Das AI-first-Unternehmen: ein Leitfaden zur Einführung nach Unternehmensgröße

Im April 2016 sagte Google-Chef Sundar Pichai, there would “soon be a transition from mobile first to AI first.” [„es werde bald einen Übergang von »Mobile first« zu »AI first« geben“].¹ Zehn Jahre später nennen sich viele Unternehmen AI-first. Nur wenige haben viel davon.

Wie viele Unternehmen KI überhaupt nutzen, hängt davon ab, wer gefragt wird. In der EU nutzten im Jahr 2025 20 % der Unternehmen mit zehn oder mehr Beschäftigten irgendeine KI-Technologie.² In den USA kommt die Unternehmensumfrage des Census Bureau, die alle Firmen abbilden soll, auf etwa 18–20 %.³ In einer Umfrage, die zusammen mit Zentralbanken in den USA, im Vereinigten Königreich, in Deutschland und in Australien durchgeführt wurde, gaben 69 % von knapp 6.000 Führungskräften an, dass ihr Unternehmen KI nutzt. Rund neun von zehn sagten, KI habe in den vergangenen drei Jahren nichts an der Produktivität oder Beschäftigung in ihrem Unternehmen geändert.⁴ Die weltweite Umfrage von McKinsey 2025 ergab, dass 88 % der Organisationen KI in mindestens einem Geschäftsbereich nutzten. Nur rund 6 % waren “AI high performers” [„KI-Spitzenreiter“]: Unternehmen, die 5 % oder mehr ihres EBIT (Betriebsergebnis) auf KI zurückführen.⁵

Was AI-first bedeutet, hängt von der Größe des Unternehmens ab. Ein Betrieb mit zehn Personen, ein Hersteller mit 150 Beschäftigten, eine Regionalbank mit 600 und ein Weltkonzern haben unterschiedliche Budgets, unterschiedliche Fachkräfte und unterschiedliche Risiken. Dieser Leitfaden unterscheidet vier Größenklassen. Die beiden kleineren folgen der KMU-Definition der Europäischen Union: Kleinst- und Kleinunternehmen (1–49 Beschäftigte), mittlere Unternehmen (50–249), gehobener Mittelstand (250–999) und Großunternehmen (1.000+). Jede Zahl verweist auf ihre Quelle. Eine Zahl, die nur vom Unternehmen selbst stammt oder vom Anbieter, der das Werkzeug verkauft hat, ist als solche gekennzeichnet.

---

Was AI-first bedeutet und wie es sich von KI-Nutzung unterscheidet

Ein Unternehmen, das KI nutzt, fügt sie einer Arbeit hinzu, die sonst gleich bleibt: ein Chatbot auf der Website, ein Werkzeug, das E-Mails entwirft. Ein AI-first-Unternehmen ändert die Arbeit selbst, sodass KI einen Teil davon erledigt und Menschen den Rest. Nehmen Sie zwei Marketingteams. Im ersten entwerfen die Beschäftigten Blogbeiträge mit ChatGPT, und sonst ändert sich nichts. Im zweiten hat das Team neu aufgebaut, wie es Inhalte erstellt. KI übernimmt die Recherche, die ersten Entwürfe und die Fassungen für jeden Kanal. Menschen wählen die Themen, redigieren und prüfen die Qualität.

Drei verwandte Begriffe tauchen oft auf:

• AI-native: ein Unternehmen, das mit KI als Produkt gegründet wurde, etwa OpenAI, Anthropic oder Midjourney.
• AI-enabled: ein Unternehmen, das KI bei einzelnen Aufgaben einsetzt, ohne seine Arbeitsweise zu ändern, etwa der Chatbot einer Bank oder die Nachfrageprognose eines Händlers.
• AI-augmented: Beschäftigte erledigen mit KI mehr von ihrer eigenen Arbeit und bleiben dafür verantwortlich.

AI-first verlangt einem Unternehmen am meisten ab, weil es Prozesse, Rollen und Regeln ändert, nicht nur Werkzeuge.

Zwei Beratungsfirmen bieten Faustregeln an. BCG beschreibt drei Stufen des Anspruchs: Deploy [„Einsetzen“] fertiger Werkzeuge, für 10–15 % mehr Produktivität; Reshape [„Umbauen“] ganzer Funktionen rund um KI, für 30–50 %; und Invent [„Erfinden“] neuer Produkte und Dienstleistungen, die auf KI aufbauen.⁶ Die Prozentzahlen sind Schätzungen von BCG. Die „10-20-70-Regel“ von BCG besagt, dass in einem KI-Programm 10 % des Aufwands auf die Algorithmen entfallen, 20 % auf Technik und Daten und 70 % darauf, die Arbeitsweise von Menschen und Prozessen zu ändern.⁷ Die Forschung Rewired von McKinsey sagt, dass erfolgreiche Unternehmen eigene Digitalfachleute beschäftigen, statt sich auf externe zu verlassen.⁸

Ein öffentliches „AI-first“-Rundschreiben zeigt, was die Unternehmensspitze vorhat, nicht was geschehen ist. Im April 2025 forderte der Chef von Shopify seine Teams auf, vor jedem Antrag auf mehr Personal zu zeigen, warum KI die Arbeit nicht erledigen kann.⁹ Im selben Monat kündigte der Chef von Duolingo einen AI-first-Plan an. Dazu gehörte, Auftragnehmer für Arbeiten, die KI übernehmen kann, nach und nach nicht mehr einzusetzen. Nach öffentlicher Kritik sagte er, das Rundschreiben habe zu wenig Zusammenhang geliefert.¹⁰

---

Kleinst- und Kleinunternehmen (1–49 Beschäftigte)

Kleine Firmen haben am seltensten angefangen. In der EU nutzten 17 % der kleinen Unternehmen (10–49 Beschäftigte) im Jahr 2025 KI, gegenüber 55 % der großen. Eurostat zählt Firmen mit weniger als zehn Beschäftigten nicht mit.² Im Euroraum nutzten 41 % der Kleinstunternehmen Ende 2025 überhaupt keine KI, gegenüber 13 % der großen Unternehmen. Doch in jeder Größe nutzten etwa 7–8 % der Firmen KI in erheblichem Umfang.¹¹ In den USA zeigen Bankdaten, dass 17,7 % der kleinen Firmen bis Dezember 2025 für einen KI-Dienst bezahlt hatten.¹² Als die Federal Reserve kleine Firmen mit Beschäftigten befragte, gaben 46 % an, KI zu nutzen.¹³

Wenige kleine Firmen beschäftigen Fachleute für Daten oder IT. In dieser Größe heißt AI-first, die wichtigste Arbeit mit fertigen Werkzeugen zu erledigen, nicht eigene Systeme zu bauen. Der Vorteil ist die Geschwindigkeit. Mit wenig alter Software, die ersetzt werden muss, und nur ein oder zwei Personen, die zustimmen müssen, kann eine kleine Firma einen Prozess in Wochen ändern.

