Woran Firmen 2026 bei KI wirklich scheitern

Alle paar Monate geht eine neue Studie zu KI in Unternehmen herum, meist mit einer auffälligen Zahl, die ohne den Rest auf LinkedIn landet. Wir haben uns die wichtigsten aus dem letzten Jahr noch einmal angesehen, weil sie aus verschiedenen Richtungen auf dasselbe Problem zeigen. Hier steht, was sie sagen und was wir daraus für eine mittelgroße Firma mitnehmen.

Der Ertrag ist bei den meisten nicht angekommen

MIT, Juli 2025. Der Bericht GenAI Divide der NANDA-Initiative des MIT hat am meisten Wellen geschlagen: “Despite $30–40 billion in enterprise investment into GenAI, this report uncovers a surprising result in that 95% of organizations are getting zero return.” Trotz 30 bis 40 Milliarden Dollar Investitionen bekommen also 95 % der Organisationen keinen Ertrag. Die 95 % wurden überall zitiert. Die Erklärung viel seltener: “Most GenAI systems do not retain feedback, adapt to context, or improve over time.” Die meisten Systeme behalten also kein Feedback, passen sich nicht an den Context an und werden nicht besser.

McKinsey, August 2026. Der State of AI 2026 ist weniger dramatisch und sagt etwas Ähnliches. 37 % der Befragten berichten, dass KI positiv zum EBIT ihrer Organisation beigetragen hat, “essentially unchanged from 2025”, also im Kern unverändert gegenüber 2025, obwohl mehr Organisationen KI ausbauen. Die Gruppe, die McKinsey High Performer nennt, mit mindestens 5 % des EBIT aus KI, bleibt bei etwa 6 %.

Gartner, Juni 2025. Zur neueren Welle, den Agents, prognostiziert Gartner, dass über 40 % der agentischen KI-Projekte bis Ende 2027 eingestellt werden, “due to escalating costs, unclear business value or inadequate risk controls”. Gründe sind also steigende Kosten, unklarer Geschäftsnutzen oder unzureichende Risikokontrollen.

Heißt: viel Nutzung, wenig messbarer Ertrag, und die Agent-Projekte scheinen das Muster zu wiederholen.

Die Leute nutzen KI trotzdem, nur nicht auf dem offiziellen Weg

Derselbe MIT-Bericht fand, dass “only 40% of companies say they purchased an official LLM subscription”, während “workers from over 90% of the companies we surveyed reported regular use of personal AI tools for work tasks.” Nur 40 % der Firmen haben also ein offizielles LLM-Abo gekauft, aber in über 90 % der befragten Firmen nutzen Beschäftigte regelmäßig private KI-Tools für die Arbeit.

Eine Umfrage von PagerDuty unter 1.250 Büroangestellten in den USA, Großbritannien, Australien und Japan, veröffentlicht im Juni 2026, macht daraus Zahlen. Zwei Drittel haben KI-Tools bei der Arbeit genutzt, obwohl sie glaubten, die Firmenrichtlinie erlaube es nicht. 88 % haben arbeitsbezogene Informationen mit öffentlichen Tools wie ChatGPT, Claude oder Gemini geteilt.

Die übliche Reaktion ist ein Verbot. Wir halten das für eine Fehldeutung. Die Leute nutzen private Accounts, weil ihnen die KI hilft. Das offizielle Setup gibt es entweder nicht, oder es weiß zu wenig über die Firma, um nützlich zu sein.

Es liegt an der Organisation, nicht am Einzelnen

Der Work Trend Index 2026 von Microsoft, basierend auf einer Umfrage unter 20.000 KI-Nutzern in zehn Ländern, hat den nützlichsten Befund von allen. Organisatorische Faktoren wie Kultur, Unterstützung durch Führungskräfte und Personalpraxis erklären mehr als doppelt so viel der berichteten KI-Wirkung wie individuelle Faktoren wie Einstellung und Verhalten.

Und nur 26 % der befragten KI-Nutzer sagen, ihre Führung sei sich bei KI “clearly and consistently aligned”, also klar und durchgängig einig.

Das passt zu dem, was wir sehen. Leute zu schulen, bessere Prompts zu schreiben, hilft ein bisschen. Viel mehr hilft, ob die Firma entschieden hat, wie die Dinge laufen, und ob ihre KI-Tools das wissen.

Was Foren dazu beitragen

Studien messen. Foren zeigen, wie es sich anfühlt. In Diskussionen unter Admins, Entwicklern und Leuten, die KI-Notizsysteme bauen, kommen immer wieder dieselben Klagen:

• KI über interne Dokumente gibt selbstsichere Antworten aus veralteten Seiten.
• Zwei Dokumente widersprechen sich, und keiner weiß, welches die KI genommen hat.
• Jedes Tool hat sein eigenes Gedächtnis oder seine eigene Anweisungsdatei, und die driften auseinander.
• Geht ein langjähriger Mitarbeiter, geht überraschend viel Wissen mit.

Über die persönliche Seite davon, das KI Second Brain und wo es im Team bricht, haben wir in einem eigenen Beitrag geschrieben.

Was wir daraus mitnehmen

Zusammen gelesen sagen die Studien nicht, dass die Modelle zu schwach sind. Sie sagen drei andere Dinge:

1. Die KI kennt die Firma nicht. Der MIT-Satz lautet “do not retain feedback, adapt to context”. Jede Korrektur, die ein Mensch einem Assistenten gibt, verschwindet in einem einzigen Chat.
2. Die Organisation ist der Engpass. Die Zahlen von Microsoft sagen es direkt. Nutzen entsteht aus gemeinsamen Entscheidungen, nicht aus individuellem Können.
3. Inoffizielle Nutzung ist ein Signal. Bringen Leute ihre eigene KI mit, lautet die nützlichere Frage, wie jedes Tool, offiziell oder nicht, dieselben Rules bekommt.

Für eine Firma mit 20 bis 200 Leuten läuft das auf eine ziemlich praktische Aufgabe hinaus: aufschreiben, wie es hier läuft, benennen, wer jeden Teil entscheidet, und jede KI diese eine Fassung lesen lassen. Dafür ist ein Company Brain da, und das bauen wir mit CtxCore Brain.

Für den ersten Schritt brauchst du keine Software. Nimm die Frage, bei der eine falsche KI-Antwort am meisten wehtun würde, und schreib die Rule einmal auf, mit Begründung und einem Owner. Unsere zehn Praktiken, um es aktuell zu halten, decken den Rest ab.