Warum die meisten KI-Investitionen keine Rendite bringen, und was Kompetenz damit zu tun hat

80 % der KI-Investitionen liefern laut Gartner keine messbare Rendite. Die Zahl wird oft als Argument gegen KI selbst gelesen. Das greift zu kurz. Sie ist kein Argument gegen die Technologie, sondern ein Hinweis darauf, wo Unternehmen gerade investieren, und wo eben nicht.

Wo das Geld tatsächlich hinfließt

Lizenzen, Tools, Modelle, Infrastruktur: In all das ist längst investiert, oft mit beachtlichem Budget. Was in den meisten Business Cases fehlt, ist eine ebenso ernsthafte Investition in die Frage, ob die Menschen, die diese Tools täglich benutzen, sie auch gut benutzen. Werkzeug und Können werden wie dasselbe behandelt, sind es aber nicht.

Die zweite Zahl, die zur ersten passt

53 % der Unternehmen nennen fehlende KI-Kompetenz im Team als größtes Hindernis für den KI-Einsatz. Zusammen mit der Gartner-Zahl ergibt das ein klares Bild: Das Geld für Zugang ist ausgegeben, die Wirkung bleibt aus, weil das eigentliche Nadelöhr beim Können der Mitarbeitenden liegt, nicht bei der Auswahl der Werkzeuge.

Kompetenz ist die Schicht, die fehlt

Anwendungen, Kontext, Modelle, Infrastruktur: Diese vier Schichten eines KI-Projekts sind in den meisten Unternehmen inzwischen solide aufgebaut. Die Schicht, die in den meisten KI-Projekten fehlt, ist die darüber: der Nachweis, dass Menschen mit alldem tatsächlich gut arbeiten. Ohne sie bleibt jede Investition in die unteren Schichten eine Wette darauf, dass sich Kompetenz von selbst einstellt.

Was das für Ihr nächstes Budget bedeutet

Die praktische Konsequenz ist keine Kürzung bei Tools, sondern eine Ergänzung: Bevor die nächste Lizenz verlängert oder ein neues Modell eingeführt wird, lohnt sich die Frage, wie gut das bestehende Werkzeug im Team überhaupt genutzt wird, und woran es konkret hakt, wenn es hakt. Das entscheidet, ob das nächste Investment in ein weiteres Tool fließen sollte, oder in Kompetenzaufbau bei dem, was bereits vorhanden ist.

Fazit

80 % ohne messbare Rendite ist kein Grund, bei KI zurückhaltender zu werden. Es ist ein Grund, genauer hinzuschauen, wo das Geld bisher hingeflossen ist, und wo bisher fast nichts investiert wurde: in die Frage, wie gut Menschen mit dem, was schon gekauft ist, tatsächlich arbeiten.