Die stärksten Belege sprechen dafür, mit einer klar umrissenen Aufgabe anzufangen. In einer Feldstudie mit mehr als 5.000 Beschäftigten im Kundenservice, die einen Assistenten mit generativer KI bekamen, lösten diese rund 15 % mehr Anliegen pro Stunde. Die am wenigsten erfahrenen gewannen am meisten.¹⁴ Den Beschäftigten ein Werkzeug zu geben, reicht allein nicht. Eine große Studie unter Beschäftigten in Dänemark fand, dass KI-Chatbots den Beschäftigten, die sie nutzten, im Schnitt etwa 3 % ihrer Arbeitszeit sparten. Auf den Verdienst und die Arbeitsstunden dieser Beschäftigten hatten die Chatbots keine messbare Wirkung.¹⁵ Zusammen sagen die beiden Studien: KI lohnt sich, wo eine Aufgabe häufig vorkommt, klar umrissen ist und ein Mensch das Ergebnis prüft. Viel weniger lohnt sie sich, wo die Beschäftigten nur Zugang bekommen.

Wenn niemand die Ratschläge prüft, können gerade die verlieren, die am meisten Hilfe brauchen. In einem randomisierten Versuch bekamen 640 Personen, die in Kenia ein kleines Unternehmen führen, über WhatsApp einen Mentor für ihr Geschäft auf Basis von GPT-4. Im Schnitt änderte das nichts an Umsatz oder Gewinn. Wessen Geschäft zu Beginn schlecht lief, schnitt damit fast 10 % schlechter ab. Wessen Geschäft schon gut lief, gewann möglicherweise mehr als 15 %.¹⁶

Kleine Firmen nutzen KI für praktische Technik und den Betrieb, nicht nur zum Schreiben. Hrag Kalebjian, Inhaber von Henry’s House of Coffee in San Francisco, ließ ChatGPT Arduino-Code für ein kleines Gerät schreiben, das einen feinen Nebel auf die Kaffeemühlen des Geschäfts sprüht, um statische Aufladung zu verringern.¹⁷ Aragon AI, das mit KI erstellte Porträtfotos verkauft, gibt an, in rund zwei Jahren mit einem Team von neun Personen 10 Millionen $ wiederkehrenden Jahresumsatz erreicht zu haben (Angabe des Unternehmens).¹⁸ Firmen wie Aragon sind noch selten. Auf Product Hunt, einer Website, auf der neue Produkte vorgestellt werden, brachten Personen, die allein gegründet haben, nach dem Start von ChatGPT mehr Produkte heraus. Die Spitzenplätze belegen aber immer häufiger Teams.¹⁹

Die meisten Werkzeuge, die kleine Firmen nutzen, fallen in vier Gruppen. Die Preise ändern sich oft, und mehrere Anbieter, bei denen sich früher jeder online anmelden konnte, verkaufen heute nur noch an größere Kunden. Prüfen Sie die aktuellen Preise, bevor Sie ein Budget festlegen.

Gruppe	Typische Werkzeuge	Was Sie prüfen sollten
Schreiben und Recherche	ChatGPT, Claude, Gemini, Microsoft Copilot	Geschäftstarife mit Datenschutzbedingungen; ob Ihre Daten zum Training des Modells genutzt werden
Automatisierung	Zapier, Make, n8n	Grenzen für Aufgaben oder Ausführungen; ob Sie es auf Ihrem eigenen Server betreiben können (n8n)
Kundenservice	Chatbots in Helpdesk-Werkzeugen, ManyChat	Übergabe an einen Menschen; Aufzeichnung der Gespräche
Marketing und E-Commerce	Canva, die eingebaute KI von Shopify, Klaviyo	Ob KI-Funktionen enthalten sind oder extra kosten

Ein gutes erstes Projekt in dieser Größe beginnt mit einem Prozess, der sichtbar Zeit oder Geld kostet, etwa Routineanfragen beantworten, Angebote entwerfen oder Rechnungen bearbeiten. Messen Sie, wie lange er heute dauert. Nutzen Sie ein fertiges Werkzeug, und lassen Sie einen Menschen prüfen, was es erstellt. Setzen Sie es erst breiter ein, wenn sich die Zahlen verbessern.

---

Mittlere Unternehmen (50–249 Beschäftigte)

Rund drei von zehn mittleren Unternehmen nutzen KI. In der EU nutzten 30,4 % der Unternehmen mit 50–249 Beschäftigten im Jahr 2025 KI.² In den USA zeigt die Unternehmensumfrage des Census Bureau ähnliche Werte für Firmen mit 100–249 Beschäftigten.³ In sieben OECD-Ländern gaben 31 % der kleinen und mittleren Unternehmen an, generative KI zu nutzen.²⁰

Ein Unternehmen dieser Größe kann einer Person die Verantwortung für KI geben. Meist ist das eine Leitung aus Betrieb oder IT, die dafür eigene Zeit und ein eigenes Budget bekommt. Ein Data-Science-Team hat das Unternehmen selten. Der praktische Weg ist deshalb, Werkzeuge zu kaufen, einzurichten und Regeln für ihre Nutzung festzulegen, statt selbst zu bauen. Die 10-20-70-Regel von BCG zählt in dieser Größe am meisten.⁷ Die Werkzeuge auszuwählen ist der leichte Teil. Über die Ergebnisse entscheidet, ob Sie den Prozess ändern, die Menschen schulen, die ihn nutzen, und messen, was sich ändert.

