Das KI-Produktivitätsparadoxon: Warum die Einführung in den Zahlen nicht sichtbar wird

Von Victor Hoang · Aktualisiert am 22. September 2026

Das KI-Produktivitätsparadoxon ist die Lücke zwischen der breiten Einführung generativer KI in Unternehmen und dem geringen Anteil dieser Einführung, der sich in der gemessenen Finanzleistung niederschlägt. Umfragen beziffern die KI-Nutzung in Unternehmen auf über 80 %, doch laut McKinsey führen nur 39 % der Unternehmen überhaupt eine EBIT-Wirkung darauf zurück, und MIT-Forscher fanden bei 95 % der Pilotprojekte mit generativer KI keinen messbaren Ertrag. Die Lücke ist real, aber sie beweist nicht, dass KI nicht funktioniert. Es handelt sich um eine Verzögerung bei Messung und Umsetzung, für die es ein gut dokumentiertes historisches Vorbild gibt.

Wenn Sie ein Unternehmen führen und diese Spannung selbst erlebt haben, bilden Sie sich nichts ein. Ihr Team nutzt KI-Tools ständig. Ihre GuV bewegt sich nicht. Beides stimmt gleichzeitig, und der Grund dafür ist nützlicher zu verstehen als der Hype-Zyklus oder der Gegenzyklus der Ernüchterung, die derzeit im Angebot sind. Dieser Beitrag bleibt eng bei der GuV-Lücke; für die breitere Palette kontrollierter Studien zu KI und Arbeit insgesamt lesen Sie wie KI die Arbeit verändert und was die Evidenz zeigt.

Wichtige Fakten

• 95 % der Pilotprojekte mit generativer KI liefern keine messbare GuV-Wirkung, gegenüber 5 %, die den Großteil des Werts abschöpfen. So steht es in „The GenAI Divide: State of AI in Business 2025" von MIT NANDA, basierend auf 300+ Einführungen, 52 Interviews und 153 Befragungen von Führungskräften (MIT NANDA, „The GenAI Divide: State of AI in Business 2025", via Fortune).
• 88 % der Organisationen berichten, KI in mindestens einer Geschäftsfunktion zu nutzen, aber nur 39 % führen irgendeine EBIT-Wirkung darauf zurück, und lediglich 6 % gelten als „AI High Performer" mit 5 % oder mehr EBIT-Wirkung (McKinsey, The State of AI: Global Survey 2025).
• Gartner prognostiziert, dass über 40 % der Projekte mit agentenbasierter KI bis Ende 2027 eingestellt werden, wegen steigender Kosten, unklaren Geschäftsnutzens oder unzureichender Risikokontrollen (Gartner-Prognose, berichtet von RCR Wireless).
• Der Ökonom Erik Brynjolfsson und seine Koautoren modellierten eine „Productivity J-Curve": Universaltechnologien drücken die gemessene Produktivität zunächst, weil die nötigen immateriellen Investitionen (Umschulung, Prozessneugestaltung, neue Rollen) erst später in den amtlichen Statistiken auftauchen (Brynjolfsson, Rock, Syverson, NBER Working Paper 25148).
• 1987 schrieb der Ökonom Robert Solow, man könne „das Computerzeitalter überall sehen, nur nicht in den Produktivitätsstatistiken", und beschrieb damit eine jahrzehntelange Verzögerung zwischen IT-Investitionen und gemessenen Output-Zuwächsen (Solow, New York Times Book Review, 1987, zitiert via Stand-Up Economist).

Was das KI-Produktivitätsparadoxon tatsächlich bedeutet

Der Begriff beschreibt eine bestimmte, messbare Diskrepanz: Einführungskurven, die wie ein Hockeyschläger aussehen, neben Leistungskurven, die flach verlaufen. Er behauptet nicht, KI sei nutzlos. Er hält fest, dass der Wert, den KI schafft, noch nicht durch die Leitungen gelangt ist, die die Nutzung einzelner Tools mit den Finanzergebnissen des Unternehmens verbinden.

Drei Dinge werden in einem Wort („KI") zusammengepresst, obwohl sie getrennt gehören:

• Nutzung: ob Mitarbeitende ein Tool öffnen und etwas davon haben. Das ist tatsächlich weit verbreitet.
• Workflow-Veränderung: ob der zugrunde liegende Prozess, nicht nur ein einzelner Schritt darin, rund um das neu gestaltet wurde, was KI wirklich gut kann. Das ist selten.
• GuV-Wirkung: ob sich die Workflow-Veränderung als niedrigere Kosten, höhere Umsätze oder kürzere Durchlaufzeiten in einem Ausmaß zeigt, das ein CFO bemerken würde. Das ist noch seltener.

