Unternehmen investieren Milliarden in Künstliche Intelligenz, ein erheblicher Teil dieser Ausgaben verpufft bereits vor dem produktiven Einsatz. Laut Freshworks-Studie gehen im Schnitt 26 Prozent der KI-Budgets durch Integrationsaufwand, Konfiguration und organisatorische Komplexität verloren. Allein für Deutschland werden die verschwendeten Investitionen auf rund 2,7 Milliarden Euro pro Jahr beziffert.

Künstliche Intelligenz zählt weiterhin zu den wichtigsten Investitionsfeldern vieler Unternehmen. Doch zwischen ambitionierten KI-Strategien und messbaren Geschäftsergebnissen klafft häufig eine erhebliche Lücke. Das zeigt der Bericht „The Global Cost of Complexity Report: The Mid-Market AI Complexity Trap“ von Freshworks, für den weltweit mehr als 12.000 IT-Fachkräfte und IT-Entscheider befragt wurden.

Die zentrale Erkenntnis: Durchschnittlich 26 Prozent der KI-Ausgaben gehen durch Komplexität verloren, bevor überhaupt ein konkreter Mehrwert entsteht. Nach Berechnungen von Freshworks entspricht dies allein in Deutschland einem geschätzten Volumen von rund 2,7 Milliarden Euro pro Jahr.

Besonders betroffen sind mittelständische Unternehmen. Im Vergleich zu Großkonzernen verfügen sie häufig über geringere finanzielle Spielräume und können langwierige Einführungsprojekte weniger leicht kompensieren.

Zwischen Euphorie und Realität

Die Investitionsbereitschaft bleibt hoch. Laut Studie planen 89 Prozent der Unternehmen, ihre KI-Ausgaben in den kommenden zwölf bis 24 Monaten weiter zu erhöhen. Gleichzeitig gelingt es bislang nur wenigen Organisationen, KI flächendeckend in zentrale Geschäftsprozesse zu integrieren.

Lediglich 15 Prozent der befragten Unternehmen haben KI bereits produktiv in ihre Kernprozesse eingebunden. Weitere 36 Prozent befinden sich noch in der Pilotphase. Damit bleibt ein großer Teil der Projekte in einem Stadium, in dem erste Erfahrungen gesammelt werden, ohne dass bereits ein nachhaltiger Geschäftsnutzen entsteht.

»IT-Verantwortliche im Mittelstand haben keine Zeit für KI-Lösungen, die erst nach Monaten einen Mehrwert liefern«, sagt Srinivasan Raghavan, Chief Product Officer bei Freshworks. »Sie brauchen KI, die sich nahtlos in bestehende Geschäftsprozesse integriert und schnell konkrete Ergebnisse liefert. Unternehmen, die den Weg von der Anschaffung bis zum produktiven Einsatz am schnellsten schaffen, werden KI von einer Komplexitätsbelastung zu einem Wettbewerbsvorteil machen.«

Die ROI-Falle vieler KI-Projekte

Besonders problematisch ist laut Studie die Diskrepanz zwischen Management-Erwartungen und tatsächlichen Implementierungszeiten.

Während 72 Prozent der Führungskräfte davon ausgehen, dass sich KI-Investitionen innerhalb von acht Monaten amortisieren, berichten 55 Prozent der Unternehmen, dass allein die Einführung der Systeme zwischen sechs und zwölf Monaten in Anspruch nimmt.

Damit entsteht ein strukturelles Problem: In vielen Fällen läuft das Zeitfenster für den erwarteten Return on Investment ab, bevor die Lösung überhaupt produktiv genutzt werden kann.

Die wichtigsten Gründe dafür sind:

• Komplexe Systemintegration (27 Prozent)
• Fachkräftemangel (26 Prozent)
• Hoher Konfigurationsaufwand (26 Prozent)

Vor allem die Integration in bestehende IT-Landschaften entwickelt sich laut der Studie zu einer zentralen Herausforderung. Viele Unternehmen betreiben heute hybride Infrastrukturen mit Cloud-Diensten, SaaS-Anwendungen, On-Premises-Systemen und zahlreichen Datensilos. KI-Lösungen müssen sich in diese Umgebung einfügen, ohne bestehende Prozesse zu beeinträchtigen.

