Herausforderungen und Chancen bei KI-Investitionen in Unternehmen

KI-Investitionen steigen, doch der erwartete Mehrwert bleibt oft aus

Die Euphorie um Künstliche Intelligenz (KI) hat in den letzten Jahren zu einem beispiellosen Anstieg der Investitionen geführt. Unternehmen und Risikokapitalgeber stecken Milliardenbeträge in KI-Initiativen, getrieben von der Verheissung immenser Effizienzsteigerungen, verbesserter Kundenerlebnisse und eines entscheidenden Wettbewerbsvorteils. Doch trotz dieser enormen Finanzströme zeigt sich in vielen Branchen ein nüchternes Bild: Der greifbare Nutzen und der Return on Investment (ROI) von KI-Projekten stellen sich oft erst spät oder gar nicht ein. Eine aktuelle Studie von Red Hat offenbart beispielsweise, dass 89 Prozent der Unternehmen noch keinen Mehrwert für ihre Kunden aus ihren KI-Bestrebungen ziehen konnten, obwohl bis 2026 eine weitere Steigerung der KI-Investitionen um 32 Prozent erwartet wird.

Die "GenAI-Paradoxon": Hohe Erwartungen versus reale Ergebnisse

Dieses Phänomen wird von McKinsey & Co. als "GenAI-Paradoxon" bezeichnet: Ein Grossteil der Unternehmen experimentiert mit generativer KI, doch viele dieser Initiativen bleiben in Pilotphasen stecken und schaffen es nicht in die nachhaltige Produktion. Die Gründe dafür sind vielfältig und reichen von technischen Hürden bis hin zu menschlichen Faktoren. S&P Global zufolge wurden Ende 2024 bereits 42 Prozent aller KI-Pilotprojekte abgebrochen, ein deutlicher Anstieg gegenüber 17 Prozent im Vorjahr. Dies verdeutlicht, dass die anfängliche Begeisterung oft nicht in nachhaltigen Wert überführt werden kann.

Zentrale Herausforderungen bei der KI-Einführung

Die Integration von KI in bestehende Unternehmensstrukturen ist komplex und birgt zahlreiche Schwierigkeiten. Die Red Hat-Studie identifiziert mehrere Kernprobleme, die Unternehmen in Grossbritannien bei der Adaption von KI begegnen:

• Hohe Kosten: Implementierung und Wartung von KI-Systemen sind für 34 Prozent der Befragten die grösste Sorge.
• Datenschutz und Sicherheit: Bedenken hinsichtlich des Datenschutzes und der Datensicherheit beunruhigen 30 Prozent der Unternehmen.
• Integrationsschwierigkeiten: 28 Prozent kämpfen mit der nahtlosen Integration von KI in ihre bestehenden IT-Systeme.
• "Schatten-KI": Eine besonders brisante Erkenntnis ist die Verbreitung von "Schatten-KI", wobei 83 Prozent der Unternehmen die unautorisierte Nutzung von KI-Tools durch Mitarbeiter melden. Dies kann zu Sicherheitsrisiken und Ineffizienzen führen, da offizielle IT-Strategien und tägliche Arbeitspraktiken auseinanderdriften.

Der Wandel in der Wahrnehmung von KI: Von der Automatisierung zur Augmentation

Anfangs lag der Fokus bei der KI-Einführung oft auf der vollständigen Automatisierung von Prozessen und der Ersetzung menschlicher Arbeitskraft. Doch diese Perspektive beginnt sich zu wandeln. Immer mehr Experten betonen, dass der wahre Wert von KI in der Augmentation, also der Erweiterung menschlicher Fähigkeiten, liegt. Erik Brynjolfsson vom MIT warnt vor der "Turing-Falle", die entsteht, wenn KI primär zur Reduzierung von Arbeitskosten eingesetzt wird, was langfristig zu Lohnsenkungen und einem Verlust an wirtschaftlicher Kaufkraft führen kann.

