Die meisten Unternehmen investieren in KI, aber nur eine kleine Minderheit skaliert sie erfolgreich. Die globale Studie von Adobe zeigt: Der Unterschied liegt nicht im Zugang zu besserer Technologie, sondern im Betriebsmodell, das darum herum aufgebaut wird. Dieser Bericht untersucht, wo Unternehmen ins Stocken geraten, was Vorreiter anders machen und welche Schritte nötig sind, um KI-Investitionen in Geschäftserfolg umzuwandeln.
KI-Bereitschaft ist keine Frage des Zugangs zu Modellen oder der Anzahl laufender Pilotprojekte mehr. Viele Unternehmen haben bereits in KI investiert und erste Use Cases produktiv eingesetzt. Dennoch erzielen Organisationen mit ähnlicher Technologie, vergleichbaren Investitionen und gleichen Ambitionen sehr unterschiedliche Ergebnisse. Der entscheidende Faktor ist das Betriebsmodell rund um KI: Wer trägt die Verantwortung? Wie werden Entscheidungen getroffen? Wie werden Ergebnisse gemessen? Und wie wird KI in den Arbeitsalltag integriert?
Um zu verstehen, was Unternehmen, die KI skalieren, von denen unterscheidet, die in der Experimentierphase stecken geblieben sind, beauftragte Adobe Incisiv mit einer Befragung von 5.633 Führungskräften aus 12 Branchen und 11 globalen Märkten – ergänzt durch mehr als 50 ausführliche Interviews auf Führungsebene. Die Ergebnisse zeigen eine klare strukturelle Kluft.
der Unternehmen stecken in der Pilot- oder Implementierungsphase fest.
sind Vorreiter, die skalierten KI-Einsatz mit einem ausgereiften Betriebsmodell verbinden.
„Vorreiter betrachten das Betriebsmodell selbst als die KI-Fähigkeit – als das, was Modell-Output in Geschäftsergebnisse verwandelt. Was sie dabei anders machen, ist struktureller Natur. Sie schaffen Verantwortlichkeit, Messgrößen und Entscheidungsbefugnis, bevor sie ihre KI-Vorhaben skalieren.“
Christopher Young
Senior Director, Global Industry Strategy, Adobe
Die meisten Unternehmen haben kein KI-Problem. Sie haben ein Skalierungsproblem. Das zeigt sich nirgendwo deutlicher als in der „erstarrten Mitte“. Diese Gruppe umfasst 58 % der Unternehmen in der Studie. Sie stagnieren in der Pilot- oder Implementierungsphase, obwohl sie bereits KI-Use-Cases in der Produktion und erste Ergebnisse vorweisen können. Was ihnen fehlt, ist ein unternehmensweites Betriebsmodell. Einzelne Abteilungen setzen KI-Use-Cases eigenständig ein. Doch ohne gemeinsame Verantwortung und Koordination bleiben diese Erfolge isoliert, anstatt sich auf das gesamte Unternehmen zu übertragen.
„Die Führungsebene wollte wissen, wie schnell wir bei KI vorankamen. Wir hatten eine gute Antwort: viele Launches, viel Aktivität und eine gut gefüllte Roadmap. Das änderte sich, als wir gefragt wurden, wie viele davon wirklich etwas verändert hatten. Als wir diese Zahl ermittelten, war das Ergebnis ernüchternd.“
Chief Strategy and Transformation Officer
Konsumgüterunternehmen
Stellt man Implementierung dem Reifegrad des Betriebsmodells gegenüber, ergeben sich vier Segmente: Entstehend, Fragil, Vorbereitet und Vorreiter. Jedes weist eine eigene Entwicklungskurve und spezifische Risiken auf. Allein die Einführungsphase zu betrachten, kann jedoch in die Irre führen, da Unternehmen auf demselben Implementierungs-Level erheblich darin abweichen können, ob sie das nötige Fundament für nachhaltiges Wachstum besitzen.
