[datensicherheit.de, 19.04.2026] Künstliche Intelligenz (KI) gilt inzwischen als von den meisten Unternehmen anerkannte Technologie – doch produktive Erfolge bleiben offenbar noch häufig aus. Aktuelle Studien jedenfalls, darunter eine Umfrage von DXC Technology sowie eine vielzitierte MIT‑Analyse, zeigen ein eher ernüchterndes Bild: 95 Prozent der KI‑Pilotprojekte scheitern demnach, weil klare „Business Cases“, ausreichende Infrastruktur und verbindliche Rahmenbedingungen fehlen. KI‑Einführung droht damit oft zum Selbstzweck statt zum echten Produktivitätshebel zu werden. Warum „KI‑Aktionismus“ Unternehmen nicht weiterbringt und welche vier zentralen Voraussetzungen erfüllt sein müssen, damit KI einen messbaren Mehrwert schafft, erörtert Jacqueline Fechner, General-Managerin bei DXC Technology DACH, in ihrer aktuellen Stellungnahme. Die den aktuellen Erkenntnissen zugrundeliegende Studie sei im August 2025 durchgeführt worden und habe 2.496 Teilnehmer umfasst, welche in globalen Unternehmen in 23 Ländern Führungspositionen in den Bereichen Technologie und Wirtschaft innehätten.

Foto: DXC Technology DACH

Jacqueline Fechner: Produktive KI entsteht nicht durch „Tools“, sondern durch Struktur und Verantwortlichkeit!

Klarer „Business Case“ als Grundlage der erfolgreichen KI-Nutzung

KI sei aktuell nicht nur in aller Munde, sondern auch in fast jedem Unternehmen auf irgendeine Art und Weise im Einsatz. „Doch wie produktiv ist das wirklich?“ Zahlen zeigten ein ernüchterndes Bild. Fechner kommentiert: „KI-Einführung darf kein Selbstzweck sein, sondern muss mit klaren Zielen erfolgen!“

• In deutschen Unternehmen klaffe eine Umsetzungslücke beim Thema KI – dies zeige jedenfalls eine Umfrage von DXC Technology. Während KI für 77 Prozent der befragten Führungskräfte eine Priorität darstelle, könnten 65 Prozent keinen klaren „Business Case“ für ihr Unternehmen definieren.

94 Prozent stünden vor erheblichen Herausforderungen, KI im großen Maßstab einzusetzen. Dies werde bestätigt durch die inzwischen vielzitierte MIT-Studie, laut der 95 Prozent der KI-Pilotprojekte scheiterten.

„KI‑Aktionismus“ kann Erwartungen enttäuschen

In vielen Unternehmen lasse sich derzeit eine Art „KI‑Aktionismus“ beobachten, welcher einerseits durch die allgegenwärtige Medienberichterstattung zu KI und andererseits durch die breite Adaption von Chatbots in zahlreichen gesellschaftlichen Bereichen getrieben werde.

• Fragen der strategischen Positionierung, Operationalisierbarkeit, Kosten-Nutzen-Abwägungen und „Compliance“ würden dabei zunächst gerne vernachlässigt. So verwundere es nicht, dass Pilotprojekte, welche unter Laborbedingungen idealisierte Probleme lösten, beim Einsatz in der echten Welt die Erwartungen nicht erfüllten.

„Bevor Unternehmen weiter im ,KI‑Aktionismus’ ihren Fokus zu verlieren riskieren, braucht es einen Realitätscheck!“, rät Fechner. Wenn Pilotprojekte reihenweise scheitern und „Business Cases“ im Nebel bleiben, sei klar: „So wird KI kein Produktivitätsmotor!“ Damit sich das ändert, müssen Unternehmen laut Fechner mindestens vier zentrale Voraussetzungen erfüllen:

1. Voraussetzung: Definierte „Business Cases“

„Bevor man sich als Heimwerker ein neues Werkzeug anschafft, sollte klar sein, was genau man damit tun möchte – sonst wird es schwer, damit tatsächlich Probleme zu lösen.“ In der Welt der KI sehe dies allerdings aktuell oft anders aus: Unternehmen führten „Tools“ ein und erwarten, dass sich daraus ein Selbstläufer entwickelt.

• Dies möge in einzelnen Fällen funktionieren, strategisch fundiert sei es aber nicht. Stattdessen sollte zu Beginn einer KI-Strategie eine ehrliche Analyse von Funktionen stehen, bei denen KI einen Mehrwert unter realen Geschäftsbedingungen liefern kann. Dazu gehöre auch, auf Einschränkungen einzugehen, wie beispielsweise Datenschutz und Fehleranfälligkeit.

Zudem sei zu berücksichtigen, dass sich in „Human‑in‑the‑Loop“-Prozessen sowohl der menschliche Arbeitsaufwand als auch die benötigten Fähigkeiten verändern und diese Verschiebungen in eine Gesamtproduktivitätsrechnung einbezogen werden müssten. Je nach individueller Situation eines Unternehmens oder Branchenvorgaben könnten selbstverständlich noch weitere kritische Punkte hinzukommen. „Wenn ein potenzieller ,Business Case’ gegen diese Einschränkungen bestehen kann, gilt es weitere Punkte zu klären.“

2. Voraussetzung: Ausreichende Infrastruktur

Dass KI enorme Rechenleistungen benötigt, sei allgemein bekannt. „Wie diese bereitgestellt werden soll, bleibt eine schwierige Frage – vor allem, wenn Unternehmen die Kontrolle über ihre Daten behalten wollen oder müssen.“ Häufig mangele es in Unternehmen an der erforderlichen Infrastruktur, um KI-Pilotprojekte weiterzuentwickeln und in den produktiven Betrieb zu überführen.