Stattdessen sollte KI dazu dienen, die Produktivität zu verbessern und die Kreativität zu erweitern. Unternehmen wie USAA und Johnson Controls zeigen, wie KI in gezielten Anwendungsfällen bereits praktische Vorteile liefert, indem sie Mitarbeitern bei spezifischen Aufgaben unterstützt und Routinetätigkeiten reduziert, anstatt sie vollständig zu ersetzen. Bei USAA hilft ein KI-Assistent 16.000 Kundendienstmitarbeitern, schnellere und genauere Antworten zu liefern, während eine App bei Johnson Controls Reparaturanrufe verkürzt.

Open Source als Wegbereiter für KI-Erfolg

Angesichts der Komplexität und der Kosten der KI-Implementierung wenden sich viele Unternehmen Open Source Software zu. Die Red Hat-Studie zeigt, dass 84 Prozent der Befragten Open Source als wichtig für ihre KI-Strategie erachten. Open Source bietet Transparenz, Flexibilität und fördert die Zusammenarbeit, was entscheidend ist, um KI konsumierbarer und wiederverwendbarer zu machen. Dies spiegelt sich auch in anderen Technologiebereichen wie Hybrid-Cloud-Strategien und Virtualisierung wider.

Die Rolle von Agentic AI und der Fachkräftemangel

Ein vielversprechendes Feld ist die "Agentic AI", also Systeme, die mit einem hohen Grad an Autonomie agieren können. 68 Prozent der Befragten priorisieren diese Art von KI. Doch hier zeigt sich auch ein akuter Fachkräftemangel, der das zweite Jahr in Folge als grösstes Problem im KI-Bereich genannt wird. Es fehlt an Talenten, die Agentic AI entwickeln, KI-Funktionen effizient nutzen und das breitere Geschäftsumfeld in der Anwendung von KI schulen können.

Messung des ROI: Eine neue Perspektive ist gefragt

Die traditionellen Methoden zur Messung des ROI stossen bei KI-Projekten oft an ihre Grenzen. KI ist eine "Greenfield-Technologie", deren Anwendungsfälle häufig Neuland betreten. Experimentelle und iterative Prozesse erschweren eine schnelle Quantifizierung harter ROI-Metriken wie Kosteneinsparungen oder Umsatzsteigerungen. Es kann Jahre dauern, bis sich signifikante Kennzahlen einstellen.

Daher ist es entscheidend, neue Frameworks für KI-KPIs zu entwickeln, die über rein finanzielle Aspekte hinausgehen. Dazu gehören:

• Workflow-Automatisierung: Messung des Automatisierungsgrades von Prozessen und der Reduzierung von Fehlern.
• Produktivitätsgewinne: Erfassung der Adoptionsraten von Co-Piloten, der Ausführungsgeschwindigkeit von Aufgaben und des Volumens der Code-Generierung.
• Service-Level: Messung von Geschwindigkeit, Genauigkeit und Präzision, z.B. bei der Kundenanliegenlösung oder der Kundenzufriedenheit.
• Adoptionsraten: Verfolgung der Nutzungsstatistiken von KI-Tools als indirektes Mass für den ROI.

Langfristig könnte KI wie eine Infrastruktur-Dienstleistung, vergleichbar mit Wasser oder Elektrizität, betrachtet werden. Die Cloud-Anbieter integrieren KI bereits in ihre Plattformen und Tools, was den Zugang zu KI-Fähigkeiten bei Bedarf ermöglicht und ein nutzungsbasiertes Abrechnungsmodell fördert. In diesem Szenario verschiebt sich die ROI-Messung von einzelnen Projekten hin zu einer unternehmensweiten Betrachtung, die auch immaterielle Vorteile wie verbesserte Entscheidungsfindung oder erhöhte Kundenzufriedenheit berücksichtigt.