Das Produktivitätsparadox der KI

Eines der auffälligsten Ergebnisse der Untersuchung beschreibt Freshworks als Produktivitätsparadox.

Eigentlich soll KI Arbeitsabläufe automatisieren und Mitarbeiter entlasten. In vielen Unternehmen scheint derzeit jedoch das Gegenteil der Fall zu sein.

86 Prozent der befragten IT-Verantwortlichen geben an, dass die Verwaltung von KI-Systemen die Arbeitsbelastung ihrer Teams erhöht hat. Statt Ressourcen freizusetzen, entstehen zusätzliche Aufgaben für Konfiguration, Überwachung und Fehlerkorrektur.

Hinzu kommt ein weiteres Problem: Viele KI-Systeme erzeugen Ergebnisse, die überprüft oder nachbearbeitet werden müssen.

75 Prozent der deutschen IT-Führungskräfte berichten, dass KI-Ergebnisse zu Fehlern, Rauschen oder zusätzlicher Nacharbeit führen. Die Studie bezeichnet dieses Phänomen als »AI Slop«.

Gemeint sind Inhalte oder Ergebnisse, die zwar automatisiert erzeugt werden, jedoch nicht unmittelbar verwendbar sind und deshalb zusätzliche menschliche Kontrolle erfordern.

Damit entsteht eine paradoxe Situation: Die KI produziert neue Arbeit, während sie gleichzeitig bestehende Arbeit reduzieren soll.

Immer mehr KI-Tools verschärfen die Komplexität

Zur steigenden Belastung trägt auch die wachsende Zahl eingesetzter KI-Anwendungen bei. Die Unternehmen nutzen laut Studie durchschnittlich 4,2 verschiedene KI-Lösungen. Zehn Prozent der Befragten setzen sogar sieben oder mehr KI-Tools parallel ein.

Diese Entwicklung erinnert an frühere Phasen der Digitalisierung, in denen Unternehmen zahlreiche spezialisierte Anwendungen einführten, ohne einheitliche Governance- oder Integrationskonzepte zu etablieren.

Besonders kritisch: Nur 33 Prozent der Unternehmen verfügen über ein formelles und konsequent angewandtes KI-Governance-Framework.

Damit fehlen häufig klare Vorgaben für:

• Datennutzung
• Modellmanagement
• Compliance
• Sicherheitsrichtlinien
• Verantwortlichkeiten

Gerade vor dem Hintergrund regulatorischer Anforderungen wie dem EU AI Act dürfte dieser Bereich künftig stärker in den Fokus rücken.

Mittelstand verändert seine KI-Strategie

Die zunehmende Komplexität beeinflusst inzwischen auch die Beschaffungsstrategien vieler Unternehmen.

Anstelle hochgradig individueller KI-Plattformen gewinnen Lösungen an Bedeutung, die sich möglichst schnell implementieren lassen und bereits bestehende Prozesse unterstützen.

Ein Drittel der befragten IT-Verantwortlichen nennt die Integration in bestehende Workflows als wichtigste Priorität für die kommenden Jahre.

90 Prozent bevorzugen integrierte Arbeitsabläufe gegenüber aufwendigen Konfigurationsprojekten. Gleichzeitig setzen 54 Prozent beim Ausbau ihrer KI-Funktionen auf den Zukauf bestehender Lösungen statt auf Eigenentwicklungen.

Diese Entwicklung deutet auf einen Strategiewechsel hin. Unternehmen bewerten KI zunehmend nicht mehr ausschließlich nach technologischen Möglichkeiten, sondern nach der Geschwindigkeit, mit der sich ein konkreter Geschäftsnutzen erzielen lässt.

Vom Innovationsprojekt zum Infrastrukturthema

Die Ergebnisse der Freshworks-Studie zeigen, dass sich die Diskussion rund um KI verändert.

Während in den vergangenen Jahren vor allem die Leistungsfähigkeit großer Sprachmodelle und generativer KI im Mittelpunkt stand, rücken nun Fragen der Integration, Skalierung und Governance stärker in den Vordergrund.

Für viele Unternehmen entwickelt sich KI damit von einem Innovationsprojekt zu einem Infrastrukturthema.

Entscheidend wird künftig weniger sein, welche KI-Technologie eingesetzt wird, sondern wie effizient sie sich in bestehende Prozesse einfügt und wie schnell sie produktive Ergebnisse liefert.