Wenn Sie in der EU tätig sind, gilt das Gesetz jetzt auch für Sie. Nach der KI-Verordnung der EU (AI Act) gelten die Verbote bestimmter KI-Anwendungen seit Februar 2025 und die Regeln für KI-Modelle mit allgemeinem Verwendungszweck seit August 2025. Die KI-Verordnung verlangte zunächst von jedem Unternehmen, das KI-Systeme einsetzt (im eigenen Betrieb nutzt), dafür zu sorgen, dass seine Beschäftigten ausreichende KI-Kompetenz haben. Im Mai 2026 einigten sich die EU-Institutionen auf eine Änderung namens „Digital Omnibus“. Sie verschiebt die meisten Pflichten für die Hochrisikosysteme nach Anhang III auf Dezember 2027. Außerdem schwächt sie die Kompetenzpflicht ab: Unternehmen müssen die KI-Kompetenz ihrer Beschäftigten jetzt fördern, statt ein bestimmtes Niveau zu garantieren.²¹ Ein mittleres Unternehmen sollte mindestens eine kurze schriftliche Richtlinie zur KI-Nutzung haben, eine Liste der KI-Systeme, die es nutzt, und eine Grundschulung für die Beschäftigten.

---

Gehobener Mittelstand (250–999 Beschäftigte)

Unternehmen des gehobenen Mittelstands haben echte Budgets und weniger Genehmigungsebenen als Großunternehmen. In der Umfrage von RSM 2026 unter Unternehmen des Mittelstands in den USA und Kanada gaben 86 % an, KI teilweise oder vollständig in ihre Abläufe eingebaut zu haben. Manche Firmen sagten, ihre Pilotprojekte seien nur mäßig gut oder schlechter gelaufen. Als Hindernisse für eine breitere Einführung nannten diese Firmen am häufigsten die Datenqualität (53 %) und die Anbindung von KI an ihre bestehenden Systeme (47 %).²² RSM grenzt den Mittelstand nach Umsatz ab, nicht nach Beschäftigtenzahl. Seine Firmen überschneiden sich daher mit dieser Größenklasse, decken sich aber nicht mit ihr.

Der Bericht GenAI Divide von MIT NANDA aus dem Jahr 2025 wird oft zu Firmen dieser Größe zitiert. Er ist ein vorläufiger Bericht, keine Studie mit Messungen. Er stützt sich auf eine Durchsicht von mehr als 300 öffentlichen KI-Vorhaben, auf 52 Interviews und auf 153 Umfrageantworten, die auf vier Branchenkonferenzen gesammelt wurden. Und er verwendet zwei verschiedene Definitionen von Erfolg.²³ Laut dem Bericht brauchten Firmen des gehobenen Mittelstands rund 90 Tage vom Pilotprojekt bis zum vollen Einsatz, Großunternehmen dagegen neun Monate oder mehr. Außerdem hatten laut dem Bericht Werkzeuge, die bei spezialisierten Anbietern gekauft wurden, in rund 67 % der Fälle Erfolg, weit häufiger als Werkzeuge, die Unternehmen selbst bauten. Der Bericht selbst sagt, diese Quoten “may reflect organizational capabilities rather than implementation approach alone.” [„könnten eher die Fähigkeiten der Organisation widerspiegeln als allein den Ansatz der Umsetzung.“] Siehe den Faktencheck zur Zahl von 95 % aus dem Bericht.

Ob diese Größenklasse einen Vorteil hat, ist umstritten. Im Januar 2025 argumentierten Forschende aus dem Umfeld von BCG und dessen Henderson Institute in Fortune, mittelgroße Unternehmen könnten bei KI einen “Goldilocks” [„genau richtig“]-Vorteil haben. Zugleich stellten sie fest, dass mittelgroße Unternehmen zurücklagen: 28 % meldeten einen mittleren bis hohen Reifegrad bei generativer KI, gegenüber 46 % der großen Unternehmen.²⁴ Die Studie von BCG zum Mittelstand von 2026 fand, dass große Unternehmen häufiger deutliche Umsatzgewinne durch KI meldeten. Große Unternehmen gaben auch einen größeren Anteil ihres Umsatzes für KI aus und stellten schneller KI-Fachleute ein.²⁵ Schnell zu entscheiden ist nur dann ein Vorteil, wenn ein Unternehmen seine Entscheidungen danach auch umsetzt.

Unternehmen dieser Größe organisieren KI meist in drei Stufen. Zuerst legen eine benannte Person aus der Geschäftsleitung und eine kleine Gruppe aus mehreren Abteilungen die Prioritäten fest. Danach bekommt jeder Geschäftsbereich eine eigene Leitung für KI, und ein zentrales Team kümmert sich um gemeinsame Werkzeuge, Daten und Regeln. Schließlich nutzt jede Abteilung KI-Werkzeuge für ihre eigenen Rollen als Teil der normalen Arbeit und misst die Ergebnisse regelmäßig.

---

Großunternehmen (1.000+ Beschäftigte)

In einem Großunternehmen heißt AI-first, Betrieb, Strategie und Kultur rund um KI neu zu ordnen. Die Lücke zwischen KI nutzen und mit KI Geld verdienen ist hier am größten. Die Umfrage von McKinsey 2025 (siehe den Anfang dieses Leitfadens) fand, dass die wenigen Spitzenreiter fast dreimal so häufig wie andere Unternehmen einzelne Arbeitsabläufe von Grund auf neu aufgebaut hatten.⁵ Unternehmen kümmern sich auch um mehr KI-Risiken als früher: im Schnitt um vier im Jahr 2025, gegenüber zwei im Jahr 2022.⁵

