Wer heute durch Produktionshallen geht, hört überall dasselbe: KI-Pilotprojekte laufen, Budgets fließen, Präsentationen glänzen. Und trotzdem bleibt die Frage, die Einkäufer und Produktionsplaner am meisten beschäftigt, unbeantwortet: Wann kommt endlich der messbare Nutzen?
Zwei aktuelle Studien liefern eine ernüchternde Antwort - und zeigen gleichzeitig, wo der eigentliche Hebel liegt.
Die Zahl, die niemand ignorieren kann
Laut dem "State of AI in Business Report 2025" des MIT scheitern 95 Prozent aller generativen KI-Pilotprojekte in Unternehmen daran, einen substanziellen wirtschaftlichen Nutzen zu erzielen. "Lediglich 5 Prozent der untersuchten KI-Pilotprojekte bringt einen Mehrwert von mehreren Millionen Dollar", schreiben die Autoren - die überwiegende Mehrheit bleibe ohne messbare Auswirkungen auf die Gewinn- und Verlustrechnung.
Die Studie basiert auf einem multimethodischen Forschungsdesign, das zwischen Januar und Juni 2025 durchgeführt wurde. Grundlage waren die Analyse von 300 KI-Implementierungen sowie eine Befragung von 150 Führungskräften und 350 Mitarbeitenden.
Parallel dazu kommt HTEC, ein globaler Engineering- und KI-Dienstleister, zu einem ähnlichen Befund: Eine HTEC-Befragung von 1.529 C-Level-Führungskräften zeigt, dass nur 45 Prozent künstliche Intelligenz bereits funktionsübergreifend im Unternehmen verankert haben.
Für den deutschen Mittelstand, der das Rückgrat unserer Industrie bildet, ist das keine abstrakte Statistik. Es ist ein konkretes Risiko.
Warum Tools allein nicht reichen
Das Muster ist bekannt: Ein Unternehmen testet ChatGPT oder Microsoft Copilot, die Mitarbeitenden sind begeistert, die Produktivität im Einzelfall steigt. Und dann? Nichts. Kein Effekt auf den Deckungsbeitrag, keine Verbesserung im Liefertreue-KPI, keine Entlastung in der Disposition.
Über 80 Prozent der Unternehmen haben nach eigener Aussage ChatGPT oder Microsoft Copilot getestet oder in Pilotprojekten eingesetzt, aber nur 40 Prozent haben diese Tools auch implementiert - weil sie zwar die individuelle Produktivität der Mitarbeitenden verbessern, aber keinen positiven Effekt auf den Gewinn der Unternehmen zeigen.
Die Hauptursache: Generische KI-Tools seien für Prozesse in Unternehmen ungeeignet. Sie eigneten sich aufgrund ihrer Flexibilität hervorragend für die Unterstützung von Einzelpersonen, seien aber nicht gut darin, aus Arbeitsabläufen zu lernen oder sich an diese anzupassen.
Für einen Produktionsplaner, der Stücklisten, Kapazitäten und Lieferantenfristen täglich jongliert, ist das ein entscheidender Unterschied. Ein generisches Sprachmodell kennt weder die Besonderheiten des eigenen ERP-Systems noch die historischen Lieferverzögerungen eines bestimmten Zulieferers. Es antwortet - aber es lernt nicht mit.
Der entscheidende Unterschied: KI verbessert die individuelle Produktivität. Aber nur KI, die in Prozesse, Daten und Systemlandschaften integriert ist, verbessert das Unternehmensergebnis. Beides ist nicht dasselbe.
Das Skalierungsproblem: Von der Sandbox in den Shopfloor
Laut McKinsey schaffen es weniger als 30 Prozent aller KI-Pilotprojekte überhaupt in den regulären Betrieb. Das deckt sich mit dem, was Produktionsverantwortliche in der Praxis erleben: Der Pilot läuft in einer kontrollierten Umgebung, mit ausgewählten Daten, betreut von einem engagierten Team. Dann kommt der Alltag - und das System hält nicht stand.
