Block 1 · International
Die internationale Studienlage
95 % der integrierten GenAI-Initiativen ohne messbaren Beitrag
Primärquelle: MIT Project NANDA, „The GenAI Divide: State of AI in Business 2025“ (Preliminary Report, Juli 2025). Bericht als PDF (nanda.media.mit.edu) →
Stichprobe: rund 52 strukturierte Organisations-Interviews, 153 Antworten von Führungskräften und über 300 öffentlich dokumentierte GenAI-Deployments.
Was gemessen wurde: der Anteil unternehmensweit integrierter GenAI-Initiativen, die binnen rund sechs Monaten keinen messbaren Beitrag zur Gewinn- und Verlustrechnung (P&L) erzielten. Etwa 95 % erreichten diese Schwelle nicht, nur rund 5 % schufen signifikanten Wert.
Ehrlich eingeordnet: Die Zahl gilt für formale, integrierte Initiativen – nicht für „Unternehmen“ pauschal und nicht für jede KI-Nutzung. „Kein messbarer Beitrag“ heißt ausdrücklich nicht „kein Nutzen“: individuelle Produktivitätsgewinne (etwa durch ChatGPT am Arbeitsplatz) wurden bewusst nicht mitgezählt. Es handelt sich um einen vorläufigen, nicht peer-reviewten Branchenreport mit teils kleiner Interviewbasis; die genaue Bezugsmenge der Prozentzahl ist nicht in jeder Hinsicht offengelegt. Wir zitieren ihn als das, was er ist – ein starkes Indiz, kein experimenteller Nachweis.
↩ Zur Karte in der Übersicht
39 % berichten einen EBIT-Effekt durch KI auf Unternehmensebene
Primärquelle: McKinsey & Company / QuantumBlack, „The State of AI in 2025“ (November 2025). Studienseite (mckinsey.com) →
Stichprobe: 1.993 Befragte aus 105 Ländern, Feldzeit Juni–Juli 2025; Selbstauskunft.
Was gemessen wurde: der Anteil der Unternehmen, die überhaupt einen Effekt auf das EBIT (Ergebnis vor Zinsen und Steuern) durch KI auf Unternehmensebene berichten – die meisten davon unter 5 % des EBIT. Das ist eine deutlich strengere Hürde als reine Nutzung; KI ist laut Bericht in rund 88 % der Unternehmen mindestens in einer Funktion im Einsatz.
Ehrlich eingeordnet (Diskrepanz): Zwei häufig mitzitierte Zusatzzahlen sind in der Primärquelle anders belegt, als sie kursieren. Die „5,5 %“ bezeichnen den Anteil der „AI-High-Performer“-Unternehmen, keine finanzielle Rendite. Und das grundlegende Redesign der Arbeitsabläufe liegt bei den Erfolgreichen rund 3× häufiger vor, nicht „3,6ד. Wo wir die 5,5 % oder 3,6× anderweitig auf der Website verkürzt aufgreifen, ist das eine vereinfachte Lesart und kein Primärbeleg in diesem Sinne.
↩ Zur Karte in der Übersicht
Mindestens 30 % der GenAI-Projekte werden nach dem Proof of Concept aufgegeben
Primärquelle: Gartner, Pressemitteilung vom 29.07.2024 („At least 30% of generative AI projects will be abandoned after proof of concept by the end of 2025“). Pressemitteilung (gartner.com) →
Art der Aussage: Analysten-Prognose, kein Ist-Audit. Genannte Gründe: schlechte Datenqualität, unzureichendes Risikomanagement, eskalierende Kosten und unklarer Geschäftswert.
Ehrlich eingeordnet: Die Quelle nennt präzise „mindestens 30 %“ (Untergrenze), nicht „etwa 30 %“, und es ist eine zukunftsgerichtete Schätzung, keine gemessene Ist-Quote. Wo wir auf der Startseite verkürzt „~30 %“ schreiben, ist das eine Vereinfachung der Untergrenze. Gartner führt zudem drei verschiedene, nicht zu vermischende Prognosen: 30 % PoC-Abbruch (bis Ende 2025), 60 % bei fehlenden KI-fähigen Daten (bis 2026) und über 40 % der „agentic AI“-Projekte (bis Ende 2027).
↩ Zur Karte in der Übersicht
„Über 80 %“ der KI-Projekte scheitern – als Fremdschätzung zitiert
Primärquelle: RAND Corporation, „The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed“, August 2024. Bericht (rand.org) →
Stichprobe: 65 qualitative Experten-Interviews mit Data Scientists und Ingenieuren.
Ehrlich eingeordnet: Den Satz „über 80 % … etwa doppelt so oft wie IT-Projekte ohne KI“ zitiert RAND ausdrücklich als vorgefundene Schätzung („by some estimates“), nicht als eigene Messung. RANDs belastbarer eigener Befund ist qualitativ: Hauptursachen sind Führung und Kommunikation (falsch verstandene oder schlecht kommunizierte Anforderungen) sowie Datenqualität – nicht das Modell oder die Technik. Die andernorts kursierende numerische Aufschlüsselung „33,8 % / 28,4 % / 18,1 %“ stammt nicht aus diesem Bericht und ist nur eine Sekundärlesart.
↩ Zur Karte in der Übersicht
42 % gaben 2025 die meisten KI-Initiativen auf; 46 % der PoCs vor Produktion verworfen
Primärquelle: S&P Global Market Intelligence / 451 Research, „Generative AI shows rapid growth but yields mixed results“ (Voice of the Enterprise: AI & Machine Learning, 2025). Research-Seite (spglobal.com) →
Stichprobe: 1.006 Befragte aus Nordamerika und Europa; Selbstauskunft.
Was gemessen wurde: der aktive Abbruch von Vorhaben – nicht ausbleibender Nutzen. 42 % der Unternehmen gaben 2025 die Mehrheit ihrer KI-Initiativen auf (gegenüber 17 % im Vorjahr), und im Schnitt wurden 46 % der Proof-of-Concepts vor dem Produktivbetrieb verworfen.
Ehrlich eingeordnet: Das ist eine andere Methodik als bei MIT (Abbruch vs. ausbleibender P&L-Effekt) – beide Zahlen sind nicht direkt vergleichbar. Die 42 % beziehen sich auf die Unternehmens-, nicht auf die Projektebene; der starke Anstieg gegenüber dem Vorjahr ist der eigentliche Befund.
↩ Zur Karte in der Übersicht
383 % ROI im modellierten Best-Case einer prozess-eingebetteten Lösung
Primärquelle: Forrester Consulting, „The Total Economic Impact™ Of Celonis“, im Auftrag von Celonis, Juni 2025. Studie (celonis.com) →
Methodik: Composite-Modell (zusammengesetztes Referenzunternehmen) auf Basis von vier Kundeninterviews.
Ehrlich eingeordnet: Diese Zahl zeigen wir bewusst als Gegenseite – sie belegt, dass der Unterschied in der Umsetzung liegt, nicht in der Technologie. Sie ist jedoch ausdrücklich ein modelliertes Best-Case-Szenario einer Auftragsstudie zu einem konkreten Process-Mining-Produkt, kein Durchschnitt realer Kunden und keine allgemeine KI-Statistik. Sie taugt als Illustration der Größenordnung, nicht als Erwartungswert.
↩ Zur Karte in der Übersicht