Die meiste öffentliche Debatte behandelt Nutzung als Stellvertreter für Wirkung. Die Daten sagen, dass das ein Fehler ist, und es ist derselbe Fehler, den Ökonomen in den 1980er-Jahren machten, als sie Unternehmen beim Kauf von Computern beobachteten.

Die Einführungszahlen sind real

Beginnen wir mit dem, was unbestritten ist. Die Nutzung generativer KI in Unternehmen wuchs schneller als fast jede Unternehmenstechnologie, die je erfasst wurde. Mehrere große, unabhängig durchgeführte Umfragen kommen zu Einführungsraten von über 80 % für mindestens eine Geschäftsfunktion. Mitarbeitende nutzen sie zum Verfassen, Zusammenfassen, für Coding-Unterstützung und Recherche, oft ohne formelle Freigabe durch die IT.

Dieser Teil der Geschichte wird ständig erzählt, weil er sich am leichtesten messen lässt. Logins, Lizenzplätze und selbstberichtete Nutzungsumfragen sind günstig zu erheben und schmeichelhaft zu berichten. Es ist die zweite Hälfte der Geschichte, was diese Nutzung tatsächlich mit dem Geschäft macht, die sich viel schwerer festnageln lässt und weit weniger schmeichelhaft ausfällt. Die aggregierte Einführungszahl verbirgt außerdem eine Spaltung innerhalb eines einzelnen Unternehmens: Lesen Sie die Adoptionskluft bei KI, um zu verstehen, warum manche Mitarbeitende ihren Workflow rund um diese Tools neu aufgebaut haben, während andere noch keines geöffnet haben.

Die Wirkungszahlen erzählen eine andere Geschichte

McKinsey: hohe Einführung, geringe Zurechnung

McKinseys State-of-AI-Umfrage 2025, durchgeführt unter knapp 2.000 Teilnehmenden in 105 Ländern, ergab, dass 88 % der Organisationen KI irgendwo im Unternehmen nutzen, nach 78 % im Vorjahr. Auf die Frage, Finanzergebnisse dieser Nutzung zuzurechnen, konnten aber nur 39 % überhaupt eine EBIT-Wirkung benennen, und die meisten davon gaben an, die Wirkung liege unter 5 % des EBIT. Nur 6 % der Befragten galten als „AI High Performer", definiert als Organisationen, die sowohl nennenswerten Wert als auch 5 % oder mehr EBIT-Wirkung durch KI melden.

Die Erklärung des Reports für diese Spaltung lautet nicht, dass KI zu wenig leistet. Sie lautet, dass High Performer strukturell etwas anderes tun: Sie haben mit fast dreimal so hoher Wahrscheinlichkeit den zugrunde liegenden Workflow rund um KI neu gestaltet, statt einen Chatbot in einen unveränderten Prozess zu setzen. Diese Unterscheidung (Neugestaltung statt Aufsatz) zieht sich durch jede glaubwürdige Studie zu diesem Thema, und es lohnt sich, sie beim Lesen des restlichen Beitrags im Kopf zu behalten.

MIT NANDA: die GenAI-Kluft

Die drastischste kursierende Zahl stammt aus dem Projekt NANDA des MIT, veröffentlicht als MIT NANDA, „The GenAI Divide: State of AI in Business 2025", via Fortune Die Forschenden werteten mehr als 300 öffentliche KI-Einführungen aus, führten 52 strukturierte Interviews und befragten 153 Führungskräfte, alles zwischen Januar und Juni 2025. Ihr zentraler Befund: Trotz geschätzter Unternehmensinvestitionen in generative KI von 30 bis 40 Milliarden $ erzeugten 95 % der Pilotprojekte keine messbare GuV-Wirkung. Konzentrierte 5 % der Einführungen schöpften den Großteil des tatsächlich vorhandenen Werts ab.

Die Diagnose des Reports ist wichtiger als die Schockzahl. Sie verweist auf eine „Lernlücke": Die meisten KI-Tools in Unternehmen behalten keinen Kontext, verbessern sich nicht durch Feedback im konkreten Workflow, in dem sie eingesetzt werden, und werden von der Basis aufgegeben, die sie umgeht, sobald Reibung entsteht. Das ist kein Daten- oder Talentproblem. Es ist ein Integrationsproblem, und Integrationsprobleme lassen sich beheben, anders als Probleme der Art „die Technologie funktioniert nicht".

