56 % der CEOs sahen null KI-Rendite. Wall Street erfuhr es anders

Von den 374 S&P-500-Unternehmen, die in ihren jüngsten Quartalsberichten künstliche Intelligenz erwähnten, zeichnete die überwiegende Mehrheit ein ausschließlich positives Bild. Gleichzeitig ergab die PwC-Befragung von 4.454 Vorstandsvorsitzenden aus 95 Ländern, dass 56 Prozent keinerlei messbare Verbesserung bei Umsatz oder Kosten durch ihre KI-Investitionen verzeichneten. Nur 12 Prozent erzielten Fortschritte in beiden Bereichen.

Diese Kluft zwischen der Darstellung im Vorstandszimmer und den tatsächlichen Zahlen ist kein Rundungsfehler. Sie ist der bestimmende Widerspruch der Unternehmenslandschaft im Jahr 2026.

Das KI-Produktivitätsparadoxon, über das niemand öffentlich spricht

Apollo-Chefökonom Torsten Slök formulierte es unverblümt: „KI ist überall, nur nicht in den eingehenden makroökonomischen Daten.“ Seine Beobachtung erinnert an ein Muster, das Ökonomen bereits kennen. 1987 stellte Nobelpreisträger Robert Solow fest, dass trotz massiver Investitionen in die Computertechnik das Produktivitätswachstum von 2,9 Prozent jährlich (1948 bis 1973) auf nur 1,1 Prozent gesunken war. Sein berühmter Satz: „Man sieht das Computerzeitalter überall, nur nicht in den Produktivitätsstatistiken.“

Eine Studie des National Bureau of Economic Research mit 6.000 Führungskräften aus den USA, Großbritannien, Deutschland und Australien kam zu einem ernüchternden Ergebnis: 90 Prozent der befragten Unternehmen meldeten über drei Jahre KI-Nutzung hinweg keinerlei Auswirkung auf Beschäftigung oder Produktivität. Die durchschnittliche KI-Nutzung lag bei gerade einmal 1,5 Stunden pro Woche. Ein Viertel der Befragten setzte KI am Arbeitsplatz überhaupt nicht ein.

Das Solow-Paradoxon ist zurück, und diesmal sind die Zahlen größer.

Drei strukturelle Gründe, warum Ihre KI-Ausgaben nichts bewirken

PwC-Global-Chairman Mohamed Kande identifizierte während des Weltwirtschaftsforums in Davos 2026 das Kernproblem: „KI bewegt sich so schnell, dass die Menschen vergessen haben, dass man bei der Einführung von Technologie die Grundlagen beherrschen muss.“ Seine Diagnose verwies auf drei fundamentale Lücken.

1. Mangelhafte Daten, teure Modelle

Den meisten Organisationen fehlt die saubere, strukturierte Datenbasis, die KI-Systeme erfordern. Die globale KI-ROI-Analyse von Deloitte stellte fest, dass lediglich 6 Prozent der Unternehmen ihre Investition innerhalb eines Jahres amortisierten, verglichen mit den 7 bis 12 Monaten, die bei konventionellen Technologieinvestitionen üblich sind. Der Engpass liegt selten beim Modell selbst, sondern bei der darunterliegenden Dateninfrastruktur.

2. Die Produktivitäts-J-Kurve, die niemand einkalkuliert hat

Forschende des MIT Sloan analysierten Zehntausende von Fertigungsunternehmen und stellten fest, dass die KI-Einführung zunächst einen Produktivitätsrückgang von 1,33 Prozentpunkten verursachte. Etablierte Unternehmen traf es am härtesten: Ältere Organisationen verzeichneten nach der KI-Implementierung einen Rückgang strukturierter Managementpraktiken, der fast ein Drittel ihrer Produktivitätsverluste ausmachte. Die Technologie erfordert parallele Investitionen in Schulung, Workflow-Neugestaltung und Prozessanpassung, die in den meisten Budgets schlicht nicht vorgesehen sind.

Auf individueller Ebene zeigt die Forschung, dass KI häufig die Arbeitslast erhöht, statt sie zu verringern. Beschäftigte verbringen Zeit mit Prompting, Verifizierung von Ergebnissen und der Verwaltung von Tools, anstatt die Arbeit zu erledigen, die KI eigentlich übernehmen sollte.

3. Wettbewerbspanik statt Strategie

Obwohl 56 Prozent keine Rendite sehen, planen laut Deloitte 91 Prozent der Organisationen, ihre KI-Ausgaben in diesem Jahr zu erhöhen. Der AI-Radar-Bericht von BCG ergab, dass Unternehmen ihre KI-Budgets 2026 verdoppeln wollen und dabei rund 1,7 Prozent des Umsatzes einplanen. Eine Führungskraft brachte die Dynamik auf den Punkt: „Wenn wir es nicht tun, tut es jemand anderes, und wir fallen zurück.“

Das ist keine evidenzbasierte Investition. Es sind Ausgaben, die von Angst getrieben werden. Wenn nur 6 Prozent der Unternehmen tatsächlich Gewinne mit KI erzielen, subventionieren die übrigen 94 Prozent im Wesentlichen ein Wettrüsten ohne nachgewiesenen Nutzen.

Warum das gravierender ist als die Dotcom-Blase

Der Dotcom-Crash vernichtete spekulative Startups. Das KI-Produktivitätsparadoxon ist anders: Es entzieht etablierten Unternehmen operative Budgets, während deren öffentliche Darstellung das Gegenteil suggeriert. Gartner prognostiziert, dass 30 Prozent der generativen KI-Projekte bis Ende 2025 nach der Machbarkeitsstudie eingestellt werden und 60 Prozent der KI-Projekte ohne KI-taugliche Daten bis 2026 aufgegeben werden.

Das Muster deutet darauf hin, dass mehr als die Hälfte der Unternehmen ihre KI-Personalentscheidungen bereuen: Die Technologie wurde eingesetzt, um Prozesse zu ersetzen, die nie richtig verstanden worden waren.

Was die erfolgreichen 12 Prozent anders gemacht haben

Die Unternehmen mit tatsächlichem KI-ROI teilen drei Merkmale, die Kande identifizierte: eine saubere Dateninfrastruktur, die vor dem KI-Einsatz aufgebaut wurde; Geschäftsprozesse, die um KI-Fähigkeiten herum neu gestaltet wurden (nicht nachträglich aufgesetzt); und Governance-Rahmenwerke, die tatsächliche Ergebnisse messen statt bloße Adoptionsmetriken.

Nichts davon klingt spektakulär. Nichts davon eignet sich für Quartalspäsentationen. Doch genau das unterscheidet die Ökonomie der KI-Werkzeuge, die Wert schafft, von jener, die Quartal für Quartal Budgets verbrennt.

Die Frage lautet nicht, ob Ihr Unternehmen in KI investieren sollte. Die Frage lautet, ob Ihr Unternehmen sich das Recht dazu erarbeitet hat. Ohne die Grundlagen investieren Sie nicht. Sie spenden.

---

Weiterführende Lektüre:

• KI-Entlassungen: Kündigung auf Verdacht statt auf Beweis
• Deep Work scheitert bei 68 Prozent der Wissensarbeiter