• Um dem entgegenzuwirken, sollten Unternehmen auf „cloud-native“, modulare Plattformen setzen, welche eine flexible Skalierung von Rechen- und Speicherkapazitäten ermöglichten. Ebenso entscheidend sei der uneingeschränkte Zugriff auf relevante Daten. Wenn den Modellen die notwendigen Daten fehlen, könne die KI nicht sinnvoll in reale Prozesse eingebunden werden.

Durch den Einsatz moderner „Data-Lake“- oder „Data-Mesh“-Ansätze könnten Unternehmen eine Infrastruktur etablieren, welche eine reibungslose Interaktion mit KI unterstützt. Darüber hinaus sollte eine modulare Architektur auch IoT- und „Cloud“-Ressourcen integrieren, um komplexe Geschäftsprozesse ganzheitlich abzubilden.

3. Voraussetzung: Transparente Change-Prozesse

„Was bei Diskussionen rund um KI gerne übersehen wird: Es geht nicht nur um technische Fragen, sondern auch um jeden Rollout, welcher von einem Change-Prozess begleitet wird. Dass diese häufig scheitern ist keine Neuigkeit: Vor mehr als zehn Jahren bezifferte McKinsey bereits den Anteil der fehlgeschlagenen Veränderungsprozesse auf 70 Prozent.“ Alles was mit KI zu tun hat, sei zudem kein herkömmlicher Change-Prozess; das Thema werde breit in der Gesellschaft diskutiert und sei emotional aufgeladen wie kaum eine andere Technologie.

• Umso wichtiger sei es, den Rückhalt der Mitarbeiter zu gewinnen und zu halten, wenn KI-Projekte wirklich produktiv werden sollen. Unternehmen müssten vermeiden, dass Mitarbeiter sich als „Betroffene“ einer Entwicklung wahrnehmen, auf welche sie keinen Einfluss hätten. „Andernfalls entstehen schnell Unsicherheiten und Ängste – etwa die Sorge, dass KI langfristig den eigenen Arbeitsplatz ersetzen könnte.“

Dem lasse sich entgegenwirken, indem die Belegschaft frühzeitig und aktiv in KI-Initiativen eingebunden werde. Wichtig sei zudem, dass die Geschäftsführung Ziele, Zuständigkeiten und Rahmenbedingungen transparent kommuniziert. Ergänzend dazu könnten gezielte Weiterbildungsangebote Mitarbeiter dabei unterstützen, sich auf die Zusammenarbeit mit KI vorzubereiten.

4. Voraussetzung: Klare „Compliance“-Regelungen

Der „Black Box“-Charakter Generativer KI (GenAI) könne für Unternehmen, die mit sensiblen Daten arbeiten oder wertvolles Geistiges Eigentum verwalten, schnell zu einem Problem werden. Es müsse sichergestellt werden, dass es keine ungewollten bzw. unkontrollierten Datenabflüsse gibt.

• Klare Richtlinien seien Pflicht, doch darüber hinaus sollten auch technische Barrieren etabliert werden. In einigen Fällen würden Unternehmen auch darüber nachdenken, eigene Modelle zu betreiben, „die nur auf interne Daten zugreifen und nicht mit dem öffentlichen Internet verbunden sind“. Dabei stelle sich allerdings wieder die Frage der ausreichenden Infrastruktur.

Am Ende zeigt sich laut Fechner: „Produktive KI entsteht nicht durch ,Tools’, sondern durch Struktur und Verantwortlichkeit! Unternehmen, die diese vier Voraussetzungen ernst nehmen, schaffen die Basis dafür, dass mit KI nicht nur experimentiert, sondern tatsächlich auch nachhaltig Wert für das Unternehmen geschaffen wird.“

Weitere Informationen zum Thema:

DXC
Wir helfen den innovativsten Unternehmen der Welt, im Zeitalter der KI erfolgreich zu sein

DXC, 16.11.2021
DXC Technology: Jacqueline Fechner ist neue General Managerin für die DACH-Region

MiT, NANDA, Aditya Challapally & Chris Pease & Ramesh Raskar & Pradyumna Chari, Juli 2025
The GenAI Divide / STATE OF AI IN BUSINESS 2025

McKinsey & Company, 01.07.2015
Changing change management

datensicherheit.de, 16.04.2026
Identitätsmanagement im Spannungsfeld zwischen menschlichen Nutzern, Maschinen, automatisierten Agenten und KI-generierten Personas / Der „Identity Management Day“ mahnt jedes Jahr, Antworten auf Fragen zu neuen Grenzen des Vertrauens im KI-Kontext zu finden

datensicherheit.de, 15.04.2026
Januskopf KI: Förderer und Zerstörer der IT-Sicherheit / „Assume a breach“ – d.h. grundsätzlich vom Eintritt eines schädlichen Vorfalls auszugehen – ist eine nützliche Denkweise in der IT-Sicherheit zur Prävention, Früherkennung und Reaktion

datensicherheit.de, 12.04.2026
KI-Verordnung: Konkretisierung der Transparenzpflichten für Unternehmen / Für betroffene Unternehmen wächst der Handlungsdruck – sie müssen wissen, wann KI-generierte oder KI-manipulierte Inhalte zu kennzeichnen sind