierbares Fundament. Unternehmen, die zuerst deployt haben und jetzt Governance nachrüsten, stehen vor exponentiell wachsender Komplexität. Die Kostenstrukturanalyse zeigt, wie Governance-Kosten kumulieren, wenn sie als Nachtrag behandelt werden.

Was die Synthese für DACH-Unternehmen bedeutet

Die Investitions-Rendite-Lücke ist kein amerikanisches Phänomen, das man aus der Distanz beobachtet. DACH-Unternehmen stehen vor denselben Dynamiken mit zwei zusätzlichen Einschränkungen: Der EU AI Act stellt Governance-Anforderungen, die andere Märkte nicht kennen, und die traditionelle Stärke des Mittelstands — operative Exzellenz innerhalb etablierter Prozesse — wird zur Belastung, wenn diese Prozesse umgestaltet statt optimiert werden müssen.

Der Weg von den 94 % zu den 6 % führt nicht über mehr KI. Er führt über ein anderes Betriebsmodell für KI. Die fünf Studien konvergieren auf denselben strukturellen Anforderungen: Workflows, die um KI-Fähigkeiten herum redesignt werden statt mit KI-Tools ergänzt, Geschäftsführer, die KI-Ergebnisse verantworten statt Technologieverantwortliche, die KI-Infrastruktur verantworten, Governance-Architektur, die Skalierung ermöglicht statt Policy-Dokumente, die sie einschränken, und Fähigkeitsaufbau, der organisatorische Muskeln schafft statt Tool-Beschaffung, die Softwarelizenzen erzeugt.

Die Frage ist nicht, ob man in KI investieren soll. Diese Entscheidung ist bereits gefallen — 88 bis 95 % der Unternehmen investieren. Die Frage ist, ob die Investition strukturell oder inkrementell ist. Strukturelle Investition verändert, wie Arbeit fließt, wie Entscheidungen getroffen werden und wie die Organisation aus KI-generierten Daten lernt. Inkrementelle Investition fügt KI zu bestehenden Prozessen hinzu und hofft, dass sich die Produktivitätsgewinne zu finanziellem Impact aggregieren. Fünf unabhängige Studien, die Zehntausende von Organisationen abdecken, bestätigen, dass dem nicht so ist.

Jeder Artikel in dieser Serie hat eine Dimension der Investitions-Rendite-Lücke untersucht — die McKinsey-Skalierungsanalyse, das BCG-Reifegrad-Framework, die Accenture-Transformationsprämie, die für Skalierung erforderliche Vertrauensinfrastruktur und die Kostenstrukturen, die bestimmen, ob Investitionen kumulieren oder verpuffen. Diese Synthese formuliert das vereinte Argument: Die Lücke ist real, sie vergrößert sich, und sie zu schließen erfordert nicht mehr KI-Investition, sondern einen grundlegend anderen Ansatz dafür, wie diese Investition eingesetzt wird.

Buchen Sie einen Fit Call, um zu evaluieren, ob Ihr KI-Ansatz strukturell oder inkrementell ist. Wir bewerten Ihr aktuelles Investitionsmuster anhand des Fünf-Studien-Frameworks und identifizieren die spezifischen strukturellen Lücken — Workflow-Design, Ownership-Modell, Governance-Architektur oder Fähigkeitsfundament —, die bestimmen, ob Ihre KI-Ausgaben kumulieren oder ein Plateau erreichen. Fit Call buchen →

Referenzen: McKinsey & Company, „The State of AI: How Organizations Are Rewiring to Capture Value", Global Survey, November 2025; BCG, „Build for the Future: Widening AI Value Gap", September 2025; Accenture, „Technology Vision 2025" und „Reinvention in the Age of Generative AI"; Deloitte, „State of AI in the Enterprise", Ausgabe 2026; Bain & Company, „Generative AI and the Enterprise: From Pilots to Production", US Enterprise Survey, 2025.