Künstliche Intelligenz gilt als Schlüsseltechnologie der kommenden Jahrzehnte. Doch die Realität in Unternehmen ist ernüchternd: Rund 95 Prozent aller internationalen KI-Projekte scheitern. Trotz 30 bis 40 Milliarden US-Dollar, die weltweit in generative KI investiert wurden, erreichen nur fünf Prozent der Projekte messbare wirtschaftliche Erfolge. Zu diesem Ergebnis kommt die aktuelle MIT-Studie „The GenAI Divide: State of AI in Business“.
Die Zahlen zeigen das ganze Ausmaß der Kluft zwischen Erwartung und Umsetzung:
80 Prozent der Unternehmen haben Anwendungen wie ChatGPT oder Copilot getestet, 60 Prozent evaluierten maßgeschneiderte Enterprise-Lösungen. Doch nur 20 Prozent starteten Pilotprojekte – und lediglich fünf Prozent schafften den Sprung in den Produktivbetrieb. Der zentrale Grund ist dabei nicht fehlende Technologie, sondern mangelnde Systemintelligenz: „Die meisten KI-Tools lernen nicht aus unserem Feedback“, lautet die zentrale Kritik der Studie. KI bleibt oft ein isoliertes Werkzeug – nicht Teil lernender Organisationen.
Daten teilen statt blockieren
Gerade hier liegt eine mögliche Chance für Deutschland. Allerdings nur, wenn Unternehmen bereit sind, ihre Daten nicht länger wie Kronjuwelen zu horten. „Ein Modell ist nur so gut wie die Daten, mit denen es trainiert wird“, sagt Peter Körte, Mitglied des Vorstands sowie Chief Technology und Strategy Officer bei Siemens. Noch vor einem Jahr sei Datenteilung für viele Firmen undenkbar gewesen. Heute wachse die Erkenntnis: „Wir sitzen auf einem Schatz, den wir allein nicht heben können.“
Siemens setzt daher auf branchenübergreifende Ökosysteme – etwa in der Automobil-, Luftfahrt- oder Maschinenbauindustrie. Der entscheidende Punkt: Die Daten bleiben im Unternehmen. Modelle werden so trainiert, dass Partner Daten einbringen können, ohne dass Rückschlüsse auf einzelne Beiträge möglich sind. Möglich machen das neue Verfahren wie Vektorisierung. „Ein echter Durchbruch, der erst seit kurzem Realität wird“, so Körte.
Skepsis sieht er hingegen beim europäischen Regelwerk: Während in Brüssel intensiv über den AI Act diskutiert wird, fürchten viele Unternehmen eine Überregulierung. „Maschinen müssen sicher sein – das regelt bereits die Maschinenrichtlinie“, sagt der Siemens-Manager.
Milliarden fließen – mit fraglichem Ertrag
Dass Deutschland bei KI an Bedeutung gewinnt, lässt sich dennoch feststellen. Besonders groß sind die Chancen dort, wo Unternehmen ihre Geschäftsmodelle grundlegend neu denken. Digitalisierung und KI zählen daher laut Branchenexperten zu den Feldern, die künftig verstärkt Investitionen anziehen werden.
Wie ernst es Unternehmen ist, zeigt eine Studie von Oxford Economics im Auftrag von SAP: Demnach investieren Unternehmen in diesem Jahr im Schnitt 29,8 Millionen Euro in KI-Projekte. Bis 2027 wollen sie ihre Ausgaben um 37 Prozent steigern. Gleichzeitig erwarten sie, dass sich der Return on Investment bis dahin nahezu verdoppelt.
Doch noch wirft KI kaum Gewinne ab. Selbst OpenAI, Anbieter von ChatGPT, ist trotz stark steigender Umsätze weiterhin nicht profitabel. Palantir-Chef Alex Karp warnte zuletzt, dass in weiten Teilen des KI-Marktes die enormen Entwicklungskosten den tatsächlichen Nutzen kaum rechtfertigen.
Deutschlands Achillesferse: Infrastruktur
Für Deutschland verschärft sich die Lage durch eine strukturelle Schwäche: die digitale Infrastruktur. Laut einer Studie im Auftrag des Digitalverbands Bitkom werden hierzulande 2025 rund drei GigawattRechenzentrumsleistung installiert sein, bis 2030 etwa fünf Gigawatt. Zum Vergleich: Die USA verfügten bereits 2024 über rund 48 Gigawatt, China über 38 Gigawatt – und bauen deutlich schneller aus. Der Abstand wächst.
Große Projekte sollen aufholen helfen
Zuletzt wurden mehrere Großprojekte angekündigt, die diese Lücke verkleinern sollen. Google plant bis 2029 5,5 Milliarden Euro für den Ausbau seiner digitalen Infrastruktur in Deutschland, darunter ein neues Rechenzentrum in Dietzenbach sowie Erweiterungen in Hanau.
Zudem wollen die Deutsche Telekom und Nvidia in München eine sogenannte KI-Fabrik errichten – mit rund 10.000 Grafikprozessoren. Das Projekt könnte die Rechenzentrumskapazität in Deutschland um etwa 50 Prozent erhöhen. Unternehmen sollen dort digitale Zwillinge, Simulationen und eigene KI-Anwendungen vollständig auf deutscher Infrastruktur entwickeln können. Weitere KI-Großprojekte mit deutscher Beteiligung bereits in Planung.
Die Diagnose ist klar: Nicht zu wenig Geld, sondern zu wenig Lernfähigkeit, zu wenig Datenteilung und zu wenig Infrastruktur bremsen den KI-Durchbruch. Deutschland hat noch eine Chance – doch sie verlangt einen Kulturwandel. Weg vom isolierten Experiment, hin zu gemeinsamen Datenräumen, lernenden Systemen und belastbarer Infrastruktur. Andernfalls bleibt künstliche Intelligenz auch hierzulande vor allem eines: ein teures Versprechen.
No comments