Die Mehrheit entfällt auf Unternehmen, die für eine Skalierung noch nicht gerüstet sind. 71 % zählen zur Kategorie „Entstehend“, weitere 13 % zur Kategorie „Fragil“. Das bedeutet: 84 % errichten entweder noch das Fundament für eine Skalierung auf oder setzen auf Strukturen, die möglicherweise nicht standhalten. Nur 6 % zählen zu den Vorreitern und verfügen über die Fähigkeit, KI-Workflows zu skalieren (Abbildung 2).
In allen 12 untersuchten Branchen sind Unternehmen bei der Definition ihrer KI-Strategie weiter fortgeschritten als bei der Anpassung ihrer Betriebsabläufe. Strategie und Governance stehen an der Spitze der Reifegradskala, während Struktur, Technologie und Workflows zu den am wenigsten ausgereiften Bereichen zählen (Abbildung 3). Dieses Muster zeigt: Bei Entscheidungen, die intern getroffen und autorisiert werden können, machen Unternehmen größere Fortschritte als bei strukturellen Veränderungen, die Teams täglich umsetzen und aufrechterhalten müssen.
FAZIT.
Der Wechsel von der Implementierungs- in die Expansionsphase ist die eigentliche Bewährungsprobe für KI-Reife. Unternehmen müssen Strukturen und Workflows parallel zu Strategie und Governance von Anfang an aufbauen – anstatt zu warten, bis Pläne und Richtlinien fertiggestellt sind.
KI zu skalieren, erfordert mehr als vielversprechende Use Cases. Ob Fortschritte gelingen, hängt davon ab, wie Ideen priorisiert, finanziert, gemessen, bewertet und in die Arbeit integriert werden. Lücken in diesen Bereichen verhindern, dass aus KI-Pilotprojekten wiederholbare Unternehmenskompetenzen werden.
Der Weg von einer KI-gestützten Use-Case-Idee bis zur Produktion bleibt schmal, weil vielen Unternehmen die Kapazität fehlt, Vorschläge effizient zu bewerten. Von 100 eingereichten Ideen erreichen nur etwa 15 die Produktion – und die abgelehnten sind nicht zwangsläufig die falschen.
Viele Ideen scheitern daran, dass Unternehmen keine vordefinierten Pfade haben – aufgebaut auf genehmigten Integrationsarchitekturen, standardisierten Sicherheitsprüfungen für gängige Use Cases und vorab abgestimmten Budgetkategorien. Daher muss jeder Vorschlag von Grund auf neu bewertet werden. Den stärksten Rückgang verursacht die IT-Bewertung – der größte Engpass im Trichter –, gefolgt von der Sicherheitsprüfung (Abbildung 4).
Diese vier strukturellen Lücken zeigen sich branchenübergreifend, unabhängig von Region oder Unternehmensgröße. Jede einzelne verdeutlicht, dass die Unternehmenssysteme nicht mit den wachsenden Anforderungen Schritt gehalten haben, um KI in großem Maßstab zu unterstützen.
Die Verantwortungslücke.
KI-Strukturen ohne klare Zuständigkeiten – das ist in vielen Unternehmen Realität. Vorreiter verfügen mit 4,7-mal höherer Wahrscheinlichkeit über eine formale Zuständigkeit mit Budgetkompetenz, während Komitees und Teilzeitzuständigkeiten Entscheidungen und Fortschritt ausbremsen.
Die Koordinationslücke.
In nur 22 % der Unternehmen arbeiten Fachbereiche und die IT eng genug zusammen, um KI wirksam zu unterstützen. Der Rest operiert mit Tickets und Briefings, die für standardisierte Aufgaben konzipiert wurden – nicht für dynamische KI-Use-Cases.
Die Messlücke.
Nur 11 % der Unternehmen messen den KI-ROI umfassend – 10 % tun es überhaupt nicht. Aktivitäts-Tracking erfasst zwar das Volumen, verfehlt jedoch Ausgabequalität, Nacharbeit und die nachgelagerten Kosten von Überprüfungsprozessen.
