ADOBE KI- UND DIGITALE TRENDS-REPORT 2026

Die vergangenen drei Jahre brachten erhebliche Marktveränderungen mit sich – von der Anpassung an postpandemische Rahmenbedingungen bis hin zur schnellen Etablierung neuer Technologien wie KI im Mainstream. Unternehmen berichten von messbaren Verbesserungen wichtiger CX-Performance-Metriken im besagten Zeitraum, etwa bei der Personalisierung (70 % geben an, dass sich dieser Wert deutlich oder zumindest spürbar verbessert hat), der Lead-Generierung (64 %) und der Kundenbindung (59 %). Dennoch gehen diese Fortschritte mit einer zurückhaltenden Selbsteinschätzung der digitalen CX-Reife einher: Mehr als die Hälfte (57 %) sieht das eigene Unternehmen auf Augenhöhe mit dem Wettbewerb oder dahinter, und nur rund ein Drittel (36 %) betrachtet sich als Vorreiter.

Trotz Zweifeln an ihren digitalen Fähigkeiten machen Unternehmen Fortschritte beim Einsatz generativer KI. Für die meisten von uns untersuchten Customer Experience Workflows – von der Marketing-Content-Erstellung über Kundensupport und Personalisierung bis hin zu Back-Office-Abläufen – ist generative KI bereits bei vielen Unternehmen in der Erprobung. Etwa ein Viertel bis ein Drittel der Unternehmen führt in diesen Bereichen begrenzte Pilotprojekte durch. Die große Mehrheit der Unternehmen berichtet von Verbesserungen durch generative KI – unter anderem bei Ideenfindung und Content-Produktion, bei Produktivität und Effizienz der Mitarbeitenden sowie sogar beim Marketing-getriebenen Umsatzwachstum. (Abb. 1)

Unternehmen sind bestrebt, generative und Agent-basierte KI zu skalieren, doch vielen fehlen weiterhin die grundlegenden Tools, Datenstrukturen und Messmethoden, die für eine unternehmensweite Bereitstellung erforderlich sind. Mehr als die Hälfte (53 %) gibt an, dass ihre Content Supply Chain weitgehend linear und ressourcenintensiv organisiert ist. Und nur 47 % setzen generative oder Agent-basierte KI für Journey-Design oder Omnichannel-Aktivierung ein – Fähigkeiten, die entscheidend sind, um Personalisierung skalierbar umzusetzen.

Eine große Challenge für Unternehmen ist, dass Agent-basierte KI nicht über die nötige unterstützende Infrastruktur verfügt. Nur 51 % haben Cloud-basierte Technologie für Agent-basierte KI, verglichen mit 89 %, die über die Technologie zur Unterstützung generativer KI verfügen. Auch Investitionen in Leitlinien für verantwortlichen Einsatz, Integrations-Tools, Kundendatenplattformen, Data-Management-Prozesse und Mitarbeiterschulungen fallen bei Agent-basierter KI deutlich geringer ausals bei generativer KI.

Die Fähigkeit, den tatsächlichen Einfluss von KI zu messen und zu kommunizieren, bleibt ein kritischer Stolperstein. Wenn gefragt wird, welche Produktmetriken für die Bewertung des KI-Erfolgs am wichtigsten sind, verweisen Unternehmen überwiegend auf Kundenzufriedenheits- und Treuemetriken wie den Net Promoter Score (NPS), Bindung und Abwanderung. Gleichzeitig geben 52 % an, dass es ihrem Unternehmen schwerfällt, anhand CX-relevanter Metriken einen messbaren ROI für KI nachzuweisen. Mehr als die Hälfte (56 %) berichtet zudem, dass die Unternehmensführung bei der Bewertung von KI-Initiativen primär rein finanzielle Ergebnisse in den Vordergrund stellt.

Tools für das ROI-Tracking sind im KI-Kontext insgesamt noch unzureichend entwickelt. Nur 44 % haben ein entsprechendes Mess-Framework für generative KI implementiert, und noch weniger (31 %) für Agent-basierte KI. Fast die Hälfte (47 %) hat weder ein Framework implementiert noch ist sich unsicher, ob eines existiert.

Interne Challenges bei der KI-Implementierung schränken die Fähigkeit von Unternehmen ein, steigende Kundenerwartungen zu erfüllen. Kunden belohnen Relevanz, Klarheit und Komfort und reagieren schnell, wenn Marken nicht überzeugen. Die Hälfte der Kundschaft gibt an, sich von einer Marke abzuwenden, wenn Werbebotschaften als irrelevant oder zeitlich unpassend wahrgenommen werden. 45 % ziehen sich zurück, wenn sie zu viele Promotions erhalten – unabhängig von deren Relevanz. Das Zeitfenster für Interaktion ist kurz: Die Hälfte der Kundinnen und Kunden räumt Werbeinhalten lediglich zwei bis fünf Sekunden ein, um Interesse zu wecken; rund ein Fünftel entscheidet sogar in weniger als zwei Sekunden.