Volkswagen nennt sein Ziel offen. 2025 kündigte der Konzern an, bis 2030 bis zu 1 Milliarde € in KI zu investieren, nach dem Grundsatz “no process without AI” [„kein Prozess ohne KI“]. Er erwartet bis 2035 Effizienzgewinne und vermiedene Kosten von bis zu 4 Milliarden €.²⁶ Banken zeigen, wie das im großen Maßstab aussieht. JPMorgan Chase hob sein Ziel für den Geschäftswert aus KI bis Ende 2023 auf 1,5 Milliarden $ an, aus Anwendungen in Risikomanagement, Marketing, Kundenservice und Betrugsbekämpfung.²⁷ Erica, die virtuelle Assistentin der Bank of America, hatte bis März 2026 mehr als 3,2 Milliarden Kundenkontakte bearbeitet.²⁸ Goldman-Sachs-Chef David Solomon sagte im Januar 2025, KI könne 95 % eines Prospekts für einen Börsengang in Minuten entwerfen. Für diese Arbeit brauchte früher ein Team von sechs Personen zwei Wochen.²⁹

Der US-Krankenversicherer UnitedHealth Group meldete für 2025 rund 1.000 KI-Anwendungen im laufenden Betrieb.³⁰ In der Telefonkonferenz zu den Geschäftszahlen im April 2025 sagte der damalige Konzernchef, ein KI-Agent habe 26 Millionen Kundenanrufe treffsicherer als zuvor an die richtige Beratungsperson geleitet. KI werde im Lauf des Jahres 2025 mehr als die Hälfte der Anrufe des Unternehmens weiterleiten.³¹

Je größer das Unternehmen, desto mehr braucht es klare Regeln und benannte Verantwortliche für KI. Laut der Forschung von McKinsey vom März 2025 gehört es zu den Faktoren, die am engsten mit höherem Gewinn aus KI zusammenhängen, wenn die Unternehmensspitze selbst beaufsichtigt, wie KI geführt wird. Bei 28 % der Organisationen, die KI nutzen, war die Unternehmensspitze dafür verantwortlich.³² Die spätere Umfrage von McKinsey fand, dass gut die Hälfte der Organisationen, die KI nutzen, mindestens eine negative Folge erlebt hatte. Am häufigsten waren fehlerhafte Ergebnisse.⁵

---

Was scheitert und welche Unternehmen zurückgerudert sind

Die meisten KI-Vorhaben schaffen es noch immer nicht in den laufenden Betrieb oder rechnen sich nie. Das IT-Marktforschungsunternehmen Gartner sagte voraus, dass bis Ende 2025 mindestens 30 % der Projekte mit generativer KI nach dem Machbarkeitsnachweis aufgegeben würden.³³ In der Umfrage von S&P Global 2025 gaben 42 % der Unternehmen an, die meisten ihrer KI-Vorhaben aufgegeben zu haben, nach 17 % ein Jahr zuvor.³⁴ Laut dem vorläufigen Bericht von MIT NANDA sahen rund 95 % der Organisationen keine messbare Wirkung ihrer Pilotprojekte mit generativer KI auf Gewinn und Verlust. Diese Zahl stützt sich auf 52 Interviews und 153 Umfrageantworten von Konferenzen. Der Bericht selbst nennt seine Zahlen “directionally accurate based on individual interviews rather than official company reporting.” [„der Richtung nach zutreffend, auf Grundlage einzelner Interviews statt offizieller Unternehmensberichte“].²³

Mehrere bekannte AI-first-Schritte wurden teilweise zurückgenommen. Klarna erklärte 2024, sein KI-Assistent erledige die Arbeit von 700 Beschäftigten im Kundenservice. 2025 sagte der Konzernchef, die Kosten seien “a too predominant evaluation factor” [„ein zu vorherrschendes Bewertungskriterium“] gewesen, und die Qualität habe gelitten. Klarna werde mehr Menschen im Kundenservice einstellen.³⁵ Starbucks stellte ein KI-Werkzeug zum Zählen von Lagerbeständen nach rund neun Monaten ein, nach Beschwerden über falsche Zählungen.³⁶ Im Juli 2025 kündigte die Commonwealth Bank of Australia an, nach der Einführung eines KI-Sprachbots 45 Stellen im Kundenservice zu streichen. Die Gewerkschaft Finance Sector Union focht die Entscheidung an. Innerhalb weniger Wochen sagte die Bank, ihre Bewertung “did not adequately consider all relevant business considerations” [„habe nicht alle relevanten geschäftlichen Gesichtspunkte angemessen berücksichtigt“]. Sie sagte, die Stellen seien nicht überflüssig, und entschuldigte sich.³⁷

Die Fälle in diesem Leitfaden teilen sich entlang einer Linie. Die Unternehmen mit Ergebnissen haben einen bestimmten Prozess geändert und das Ergebnis gemessen. Die Unternehmen, die gescheitert sind, haben KI auf Anordnung von oben breit eingeführt, sie vor allem nach den Kosten beurteilt und die Qualität nicht geprüft.

---

KI in sieben Branchen

Technologie- und Softwareunternehmen kommen der reinen Form von AI-first am nächsten, weil KI oft selbst das Produkt ist. Stripe hat ein Basismodell für Zahlungen gebaut: ein großes KI-Modell, trainiert mit zig Milliarden seiner Transaktionen. Nach Angaben von Stripe stieg damit die Erkennungsrate für Kartentest-Angriffe auf große Unternehmen fast über Nacht um 64 % (Angabe des Unternehmens).³⁸ Bei einem Kartentest-Angriff probieren Kriminelle gestohlene Kartennummern mit kleinen Zahlungen aus.

