AI wird immer mehr Teil des normalen Geschäfts

54,5 % der deutschen Unternehmen nutzen bereits AI.

Laut ifo nutzten im Mai 2026 bereits 54,5 % der Unternehmen in Deutschland AI. Ein Jahr zuvor waren es 40,9 %. Weitere 16 % planten eine Einführung, während 21,6 % das Thema diskutierten.

AI wirkt damit längst nicht mehr wie ein Experiment einiger technologisch besonders fortgeschrittener Unternehmen.

AI wird Teil des normalen Geschäfts.

Auf den ersten Blick könnte man deshalb sagen, dass die Frage „Brauchen wir AI?“ langsam an Bedeutung verliert.

Aber eine andere Zahl ist viel interessanter.

Nur 25 % der von Deloitte Befragten gaben an, dass ihre Unternehmen mindestens 40 % ihrer AI-Piloten in die Produktion überführt haben.

Und in einer McKinsey-Studie sagten nur 7 % der Befragten, dass AI in ihrer gesamten Organisation bereits vollständig skaliert sei.

Es entsteht ein Paradox:

AI wird immer schneller eingeführt.

Aber AI zu einem normalen Bestandteil der täglichen Arbeit zu machen, gelingt längst nicht immer.

Die Frage verändert sich

Früher lautete die Frage:

„Brauchen wir AI?“

Heute sollte sie immer häufiger anders lauten:

„Welchen konkreten Business-Nutzen bringt die Einführung?“

Die Antwort darauf fällt allerdings je nach Person im Unternehmen unterschiedlich aus.

Die Geschäftsführung interessiert sich für das Geschäftsergebnis.

IT interessiert sich dafür, wie die Lösung in die bestehende Infrastruktur integriert werden kann.

Und die Mitarbeiter, die täglich mit dem Prozess arbeiten, wollen wissen, was sich konkret in ihrer Arbeit verändert.

Deshalb entstehen je nach Stand der AI-Einführung und je nach Rolle ganz unterschiedliche Perspektiven auf dasselbe Projekt.

Für ein Unternehmen, das gerade erst mit AI starten möchte:

„Wir planen gerade einen Pilot. Aber was passiert danach?“

Für ein Team, das AI bereits eingeführt hat:

„Unsere AI funktioniert. Aber warum erledigen die Mitarbeiter immer noch die Hälfte der Arbeit manuell?“

Für die Geschäftsführung:

„Wir haben Geld in AI investiert. Aber welchen Business-Nutzen hat es tatsächlich gebracht?“

Für Operations und IT:

„Warum wird aus einem technisch erfolgreichen Pilot kein funktionierender Geschäftsprozess?“

Auf den ersten Blick sind das vier unterschiedliche Fragen.

Tatsächlich weisen sie auf dasselbe grundlegende Problem hin:

AI kann seine Aufgabe perfekt erfüllen – und trotzdem kann der gesamte Prozess darum herum nicht funktionieren.

Nehmen wir einen typischen AI-Piloten

Ein Unternehmen möchte AI zur Bearbeitung eingehender Anfragen einsetzen.

Der Ablauf klingt logisch:

E-Mail → AI analysiert → erkennt die Art der Anfrage → erstellt eine Antwort → Mitarbeiter prüft.

In der Demo funktioniert alles.

AI liest Nachrichten schnell. Klassifiziert die meisten Anfragen korrekt. Erstellt einen guten Antwortvorschlag. Das Team ist zufrieden. Der Pilot gilt als erfolgreich.

Und dann beginnt die eigentliche Arbeit.

Ein Teil der Daten liegt im CRM.

Ein Teil in Excel.

Ein weiterer Teil in E-Mails.

Für bestimmte Anfragen sind zusätzliche Prüfungen notwendig.

Es gibt Ausnahmen, die AI nicht selbstständig bearbeiten kann.

Der Mitarbeiter muss das Ergebnis weiterhin überprüfen.