Die Qualifizierungslücke.
Fachkenntnisse und Talent gelten als größte Hürde: 54 % der Unternehmen bestätigen dies. Die gravierendsten Defizite zeigen sich bei der Architektur, dem strategischen KI-Denken und dem Workflow-Design – nicht beim Verfassen von Prompts.
FAZIT.
Führungskräfte, die KI-Implementierungen verantwortet haben, teilen dasselbe Bedauern: Die strukturelle Arbeit begann zu spät. Betrachtet die Ausarbeitung des Betriebsmodells als erste Phase einer KI-Implementierung. Legt Metriken fest, sichert das Budget, definiert klare Verantwortlichkeiten, bringt Fachbereich und IT auf eine Linie – und investiert in Change-Management, bevor die Umsetzung beginnt.
Vorreiter gehen weit über reine KI-Implementierung hinaus. Sie weisen Verantwortlichkeit zu, messen Ergebnisse vor dem Launch, planen gemeinsam über Fachbereich und IT hinweg, lernen aus Rückschlägen und fördern Fachleute, die in realen Workflows echten Mehrwert nachweisen. In ihrer Gesamtheit verwandeln diese Verhaltensweisen vereinzelte Erfolge in skalierbare, reproduzierbare Ergebnisse.
Vorreiter heben sich am deutlichsten in den Bereichen ab, mit denen sich Organisationen typischerweise schwertun: Strukturen und Workflows. Während viele Unternehmen ihre KI-Strategie und Governance weiterentwickelt haben, haben Vorreiter auch die schwierigeren organisatorischen Veränderungen vollzogen, um KI in die tägliche Arbeit einzubetten. Das ist der Unterschied zwischen der Durchführung eines KI-Programms und dem Aufbau der Voraussetzungen für Skalierung. Fünf Verhaltensweisen ermöglichen diesen Wandel.
Die fünf Verhaltensweisen der Vorreiter verstärken sich gegenseitig. Zuständigkeit schafft Rechenschaftspflicht, Messung etabliert gemeinsame Evidenz, Partnerschaft verbindet Funktionsbereiche und Kultur sowie Fürsprache tragen dazu bei, neue Arbeitsweisen zu etablieren. Der Ausgangspunkt ist echte Zuständigkeit: Ohne eine dedizierte verantwortliche Person mit Budgetkompetenz und Leistungsverantwortung lassen sich die übrigen Verhaltensweisen kaum etablieren und verankern.
Aus den Verhaltensweisen ergeben sich fünf praktische Lektionen für Unternehmen, die aus vereinzelten KI-Erfolgen nachhaltigen Unternehmenswert generieren wollen.
„Modelle sind austauschbar. Alle nutzen dieselben: GPT-4, Gemini, Kimi, Llama. Da gibt es keinen Unterschied. Der Vorteil liegt nicht im Modell. Er liegt darin, wie wir es einsetzen und wie schnell wir erkennen, ob es funktioniert oder nicht. Das ist der entscheidende Unterschied.“
Chief Technology Officer
Finanzdienstleistungsunternehmen
FAZIT.
Betrachtet die fünf Verhaltensweisen als zusammenhängendes System – beginnend mit einer klar zuständigen Person. Das Betriebsmodell ist der Teil von KI, der sich kumulativ verstärkt. Baut es gezielt auf, und die Wertelücke wächst mit jedem Implementierungszyklus.
Legt vor der nächsten Implementierung eine verantwortliche Person fest.
Wählt eine erfahrene Führungsperson mit Entscheidungsbefugnis über KI-Ergebnisse in allen Bereichen, einem eigenständigen Budget – getrennt von anderen Zuteilungen – sowie einer Leistungsbewertung, die an Skalierungsergebnisse geknüpft ist.
Etabliert Messmethoden, bevor das Modell live geht.
