Eine stabile Organisation ist wichtiger als jedes KI-Tool in eurem Tech-Stack.

In den meisten Unternehmen ist KI bereits irgendwo im Einsatz. Pilotprojekte werden gestartet, Tools gehen live, Roadmaps füllen sich. Doch manchmal stockt der Fortschritt, aber niemand kann genau sagen, warum.

Genau dieser Frage sind wir nachgegangen. Gemeinsam mit Incisiv haben wir 5.633 Führungskräfte mit Entscheidungsbefugnis über KI-Investitionen aus 12 Branchen und 11 Märkten befragt und mehr als 50 ausführliche Interviews geführt. Wir haben die Antwort auf diese Frage in der Technologie vermutet: Welche Modelle Unternehmen einsetzten, wie viel sie ausgaben und wie früh sie gestartet sind. Doch wir wurden überrascht. Der stärkste Indikator für KI-Skalierung liegt in der organisatorischen Aufstellung.

Zwei Unternehmen können zwar dasselbe Modell, dasselbe Budget einsetzen und ähnliche Teams aufbauen. Dennoch erzielt das eine steigende Erträge, während das andere stagniert. Der Unterschied liegt im Betriebsmodell – wer trägt die Verantwortung für KI, wie wird gemessen, wie arbeiten Business und IT zusammen und wie werden Arbeitsprozesse neu gestaltet.

Wo die KI-Einführung ins Stocken gerät.

58 Prozent der befragten Organisationen stecken in der „Frozen Middle“, der „erstarrten Mitte“, fest. Sie führen KI-Pilotprojekte durch oder implementieren KI, aber die Koordination, um sie zu skalieren, bleibt begrenzt. Die Tools sind im Einsatz, erste Ergebnisse liegen vor, aber es fehlt ein unternehmensweites Betriebsmodell. Infolgedessen erreichen die einzelnen Fachbereiche die Ziellinie nacheinander statt gemeinsam. Ein Chief Strategy Officer brachte es auf den Punkt, nachdem er nachgezählt hatte, wie viele KI-Initiativen die Arbeitsweise des Unternehmens tatsächlich verändert hatten: „Die Zahl war schlecht“.

Nur 6 Prozent der Unternehmen – das sind 342 Organisationen in unserem Datensatz – haben KI sowohl skaliert als auch ein Betriebsmodell entwickelt. Wir bezeichnen sie als „Vorreiter“, denn sie überführen Pilotprojekte fast viermal so schnell in die Produktion wie alle anderen Organisationen.

Strukturelle Veränderungen sind die eigentliche Herausforderung

Der Reifegrad verteilt sich branchenübergreifend gleich: Strategie und Governance schneiden gut ab, während Struktur und Arbeitsabläufe hinterherhinken. Das ist kein Zufall. Eine Richtlinie lässt sich in einem Meeting verabschieden, eine Strategie kann genehmigt werden. Aber Rollen zu verändern, Entscheidungsrechte zu verschieben oder die tägliche Arbeitsweise von Teams umzugestalten dauert viel länger, genau deshalb verschieben Unternehmen die Maßnahmen häufig auf unbestimmte Zeit.

Auf die Frage, was sie anders machen würden, betonten die Führungskräfte immer wieder das Timing: klarere Metriken setzen, Budgets früher sichern, pünktlich eine verantwortliche Person benennen, die IT früher einbeziehen und zeitnah in das Change Management investieren. Die grundlegenden Entscheidungen, die am Anfang hätten stehen müssen, fielen häufig erst nach dem Rollout – zu diesem Zeitpunkt war die Gelegenheit, eine Ausgangsbasis zu schaffen, bereits verpasst.

Der Weg vom Experiment zur Produktion

Von 100 vorgeschlagenen KI-Ideen schaffen es nur etwa 15 Prozent in die Produktion. Etwa 35 Prozent der Vorschläge kommen nicht über die IT-Bewertung hinaus, weil den Fachbereichen oft die architektonischen und datenbezogenen Informationen fehlen, um die Umsetzung sauber zu umreißen. Weitere 18 Prozent werden bei der Sicherheitsüberprüfung abgelehnt. In den Bereichen Finanzdienstleistungen, Gesundheitswesen und Biowissenschaften verdoppelt sich diese Quote nahezu.