42 Prozent der Unternehmen haben 2025 die Mehrheit ihrer KI-Initiativen abgebrochen - mehr als doppelt so viele wie noch 2024. Die Branche hat dafür einen treffenden Begriff gefunden: "Pilot Purgatory". Ein Zustand, in dem ein KI-Projekt technisch funktioniert, aber nie in Produktion geht. Budget wird weiter verbrannt, das Führungsteam verliert das Vertrauen, neue Proof-of-Concepts werden genehmigt, ohne dass jemand die alten abschließt.
Für mittelständische Unternehmen ist das besonders bitter: Ein Konzern kann sich zehn gescheiterte Pilotprojekte leisten, bis eines trägt.
Was in Deutschland besonders schwer wiegt
Der internationale Vergleich ist aufschlussreich. Während 2023 nur rund 11 bis 13 Prozent der Unternehmen in Deutschland KI produktiv einsetzten, nutzen 2025 bereits gut 40 Prozent KI-Lösungen im Kerngeschäft. In der Industrie liegt der Anteil noch etwas höher: Etwa 42 Prozent der Fertigungsunternehmen berichten, dass sie KI in der Produktion einsetzen.
Doch Nutzung ist nicht gleich Wirkung. Große Konzerne mit mehr als 1.000 Beschäftigten haben ihre KI-Aktivitäten deutlich skaliert, während viele mittelständische Industrieunternehmen - der Kern des deutschen Modells - mit der Integration in gewachsene Maschinenparks, heterogene IT-Landschaften und knappe Fachkräfte ringen.
Hinzu kommt ein strukturelles Problem auf der Führungsebene: Die größte Hürde für die unternehmensweite Skalierung ist laut deutschen Umfrageteilnehmern die mangelnde Abstimmung des Managements hinsichtlich der KI-Strategie (55 Prozent). Weitere Barrieren sind die Integration in bestehende Prozesse und Systeme, fehlende Priorisierung sowie Unsicherheit hinsichtlich Business Case und ROI (jeweils 50 Prozent).
Fünf unbequeme Wahrheiten - und was Entscheider jetzt tun müssen
HTEC hat fünf unbequeme Wahrheiten identifiziert, mit denen sich Unternehmen konfrontieren sollten, bevor sie das nächste Budget freigeben - denn technische Reife allein garantiert nichts.
Aus Sicht der Produktionsplanung und des Einkaufs lassen sich daraus konkrete Schlussfolgerungen ziehen:
1. Kein Pilot ohne klare Wertlogik Entscheidend ist, systematisch zu bewerten, wo KI messbaren Unterschied macht und skalierbaren Nutzen schafft - viele Unternehmen starten mit einer Vielzahl einzelner Use Cases, ohne klar zu priorisieren. Für den Einkauf bedeutet das: Vor dem Projektstart muss feststehen, ob das Ziel Lieferzeitverkürzung, Bestandsoptimierung oder Lieferantenrisikobewertung ist - und wie Erfolg gemessen wird.
2. Daten müssen produktionsreif sein Entscheidend ist der uneingeschränkte Zugriff auf relevante Daten. Wenn den Modellen die notwendigen Daten fehlen, kann die KI nicht sinnvoll in reale Prozesse eingebunden werden. Wer seinen Lagerbestand noch in drei verschiedenen Systemen pflegt, wird mit KI keine Dispositionsentscheidungen automatisieren.
3. Integration schlägt Innovation Das Problem liegt nicht bei der Qualität der KI-Tools oder regulatorischen Beschränkungen - entscheidend ist die Art und Weise der Integration. Ein KI-Modul, das nicht mit dem ERP kommuniziert, bleibt ein teures Experiment.
4. Anreizsysteme neu justieren Anreizsysteme belohnen den Start, nicht die Skalierung. Wer einen Piloten initiiert, wird sichtbar; wer ihn in die Linie überführt, trägt operatives Risiko. Die Folge: viele Anfänge, wenige Übergänge. Das ist ein Führungsthema, kein IT-Thema.
