Warum nur wenige Unternehmen echten Nutzen aus KI ziehen

Hohe KI-Adoption – begrenzter Business Impact 

Künstliche Intelligenz ist in Unternehmen angekommen. Sie beeinflusst heute Produktentwicklung, Kundeninteraktion, interne Prozesse und strategische Entscheidungen. Laut dem AI Index Report 2025 von Stanford Human-Centered AI nutzen inzwischen rund 78 Prozent der Unternehmen weltweit KI – häufig nicht nur in einzelnen Pilotprojekten, sondern parallel in mehreren Bereichen. 
 
Diese hohe Verbreitung vermittelt den Eindruck, KI sei bereits fest in der Wertschöpfung verankert. In der Realität zeigt sich jedoch ein anderes Bild: Viele Organisationen investieren erheblich in Technologie, Datenplattformen und Tools, ohne dass sich der erwartete wirtschaftliche Effekt einstellt. Produktivitätsgewinne bleiben punktuell, Entscheidungen werden kaum verändert, und der erhoffte Wettbewerbsvorteil stellt sich nicht ein. Die reine Nutzung von KI ist damit noch kein Indikator für ihren tatsächlichen Geschäftswert. 
 
Wie gross die Lücke zwischen Einsatz und Wirkung ist, zeigt eine aktuelle Analyse der Boston Consulting Group. Demnach gelingt es lediglich etwa 5 Prozent der Unternehmen, KI so einzusetzen, dass sie messbaren Einfluss auf EBIT, Wachstum oder operative Effizienz hat. 
 
In vielen Fällen bleibt KI im Experimentiermodus stecken. Projekte starten mit klaren Erwartungen, liefern erste Resultate und verlieren dann an Momentum. Modelle funktionieren technisch, doch ihre Ergebnisse fliessen nicht systematisch in operative oder strategische Entscheidungen ein. Statt Skalierung entsteht Fragmentierung: einzelne Use Cases, isolierte Lösungen, wenig nachhaltiger Effekt. Der wirtschaftliche Nutzen bleibt damit hinter dem technologischen Potenzial zurück. 

 
Qualität als unterschätzter Erfolgsfaktor 

Der entscheidende Unterschied zwischen erfolgreichen und gescheiterten KI-Initiativen liegt selten in der Wahl der Technologie. Viel häufiger entscheidet die Qualität der Grundlagen: Sind die Ziele klar formuliert? Sind die Daten geeignet, aktuell und vertrauenswürdig? Und ist definiert, wie KI-Ergebnisse im Alltag tatsächlich genutzt werden sollen? 
 
Ein Beispiel aus der Praxis liefert die Work-ID-Plattform, die Unternehmen und Arbeitnehmer über Skills zusammenbringt. KI wurde hier gezielt eingesetzt, um den Nutzer zu unterstützen. Der Fokus lag dabei nicht auf möglichst vielen KI-Features, sondern auf schneller Iteration und frühem Lernen. Bei jedem neuen KI-Element stand zunächst die Frage im Raum, welchen konkreten Business Value es stiftet und wie sich die Qualität der Resultate absichern lässt. So wurde vermieden, KI aus Marketing-Gründen einzubringen und stattdessen dort Mehrwert geschaffen, wo sie Prozesse messbar verbessert. 

 
KI braucht Führung, nicht nur Technologie 

Für Entscheider wird damit klar: KI ist kein Selbstläufer und kein klassisches IT-Projekt. Sie greift tief in Entscheidungsprozesse ein und beeinflusst, wie Organisationen arbeiten und steuern. Entsprechend braucht sie klare Leitlinien. Wer nicht definiert, wann ein KI-Ergebnis verlässlich ist, wer Verantwortung trägt und wie mit Unsicherheiten oder Fehlern umgegangen wird, überlässt den Erfolg dem Zufall. 
 
Studien zu Responsible AI zeigen zudem, dass Unternehmen dann den grössten Nutzen erzielen, wenn Businessziele, Datenstrategie und Qualitätsanforderungen von Beginn an gemeinsam gedacht werden. KI entfaltet ihren Wert nicht durch maximale Automatisierung, sondern durch nachvollziehbare, vertrauenswürdige Unterstützung menschlicher Entscheidungen. 

 
Vom allgemeinen Problem zur konkreten Umsetzung 

Grundsätzlich können Unternehmen diesen Weg eigenständig beschreiten. In der Praxis zeigt sich jedoch, dass gerade in der Anfangsphase zentrale Fragen oft unbeantwortet bleiben: Welche Use Cases zahlen wirklich auf die Unternehmensstrategie ein? Welche Daten sind entscheidend und welche nicht? Und wo lohnt es sich, bewusst klein zu starten, statt direkt zu skalieren? 
 
Erfolgreiche KI-Initiativen beginnen deshalb selten mit Technologie. Sie starten mit Orientierung. Mit einem gemeinsamen Verständnis auf Management-Ebene darüber, was KI leisten soll, wo ihre Grenzen liegen und wie Erfolg gemessen wird. Diese Klarheit verhindert Aktionismus – und schafft die Basis für nachhaltige Wirkung. 
 
Noser Engineering begleitet Unternehmen genau in diesen frühen, oft entscheidenden Phasen. Der Ansatz ist bewusst pragmatisch: Nicht jede KI-Idee ist sinnvoll, nicht jedes Projekt wirtschaftlich tragfähig. Ziel ist es, KI dort einzusetzen, wo sie einen echten Beitrag zur Wertschöpfung leistet. 
 
Ein bewährter Einstieg bei unseren Kunden ist ein kompakter KI-Workshop für das mittlere und obere Management, in dem ein gemeinsames Verständnis für KI geschaffen, relevante Use Cases identifiziert und die Rolle von Daten als strategischer Erfolgsfaktor eingeordnet wird. Ergänzend bietet KI-Expertise-as-a-Service die Möglichkeit, gezielt Know-how einzubinden, ohne sofort eigene Strukturen aufbauen zu müssen. So entstehen Lösungen, die nicht vom Hype getrieben sind, sondern von Qualität und Nutzen.
 
Wie gross ist der tatsächliche Wertbeitrag Ihrer KI-Initiativen – und wo bleibt Potenzial ungenutzt?  Eine fundierte Standortbestimmung schafft Klarheit, bevor weitere Investitionen getätigt werden.
 

Zum Autor
Tobias Ritscher ist AI Solutions Engineer bei Noser Engineering AG.
Seine Fachgebiete umfassen Requirements Engineering, GenAI-Integration, Multi-Agenten-Systeme sowie Software Engineering.

Noser Engineering AG
Winterthur – Luzern – Bern – Rheintal – Basel – München
www.noser.com

Noser Engineering AG ist ein Schweizer ICT-Dienstleister für massgeschneiderte Software- und Hardwarelösungen und begleitet Unternehmen bei der Umsetzung komplexer digitaler Vorhaben.

Quellen:
https://www.fullview.io/blog/ai-statistics
https://www.pwc.com/us/en/tech-effect/ai-analytics/responsible-ai-survey.html
https://hai.stanford.edu/ai-index/2025-ai-index-report
https://www.businessinsider.com/industries-seeing-value-from-ai-bcg-consulting-report-2025-10

Bildquelle:
Unsplash, Bruce Mars