Danach müssen Informationen trotzdem in ein anderes System übertragen werden.

Und irgendjemand muss entscheiden, was mit Fällen passiert, die nicht in den Standardprozess passen.

AI erfüllt seine Aufgabe.

Aber der gesamte Prozess hat sich kaum verändert.

Genau hier liegt eines der zentralen Probleme heutiger AI-Einführungen.

1. Ein Teilproblem wird automatisiert – nicht der Prozess

AI kann eine einzelne Aufgabe hervorragend übernehmen.

Aber Geschäftsprozesse bestehen selten aus nur einer Aufgabe.

Wenn vor dem AI-Schritt drei manuelle Tätigkeiten bestehen bleiben, danach weitere vier folgen und Informationen zwischen Abteilungen weiterhin manuell übertragen werden müssen, erzeugt die Automatisierung eines einzelnen Abschnitts nicht automatisch einen großen Effekt.

Eine einzelne Tätigkeit kann schneller werden.

Und trotzdem bleibt die eigentliche Engstelle an einer anderen Stelle des Prozesses bestehen.

Die Frage lautet deshalb nicht nur:

„Was kann AI?“

Sondern:

„Wie funktioniert der gesamte Prozess von Anfang bis Ende?“

2. AI wird in einen Prozess eingebaut, der eigentlich zuerst vereinfacht werden müsste

Das ist ein weiteres typisches Szenario.

Ein Unternehmen stellt fest, dass ein Prozess viel Zeit kostet.

Die erste Reaktion:

„Dann setzen wir hier AI ein.“

Aber manchmal liegt das Problem nicht darin, dass ein bestimmter Schritt von einem Menschen erledigt wird.

Das Problem ist, dass es überhaupt zu viele Schritte gibt.

Eine unnötige Freigabe.

Doppelte Dateneingabe.

Informationen, die zwischen Systemen übertragen werden.

Eine manuelle Prüfung, die vor Jahren eingeführt wurde.

Eine Ausnahme, die irgendwann Teil des Standardprozesses geworden ist.

Wenn man einen solchen Prozess einfach um AI erweitert, wird er nicht automatisch einfacher.

Manchmal wird er sogar noch komplexer.

Mehr Technologie ≠ weniger Komplexität.

Deshalb lohnt sich vor der Automatisierung manchmal eine unangenehme Frage:

„Muss dieser Schritt überhaupt existieren?“

3. Schlechte Daten werden nicht dadurch gut, dass AI dazukommt

AI kann Informationen sehr schnell verarbeiten.

Aber Verarbeitungsgeschwindigkeit behebt keine schlechten Ausgangsdaten.

Wenn ein Kunde in einem System unter einem Namen gespeichert ist, in einem anderen unter einem anderen und ein drittes System veraltete Informationen enthält, beseitigt AI nicht automatisch die Ursache des Problems.

AI kann helfen, Abweichungen zu erkennen.

Daten klassifizieren.

Korrekturen vorschlagen.

Aber die Datenqualität bleibt Teil des Prozesses.

Und je stärker AI für Entscheidungen eingesetzt wird, desto wichtiger wird die Frage:

„Auf welchen Daten basiert diese Entscheidung eigentlich?“

4. Ein technisch erfolgreicher Pilot bedeutet nicht, dass Menschen anders arbeiten

Das ist vermutlich eines der am meisten unterschätzten Probleme.

Man kann ein hervorragendes AI-Tool entwickeln.

Aber wenn Mitarbeiter weiterhin nach dem alten Muster arbeiten, hat sich der Geschäftsprozess nicht verändert.

Warum?

Weil die neue Abfolge der Arbeit nicht definiert wurde.

Es ist unklar, wann AI vertraut werden kann und wann eine menschliche Prüfung notwendig ist.

Es gibt keinen klaren Prozess für die Eskalation von Fehlern.