Gartner: die Abbruchwelle

Gartners Prognose vom Juni 2025 liefert einen dritten Datenpunkt aus anderer Perspektive: die Sterblichkeit von Projekten. Das Unternehmen prognostiziert, dass mehr als 40 % der Projekte mit agentenbasierter KI, also Initiativen rund um autonome, mehrstufige KI-Agenten statt einstufigem Chat, vor Ende 2027 eingestellt werden. Als Gründe nennt Gartner steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen, dazu einen Markt, der mit dem überschwemmt ist, was das Unternehmen „Agent Washing" nennt: Anbieter, die gewöhnliche Automatisierung oder regelbasierte Bots als agentenbasierte Systeme umetikettieren, ohne die Fähigkeit dahinter zu besitzen.

Zusammen gelesen beschreiben McKinsey, MIT und Gartner nicht drei unverbundene Phänomene. Sie beschreiben denselben Trichter aus drei Blickwinkeln: breite Einführung oben, ein Engpass bei der Neugestaltung in der Mitte und ein Filter durch Projektscheitern unten, der überproportional die Initiativen tötet, die nie über die Pilotphase hinauskamen.

Diesen Film kennen wir schon: das Solow-Paradoxon

1987, auf dem Höhepunkt des PC-Booms, schrieb der Ökonom Robert Solow einen Satz, der fast alles überlebt hat, was er sonst für ein breites Publikum veröffentlichte: „Das Computerzeitalter sieht man überall, nur nicht in den Produktivitätsstatistiken." Unternehmen hatten in den 1980er-Jahren stark in PCs und Unternehmenssoftware investiert. Die nationalen Produktivitätsstatistiken zeigten damals keine entsprechende Beschleunigung. Die Investition war sichtbar. Der Ertrag war es nicht, zumindest noch nicht.

Gelöst wurde das Solow-Paradoxon nicht durch einen besseren Chip oder ein schnelleres Netzwerk. Es war die Welle organisatorischen Wandels der 1990er-Jahre, die zur Hardware aufschloss: ERP-Systeme, die Unternehmen zwangen, neu zu gestalten, wie Aufträge, Lagerbestände und Finanzen miteinander kommunizierten, Handels- und Logistikunternehmen, die Lieferketten rund um Echtzeitdaten statt periodischer Stapelaktualisierungen neu aufbauten, und ein Jahrzehnt, in dem die Managementpraxis aufholte, was die Technologie Jahre zuvor möglich gemacht hatte. Das Produktivitätswachstum beschleunigte sich in der zweiten Hälfte der 1990er-Jahre deutlich, ungefähr ein Jahrzehnt nach der Massenverbreitung des PCs, sobald diese komplementären Investitionen getätigt waren.

Die Parallele zur generativen KI ist keine Metapher. Es ist ein dokumentiertes Muster mit einem Namen in der ökonomischen Literatur, und es impliziert eine falsifizierbare Aussage: Die Produktivitätsgewinne der KI werden in den Daten sichtbar, sobald Unternehmen die organisatorische Arbeit leisten, nicht vorher und nicht automatisch, nur weil sich mehr Menschen in einen Chatbot eingeloggt haben.

Die J-Kurve: Warum die gemessene Produktivität den realen Investitionen hinterherhinkt

Erik Brynjolfsson, Daniel Rock und Chad Syverson haben dieses Muster in ihrem Modell der Productivity J-Curve formalisiert, veröffentlicht über das National Bureau of Economic Research. Ihr Argument: Universaltechnologien (Elektrizität, Computer und jetzt auch KI gehören in diese Kategorie) erfordern enorme komplementäre Investitionen, um sich auszuzahlen. Mitarbeitende umschulen. Geschäftsprozesse rund um das neu aufbauen, was die Technologie wirklich gut kann, statt sie in die Form des alten Prozesses zu zwängen. Neue Produkte und Geschäftsmodelle entwickeln, die die alte Infrastruktur nicht tragen konnte.

Hier liegt der Teil, der das Paradoxon unmittelbar erklärt: Diese komplementären Investitionen sind weitgehend immateriell, und immaterielle Investitionen werden in den als „Produktivität" ausgewiesenen Statistiken schlecht oder gar nicht erfasst. Ein Unternehmen, das sechs Monate damit verbringt, seinen Kundenservice-Workflow rund um ein KI-System neu zu gestalten, tätigt eine echte Investition mit echtem künftigem Ertrag. In dem Jahr, in dem das geschieht, erscheint dieser Aufwand als Kosten und drückt die gemessene Produktivität, statt als Vermögenswert, der künftigen Output aufbaut. Der Ertrag kommt später, sobald der neu gestaltete Workflow im großen Maßstab läuft, doch dann wird er oft „besserem Management" gutgeschrieben statt der Jahre zuvor getätigten KI-Investition.