Marketingteams haben generative KI früh genutzt. Die Dessousmarke Adore Me erstellte mit Writer Produktbeschreibungen und Stilhinweise. Die Zeit, die sie jeden Monat für Produktbeschreibungen auf Online-Marktplätzen brauchte, sank von 20 Stunden auf 20 Minuten (Fallstudie des Anbieters).³⁹ Bayer Australia sagte mit maschinellem Lernen von Google Cloud voraus, wann Suchanfragen zu Erkältung und Grippe steigen würden, und passte seine Suchanzeigen daran an. Das Unternehmen meldete einen Anstieg der Klickrate (des Anteils der Personen, die die Anzeige sehen und anklicken) um 85 % und 33 % niedrigere Kosten pro Klick als im Vorjahr (Fallstudie von Google).⁴⁰

Händler nutzen KI vom ersten Kontakt mit der Kundschaft bis ins Lager. NVIDIA stellt die Chips her, auf denen die meiste KI läuft. In seiner Umfrage 2026 unter Unternehmen aus Handel und Konsumgütern gaben 91 % an, KI zu nutzen oder zu prüfen.⁴¹ McKinsey schätzt, dass generative KI für Händler einen wirtschaftlichen Wert von 240–390 Milliarden $ schaffen könnte. Das ist eine Prognose, kein gemessener Gewinn.⁴²

Hersteller nutzen KI vor allem in Technik, Wartung und Qualität. Siemens hat seinen Industrial Copilot 2025 um KI-Agenten erweitert. Ein Kunde, thyssenkrupp Automation Engineering, führt den Copilot weltweit ein und berichtet von besserer Codequalität und schnellerer Entwicklung (Pressemitteilung von Siemens).⁴³ Rolls-Royce nutzt digitale Zwillinge von Flugzeugtriebwerken: Softwarekopien echter Triebwerke, die mit deren Daten gespeist werden. Das Unternehmen gibt an, damit bei einigen Triebwerken die Zeit zwischen Wartungen um bis zu 50 % verlängert zu haben.⁴⁴ In der EU setzen Hersteller, die KI nutzen, sie laut Eurostat am häufigsten in Marketing und Vertrieb (30 %) und in der Verwaltung (27 %) ein.²

Finanzdienstleister geben viel für KI aus und müssen ihre Modelle nach strengen Regeln testen und freigeben. In der Umfrage von NVIDIA 2026 unter mehr als 800 Beschäftigten der Finanzbranche gaben 65 % an, dass ihr Unternehmen KI aktiv nutzt, nach 45 % ein Jahr zuvor.⁴⁵ Klarna (siehe oben) zeigt das Risiko, KI im Kundenkontakt vor allem nach den Kosten zu beurteilen.

Das Gesundheitswesen zeigt, warum unabhängige Belege wichtig sind. Ein KI-Schreibassistent für die Medizin hört bei einer Sprechstunde mit und entwirft die ärztlichen Notizen. Die Anbieter versprechen oft große Zeitersparnisse. Zwei randomisierte Versuche fanden kleinere. Bei UCLA Health verringerte eines der beiden getesteten Werkzeuge die ärztliche Zeit für das Schreiben von Notizen um 9,5 %. Das andere machte keinen Unterschied, der über den Zufall hinausging. Messgrößen für Erschöpfung (Burn-out) verbesserten sich etwas. Genutzt wurden die Werkzeuge nur bei 33,5 % und 29,5 % der Termine.⁴⁶ An der University of Wisconsin verringerte ein Schreibassistent die Zeit für Notizen um 0,36 Stunden pro Tag und wurde für 38 % der Notizen genutzt.⁴⁷ Bei der Permanente Medical Group, der medizinischen Gruppe von Kaiser Permanente, sparten KI-Schreibassistenten in rund den ersten 15 Monaten schätzungsweise 15.791 Stunden Schreibzeit für Notizen.⁴⁸ Das Unternehmen Abridge, das solche Schreibassistenten anbietet, sammelte im Juni 2025 300 Millionen $ Kapital ein.⁴⁹

Freiberufliche Dienstleistungen haben generative KI schnell übernommen, aber die Gewinne sind sehr unterschiedlich. In einer Umfrage von BCG unter Beschäftigten dieser Branche in den USA, Ende 2024 durchgeführt und 2025 veröffentlicht, nutzten 95 % generative KI mindestens einmal im Monat. Doch 53 % sagten, sie spare ihnen weniger als ein Viertel ihrer Zeit.⁵⁰ McKinsey gibt an, dass 72 % der eigenen Beschäftigten das interne KI-Werkzeug Lilli nutzen und ihm mehr als 500.000 Anfragen pro Monat schicken (Angabe des Unternehmens).⁵¹ In der Technologie-Umfrage 2024 der American Bar Association gaben 30 % der Anwältinnen und Anwälte an, KI-Werkzeuge zu nutzen, nach 11 % im Jahr davor.⁵² Harvey, das KI an Kanzleien verkauft, gibt an, dass die meisten gemessenen Aufgaben mit seinen Werkzeugen 60–90 % schneller gingen (Angabe des Anbieters).⁵³ Die Risiken sind gut belegt. Am 16. Oktober 2026 verzeichnete die Datenbank eines Forschers 2.199 Gerichtsentscheidungen zu Material, das KI erfunden hatte, 871 davon mit Beteiligung von Anwältinnen und Anwälten.⁵⁴ Bei kleinen Kanzleien ist aus gesparter Zeit noch kein Geld geworden. In einer Umfrage von Clio, das Software an Kanzleien verkauft, hatten 86 % der Einzelkanzleien und 78 % der kleinen Kanzleien ihre Preise wegen KI nicht geändert (Umfrage des Anbieters).⁵⁵

---

Werkzeuge und Systeme nach Unternehmensgröße

Was ein Unternehmen einsetzt, hängt von seiner Größe ab. Kleinst- und Kleinunternehmen nutzen Online-Werkzeuge im Abo, die wenig Technikwissen verlangen. Mittlere Unternehmen ergänzen Automatisierungswerkzeuge und die KI-Funktionen in der Geschäftssoftware, für die sie ohnehin bezahlen. Unternehmen des gehobenen Mittelstands verbinden die KI ihrer Hauptanbieter mit einigen spezialisierten Werkzeugen und direkten Anbindungen an KI-Modelle (APIs), aufbauend auf einem gemeinsamen Speicher für die Unternehmensdaten. Großunternehmen bauen selbst: Datenplattformen, Teams, die Modelle betreiben und überwachen, und Modelle, die mit den eigenen Daten trainiert sind, in der Cloud und in eigenen Rechenzentren.

