Несмотря на рост бюджетов, лишь 22% компаний успешно масштабируют искусственный интеллект

KI-Skalierung: Investitionen steigen, Erfolg bleibt aus Trotz steigender Budgets skalieren nur wenige Unternehmen KI erfolgreich. Gartner zeigt die Diskrepanz zwischen Investition und breitem Einsatz. Nur 22 Prozent der Organisationen haben KI laut Gartner erfolgreich über mehrere Geschäftsbereiche hinweg skaliert oder verfolgen einen AI-first-Ansatz. Gleichzeitig wollen 85 Prozent der befragten Verantwortlichen ihre KI-Ausgaben 2026 erhöhen. Im Vorjahr hatten die jeweiligen Unternehmensfunktionen dafür durchschnittlich 12 Prozent ihres Budgets aufgewendet. Die Studie verdeutlicht damit vor allem den Abstand zwischen Investitionen und breitem Einsatz. Die Marktforscher befragten von Januar bis April 2026 insgesamt 1.303 Verantwortliche aus Organisationen mit mindestens 50 Millionen US-Dollar Jahresumsatz im Geschäftsjahr 2025. Eine Zusammenfassung der Ergebnisse findet sich bei Gartner. Wenig Überblick über die Ausgaben Rund 11 Prozent der Organisationen wissen laut Gartner gar nicht, wie viel ihre jeweilige Unternehmensfunktion 2025 für KI ausgegeben hat. Mit Funktionen sind dabei etwa IT, Vertrieb, Personalwesen oder Finanzabteilung gemeint. Gerade wenn mehrere Bereiche KI-Anwendungen eigenständig beschaffen und betreiben, wird es schwierig, Kosten und Nutzen zusammenzuführen. Das betrifft nicht nur Lizenzkosten für Chatbots oder Coding-Assistenten. Je nach Anwendung kommen Ausgaben für Datenaufbereitung, Schnittstellen, Cloud- und Rechenkapazität sowie Betrieb und Absicherung hinzu. Gartner warnt, dass fehlende Kostentransparenz mit steigenden Ausgaben zum Risiko wird. Videos by heise Produktivität ist das wichtigste Ziel Für 75 Prozent der Befragten zählt höhere Produktivität zu den wichtigsten Zielen ihrer KI-Projekte. Im Durchschnitt entfallen rund 30 Prozent der KI-Ausgaben einer Unternehmensfunktion auf dieses Ziel. Das ist laut Gartner fast doppelt so viel wie beim jeweils nächstwichtigsten Ziel. Dazu passen die derzeit verbreiteten Anwendungen: Unternehmen setzen KI etwa ein, um Texte zusammenzufassen, Dokumente zu klassifizieren, Code zu generieren oder Beschäftigte im Support zu unterstützen. Solche Werkzeuge lassen sich oft zunächst in einzelnen Teams einführen. Der Schritt zum bereichsübergreifenden Einsatz ist aufwendiger. Dafür müssen Unternehmen – so Gartner – unter anderem Datenzugriffe, Berechtigungen, Schnittstellen und Zuständigkeiten abstimmen. Messbare Ergebnisse statt populärer Anwendungsfälle Erfolgreichere Organisationen erfassen laut Gartner die Kapitalrendite ihrer KI-Initiativen fortlaufend. Sie betrachten die Vorhaben als Portfolio, prüfen regelmäßig deren Ergebnisse und verschieben Mittel oder beenden Projekte, wenn diese die Erwartungen nicht erfüllen. Diese Gruppe berichtete bei 81 Prozent ihrer KI-Initiativen von positiven Erträgen. Bei Organisationen mit schwächeren Ergebnissen fehlte dagegen oft schon die Grundlage für eine Bewertung: Für 29 Prozent ihrer KI-Initiativen konnten sie die Rendite nicht angeben. Gartner sieht außerdem einen Unterschied zwischen häufig verfolgten und besonders rentablen Einsatzszenarien. Populäre oder stark beworbene KI-Anwendungen lieferten demnach nicht zwangsläufig die höchsten Erträge. Für IT-Verantwortliche heißt das vor allem, Ziele vor der Einführung messbar festzulegen. Je nach Anwendung können das kürzere Bearbeitungszeiten, eine geringere Zahl von Support-Tickets, weniger Fehler oder zusätzlicher Umsatz sein. Ohne solche Kennzahlen lässt sich auch nicht entscheiden, ob ein Pilotprojekt ausgebaut werden sollte. Gartner empfiehlt zudem, KI-Ausgaben nach Ergebniskategorien wie Produktivität, Umsatzwachstum, Risikominderung oder Innovation zu erfassen, um Investitionen besser verteidigen und bei Bedarf schnell umverteilen zu können. Skalierung erfordert Regeln für den Betrieb Die 22 Prozent umfassen laut Gartner zwei Gruppen: Organisationen, die KI über mehrere Geschäftsbereiche hinweg skaliert haben, sowie solche mit einer AI-first-Strategie. Gartner schlüsselt nicht auf, wie groß die jeweilige Gruppe ist. Mit AI-first bezeichnet das Analystenhaus einen Ansatz, bei dem Organisationen KI bei Entscheidungen und Investitionen grundsätzlich als vorrangige Option prüfen – aber nicht zwingend einsetzen. Gartner erläutert den Begriff AI-first in einem Hintergrundbeitrag. (fo)