5. Ehrlicher Abbruch ist kein Versagen Nicht jedes Pilotprojekt gelingt. Entscheidend ist, rechtzeitig zu stoppen, um knappe Mittel auf wirkungsvollere Digitalisierungsaktivitäten zu lenken. Ein ehrlicher Abbruch nach zwei Monaten ist wertvoller als ein schleichender Tod nach zwei Jahren.
Photo: Homa Appliances / UnsplashWas die erfolgreichen 5 Prozent anders machen
"Adoption ist kein Wettbewerbsvorteil mehr", sagt Sebastian Seutter, Global Managing Partner Continental Europe bei HTEC. "Fast jedes Unternehmen setzt heute künstliche Intelligenz ein. Den Unterschied macht, wie konsequent eine Organisation ihre eigenen Prozesse versteht und den passenden Kontext für die Technologie bereitstellt. Überall dort, wo Wissen und Kontext zusammenkommen, wird KI nicht zum Ersatz von Menschen, sondern zum Verstärker ihrer Expertise."
Erfolgreiche Umsetzungen investieren laut BCG 70 Prozent ihrer Ressourcen in Menschen und Prozesse - und nur 10 Prozent in Algorithmen. Das ist eine Zahl, die in keiner KI-Budgetplanung fehlen sollte.
Laut einer Roland-Berger-Studie haben nur 38 Prozent der Unternehmen überhaupt mit einer strukturierten KI-Transformation begonnen. 62 Prozent erwarten tiefgreifende Veränderungen durch KI - aber eben nur 38 Prozent haben mit einer strukturierten Transformation begonnen. Die Lücke zwischen Erwartung und Handlung ist das eigentliche Problem.
Für Einkäufer und Produktionsplaner lautet die praktische Konsequenz: Nicht das nächste Tool evaluieren, sondern die Prozessreife des eigenen Unternehmens. Welche Daten liegen sauber vor? Wo gibt es klare Verantwortlichkeiten? Welche Entscheidungen soll KI konkret unterstützen - und wer verantwortet das System nach dem Go-live?
"Wer jetzt nicht in Umsetzung und Skalierung investiert, riskiert, vom Markt abgehängt zu werden", mahnt Benedikt Höck, Partner und Head of AI bei KPMG. Das gilt besonders für den deutschen Mittelstand, der im internationalen Vergleich noch aufholen muss - aber mit dem Vorteil tiefer Prozesskenntnis und stabiler Kundenbeziehungen antritt.
Warum scheitern so viele KI-Pilotprojekte in der Industrie?
Die MIT-Studie zeigt: Das Problem liegt selten an der Technologie selbst. Generische KI-Tools verbessern die individuelle Produktivität, lernen aber nicht aus Unternehmensabläufen und passen sich nicht an diese an. Fehlende Datenintegration, unklare Business Cases und mangelnde Management-Abstimmung sind die häufigsten Ursachen.
Was ist 'Pilot Purgatory' und wie vermeidet man es?
Der Begriff beschreibt den Zustand, in dem ein KI-Projekt technisch funktioniert, aber nie in den produktiven Betrieb überführt wird. Vermeiden lässt er sich durch klare Gate-Kriterien vor Projektstart, definierte Verantwortlichkeiten für den Go-live und den Mut zum ehrlichen Abbruch, wenn strukturelle Hindernisse nicht lösbar sind.
Wie viel Prozent der KI-Investitionen sollten in Menschen und Prozesse fließen?
Laut BCG investieren erfolgreiche KI-Unternehmen 70 Prozent ihrer Ressourcen in Menschen und Prozesse — und nur 10 Prozent in Algorithmen. Wer dieses Verhältnis umdreht, landet mit hoher Wahrscheinlichkeit im Piloten-Friedhof.
Wie steht Deutschland im internationalen Vergleich bei der KI-Skalierung da?
Der Anteil der deutschen Fertigungsunternehmen, die KI produktiv einsetzen, ist von rund 17 Prozent (2023) auf etwa 42 Prozent (2025) gestiegen. Allerdings bleibt die unternehmensweite Skalierung — besonders im Mittelstand — weit hinter den Erwartungen zurück. Große Konzerne haben deutlich mehr Fortschritte gemacht als KMU.