Anbieter bauen KI außerdem in bestehende Tarife ein und erhöhen die Preise. Google hat seine KI Gemini in alle Business-Tarife von Workspace aufgenommen und den Preis von Business Standard um 2 $ pro Nutzerkonto und Monat erhöht.⁵⁶

Die Bausteine sind in jeder Größe dieselben. Ganz unten liegen die Daten. Darüber liegen die KI-Modelle und die Arbeit, sie zu betreiben. Ganz oben stehen die Anwendungen, die Menschen nutzen: Assistenten, Agenten und Werkzeuge für eine bestimmte Branche. Mit der Größe ändert sich, wie viel von jedem Baustein ein Unternehmen selbst besitzt und wie viel es mietet.

Lesen Sie Zahlen zur Kapitalrendite mit Vorsicht. IDC forschte im Auftrag von Microsoft, das KI-Werkzeuge verkauft. Unternehmen gaben gegenüber IDC an, 2023 im Schnitt 3,50 $ für jeden in KI investierten 1 $ zurückbekommen zu haben. Für generative KI waren es 3,70 $ je investiertem 1 $ im Jahr 2024. Diese Zahlen haben Führungskräfte selbst angegeben; niemand hat sie gemessen.⁵⁷ Eigene Schätzungen können in beide Richtungen danebenliegen. In einem randomisierten Versuch brauchten erfahrene Fachleute aus der Softwareentwicklung 19 % länger für Aufgaben, wenn sie KI nutzten. Danach glaubten sie, KI habe sie um etwa 20 % schneller gemacht.⁵⁸ Über alle Erwerbstätigen in den USA ergaben die eigenen Schätzungen der Beschäftigten, wie viel Zeit generative KI ihnen spart, im April 2026 zusammen etwa 2 % aller Arbeitsstunden.⁵⁹ Die unabhängigen Belege in diesem Leitfaden, aus Feldstudien und aus den hohen Abbruchquoten, deuten auf Renditen hin, die kleiner und weit ungleicher verteilt sind.

---

Wer was tut: Rollen und Führung

AI-first verlangt eher neue Verantwortlichkeiten als neue Berufsbezeichnungen. Jemand muss für jeden Prozess, den KI unterstützt, von Anfang bis Ende verantwortlich sein. Jemand muss dafür sorgen, dass Prompts, Einstellungen und Verbindungen zwischen Systemen weiter funktionieren, wenn sich die Werkzeuge ändern. Jemand muss für Risiko und die Einhaltung der Gesetze geradestehen. In einer kleinen Firma macht oft eine Person alle drei Aufgaben. In einem Großunternehmen werden daraus getrennte Rollen, oft in einem zentralen KI-Team.

Microsoft, das KI-Werkzeuge verkauft, beschreibt in seinem Work Trend Index 2025 drei Phasen. Zuerst arbeitet KI als Assistent für alle Beschäftigten einzeln. Danach kommen KI-Agenten als “digital colleagues” [„digitale Kolleginnen und Kollegen“] in die Teams und übernehmen bestimmte Aufgaben. Schließlich steuern Menschen Agenten, die ganze Prozesse ausführen.⁶⁰ Das ist eine Prognose von Microsoft, kein gemessenes Ergebnis.

Die Führung zählt so viel wie die Technik. McKinsey fand, dass KI-Spitzenreiter rund dreimal so häufig wie andere Unternehmen eine oberste Führungsebene haben, die sichtbar Verantwortung für KI übernimmt und sich dafür einsetzt.⁵ In der Praxis heißt das: Führungskräfte nutzen die Werkzeuge selbst. Sie stellen KI als Hilfe für die Beschäftigten dar, nicht als deren Ersatz. Und sie behandeln, was KI erstellt, als Entwurf, für den ein Mensch geradesteht.

---

Was zu tun ist, nach Unternehmensgröße

• Kleinst- und Kleinunternehmen: Beginnen Sie mit einem kostspieligen Prozess, der sich ständig wiederholt. Nutzen Sie fertige Werkzeuge, und lassen Sie einen Menschen prüfen, was sie erstellen. Bevor Sie mehr tun, messen Sie die gesparte Zeit und ob sich Umsatz oder Honorare verändert haben.
• Mittlere Unternehmen: Benennen Sie eine Person, die für KI verantwortlich ist. Führen Sie eine kurze Richtlinie zur KI-Nutzung und eine Schulung für die Beschäftigten ein. Kaufen Sie Werkzeuge und richten Sie sie ein, statt sie selbst zu bauen.
• Gehobener Mittelstand: Nutzen Sie, dass Sie schnell entscheiden können. Beginnen Sie mit der KI in Ihrer wichtigsten Software und einigen spezialisierten Werkzeugen. Bauen Sie früh gemeinsame Daten und Regeln für KI auf.
• Großunternehmen: Ändern Sie die Arbeitsabläufe, statt ihnen Werkzeuge hinzuzufügen. Geben Sie der obersten Führung sichtbar die Verantwortung. Führen Sie KI als Teil des Betriebs, nicht als IT-Projekt.

In jeder Größe ist der Kauf der Technik die kleinere Aufgabe. Der größte Teil der Arbeit besteht darin, zu ändern, wie Menschen und Prozesse arbeiten (die 10-20-70-Regel von BCG, siehe oben). Unternehmen, die AI-first als Softwarekauf behandeln, landen meist bei der Mehrheit, deren Vorhaben stecken bleiben. Nach den bisherigen Belegen gewinnen die Unternehmen, die geändert haben, wie die Arbeit erledigt wird.

