Eine MIT-Studie aus dem August 2025 hat es schwarz auf weiß belegt: 95% der Unternehmen investieren in Generative KI — und sehen keinen messbaren Return. Das ist kein Technologieproblem. Das ist ein Umsetzungsproblem.
Das Problem: KI-Investment ohne Return
Die Zahlen wirken absurd. In den Jahren 2024 und 2025 flossen zwischen 30 und 40 Milliarden US-Dollar in Enterprise-Investitionen in Generative KI. Und doch: Laut dem MIT NANDA-Report "The GenAI Divide: State of AI in Business 2025" berichten 95% der untersuchten Organisationen von keinem messbaren Effekt auf Gewinn und Verlust.
Das ist keine Randnotiz. Das ist die größte Kapitalvernichtung der Unternehmensgeschichte, die gerade in Echtzeit stattfindet — leise, ohne Skandal, und mit dem Segen der Chefetage.
Die Studie basiert auf 150 Interviews mit Führungskräften, einer Umfrage unter 350 Mitarbeitern und einer Analyse von 300 öffentlichen KI-Deployments. Sie ist methodisch sauber. Die Ergebnisse sind eindeutig.
Was McKinseys State of AI 2025 ergänzt: Von den Unternehmen, die einen EBIT-Effekt durch KI messen, sagen die meisten, dass KI für weniger als 5% des EBIT verantwortlich ist. Nur rund ein Drittel der Unternehmen skaliert KI überhaupt organisationsweit. Der Rest: punktuelle Piloten, keine Skalierung, kein nachhaltiger Return. (McKinsey State of AI, März 2025)
Für DACH-KMUs bedeutet das: Wenn ihr heute mit einem ChatGPT-Abo und ein paar Prompting-Workshops experimentiert, bewegt ihr euch exakt in der 95%-Gruppe.
Was die Forschung zeigt
Die MIT-Studie: Das GenAI-Divide-Phänomen
Das MIT NANDA-Institut hat einen Begriff geprägt, der das Problem präzise beschreibt: GenAI Divide. Es gibt eine kleine Gruppe von Unternehmen (rund 5%), die mit KI echte Umsatzbeschleunigung erzielen. Und eine große Gruppe, die stagniert.
Was unterscheidet die 5% von den 95%?
Drei Kernbefunde aus der MIT-Studie:
Erstens: Das Problem liegt nicht bei der KI. Es liegt am organisationalen Lernen. Die meisten GenAI-Systeme speichern kein Feedback, passen sich nicht an den Kontext an und verbessern sich nicht mit der Zeit. Unternehmen, die KI als statisches Tool einsetzen, holen keinen systematischen Vorteil heraus.
Zweitens: Budget wird falsch allokiert. Mehr als die Hälfte aller GenAI-Budgets fließt in Marketing- und Vertriebstools. Dabei liegt der größte ROI im Back-Office — in der Automatisierung von Geschäftsprozessen, der Reduktion externer Agenturkosten und der Vereinfachung operativer Abläufe.
Drittens: Piloten werden zur Falle. Wer KI als Technologietest begreift, verlässt nie den Pilotmodus. Wer KI als Geschäftsentscheidung begreift, skaliert.
McKinsey Superagency Report: Das Führungsproblem
McKinsey hat im Januar 2025 mit 3.613 Mitarbeitern und 238 C-Level-Executives eine Parallelstudie durchgeführt. Das Ergebnis ist noch direkter formuliert:
"Employees are ready for AI. The biggest barrier to success is leadership."
Mitarbeiter wollen KI einsetzen. Die Führung bremst — durch Unklarheit über Prioritäten, fehlende Ressourcenfreigabe und mangelndes Vorleben.
Der Zahlenvergleich ist hart: 92% der Unternehmen planen, ihre KI-Investitionen in den nächsten drei Jahren zu erhöhen. Aber nur 1% der Führungskräfte beschreiben ihr Unternehmen als AI-mature — also mit KI vollständig in Workflows integriert, mit messbaren Business-Outcomes.
Zwischen Investition und Reife liegt eine Lücke. Diese Lücke hat einen Namen: fehlende Führung.