Um durchgängig relevante Erlebnisse zu schaffen, braucht es KI, die mit einheitlichen, hochwertigen Daten trainiert wurde, und die Fähigkeit, auf diese Daten in Echtzeit zu reagieren. Dennoch gibt weniger als die Hälfte (44 %) der Unternehmen an, dass Datenqualität und -zugänglichkeit derzeit ausreichend sind, um KI umfassend zu unterstützen. Und nur 39 % verfügen über eine gemeinsame Customer Data Plattform, die Agent-basierte KI unterstützen kann.

Diese Lücke in puncto KI-Readiness besteht weiter, obwohl Unternehmen das Problem anerkennen. Auf die Frage nach ihren Prioritäten für KI-Investitionen nannten nur 32 % Datenqualität, Vereinheitlichung und Governance als Top-Fokus; nur 20 % priorisierten die Steigerung des Datenwerts sowie ein besseres Datenverständnis. Dabei räumen 52 % ein, dass die derzeitige Datenvereinheitlichung und -struktur den Fortschritt von KI-Initiativen bremst. Ganze 75 % bezeichnen Datenintegration und -qualität als größte Herausforderung bei der Einführung Agent-basierter KI-Lösungen. Damit rangiert die Datenintegration noch vor anderen Challenges – etwa dem Mangel an geeigneten Fachkräften und begrenzten Weiterbildungsressourcen (71 %) oder einem unklaren ROI beziehungsweise Business-Case (68 %).

Diese Einschränkungen betreffen nicht nur Daten, sondern reichen weiter in Content- und Experience-Operations hinein. Lediglich 54 % der Unternehmen bereiten sich darauf vor, Inhalte für KI-gestützte Discovery-Tools zu optimieren – obwohl die Kundschaft zunehmend auf solche Tools zurückgreift, um sich in digitalen Shopping-Erlebnissen zurechtzufinden. Darüber hinaus verfügen nur 39 % über eine einheitliche Kundendatenbasis, die es ermöglicht, Erkenntnisse aus sämtlichen Daten zu gewinnen, die durch AI Agents und dialogbasierte Schnittstellen entstehen.

Unterschiedliche Einschätzungen von Führungsebene und Fachkräften gefährden den Fortschritt bei der Einführung von KI. Zwar herrscht Einigkeit über die übergeordneten Investitionsprioritäten – etwa Personalisierung, Kundenzufriedenheit und Workflow-Automatisierung – doch in Fragen der KI-Readiness, Wirkung und Performance gehen die Ansichten systematisch auseinander.

Fast ein Drittel der Befragten gibt an, dass Führungsebene und Fachkräfte in ihrem Unternehmen in Bezug auf die KI-Strategie nicht aufeinander abgestimmt sind; 47 % sprechen von höchstens teilweiser Übereinstimmung. Treiber für eine bessere Abstimmung sind vor allem eine klare Kommunikation der KI-Ziele (72 %), eine kollaborative Planung (69 %) sowie eine starke Unterstützung durch die Unternehmensführung (59 %). Als größte Challenge für fehlende Abstimmung gilt ein unzureichendes KI-Verständnis auf Führungsebene (61 %) – noch vor Widerständen gegenüber Veränderung oder Technologieeinführung (52 %), unzureichender Kommunikation zur Rolle von KI (52 %) und einer unklaren Messung von Mehrwert und ROI von KI (39 %).

Diese Unterschiede zeigen sich auch darin, wie beide Gruppen die Ziele von KI-Investitionen definieren. Fachkräfte richten ihren Fokus häufiger als die Führungsebene auf konkrete Umsetzungsrealitäten – etwa Content-Erstellung und operative Aktivierung –, die es ihnen ermöglichen, bessere Kundenerlebnisse bereitzustellen. Führungskräfte hingegen betonen eher übergeordnete Ziele wie Umsatzwachstum und Kundenzufriedenheit (Abb. 5). Finanzielle Ergebnisse haben für die Mehrheit der Befragten hohe Priorität. Dennoch stufen 62 % der Führungskräfte Kennzahlen wie operative Effizienz und Kosteneinsparungen als zentrale oder sehr hohe Priorität ein – im Vergleich zu 54 % der Fachkräfte.