Quellen

1. 9to5Google, Bericht über Äußerungen von Sundar Pichai und seinen Founders’ Letter 2016, 28. April 2016: https://9to5google.com/2016/04/28/founders-letter-2016-pichai/ ↩

2. Eurostat, “Use of artificial intelligence in enterprises,” Daten für 2025: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises ↩ ↩² ↩³ ↩⁴

3. US Census Bureau, Business Trends and Outlook Survey, Mai 2026: https://census.gov/library/stories/2026/05/ai-use-businesses.html ↩ ↩²

4. I. Yotzov, J. M. Barrero, N. Bloom und andere, “Firm Data on AI,” NBER Working Paper 34836, 2026: https://www.nber.org/papers/w34836 ↩

5. McKinsey, “The state of AI in 2025,” 5. November 2025 (archivierte Fassung; unter der aktuellen Adresse steht jetzt die Ausgabe 2026): https://web.archive.org/web/20251215/https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩ ↩² ↩³ ↩⁴ ↩⁵

6. BCG, “CEO’s Guide to Maximizing Value Potential from AI in 2024,” Juli 2024: https://media-publications.bcg.com/BCG-Executive-Perspectives-CEOs-Guide-to-Maximizing-Value-from-AI-EP0-3July2024.pdf ↩

7. BCG, “5 Rules for Fixing AI and Machine Learning for Your Business,” 2022: https://www.bcg.com/publications/2022/5-rules-for-fixing-ai-and-machine-learning-for-your-business ↩ ↩²

8. McKinsey, “The rewired enterprise: How five companies built to outcompete”: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-rewired-enterprise-how-five-companies-built-to-outcompete ↩

9. Tobi Lütke, internes Rundschreiben, veröffentlicht auf X, 7. April 2025: https://x.com/tobi/status/1909251946235437514 ↩

10. Fortune, “Duolingo CEO admits controversial AI memo did not give enough context,” 18. August 2025: https://fortune.com/2025/08/18/duolingo-ceo-admits-controversial-ai-memo-did-not-give-enough-context-insists-company-never-laid-off-full-time-employees ↩

11. Annalisa Ferrando, Sara Lamboglia, Judit Rariga und Maurice Schmidt, “Adoption and investment in AI across the euro area: insights from harmonised firm-level data,” ECB Occasional Paper 395, 2026: https://www.ecb.europa.eu/pub/pdf/scpops/ecb.op395.en.pdf ↩

12. JPMorganChase Institute, “Understanding the use of AI among small businesses,” April 2026: https://www.jpmorganchase.com/institute/all-topics/business-growth-and-entrepreneurship/understanding-ai-use-by-small-businesses ↩

13. Federal Reserve Banks, Small Business Credit Survey, “2026 Report on Employer Firms,” März 2026: https://www.fedsmallbusiness.org/-/media/project/clevelandfedtenant/fsbsite/reports/2026/2026-report-on-employer-firms/2026-report-on-employer-firms.pdf ↩

14. Erik Brynjolfsson, Danielle Li und Lindsey Raymond, “Generative AI at Work,” The Quarterly Journal of Economics 140(2), 2025: https://doi.org/10.1093/qje/qjae044. Frühere Fassung: NBER Working Paper 31161: https://www.nber.org/papers/w31161 ↩

15. Anders Humlum und Emilie Vestergaard, “Large Language Models, Small Labor Market Effects,” Fassung vom Mai 2025 (BFI Working Paper 2025-56; durchschnittliche Zeitersparnis 2,8 %): https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf. Überarbeitet als NBER Working Paper 33777: https://www.nber.org/papers/w33777 ↩

16. Nicholas G. Otis, Rowan Clarke, Solène Delecourt, David Holtz und Rembrand Koning, “The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya,” Management Science, 2026: https://doi.org/10.1287/mnsc.2024.06909 ↩

17. Daily Coffee News, 18. Oktober 2024: https://dailycoffeenews.com/2024/10/18/weekly-coffee-news-gpt-assisted-grinder-hack-an-espresso-smoker ↩

18. ARR Club, “Aragon AI at $10M ARR in 2 years with 9 people”: https://www.arr.club/signal/aragon-ai-arr-at-10m-in-2-years-with-9-people ↩

19. Hyunso Kim, Hyo Kang und Jaeyong Song, “Generative AI Fuels Solo Entrepreneurship, but Teams Still Lead at the Top,” arXiv 2605.10291, Mai 2026: https://arxiv.org/abs/2605.10291 ↩

20. OECD, “Generative AI and the SME Workforce,” 2025: https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html ↩

21. Gibson Dunn, “EU AI Act Omnibus agreement: postponed high-risk deadlines and other key changes,” Mai 2026: https://www.gibsondunn.com/eu-ai-act-omnibus-agreement-postponed-high-risk-deadlines-and-other-key-changes/ ↩

22. RSM, “Middle market embraced AI; now comes the hard part,” 2026: https://rsmus.com/newsroom/2026/rsm-survey-middle-market-embraced-ai-now-comes-hard-part.html ↩

23. A. Challapally, C. Pease, R. Raskar und P. Chari, MIT NANDA, “The GenAI Divide: State of AI in Business 2025,” vorläufige Ergebnisse, Juli 2025. Kopie auf mlq.ai, nicht auf einer Domain des MIT: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↩ ↩²

24. Fortune, Kommentar von Forschenden aus dem Umfeld von BCG, 10. Januar 2025: https://fortune.com/2025/01/10/ai-artificial-intelligence-goldilocks-mid-sized-companies ↩

25. BCG, “How midmarket firms can get value from AI,” September 2026: https://www.bcg.com/publications/2026/midmarket-firms-get-value-from-ai ↩

26. Volkswagen Group, “Boosting innovation, reshaping mobility: Volkswagen Group invests in AI,” September 2025: https://www.volkswagen-group.com/en/press-releases/boosting-innovation-reshaping-mobility-volkswagen-group-invests-in-ai-19852 ↩

27. Markets Media, “JPMorgan Chase raises target for value realised from AI,” Mai 2023: https://www.marketsmedia.com/jpmorgan-chase-raises-target-for-value-realised-from-ai/ ↩

28. Bank of America, Newsroom, März 2026: https://newsroom.bankofamerica.com/content/newsroom/press-releases/2026/03/bofa-ai-and-digital-innovations-fuel-30-billion-client-interacti.html ↩

29. Fortune, “Goldman Sachs CEO David Solomon on AI,” 17. Januar 2025: https://fortune.com/2025/01/17/goldman-sachs-ceo-david-solomon-ai-tasks-ipo-prospectus-s1-filing-sec ↩