Was das für DACH-KMUs konkret bedeutet
Ein typisches österreichisches oder deutsches KMU mit 30 bis 80 Mitarbeitern investiert heute so in KI: Einige Tool-Abos (Copilot, ChatGPT Plus, vielleicht ein spezifisches Branchentool) für zusammen 500 bis 2.000 Euro im Monat. Dazu kommen ein Prompting-Workshop oder eine externe Beratungstagung für 3.000 bis 8.000 Euro einmalig.
Das ergibt im ersten Jahr Ausgaben von 9.000 bis 32.000 Euro.
Was kommt zurück? In den meisten Fällen: individuelle Produktivitätsgewinne einzelner Mitarbeiter. Schnellere E-Mails. Schnelleres Recherchieren. Bessere erste Entwürfe. Das ist real — aber es ist kein Business-ROI. Es ist ein persönlicher Effizienzgewinn, der nicht auf der Gewinn-und-Verlust-Rechnung erscheint.
Der Unterschied zwischen KI nutzen und KI in Prozesse integrieren ist der Unterschied zwischen einem Mitarbeiter, der schneller tippt, und einem Prozess, der keine menschliche Eingabe mehr braucht.
Wenn ein Angebotsprozess, der heute 45 Minuten dauert und 25 Mal im Monat stattfindet — also 18,75 Stunden Mitarbeiterzeit pro Monat bei 65 Euro Vollkostensatz gleich 1.219 Euro monatlich — durch eine KI-gestützte Automatisierung auf 8 Minuten reduziert wird, spart das 12 Stunden und 780 Euro im Monat. 9.360 Euro im Jahr. Das erscheint auf der GuV.
Ein ChatGPT-Abo, das denselben Mitarbeiter schneller schreiben lässt? Erscheint nicht. Und rechnet sich deswegen schwer.
Die 3 häufigsten Fehler
Fehler 1: KI-Budget in sichtbare, nicht in wirksame Bereiche stecken
Marketing-Teams wollen KI für Texte und Bilder. Vertriebsteams wollen KI für Angebote. Das ist verständlich — diese Bereiche sind sichtbar. Aber die MIT-Studie zeigt: Der größte ROI liegt im Back-Office. In der Automatisierung von Dateneingabe, Rechnungsprüfung, internen Reports, Support-Prozessen.
Ein konkretes Beispiel: Ein Logistikunternehmen mit 40 Mitarbeitern gibt 1.500 Euro pro Monat für Copilot-Lizenzen aus, weil die Vertriebsmannschaft schnellere Angebote schreiben will. Der tatsächliche Engpass — die manuelle Erfassung von Lieferscheinen in drei Systeme, die zwei Vollzeit-Mitarbeiter bindet — wird nicht angetastet.
Fehler 2: Tool statt Prozess
Der häufigste Satz, den Geschäftsführer sagen: "Wir haben ChatGPT eingeführt." Aber ChatGPT ist kein Prozess. Es ist ein Interface. Die Frage ist nicht, welches Tool ihr habt. Die Frage ist: Welcher konkrete Arbeitsschritt, mit welchem Input, produziert welchen definierten Output — und ersetzt welche manuelle Tätigkeit?
Ohne diese Beschreibung bleibt KI ein Einzelwerkzeug. Kein Systembestandteil.
Fehler 3: Führung delegiert KI an die IT
McKinsey ist eindeutig: Hochperformende Unternehmen haben Senior Leader, die KI selbst vorleben, KI-Budgets in schwierigen Quartalen schützen und KI-Initiativen wiederholt sponsern — nicht einmalig beim Kick-off. Bei KMUs mit flachen Hierarchien heißt das konkret: Der Geschäftsführer muss verstehen, welche Prozesse automatisiert werden, warum, und was der erwartete Return ist. Wer das an den IT-Leiter oder einen externen Dienstleister vollständig auslagert, wird nie aus dem Pilotmodus herausfinden.
Wie OptimusFlow Consulting das angeht
Wir arbeiten nicht mit Tool-Empfehlungen. Wir arbeiten mit Prozessanalysen.
