Die Erwartungen an Künstliche Intelligenz sind hoch, der tatsächliche Nutzen bleibt in vielen Unternehmen bislang aus. Eine aktuelle PwC-Studie zeigt, dass gerade der Mittelstand kaum messbare Effekte aus KI-Investitionen erzielt. Der Grund liegt weniger in der Technologie selbst als in fehlenden Grundlagen, falschen Ansätzen und einer zu starken Fokussierung auf isolierte Tools statt auf Prozesse und Wertschöpfung.
Die Hoffnungen, die Unternehmen in Künstliche Intelligenz setzen, sind enorm. Automatisierung, Effizienzgewinne und neue Geschäftsmodelle gelten als zentrale Versprechen. In der Praxis zeigt sich jedoch ein deutlich nüchterneres Bild. Eine aktuelle Studie von PwC unter mehr als 4.400 CEOs aus 95 Ländern kommt zu dem Ergebnis, dass die Mehrheit der Unternehmen bislang keine messbaren Geschäftsergebnisse durch den Einsatz von KI erzielt.
Besonders deutlich fällt das Bild in Deutschland aus. Lediglich elf Prozent der befragten Unternehmen berichten von Umsatzsteigerungen durch KI. Nur zwei Prozent konnten sowohl Umsätze erhöhen als auch Kosten senken. Rund zwei Drittel der deutschen CEOs sehen bislang keinerlei positiven Effekt aus ihren bisherigen KI-Investitionen. Nach Einschätzung der Studienautoren liegt diese Diskrepanz weniger an den Fähigkeiten der Technologie als an der Art und Weise, wie Unternehmen KI einführen und einsetzen.
Ohne Fundament keine Wirkung
Ein zentrales Problem ist das fehlende Fundament. Laut PwC mangelt es vielen Unternehmen an einer verlässlichen Datenbasis und an skalierbaren Strukturen, auf denen KI-Anwendungen aufsetzen können. Einzelne Use Cases oder Pilotprojekte bleiben dadurch isoliert und entfalten keinen nachhaltigen Nutzen. Wer KI strategisch nutzen will, muss zunächst grundlegende Voraussetzungen schaffen. Andernfalls verstärkt KI bestehende Schwächen in Prozessen und Datenqualität, statt sie zu beheben.
Hinzu kommt, dass KI-Initiativen häufig zu früh auf sichtbare Ergebnisse ausgerichtet sind. Ohne saubere Daten, klar definierte Prozesse und Verantwortlichkeiten bleibt der erwartete Effekt aus. KI wird dann zum zusätzlichen Komplexitätsfaktor, nicht zum Hebel für Effizienz oder Wachstum.
Generische Tools statt klarer Strategie
Das Problem zeigt sich oft bereits bei der Auswahl der KI-Lösungen. Viele Unternehmen greifen auf generische Werkzeuge großer Anbieter zurück und unterschätzen den Aufwand, diese sinnvoll in ihre bestehenden Abläufe zu integrieren. Anpassungen an individuelle Prozesse, Schulungen der Mitarbeitenden sowie Change-Management-Maßnahmen verursachen zusätzliche Kosten, die den erhofften Return on Investment schnell relativieren.
In verdeckter Form führt das dazu, dass Unternehmen in einer Experimentierphase verharren. KI wird getestet, aber nicht systematisch skaliert. Eine klare Zielsetzung oder eine langfristige Vision für den Einsatz von KI fehlt. Der Nutzen bleibt punktuell und schwer messbar.
Von der IT in die Fachbereiche
Die grundsätzliche Frage nach dem Einsatz von KI stellt sich für viele Unternehmen nicht mehr. Stattdessen rückt das „Wie“ in den Mittelpunkt. Entscheidend ist dabei, KI aus der Rolle eines isolierten IT-Projekts zu lösen und in die operativen Kernprozesse zu integrieren. Genau dort entsteht der größte Mehrwert.
Fachabteilungen kennen ihre Abläufe, Engpässe und Datenquellen am besten. Sie wissen, an welchen Stellen KI tatsächlich unterstützen kann – sei es in der Produktionsplanung, im Einkauf oder in der Logistik. Werden diese Bereiche frühzeitig eingebunden, lässt sich KI gezielt dort einsetzen, wo sie messbare Effekte erzielt.
Von Daten zu Wertschöpfung
Der nachhaltige Einsatz von KI im Mittelstand hängt maßgeblich davon ab, wie systematisch Unternehmen ihre Daten nutzen und miteinander verknüpfen. Diese Daten liegen häufig nicht zentralisiert vor, sondern entstehen täglich in operativen Prozessen. Das Erfahrungswissen der Mitarbeitenden über Produktionsabläufe, Kundenanforderungen und Qualitätskriterien bildet dabei eine entscheidende Grundlage.
„Der deutsche Mittelstand braucht keine KI-Lösungen von der Stange, die erst mühsam auf die eigenen Prozesse angepasst werden müssen”, erklärt Michael Wintergerst, Chief AI Officer (CAIO) bei Proalpha. „Was Fertigungsunternehmen brauchen, ist KI, die ihre spezifischen Anforderungen bereits kennt – mit vorkonfigurierten Datenverknüpfungen, abgestimmt auf die Abläufe in Produktion, Einkauf und Logistik. Genau dafür haben wir unsere Ready-to-use AI Apps entwickelt: branchenspezifische Anwendungen, die direkt in bestehende Geschäftsprozesse integriert sind und vom ersten Tag an Ergebnisse liefern. Kein monatelanges Anpassen, kein Experimentieren – sondern pragmatische KI, die sofort Nutzen stiftet.”
Erst durch die gezielte Erfassung, Verknüpfung und Analyse dieser Informationen kann KI ihren Nutzen entfalten – etwa bei der Optimierung von Lagerbeständen, der Verkürzung von Durchlaufzeiten oder der Verbesserung der Liefertreue.
Weitere Informationen zu Proalpha finden Sie hier.