30. Becker’s Payer Issues, “UnitedHealth has 1,000 AI use cases,” 2025: https://www.beckerspayer.com/payer/unitedhealth-has-1000-ai-use-cases-report/ ↩

31. UnitedHealth Group, Äußerungen in der Telefonkonferenz zu den Zahlen des ersten Quartals 2025, 17. April 2025: https://www.unitedhealthgroup.com/content/dam/UHG/PDF/investors/2025/UNH-Q1-2025-Remarks.pdf ↩

32. McKinsey, “The state of AI: How organizations are rewiring to capture value,” März 2025: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value ↩

33. Gartner, “Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025,” 29. Juli 2024: https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025 ↩

34. CIO Dive, “AI project failure rates are on the rise,” Bericht über S&P Global Market Intelligence, 2025: https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/ ↩

35. Entrepreneur, “Klarna CEO reverses course by hiring more humans, not AI,” 2025: https://www.entrepreneur.com/business-news/klarna-ceo-reverses-course-by-hiring-more-humans-not-ai/491396; Zitat des Konzernchefs über Customer Experience Dive, das Bloomberg zitiert, 9. Mai 2025: https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/ ↩

36. Fortune, 28. Mai 2026: https://fortune.com/2026/05/28/starbucks-quietly-retired-ai-inventory-agent-barista-complaints-hallucinations/ ↩

37. Information Age (Australian Computer Society), “CBA reverses AI-driven job cuts, admits ‘error’,” 21. August 2025: https://ia.acs.org.au/article/2025/cba-reverses-ai-driven-job-cuts—admits—error-.html ↩

38. TechCrunch, “Stripe unveils AI foundation model for payments,” 7. Mai 2025: https://techcrunch.com/2025/05/07/stripe-unveils-ai-foundation-model-for-payments-reveals-deeper-partnership-with-nvidia ↩

39. Writer, “Adore Me customer story”: https://writer.com/blog/adore-me-customer-story ↩

40. Google, “Bayer: search trends and demand predictions”: https://business.google.com/us/think/ai-excellence/search-trends-demand-predictions-bayer/ ↩

41. NVIDIA, “State of AI in Retail and CPG,” 2026: https://blogs.nvidia.com/blog/ai-in-retail-cpg-survey-2026 ↩

42. McKinsey, “LLM to ROI: How to scale gen AI in retail”: https://www.mckinsey.com/industries/retail/our-insights/llm-to-roi-how-to-scale-gen-ai-in-retail ↩

43. Siemens, “Siemens introduces AI agents for industrial automation,” 12. Mai 2025: https://www.businesswire.com/news/home/20250512053219/en ↩

44. CIO, “Rolls-Royce turns to digital twins to improve jet engine efficiency,” 2021: https://www.cio.com/article/3620993/rolls-royce-turns-to-digital-twins-to-improve-jet-engine-efficiency.html ↩

45. NVIDIA, “Survey Reveals the Financial Services Industry Is Doubling Down on AI Investment and Open Source,” 22. Januar 2026: https://blogs.nvidia.com/blog/ai-in-financial-services-survey-2026/ ↩

46. Lukac und andere, “Ambient AI scribes in clinical practice: a randomized trial,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2501000 ↩

47. Afshar und andere, “A pragmatic randomized controlled trial of ambient artificial intelligence to improve health practitioner well-being,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2500945 ↩

48. American Medical Association, “AI scribes save 15,000 hours and restore the human side of medicine”: https://www.ama-assn.org/practice-management/digital-health/ai-scribes-save-15000-hours-and-restore-human-side-medicine ↩

49. Latham & Watkins, “Latham & Watkins advises Abridge in US$300 million Series E funding round,” Juni 2025: https://www.lw.com/en/news/2025/06/latham-watkins-advises-abridge-in-us300-million-series-e-funding-round ↩

50. BCG, “Gen AI in professional services,” 2025: https://www.bcg.com/publications/2025/gen-ai-in-professional-services ↩

51. McKinsey, “Rewiring the way McKinsey works with Lilli”: https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewiring-the-way-mckinsey-works-with-lilli ↩

52. LawNext, “ABA tech survey finds growing adoption of AI in legal practice,” März 2025: https://lawnext.com/2025/03/aba-tech-survey-finds-growing-adoption-of-ai-in-legal-practice-with-efficiency-gains-as-primary-driver.html ↩

53. Harvey, “How Harvey saves lawyers time,” 31. Juli 2025: https://www.harvey.ai/blog/how-harvey-saves-lawyers-time ↩

54. Damien Charlotin, Datenbank “AI Hallucination Cases”, Stand 16. Oktober 2026: https://www.damiencharlotin.com/hallucinations/ ↩

55. Clio, “Legal Trends for Solo and Small Law Firms 2026,” Pressemitteilung, 4. Mai 2026: https://www.clio.com/about/press/2026-solo-small-firm-report/ ↩

56. Blog von Google Workspace, Ankündigung von Gemini in allen Business-Tarifen von Workspace und der neuen Preise, 15. Januar 2025: https://workspace.google.com/blog/product-announcements/empowering-businesses-with-AI ↩

57. Microsoft, “New study validates the business value and opportunity of AI,” 2. November 2023: https://blogs.microsoft.com/blog/2023/11/02/new-study-validates-the-business-value-and-opportunity-of-ai/ und “IDC’s 2024 AI opportunity study,” 12. November 2024: https://blogs.microsoft.com/blog/2024/11/12/idcs-2024-ai-opportunity-study-top-five-ai-trends-to-watch/ ↩

58. METR, randomisierte Studie mit erfahrenen Fachleuten aus der Open-Source-Entwicklung, die KI-Werkzeuge von Anfang 2025 nutzten, 10. Juli 2025: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ ↩

59. Alexander Bick, Adam Blandin und David Deming, “Generative Artificial Intelligence, Time Savings: Employed Adults,” Reihe RPSGENAITSALL, Federal Reserve Bank of St. Louis (FRED), Wert für April 2026: https://fred.stlouisfed.org/series/RPSGENAITSALL ↩

60. Microsoft, Work Trend Index 2025, “2025: The year the Frontier Firm is born”: https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born ↩