Bevor ein einziges Tool ausgewählt wird, kartieren wir mit dem Führungsteam, welche Prozesse gebunden sind, was sie kosten und was ein realistischer Automatisierungsgrad wäre. Dann rechnen wir nach. Dann — und erst dann — entscheiden wir, welches Tool welchen Prozess löst.
Ein typisches Szenario: Ein DACH-Dienstleister mit 50 Mitarbeitern identifiziert in dieser Analyse drei Prozesse mit zusammen 28 gebundenen Stunden pro Woche. Nach sechs Monaten Implementierung sind 19 dieser Stunden automatisiert. Der Return: rund 50.000 Euro jährlich bei einem Implementierungsaufwand von 12.000 Euro. Das sind keine Hochglanz-Slides — das ist Arithmetik.
Der Unterschied zu einer Tool-Adoption: Wir definieren erst den Zielzustand (Prozess X läuft ohne manuelle Eingabe), dann den Weg dahin. Nicht umgekehrt.
Häufige Fragen
Was bedeutet KI-ROI konkret für ein KMU?
KI-ROI bedeutet, dass die Investition in KI-Tools und deren Implementierung zu messbaren Kosteneinsparungen oder Umsatzsteigerungen führt, die sich auf der Gewinn-und-Verlust-Rechnung niederschlagen. Nicht: Mitarbeiter arbeiten gefühlt schneller. Sondern: Ein Prozess, der X Euro pro Monat kostet, kostet nach Automatisierung Y Euro weniger.
Warum zeigen 95% der Unternehmen keinen ROI?
Laut MIT-Studie aus August 2025 sind die Hauptursachen: falsche Budget-Allokation (zu viel in Marketing-Tools, zu wenig in Back-Office), fehlende Prozessintegration (KI als Tool, nicht als Systembestandteil) und organisationales Lernen, das nicht stattfindet, weil KI-Systeme nicht auf Unternehmensfeedback trainiert werden.
Wie lange dauert es, bis KI-ROI messbar ist?
In unserer Erfahrung: drei bis sechs Monate nach Inbetriebnahme des ersten produktiven Workflows. Pilotphasen sollten nicht länger als sechs Wochen dauern. Wer nach drei Monaten noch keinen definierten Produktivprozess betreibt, ist in der Pilotfalle.
Was ist der Unterschied zwischen KI nutzen und KI integrieren?
KI nutzen heißt: Ein Mitarbeiter öffnet ein KI-Tool, gibt einen Prompt ein, bekommt einen Output, verarbeitet diesen manuell weiter. KI integrieren heißt: Ein definierter Trigger (E-Mail eingeht, Formular ausgefüllt wird, Datum erreicht ist) startet automatisch einen KI-gestützten Prozess, der einen definierten Output produziert — ohne manuelle Intervention.
Lohnt sich KI-Beratung für KMUs unter 20 Mitarbeitern?
Ja, wenn das Unternehmen wiederkehrende, klar definierbare Prozesse hat, die aktuell manuell ausgeführt werden. Die Untergrenze ist nicht die Mitarbeiterzahl, sondern das Prozessvolumen. Drei automatisierbare Prozesse mit zusammen 15 gebundenen Stunden pro Woche — das lohnt sich auch bei 10 Mitarbeitern.
Quellen & Weiterführende Links
- MIT NANDA Initiative: "The GenAI Divide: State of AI in Business 2025" (August 2025) — Fortune-Zusammenfassung / Entrepreneur / Axios
- McKinsey: "Superagency in the Workplace" (Januar 2025) — McKinsey.com
- McKinsey: "The State of AI 2025" (März 2025) — McKinsey.com
- MIT Technology Review: "The Great AI Hype Correction of 2025" — technologyreview.com
Wer verstehen will, wie man KI-ROI systematisch berechnet, bevor man investiert: So berechnet ihr den ROI von KI-Automatisierung →
Wer bereits in der Pilotfalle steckt und heraus will: Die KI-Proof-of-Concept-Falle — und wie DACH-KMUs ihr entkommen →
Wer wissen will, welche Prozesse sich als erstes lohnen: Die 5 Prozesse, die ihr sofort automatisieren könnt →
KI-ROI tatsächlich messen — statt weiter zu experimentieren? [Erstgespräch anfragen →](/erstgesprach)
