McKinseys State-of-AI-Report 2025 liefert das klarste empirische Bild, das wir zur KI-Nutzung in Unternehmen haben — und die Ergebnisse sollten jeden Entscheider alarmieren, der glaubt, Einführung sei gleichbedeutend mit Wirkung. Die zugrunde liegende Erhebung lief von Ende Juni bis Ende Juli 2025 und erfasste 1.993 Teilnehmer aus 105 Ländern. Die Kernaussage: 88 % der Unternehmen nutzen KI inzwischen in mindestens einem Geschäftsbereich — gegenüber 78 % ein Jahr zuvor. Rund zwei Drittel setzen sie über mehrere Funktionen hinweg ein. Die Einführung hat nahezu universelle Verbreitung erreicht.
Doch hier ist die Zahl, die zählt: Nur 39 % der Befragten ordnen KI überhaupt einen EBIT-Effekt zu — und die meisten davon beziffern ihn auf unter 5 % des EBIT. Lediglich etwa 6 % berichten von einer EBIT-Wirkung von 5 % oder mehr in Verbindung mit „signifikantem" Wert aus dem KI-Einsatz. McKinsey klassifiziert diese rund 6 % als KI-Spitzenreiter. Die übrigen rund 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. Spitzenreiter und Nachzügler 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 wiederkehrende Differenzierungsfaktor für KI-getriebene EBIT-Wirkung in McKinseys Daten ist das Workflow-Redesign. Spitzenreiter gestalten ihre Workflows fast dreimal so häufig grundlegend um KI-Fähigkeiten herum neu — McKinsey beziffert dies auf eine 2,8-fach höhere Wahrscheinlichkeit gegenüber dem Rest. Sie behandeln KI als Anlass, die Organisation umzubauen, statt nur bestehende Prozesse effizienter zu machen.
Genau hier liegt der Fehler der Mehrheit: KI wird auf bestehende Prozesse gelegt, ohne zu überdenken, wie die Arbeit fließt. Man nimmt den aktuellen Prozess, fügt einen KI-Schritt hinzu und erwartet Transformation. Was man bekommt, 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 ein paar Minuten pro Vorgang. Der zweite verändert den Durchsatz der gesamten Operation. Eine schnellere Schreibmaschine ist keine neue Fabrik.
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: Sie stimmen rund dreimal so häufig der Aussage zu, dass ihre Führungsspitze sichtbare Eigenverantwortung für KI-Initiativen zeigt. Es geht nicht um Reden über digitale Transformation. Es geht um Sponsoren auf Leitungsebene, die konkrete Workflow-Ergebnisse verantworten, dediziertes Budget zuweisen und operative Kennzahlen in kurzen Takten 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 Ownership der Führung fällt die Organisation in ihr bestehendes Betriebsmodell zurück, und die KI-Initiative reduziert sich auf Werkzeugnutzung. McKinsey selbst hält fest, dass die Mehrheit der Befragten noch in Pilot- oder Experimentierphasen verharrt.
Für den DACH-Mittelstand ist dieses Muster besonders relevant. Die Einbindung der Geschäftsführung 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. Genau hier liegt der oft unterschätzte Vorteil des Mittelstands gegenüber dem Konzern: kurze Wege, klare Entscheidungsautorität, kein Gremien-Stau. Dieser strukturelle Vorteil steht jedem mittelständischen Unternehmen zur Verfügung. Die meisten nutzen ihn nicht.
Wo sich der Wert konzentriert
McKinseys Daten zeigen ein konsistentes Muster, wo KI messbaren Effekt erzielt und wo sie aspirativ bleibt. Den größten Hebel finden Spitzenreiter in Funktionen mit strukturierten, wiederholbaren Workflows: Softwareentwicklung und IT, in denen Codegenerierung, Testautomatisierung und Infrastrukturmanagement über klar definierte Abläufe verfügen, sowie Marketing und Vertrieb, in denen Personalisierung und Content-Produktion entlang fester Pipelines laufen. Es ist kein Zufall, dass McKinseys frühere Wertanalyse rund drei Viertel des Potenzials generativer KI genau auf vier Felder konzentriert — Customer Operations, Marketing und Vertrieb, Softwareentwicklung und F&E.
Das Muster ist eindeutig: 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. Eine Stunde gesparte Recherchezeit pro Kopf und Woche ist angenehm. In der EBIT-Rechnung eines 250-Personen-Betriebs taucht sie nicht auf, solange die freigewordene Kapazität nicht in einen umgestalteten Ablauf zurückfließt.
McKinseys Basisschätzung von 2,6 bis 4,4 Billionen US-Dollar jährlichem Wertpotenzial über 63 Use Cases bleibt als Größenordnung valide. Doch die Umfragedaten zeigen, dass dieses Potenzial extrem ungleich erfasst wird. Die 6 % konzentrieren Erträge in hochstrukturierten Workflows. Die 94 % verteilen KI dünn über gering strukturierte Aufgaben — und wundern sich, warum die Bilanz unbewegt bleibt.
Die Risikolandschaft verschärft das Problem
Einführung ohne Redesign erzeugt ein spezifisches Risikoprofil. McKinsey berichtet, dass rund die Hälfte der Befragten bereits negative Folgen aus dem KI-Einsatz erlebt hat und etwa ein Drittel davon konkret auf Ungenauigkeit der KI zurückführt. Diese Risiken sind nicht der 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.
Datensicherheits- und Compliance-Risiken folgen einem ähnlichen Muster. Ungesteuerter KI-Einsatz — Mitarbeiter, die Consumer-KI-Tools mit Unternehmensdaten füttern — ist inhärent schwerer abzusichern als gesteuerte KI-Workflows, die über definierte Datenpipelines mit Zugriffskontrollen laufen. Im DACH-Kontext kommt eine regulatorische Schicht hinzu: Der EU AI Act bringt seit August 2024 gestufte Pflichten, deren Bestimmungen über mehrere Stichtage bis 2026 und 2027 schrittweise greifen — von Transparenzpflichten bis zu Auflagen für Hochrisiko-Systeme. Wer KI strukturell in definierte Workflows einbettet, kann Dokumentation, Datenherkunft und menschliche Aufsicht nachweisbar abbilden. Wer sie unkontrolliert über Schatten-IT laufen lässt, baut Governance-Schulden auf, die später teuer fällig werden.
Die Unternehmen in den 6 % erleben nicht weniger Risiken. Sie managen sie strukturell, durch Workflow-Design, statt reaktiv, durch Richtliniendokumente, die niemand liest.
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 Sponsors auf Leitungsebene, 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. Bezeichnend ist, dass McKinsey die Praktiken der Spitzenreiter über sechs Dimensionen ordnet — Strategie, Talent, Betriebsmodell, Technologie, Daten sowie Adoption und Skalierung. Das Sechs-Dimensionen-Diagnostic bewertet genau diese Faktoren, die die 6 % vom Rest trennen.
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.
Ein Fit Call identifiziert in 30 Minuten den einen Workflow mit dem größten Hebel für KI-Redesign — bevor Sie ein weiteres Jahr in Einführung statt in Wirkung investieren. 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.
Referenzen: McKinsey & Company / QuantumBlack, „The State of AI: How Organizations Are Rewiring to Capture Value", Global Survey, November 2025 (Erhebung Juni–Juli 2025; 1.993 Teilnehmer, 105 Länder), mckinsey.com; McKinsey Global Institute, „The Economic Potential of Generative AI: The Next Productivity Frontier", Juni 2023 (2,6–4,4 Bio. USD über 63 Use Cases), mckinsey.com.