Die Ideen sind nicht das Problem. Unternehmen fehlen oft vorab freigegebene Wege, die dabei helfen, Initiativen in die Produktion zu überführen: genehmigte Integrationsmuster, standardisierte Sicherheitsüberprüfungen und festgelegte Budgetkategorien. Ohne diese Mechanismen müssen Vorschläge den gesamten Prozess von Grund auf durchlaufen, was ihre Erfolgschancen erheblich verringert.

5 Dinge, die Vorreiter anders machen.

1. Einen konkreten Verantwortlichen benennen. Nur 20 Prozent der Unternehmen haben einen fest zugewiesenen KI-Verantwortlichen mit Budgethoheit und Ergebnisverantwortung. Bei den Vorreitern steigt dieser Anteil auf 92 Prozent. Ein Gremium kann die Aktivitäten koordinieren, aber es trägt nicht wirklich die Verantwortung für das Ergebnis..
2. Ab Tag eins messen. Nur 11 Prozent der Unternehmen messen den KI-ROI umfassend. Häufig wird die Nutzung, aber nicht die Qualität, den Nacharbeitsaufwand oder die tatsächlichen Kosten für die Überprüfung der von KI generierten Ergebnisse erfasst. Vorreiter legen eine Baseline fest, bevor ein Modell live geht, im Betrieb lässt sich dieser Ausgangswert nicht mehr rekonstruieren.
3. Business und IT frühzeitig an einen Tisch holen. Von den befragten Unternehmen verwalten 78 Prozent KI immer noch wie ein Ticket-System: Der Fachbereich stellt Anfragen und die IT liefert Lösungen. Vorreiter entwickeln das Modell gemeinsam und einigen sich bereits vor der Erstellung des Projektbriefings darauf, wie der Erfolg aussehen soll.
4. Misserfolge als Daten behandeln, nicht als Schuld. Ein Drittel der Unternehmen wiederholt dieselben Fehler mit KI, weil niemand die Muster erkennt und darauf hinweist. Vorreiter halten ihre Rate an Fehlschlägen unter 1 Prozent, indem sie ein Umfeld schaffen, in dem Misserfolge diskutiert und als Lernmöglichkeiten genutzt werden können.
5. KI-Pioniere erkennen und stärken. Unter den Vorreitern betrachten 42 Prozent dies als ihre mit Abstand wirksamste Maßnahme, zudem ist diese auch noch die kostengünstigste. Sie identifizieren Personen, die KI bereits in realen Workflows erfolgreich einsetzen und fördern sie mit Anerkennung, einem moderaten Budget und eröffnet ihnen Autonomie, ihre Arbeit auf andere Teams auszuweiten.

Die Kluft vergrößert sich.

Führende Unternehmen schöpfen 1,4- bis 1,6-mal mehr Wert aus derselben Technologie als andere Organisationen. Die Modelle sind dieselben, doch der Unterschied liegt im Aufbau der Organisationen um sie herum..

Verantwortung treibt die Messwerte voran, diese liefert wiederum Geschäfts- und IT-Teams gemeinsame Fakten. Diese Faktenbasis fördern eine partnerschaftliche Zusammenarbeit, die es ermöglicht, Misserfolge sicher zu analysieren. Aus der Analyse von Misserfolgen gehen KI-Pioniere hervor. Und sie stärken die Argumente für mehr Eigenverantwortung. Werden diese Maßnahmen nicht umgesetzt, fallen Organisationen mit jedem Zyklus in der „Frozen Middle“, „erstarrten Mitte“, weiter zurück.

Bevor ihr ein weiteres Tool kauft, beachtet diese 5 Schritte.

• Benennt einen KI-Verantwortlichen.
• Legt noch vor dem Start eine Ausgangsbasis fest.
• Bezieht Geschäfts- und IT-Verantwortliche ein, bevor das Briefing verfasst wird.
• Behandelt Misserfolge als Evidenz, nicht als Karriererisiko.
• Identifiziert und fördert Mitarbeitende, die KI bereits erfolgreich einsetzen.

Lest den 2026 State of AI Readiness Report von Adobe und erfahrt, wo eure Organisation steht und wie auch ihr zu Vorreitern werdet.