Die meisten Unternehmen investieren in KI, doch nur eine kleine Minderheit skaliert sie erfolgreich. Die globale Studie von Adobe zeigt: Der entscheidende Unterschied liegt nicht im Zugang zu besserer Technologie, sondern im Betriebsmodell, das darum aufgebaut wird. Dieser Bericht untersucht, wo Unternehmen ins Stocken geraten, was führende Unternehmen anders machen und welche Schritte nötig sind, um KI-Investitionen in nachhaltigen Unternehmenserfolg umzuwandeln.
KI-Bereitschaft ist keine Frage des Zugangs zu KI-Modellen oder der Anzahl laufender Pilotprojekte mehr. Viele Unternehmen haben bereits in KI investiert und erste Use Cases in die Produktion überführt – und doch erzielen Unternehmen mit ähnlicher Technologie, ähnlichen Investitionen und ähnlichen Ambitionen nach wie vor sehr unterschiedliche Ergebnisse. Der entscheidende Differenzierungsfaktor ist das Betriebsmodell rund um KI: wer die Verantwortung trägt, wie Entscheidungen getroffen werden, wie Ergebnisse gemessen werden und wie KI in den Arbeitsalltag integriert ist.
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.
„Führende Unternehmen betrachten das Betriebsmodell selbst als ihre eigentliche KI-Fähigkeit – als das, was aus Modellergebnissen Geschäftsergebnisse macht. Was sie dabei anders machen, ist struktureller Natur. Sie etablieren Verantwortlichkeiten, Messgrößen und Entscheidungsrechte, bevor sie ihre KI-Vorhaben skalieren."
Christopher Young
Senior Director, Global Industry Strategy, Adobe
Bei den meisten Organisationen liegt das Problem nicht an der KI selbst, sondern an der fehlenden Skalierung – und nirgendwo zeigt sich das deutlicher als in der erstarrten Mitte. Diese Gruppe umfasst 58 % der untersuchten Organisationen. Sie stecken in der Pilot- oder Einsatzphase fest, obwohl sie bereits KI-Use Cases in der Produktion und erste Ergebnisse vorweisen können. Was fehlt, ist ein unternehmensweites Betriebsmodell. Einzelne Bereiche setzen KI-Use Cases eigenständig um – aber ohne gemeinsame Verantwortung und Koordination bleiben diese Erfolge isoliert, statt sich im gesamten Unternehmen zu verbreiten.
„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.
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.
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.
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.
„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
Betrachtet die fünf Verhaltensweisen als ein zusammenhängendes System – beginnend mit einer einzigen verantwortlichen Person. Das Betriebsmodell ist der Teil von KI, der sich stetig verstärkt. Baut es gezielt auf, und die Wertlücke wächst mit jedem Einführungszyklus.
Bestimmt vor dem nächsten Deployment eine verantwortliche Person.
Wählt eine erfahrene Führungspersönlichkeit mit Entscheidungsbefugnis über KI-Ergebnisse in allen Bereichen – ausgestattet mit einem eigenen, von anderen Zuordnungen getrennten Budget und einer Leistungsbewertung, die direkt an Skalierungsziele gebunden ist.
Etabliert Messgrößen, bevor das Modell live geht.
Definiert die Ergebnismetrik, legt einen Ausgangswert vor dem Deployment fest und stimmt die Attributionsmethode mit allen beteiligten Stakeholdern ab. Sobald das Modell in der Produktion ist, lässt sich dieser Ausgangswert nicht mehr rekonstruieren.
Bringt Business und IT zusammen, bevor das Briefing geschrieben wird.
Holt beide Seiten an einen Tisch, bevor ihr Anforderungen formuliert. Definiert das Problem gemeinsam und einigt euch auf ein gemeinsames Erfolgsbild – und ersetzt damit sequentielle Übergaben durch gemeinsame Planung.
Macht aus Misserfolgen eine Lernchance, bevor sie zum Organisationsproblem werden.
Wenn ein KI-Programm hinter den Erwartungen zurückbleibt, stellt zunächst analytische Fragen auf Führungsebene. Signalisiert klar, dass Misserfolge Erkenntnisse und Lerneffekte hervorbringen sollen – und keine Schuldzuweisungen oder Rückschritte.
Findet die KI-Vorreiter und stärkt sie.
Erkennt die Fachleute, die KI bereits erfolgreich einsetzen. Gebt ihnen Anerkennung und ein kleines Budget, um ihre Arbeitsweise auf ein benachbartes Team auszuweiten – und schützt sie vor organisatorischen Widerständen.
KI verändert grundlegend, wie Unternehmen Kundschaft gewinnen, Content erstellen und Erlebnisse kanalübergreifend orchestrieren. Das volle Potenzial zu erschließen erfordert mehr als den Zugang zu KI-Modellen. Es braucht einheitliche Daten, verknüpfte Content-Workflows und eine Governance, die den KI-Einsatz mit Zuversicht ermöglicht.
Diese Grundlage schafft Adobe. 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 – vom ersten Kontakt bis zur langfristigen Kundenbindung. Eine integrierte Content-Lieferkette bettet KI direkt in kreative und Produktions-Workflows ein und wahrt dabei Markenstandards sowie eine gemeinsame Governance.
Das Ergebnis ist ein klarer Pfad: hinaus aus KI-Experimenten, hin zur echten Wertschöpfung – auf einem offenen Ökosystem, das mit den Tools zusammenarbeitet, die Teams bereits nutzen. Wenn ihr bereit seid zu skalieren, bringt Adobe die Technologie und das Know-how mit, um Unternehmen dabei zu helfen, 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.