Brynjolfssons Team schätzte, dass eine Bereinigung der amtlichen Produktivitätsstatistiken um diese immateriellen IT-bezogenen Investitionen die gemessene totale Faktorproduktivität anhand historischer Daten aus der Computerära um etwa 16 % höher ausfallen ließe als die Zahlen der Regierung selbst. Die Form der J-Kurve (erst ein Einbruch, dann ein verzögerter Anstieg) ist der Mechanismus. Das Solow-Paradoxon und das aktuelle KI-Produktivitätsparadoxon sind beide Momentaufnahmen, die im Einbruch entstanden sind.

Behaupteter Gewinn vs. gemessener Gewinn vs. was die Lücke erklärt

Warum Pilotprojekte in der Produktion sterben

Die Interviews des MIT zeigen ein durchgängiges, handlungsrelevantes Scheiternsmuster. Pilotprojekte werden gebaut, um ein Steuerungsgremium zu beeindrucken, nicht um den tatsächlichen Tag eines Teams an der Basis zu überstehen. Sie werden einmal vorgeführt, genehmigt und dann übergeben, ohne Kontextspeicher oder Feedbackschleife, mit der sich das Tool im konkreten Workflow verbessern könnte. Sobald ein Pilot Reibung erzeugt, etwa eine falsche Antwort, eine gebrochene Übergabe oder einen zusätzlichen Freigabeschritt, den niemand eingeplant hat, umgehen ihn die Mitarbeitenden stillschweigend, und die Nutzung pendelt sich innerhalb von Monaten wieder auf dem Niveau vor dem Pilot ein.

Das ist ein organisatorisches Versagen, kein Fähigkeitsproblem: Niemand verantwortete die Integration, niemand maß, ob der Workflow kürzer wurde, und niemand baute die Feedbackschleife, die mit der Zeit Vertrauen aufbaut. Es erklärt auch, warum sich die technischen Schulden aus überhasteten Pilotprojekten aufschaukeln, statt sich aufzulösen; ein Tool, das auf einen nicht neu gestalteten Prozess aufgesetzt wird, ist ein weiteres System, das gepflegt werden muss, nicht weniger Arbeit. Die Mitarbeitenden, die einen reibungsanfälligen Pilot umgehen, tun das meist zusätzlich zu einem ohnehin vollen Tag, und das ist derselbe Mechanismus wie bei Tempo und Burnout im KI-Zeitalter: ein Tool, das Entlastung verspricht, aber einen Prüfschritt hinzufügt, den niemand eingeplant hat.

Der organisatorische Umbau, der den Wert tatsächlich freisetzt

Jede glaubwürdige Studie weist auf dieselbe Lösung hin, jedes Mal in etwas anderen Worten.

Den Workflow neu gestalten, statt KI aufzusetzen

McKinseys High Performer haben mit fast dreimal so hoher Wahrscheinlichkeit den Prozess rund um die tatsächlichen Fähigkeiten der KI neu aufgebaut, statt ein Tool in einen Prozess einzufügen, der für Menschen ausgelegt war, die jeden Schritt manuell erledigen. Die erfolgreichen 5 % des MIT betteten KI tief genug in wertvolle Workflows ein, dass das Tool Kontext behielt und sich mit der Nutzung verbesserte, statt jede Interaktion als Einzelfall zu behandeln. Der gemeinsame Nenner: Die Einheit der Veränderung ist der Workflow, nicht das Tool.

Jemandem die echte Verantwortung für das Ergebnis geben, nicht nur für den Rollout

Ein Pilot ohne benannte Person, die für eine Geschäftskennzahl verantwortlich ist (Kosten pro Ticket, Durchlaufzeit, Fehlerquote), driftet tendenziell in eine Eitelkeitskennzahl wie die Nutzungszahl ab. Organisationen mit messbarer GuV-Wirkung benennen eine Verantwortliche oder einen Verantwortlichen aus dem Geschäft, nicht nur einen IT-Sponsor, und messen diese Person am selben Ergebnismaßstab wie jede andere operative Initiative.

