McKinseys State-of-AI-Studie 2025 liefert das klarste empirische Bild, das wir zur KI-Einführung in Unternehmen haben — und die Ergebnisse sollten jeden Entscheider alarmieren, der glaubt, Einführung sei gleichbedeutend mit Wirkung. Die Studie erfasste 1.993 Teilnehmer aus 105 Ländern. Die Kernaussage: 88 % der Unternehmen nutzen KI inzwischen in mindestens einem Geschäftsbereich, und 72 % setzen generative KI ein — ein Anstieg von 33 % im Jahr 2024. Die Einführung hat nahezu universelle Verbreitung erreicht.

Doch hier ist die Zahl, die zählt: Von diesen 1.993 Befragten ordnen nur 109 — exakt 6 % — ihren KI-Initiativen mehr als 5 % EBIT-Wirkung zu. McKinsey klassifiziert diese als „Spitzenreiter". Die verbleibenden 94 % nutzen KI ohne materiellen finanziellen Effekt.

Das ist kein Technologieproblem. Die Werkzeuge stehen allen zur Verfügung. Die Modelle sind Standardware. Die APIs sind zugänglich. Die 6 % und die 94 % haben Zugang zum gleichen Technologie-Stack. Was sie trennt, ist die Art des Einsatzes — und die Datenlage dazu ist eindeutig.

Die Workflow-Redesign-Lücke

Der stärkste einzelne Prädiktor für KI-getriebene EBIT-Wirkung in McKinseys Daten ist das Workflow-Redesign. Spitzenreiter haben ihre Workflows 2,8-mal häufiger grundlegend um KI-Fähigkeiten herum neu gestaltet — 55 % der Spitzenreiter gegenüber 20 % der übrigen.

Fast 80 % der Unternehmen legen KI auf bestehende Prozesse, ohne zu überdenken, wie die Arbeit fließt. Sie nehmen den aktuellen Prozess, fügen einen KI-Schritt hinzu und erwarten Transformation. Was sie bekommen, ist inkrementelle Verbesserung — eine schnellere Version eines Prozesses, der für Menschen konzipiert wurde, nicht für die Zusammenarbeit von Mensch und KI.

Der Unterschied ist strukturell, nicht kosmetisch. KI auf einen bestehenden Schadenbearbeitungs-Workflow zu legen bedeutet: Die KI erstellt Entwürfe, die ein Mensch geschrieben hätte. Den Workflow neu zu gestalten bedeutet: Die KI klassifiziert, routet und entwirft gleichzeitig, während Menschen Ausnahmen prüfen und komplexe Fälle bearbeiten. Der erste Ansatz spart 15 Minuten pro Schadenfall. Der zweite Ansatz verändert den Durchsatz der gesamten Operation.

Dies entspricht direkt dem Drei-Level-Framework. KI auf bestehende Prozesse zu legen ist Level 01 — KI als Werkzeug. Workflows neu zu gestalten ist Level 02 — KI als Spezialist. McKinseys Daten bestätigen, was das Framework vorhersagt: Level 01 erzeugt messbare, aber nicht materielle Gewinne. Level 02 erzeugt EBIT-Wirkung.

Führung ist der zweite Differenzierungsfaktor

McKinseys Spitzenreiter teilen ein zweites Merkmal: Ihre Führungskräfte zeigen dreimal häufiger sichtbare Eigenverantwortung und Engagement für KI-Initiativen. Es geht nicht um Reden über digitale Transformation. Es geht um Executive Sponsors, die konkrete Workflow-Ergebnisse verantworten, dediziertes Budget zuweisen und operative Kennzahlen wöchentlich prüfen.

Die Führungslücke erklärt, warum die meisten KI-Programme nach der Pilotphase stagnieren. Piloten gelingen, weil sie einen Champion haben — jemanden, der Hindernisse überwindet, Datenzugang sichert und die Zeit des Teams schützt. Die Skalierung vom Piloten zur Produktion erfordert dieselbe Intensität, angewandt auf organisatorischen Wandel: Rollen neu definieren, Kapazitäten umverteilen, Messgrößen der Teams verändern. Ohne Executive Ownership fällt die Organisation in ihr bestehendes Betriebsmodell zurück, und die KI-Initiative reduziert sich auf Werkzeugnutzung.

Für DACH-Mittelstandsunternehmen ist dieses Muster besonders relevant. Die Einbindung des Geschäftsführers ist nicht optional — sie ist der Mechanismus, der Workflow-Redesign überhaupt ermöglicht. In einem Industriezulieferer mit 400 Mitarbeitern ist der Abstand zwischen Geschäftsführung und operativem Team kurz genug, dass direkte Ownership Veränderung in Wochen statt in Quartalen bewirken kann. Dieser strukturelle Vorteil steht jedem mittelständischen Unternehmen zur Verfügung. Die meisten nutzen ihn nicht.

Wo sich der Wert konzentriert

McKinseys Daten zeigen, wo KI messbaren Effekt erzielt und wo sie aspirativ bleibt. Software Engineering und IT-Funktionen berichten von 10 bis 20 % Kostenreduktion — die reifste Einsatzkategorie, in der Codegenerierung, Testautomatisierung und Infrastrukturmanagement über klar definierte Workflows verfügen. Marketing und Produktentwicklung zeigen 10 % oder mehr Umsatzsteigerung, getrieben durch Personalisierung, Content-Erstellung und beschleunigte Entwicklungszyklen.