Niemand trägt die Verantwortung für das Ergebnis des gesamten Prozesses.

Und am Ende macht der Mitarbeiter dasselbe wie vorher – nur dass jetzt noch ein weiteres Tool danebensteht.

Das Ergebnis:

neues Tool + alter Prozess = ein sehr teurer Pilot.

5. Der Pilot endet – aber niemand besitzt den Prozess

Es gibt noch ein weiteres Problem, über das in AI-Projektpräsentationen selten gesprochen wird.

Wer ist nach dem Go-live für den Prozess verantwortlich?

Nicht für das Modell.

Nicht für den Prompt.

Nicht für die Integration.

Sondern für das Ergebnis des Prozesses.

Wer überwacht die Datenqualität?

Wer analysiert Fehler?

Wer entscheidet, wann AI die Aufgabe an einen Menschen übergeben muss?

Wer passt den Prozess an, wenn sich das Geschäft verändert?

Wer stellt sicher, dass die Mitarbeiter die Lösung auch sechs Monate später tatsächlich noch nutzen?

Wenn darauf niemand eine klare Antwort geben kann, bleibt ein AI-Projekt leicht ein Experiment – selbst wenn die Technologie technisch einwandfrei funktioniert.

Deshalb beginne ich Gespräche über AI immer weniger mit der Frage:

„Wo können wir AI einsetzen?“

Ich würde früher anfangen.

Beim Prozess.

Wie wird diese Arbeit heute tatsächlich erledigt?

Wo entsteht manuelle Arbeit?

Wo werden Informationen von einem Menschen zum nächsten weitergegeben?

Wo werden Daten doppelt erfasst?

Wo entstehen Fehler?

Wo müssen Mitarbeiter ständig etwas nachprüfen?

Wo hängt der Prozess von einer einzelnen Person ab?

Welche Schritte sind historisch entstanden und ergeben heute keinen Sinn mehr?

Und erst danach:

„Wo brauchen wir hier tatsächlich AI?“

Die Antwort kann AI sein.

Aber genauso gut kann es klassische Automatisierung sein.

Eine Integration.

Eine Veränderung des Prozesses.

Das Entfernen eines unnötigen Schrittes.

Oder manchmal auch die bewusste Entscheidung, einen Teil der Arbeit beim Menschen zu lassen.

Und das bedeutet nicht, dass die Automatisierung gescheitert ist.

Im Gegenteil.

Manchmal ist der reifste Prozess nicht der, in dem der Mensch verschwindet.

Sondern der, in dem der Mensch genau dort bleibt, wo wirklich Entscheidung, Verantwortung oder Kontext gefragt sind.

AI Adoption ≠ AI Impact

Heute ist es immer einfacher zu sagen:

„Wir nutzen AI.“

Aber das sagt noch wenig über das tatsächliche Ergebnis aus.

Man kann AI jeden Tag nutzen.

Einen erfolgreichen Pilot durchführen.

Eine beeindruckende Demo zeigen.

Eine einzelne Aufgabe automatisieren.

Und trotzdem fast genauso arbeiten wie vorher.

Deshalb geht es in der nächsten Phase von AI im Business nicht mehr nur darum, wie viele Tools eingeführt wurden.

Es geht um die Qualität der Prozesse, in die diese Tools integriert werden.

Nicht:

„Nutzt das Unternehmen AI?“

Sondern:

„Was hat sich durch AI in der Arbeitsweise des Unternehmens konkret verändert?“

Was ist schneller geworden?

Was ist einfacher geworden?

Was muss nicht mehr manuell erledigt werden?

Wo sind Fehler verschwunden?

Welcher Teil des Prozesses funktioniert heute anders?

Und welchen messbaren Business-Nutzen hat das gebracht?

Denn echter Impact beginnt nicht in dem Moment, in dem AI in einem Prozess auftaucht.

Er beginnt in dem Moment, in dem der Prozess selbst besser funktioniert.