Bewusst entscheiden, was menschlich bleibt

Einen neu gestalteten Workflow zum Laufen zu bringen heißt, ausdrücklich festzulegen, wo menschliches Urteilsvermögen, Eskalationsbefugnis und die endgültige Verantwortung liegen, statt anzunehmen, der Agent werde es „schon herausfinden". Das ist ebenso eine Frage des Organisationsdesigns wie eine technische, und sie hängt unmittelbar damit zusammen, wie Teams aus Mensch und Agent im Alltag strukturiert werden, und mit den bewussten Entscheidungen mancher Unternehmen, das Menschliche als Strategie zu bewahren, statt es dem Zufall zu überlassen.

Die Feedbackschleife vor der Skalierung aufbauen, nicht danach

Tools, die nicht aus dem konkreten Kontext lernen, in dem sie eingesetzt werden, sind das Muster, das MIT als Kerntreiber der Fehlerquote von 95 % benannte. Das heißt, Zeit und Verantwortung für Feinabstimmung und Feedback-Erhebung als Teil des Rollouts einzuplanen, nicht als „Phase zwei", die nie finanziert wird, sobald der Start auf einem Nutzungs-Dashboard gut aussieht.

Nichts davon ist exotisch. Es ist dieselbe Disziplin, die das Solow-Paradoxon in den 1990er-Jahren auflöste: den Prozess neu aufbauen, nicht nur das Tool hinzufügen, mit demselben Budget und derselben Aufmerksamkeit der Geschäftsleitung wie für das Tool selbst. Unternehmen, die diese Lücke schließen, behandeln sie außerdem als Kulturfrage, nicht nur als Workflow-Frage; lesen Sie den Aufbau einer KI-bereiten Kultur und wie eine KI-native Kultur tatsächlich aussieht für die Normenseite desselben Problems.

Was das für Führungskräfte bedeutet, die jetzt Entscheidungen treffen

Drei Dinge folgen direkt aus der oben dargestellten Evidenz, nicht aus der Hype- oder der Gegenhype-Version dieser Geschichte.

Behandeln Sie den Erfolg eines Pilotprojekts und den Erfolg in der Produktion als zwei verschiedene Hürden. Ein Pilot, der einen Raum beeindruckt, beweist, dass das Modell die Aufgabe einmal unter Aufsicht erledigen kann. Er sagt nichts darüber, ob der Workflow sechs Monate realer Nutzung ohne eigene Verantwortliche übersteht, also planen Sie Budget und Personal für diese zweite Hürde getrennt ein.

Messen Sie die Workflow-Kennzahl, nicht die Nutzungskennzahl. Login-Zahlen und Lizenzplätze sehen früh immer gut aus. Kosten pro gelöstem Ticket, Durchlaufzeit oder Fehlerquote gegenüber einer Baseline vor der KI sind die Zahlen, die die GuV des nächsten Jahres tatsächlich vorhersagen. Wenn Sie die konkrete Kennzahl, die eine KI-Initiative bewegen soll, nicht benennen können, hat die Neugestaltung des Workflows noch nicht stattgefunden, nur der Rollout des Tools. Und sobald eine Neugestaltung irgendwo tatsächlich Stunden freisetzt, verteilt sich diese Zeit nicht von selbst. Lesen Sie die Produktivitätsdividende zu der Entscheidung, die die meisten Führungskräfte nie bewusst treffen: wer die von KI gesparten Stunden tatsächlich bekommt.

Planen Sie das Budget für den mehrjährigen Zeitraum, den das historische Muster zeigt, nicht für den Ein-Quartals-Zeitraum, den Anbieter versprechen. Das Solow-Paradoxon brauchte etwa ein Jahrzehnt, um sich durch anhaltende organisatorische Investitionen aufzulösen, nicht durch ein Modell-Upgrade. Genau diese Lücke zwischen Demo und dauerhaftem Ergebnis sollen Prozesse der KI-Governance und eine ehrliche Folgenabschätzung schließen, indem sie Initiativen, die sonst danach beurteilt würden, wie sie auf einer Folie im Steuerungsgremium aussahen, eine echte Messdisziplin auferlegen.

Das Paradoxon ist kein Urteil über die Technologie. Es ist eine Momentaufnahme einer unfertigen Aufgabe, der organisatorischen Hälfte der Arbeit, die Universaltechnologien schon immer verlangt haben, bevor ihre Produktivitätsgewinne sichtbar werden. Generative KI und KI-Agenten können tatsächlich verändern, wie Arbeit erledigt wird. Ob sich das nächstes Jahr oder in fünf Jahren in Ihren Zahlen zeigt, hängt weniger davon ab, welches Modell Sie lizenziert haben, als davon, ob jemand in Ihrer Organisation Zeit, Befugnis und Verantwortung bekommen hat, die Neugestaltung zu vollenden, die das Tool möglich gemacht, aber nicht für Sie erledigt hat.