Definiert die Zielmetrik, legt eine Ausgangsbasis vor der Implementierung fest und einigt euch mit allen betroffenen Stakeholdern auf die Attributionsmethode. Die Ausgangsbasis lässt sich nicht mehr rekonstruieren, sobald das Modell in der Produktionsumgebung läuft.
Bringt Fachbereiche und die IT an einen Tisch, bevor das Briefing entsteht.
Bringt beide Seiten zusammen, bevor ihr Anforderungen formuliert. Definiert gemeinsam das Problem und einigt euch darauf, was Erfolg für beide bedeutet. Setzt statt sequenzieller Übergaben auf konzertierte Planung.
Analysiert Misserfolge, bevor sie zur Organisationsfrage werden.
Wenn ein KI-Programm hinter den Erwartungen zurückbleibt, stellt zunächst analytische Fragen auf Führungsebene. Sendet ein klares Signal: Misserfolge sollen zu Erkenntnissen und Lerneffekten führen – nicht zu Schuldzuweisungen oder Rückzug.
Findet die KI-Vordenkenden und stärkt ihre Wirkung.
Identifiziert die Praktikerinnen und Praktiker, die KI bereits erfolgreich einsetzen. Gebt ihnen Anerkennung und ein kleines Budget, um ihre Arbeitsweise auf ein zugehöriges Team zu übertragen – und schützt sie vor organisatorischen Hindernissen.
KI verändert grundlegend, wie Unternehmen Kundschaft gewinnen, Inhalte erstellen und Erlebnisse über alle Kanäle hinweg orchestrieren. Dieses Potenzial auszuschöpfen, erfordert mehr als nur Zugang zu KI-Modellen. Es braucht einheitliche Daten, vernetzte Content-Workflows und Governance, die KI mit Verlässlichkeit einsetzbar macht.
Adobe ermöglicht dieses Fundament. Adobe Experience Platform bündelt Kundendaten als KI-Intelligenzschicht und treibt jedes Jahr mehr als eine Billion Erlebnisse an. Adobe CX Enterprise erweitert dieses Fundament zu einem durchgängigen, Agent-basierten System, das den gesamten Kundenzyklus orchestriert – von der ersten Interaktion bis zur dauerhaften Loyalität. Eine integrierte Content Supply Chain bettet KI direkt in Kreativ- und Produktions-Workflows ein und wahrt dabei Markenstandards sowie eine gemeinsame Governance.
Das Ergebnis ist ein klarer Weg, der über KI-Experimente hinausführt und zu echter Wertschöpfung gelangt – in einem offenen Ökosystem, das mit den Tools zusammenarbeitet, die Teams bereits nutzen. Wenn ihr für Skalierung bereit seid, bietet Adobe die Technologie und das Know-how, um KI in einen dauerhaften Wettbewerbsvorteil zu verwandeln.
Dieser Bericht basiert auf einer weltweiten Studie, die Incisiv im Auftrag von Adobe durchgeführt hat. Befragt wurden 5.633 Führungskräfte aus 12 Branchen und 11 Märkten weltweit. Ergänzend fanden mehr als 50 ausführliche Interviews statt. Alle Befragten verfügten über formale Entscheidungsbefugnis bei KI-Investitionen, und 52 % bekleideten Positionen auf VP-Ebene oder darüber. Sie arbeiteten in Unternehmen mit einem Jahresumsatz von mindestens 100 Millionen US$. 60 % der befragten Organisationen verzeichneten einen Jahresumsatz von mehr als 1 Milliarde US$.
Die Analyse identifizierte 342 Organisationen als Vorreiter. Das entspricht 6 % der 5.323 aktiven Teilnehmenden. Diese Organisationen verbinden eine hohe Implementierungsgeschwindigkeit mit einem ausgereiften Betriebsmodell. Die Organisationsstruktur erwies sich als aussagekräftiger Indikator für den Status als Vorreiter, während Unternehmensgröße, Branche und die gemeldeten KI-Investitionen keine relevante Rolle spielten.
