Executive Summary
- Laut BearingPoint liegen nur 13 Prozent der Unternehmen mit KI-Initiativen im Plan.
- Fast drei Viertel verzeichnen positive Effekte durch KI, obwohl viele Projekte nicht skaliert sind.
- Als größte Hürden nennen Befragte komplexe gesetzliche Vorgaben (40 %) und die Einbindung in bestehende IT (34 %).
- Mehr als ein Drittel befindet sich noch in Experimentier- und Pilotphasen; rund 1000 Personen aus USA, China und Europa wurden befragt.
Was ist passiert?
Fakten: Die Beratungsfirma BearingPoint veröffentlichte eine Studie, in der rund 1000 Befragte aus den USA, China und Europa zu ihren KI-Initiativen befragt wurden. Demnach liegen laut Studie nur 13 Prozent der Unternehmen mit ihren KI-Projekten im Plan. Fast drei Viertel der Unternehmen berichten von positiven Bilanzeffekten durch KI, mehr als ein Drittel befindet sich jedoch weiterhin in Experimentier- oder Pilotphasen. Als größte Hürden nannten die Befragten komplexe gesetzliche Vorgaben (40 Prozent) und die Einbindung in bestehende, oft jahrzehntealte IT-Systeme (34 Prozent). Für 54 Prozent der Manager ist der Zugang zu hochwertigen und verlässlichen Daten der Schlüssel zum Erfolg; die Leistungsfähigkeit der Modelle spielte in der Befragung eine untergeordnete Rolle. Weniger als ein Drittel prüfte vor Projektstart formell, ob eine Umsetzung in großem Stil möglich ist. BearingPoint-Experte Frederic Gigant wird in der Studie mit den Worten zitiert: „KI hat eine wichtige Schwelle überschritten. Aber wirtschaftlichen Nutzen nachzuweisen und wirtschaftlichen Nutzen zu vergrößern, sind zwei sehr sehr unterschiedliche Dinge.“
Warum ist das relevant?
Einordnung: Die Studie zeigt einen deutlichen Unterschied zwischen positiven Einzelergebnissen und systematischer Skalierung. Dass fast drei Viertel positive Effekte melden, weist auf realen Nutzen hin; gleichzeitig signalisiert der geringe Anteil an Vorhaben, die im Plan liegen, eine verbreitete Schwierigkeit beim Übergang von Pilotprojekten zur breiten Einführung. Die Nennung von Regulierung und IT-Integration als zentrale Hürden macht deutlich, dass nicht rein technische Fragen (etwa Modellleistung) über Erfolg oder Misserfolg entscheiden, sondern organisatorische, rechtskonforme und infrastrukturelle Aspekte. Die Erkenntnis, dass viele Projekte ohne formale Prüfung der Skalierbarkeit gestartet werden, erklärt teilweise, warum Potenzial nicht flächendeckend gehoben wird.
Was bedeutet das für den Mittelstand?
Fakten: Die Befragung umfasst Unternehmen in den USA, China und Europa und identifiziert Regulierung (40 %) sowie Integration in bestehende IT (34 %) als die größten Hürden; 54 % sehen Datenzugang als Schlüssel.
Einordnung: Für den deutschen Mittelstand bedeutet das, dass typische Schwachstellen—veraltete ERP-/Fertigungs-IT, fragmentierte Datenquellen und die Notwendigkeit, regulatorische Anforderungen zu erfüllen—direkt auf die Fähigkeit einzahlen, KI-Projekte zu skalieren. Viele Mittelständler erreichen zwar erste Nutzen, riskieren aber, in der Pilotphase stecken zu bleiben, wenn sie nicht frühzeitig Fragen der Compliance, Datenqualität und Systemintegration adressieren. Die Studienergebnisse legen nahe, dass technische Leistungsfähigkeit allein nicht ausreicht; operative und rechtliche Vorbereitung hat für die Skalierung gleichen oder höheren Stellenwert.
Passend dazu: KI-Readiness-Check
Empfehlung von Future AI Solutions
Fakten: Weniger als ein Drittel der Befragten prüfte vor Projektstart formell die Skalierbarkeit; 54 % nannten Datenzugang als Schlüsselfaktor.
Empfehlung: Wir empfehlen Entscheidern im Mittelstand, die folgenden Schritte in die Priorität zu nehmen: 1) Frühzeitige Compliance-Analyse: Prüfen Sie gesetzliche und regulatorische Anforderungen, bevor Projekte skaliert werden. 2) Integrations-Check: Bewerten Sie vorhandene IT-Systeme konkret auf Integrationsfähigkeit und identifizieren Sie notwendige Modernisierungspunkte. 3) Dateninfrastruktur stärken: Priorisieren Sie Maßnahmen zur Verbesserung von Datenqualität, Datenzugang und Governance, da 54 % der Manager dies als Schlüssel sehen. 4) Skalierbarkeitsprüfung vor Projektstart: Führen Sie formelle Reviews durch, ob ein Pilot in großem Maßstab umsetzbar ist. 5) Pilot-to-scale-Plan: Erarbeiten Sie einen klaren Fahrplan von Pilot zu Produktion mit definierten Meilensteinen für Compliance, Integration und Datenbereitstellung.
Einordnung zum Abschluss: Die Studie von BearingPoint zeigt, dass wirtschaftlicher Nutzen durch KI erreichbar ist, zugleich aber strukturelle Hürden den Rollout bremsen. Systematische Vorbereitung auf Regulierung, Integration und Datenqualität erhöht die Chance, Pilotgewinne in dauerhaften Mehrwert zu überführen.