Das Muster ist konsistent: Funktionen mit strukturierten, wiederholbaren Workflows erfassen Wert. Funktionen, in denen KI ad hoc eingesetzt wird — für Brainstorming, Recherche oder allgemeine Produktivität — zeigen Gewinne, die für Einzelpersonen real, aber auf der Gewinn- und Verlustrechnung unsichtbar sind.

McKinseys Basisschätzung von 2,6 bis 4,4 Billionen US-Dollar jährlichem Wertpotenzial über 63 Use Cases bleibt richtungsmäßig valide. Doch die Umfragedaten zeigen, dass dieses Potenzial ungleichmäßig erfasst wird. Die 6 % konzentrieren Erträge in hochstrukturierten Workflows. Die 94 % verteilen KI dünn über gering strukturierte Aufgaben.

Die Risikolandschaft verschärft das Problem

Einführung ohne Redesign erzeugt ein spezifisches Risikoprofil. McKinsey berichtet, dass 74 % der Befragten Ungenauigkeit als Top-Risiko und 72 % Cybersecurity-Bedenken nennen. Diese Risiken sind nicht der KI-Technologie inhärent — sie sind Symptome der Art und Weise, wie KI eingesetzt wird.

Das Ungenauigkeitsrisiko ist am höchsten bei unstrukturierten Einsätzen. Wenn KI als Allzweckwerkzeug ohne definierte Eingaben, erwartete Ausgaben oder Validierungsschritte genutzt wird, breiten sich Fehler unerkannt aus. Wenn KI in einen neu gestalteten Workflow mit definierten Delegationsregeln, Konfidenzschwellen und Review-Zyklen eingebettet ist, werden Ungenauigkeiten systematisch erkannt und korrigiert. Das Framework für Delegation und Review existiert genau dafür, dieses Risiko operativ zu managen, statt zu hoffen, dass es nicht eintritt.

Cybersecurity-Risiken folgen einem ähnlichen Muster. Ungesteuerter KI-Einsatz — Mitarbeiter, die Consumer-KI-Tools mit Unternehmensdaten nutzen — ist inhärent schwerer abzusichern als gesteuerte KI-Workflows, die über definierte Datenpipelines mit Zugriffskontrollen laufen.

Die Unternehmen in den 6 % erleben nicht weniger Risiken. Sie managen Risiken strukturell, durch Workflow-Design, statt reaktiv, durch Richtliniendokumente, die Mitarbeiter ignorieren.

Was das für den DACH-Mittelstand bedeutet

McKinseys Daten bestätigen ein Muster, das wir im gesamten DACH-Mittelstand beobachten: Die Lücke zwischen KI-Einführung und KI-Wirkung schließt sich nicht. Sie wird größer. Mehr Tools, mehr Lizenzen, mehr Schulungen — nichts davon bewegt die Nadel, solange sich die zugrunde liegenden Workflows nicht ändern.

Die diagnostische Frage lautet nicht „Welches KI-Tool sollen wir kaufen?" Sie lautet: „Welche Workflows sollten wir zuerst neu gestalten?" Die Antwort hängt von drei Faktoren ab: dem Volumen und der Struktur des Workflows, der Zugänglichkeit der benötigten Daten und der Präsenz eines Executive Sponsors, der das Ergebnis verantwortet. Dies sind die Readiness-Dimensionen, die bestimmen, ob eine KI-Initiative EBIT-Wirkung erzeugt oder einen weiteren Piloten, der still verblasst.

Die Methodik des AI Operating System basiert auf demselben Prinzip, das McKinseys Daten validieren: Workflow-Redesign, nicht Technologiewahl, entscheidet darüber, ob KI operativen Hebel erzeugt. Das Sechs-Dimensionen-Diagnostic bewertet genau die Faktoren, die die 6 % vom Rest trennen — Workflow-Readiness, Datenzugänglichkeit, Entscheidungsautorität und Betriebsmodell-Klarheit.

Die meisten DACH-Mittelstandsunternehmen befinden sich in dem, was McKinseys Daten als die 94 % beschreiben: KI nutzen, Einführung messen, Fortschritt berichten, aber keinen materiellen Effekt auf die Gewinn- und Verlustrechnung sehen. Der Übergang zu den 6 % erfordert nicht mehr Technologie. Er erfordert jemanden, der entscheidet, welcher Workflow sich zuerst ändert — und diese Entscheidung verantwortet.

Nutzen Sie das Diagnostic, um Ihren Workflow mit dem größten Hebel für KI-Redesign zu identifizieren. Wir bewerten die Readiness über alle sechs operativen Dimensionen und ermitteln, ob Sie Einführung oder Wirkung aufbauen — und was es braucht, um von einem zum anderen zu gelangen. Starten Sie Ihr Diagnostic →

Referenzen: McKinsey & Company, „The State of AI: How Organizations Are Rewiring to Capture Value", Global Survey, November 2025 (1.993 Teilnehmer, 105 Länder); McKinsey Global Institute, „The Economic Potential of Generative AI", Juni 2023 (Wertschätzung von 2,6–4,4 Bio. USD über 63 Use Cases).