Skalierung scheitert selten an der Technologie. Sie scheitert an Annahmen, die im Pilot nie geprüft wurden.
In Teil 1 haben wir gezeigt, dass Unternehmen KI-Investitionen in der falschen Reihenfolge verteilen: zu viel Technologie, zu wenig Prozessgestaltung und Befähigung. Teil 2 beantwortet die Folgefrage. Warum trägt ein funktionierender Pilot nicht, sobald er wachsen soll?
Der Befund
Gartner hat zwischen Januar und April 2026 1.303 Führungskräfte aus Unternehmen ab 50 Millionen US-Dollar Jahresumsatz befragt. Nur 22 Prozent haben KI erfolgreich über mehrere Geschäftsbereiche skaliert oder einen KI-zentrierten Ansatz eingeführt. Zugleich planen 85 Prozent höhere KI-Ausgaben für 2026.
Die Zahl verlangt eine genaue Lesart. Gartner fasst zwei Gruppen zusammen und misst die Breite des Einsatzes, nicht den Ergebnisbeitrag. McKinsey zeigt die zweite Seite: Rund 88 Prozent der Organisationen nutzen KI in mindestens einer Funktion. Als AI High Performer gelten jedoch nur rund 6 Prozent. Bei ihnen trägt KI mindestens 5 Prozent zum EBIT bei, und sie berichten zugleich einen erheblichen Wertbeitrag. Nutzung ist Standard. Wirkung ist die Ausnahme.
Lücke 1: Skalierung verändert die Ökonomie
In einer McKinsey-Befragung vom Mai 2026 überschritten 93 Prozent der Teilnehmer ihr KI-Budget. Beim Übergang von einzelnen Anwendungsfällen zur breiten Einführung steigen die Ausgaben auf annähernd das Vierfache. Der Verbrauch ist schwer zu planen: Bei derselben Aufgabe kann der Tokenverbrauch um das bis zu 30-Fache schwanken. Ein Business Case, der auf Pilotdaten kalkuliert wurde, trägt die Skalierung deshalb nicht.
Lücke 2: Es fehlt die Steuerung
Rund 11 Prozent der von Gartner befragten Organisationen wissen nicht, was ihre Funktionen 2025 für KI ausgegeben haben. Nach McKinsey verfügen nur 20 bis 25 Prozent über ausgereifte FinOps-Praktiken für KI. Gartner beschreibt die erfolgreichen Skalierer so: Sie verfolgen Erträge laufend, führen Initiativen als Portfolio und stoppen Projekte, die hinter dem Plan bleiben. Wer nicht weiß, was er wofür ausgibt, kann nicht entscheiden, was er weiterführt.
Lücke 3: Das Betriebsmodell bleibt unverändert
McKinseys High Performer haben ihre Arbeitsabläufe nahezu dreimal so häufig grundlegend neu gestaltet wie andere Unternehmen. Außerdem stimmen sie dreimal so häufig ausdrücklich zu, dass die Führung Verantwortung für KI-Initiativen übernimmt. Unsere Einordnung: Die Inversion der Investitionen aus Teil 1 ist die Ursache, die Skalierungslücke ihre Folge.
Warum ein funktionierender Anwendungsfall nicht automatisch weiterträgt
Wer KI in einer neuen Organisation oder einem neuen Markt einführt, übernimmt nicht einfach ein bewährtes Modell. Drei Annahmen verschieben sich:
- Die Nutzungsbasis. Menge, Nutzergruppen und Arbeitsabläufe unterscheiden sich, die Kostenkalkulation des Heimatbetriebs gilt nicht mehr.
- Die Zuständigkeit. Wo Fachbereiche KI eigenständig einkaufen, wächst der Verbrauch, ohne dass jemand für das Ergebnis verantwortlich ist.
- Die Rahmenbedingungen. Governance, Datenschutz und Mitbestimmung gehören in jeder Organisation zur Skalierung. Entscheidend ist, dass sie vor der Investition geklärt sind und nicht danach.
Was vor der nächsten Investitionsentscheidung belastbar sein muss
- Kosten je Ergebnis, nicht Kosten je Recheneinheit, berechnet auf realistischer Nutzungsbasis.
- Eine Entscheidungsregel: Wer stoppt oder verlängert eine Initiative, anhand welcher Kennzahl?
- Ein benannter Verantwortlicher je Geschäftsbereich und die Prozesse, die sich dort ändern.
Die entscheidende Frage ist nicht, ob sich ein KI-Anwendungsfall skalieren lässt. Sondern ob seine Wirtschaftlichkeit, Steuerung und Verantwortung auch im größeren Maßstab tragen.
Wenn Sie vor einer solchen Skalierungsentscheidung stehen, besprechen wir gerne, welche Annahmen vor der nächsten Investition belastbar sein müssen. Strategiegespräch vereinbaren
Quellen: Gartner, Pressemitteilung vom 01.09.2026 (1.303 Befragte, Januar bis April 2026). McKinsey Quarterly, „The cost of intelligence“ (20.07.2026), Enterprise AI FinOps Survey, Mai 2026, 120 Teilnehmer, 75 qualifizierte Antworten. McKinsey, „The state of AI in 2025“ (11/2025), Definition AI High Performer: mindestens 5 Prozent des EBIT durch KI und erheblicher berichteter Wertbeitrag.