Historische Parallelen und Zukunftsaussichten

Die aktuelle Situation wird oft mit früheren Technologie-Booms verglichen, wie der Einführung des Personal Computers in den 1980er Jahren oder dem Internet in den 1990er Jahren, die ebenfalls zunächst eine "Produktivitätsparadoxon" erlebten. Nach einer Phase der anfänglichen Euphorie und anschliessenden Desillusionierung transformierten diese Technologien schliesslich ganze Industrien. KI scheint einen ähnlichen Weg zu beschreiten: eine Phase des Hypes, gefolgt von einer Neukalibrierung und schliesslich der langfristigen Wertschöpfung.

Experten schätzen, dass es mindestens fünf Jahre dauern könnte, bis KI einen breit angelegten Wert in Bereichen wie Vertrieb, Beschaffung, Fertigung, Finanzen und Kundenservice liefert. Der Schlüssel liegt darin, KI von isolierten Pilotprojekten zu einer festen Unternehmensinfrastruktur zu entwickeln und dabei Datenqualität, Integration und die Weiterentwicklung von Fähigkeiten zu meistern.

Die Konzentration des Marktwerts auf wenige "Magnificent Seven"-Unternehmen, die einen Grossteil der KI-Investitionen tätigen, birgt ebenfalls Risiken. Sollten diese Unternehmen straucheln, könnten die Auswirkungen auf den Gesamtmarkt erheblich sein. Dennoch sind viele zuversichtlich, dass KI langfristig transformative Auswirkungen haben wird, die möglicherweise sogar die früheren technologischen Revolutionen übertreffen.

Fazit: Ein pragmatischer Ansatz ist gefragt

Der KI-Boom ist weder eine reine Spekulationsblase noch ein garantierter Erfolg. Es handelt sich um ein komplexes Zusammenspiel aus transformativem Potenzial und spekulativen Exzessen. Für Unternehmen ist es entscheidend, über den anfänglichen Hype hinauszugehen und einen pragmatischen, strategischen Ansatz zu verfolgen. Dies beinhaltet:

• Fokus auf die Erweiterung menschlicher Fähigkeiten statt nur auf Automatisierung.
• Priorisierung von Open Source Lösungen für mehr Flexibilität und Transparenz.
• Entwicklung neuer Metriken zur Messung des ROI, die sowohl materielle als auch immaterielle Vorteile erfassen.
• Investitionen in die Schulung von Mitarbeitern und die Neugestaltung von Arbeitsabläufen.
• Eine robuste Governance und die Beachtung von "Responsible AI"-Prinzipien, um Risiken zu minimieren und Vertrauen aufzubauen.

Nur durch eine disziplinierte Adoption und strategische Integration kann der enorme Kapitaleinsatz in KI langfristig in messbaren Wert umgewandelt werden. Die Unternehmen, die dies erfolgreich meistern, werden sich als führend in der sich schnell entwickelnden digitalen Wirtschaft positionieren.

Bibliographie

- Red Hat Report: "AI value remains elusive despite soaring investment" (Ryan Daws, AI News) - The Information: "AI Investments Trillions High, Profits Elusive Beyond Nvidia" (Emma Rogers, WebProNews) - Centific: "Corporate AI is experiencing growing pains" - CMSWire: "AI Investments Soar but Will the ROI Follow?" (Frank Palermo) - CIO: "Enterprises willing to spend up to $250 million on gen AI, but ROI remains elusive" (Gyana Swain) - The Straits Times: "Companies are pouring billions into AI. It has yet to pay off" - AINvest: "Evaluating the ROI of $1 Trillion in AI Capex: A Cautionary Investment Perspective" (Clyde Morgan) - GWK Invest: "When Will AI Investments Start Paying Off?" (Wanyi Tao) - McKinsey & Company: "How AI could reshape the asset management industry" (Jonathan Godsall, Philipp Koch, et al.) - EY Global: "How responsible AI translates investment into impact"