AI Index 2026: Was Stanford misst — und was der Report nicht beim Namen nennt

Stanfords AI Index 2026 ist am 13. April erschienen. 456 Seiten, das umfassendste Datenmaterial zum Stand von Enterprise AI weltweit. KI-Investitionen auf Unternehmensebene: 581,7 Milliarden Dollar, plus 130 Prozent gegenüber dem Vorjahr. 88 Prozent der Unternehmen setzen KI in irgendeiner Form ein. Die Leistungsfähigkeit von KI-Agenten auf realen Aufgaben stieg innerhalb eines Jahres von 20 auf 77,3 Prozent. Consumer-Adoption erreichte 53 Prozent in unter drei Jahren — schneller als das Internet oder der PC.

Dann misst der Index noch etwas anderes: den Anteil der Unternehmen, die daraus tatsächlich Wertschöpfung generieren. Und diese Zahl bricht ein. Kapitel für Kapitel dasselbe Muster: Technische Fähigkeit explodiert. Deployment ist nahezu flächendeckend. Wertschöpfung bleibt aus.

Die wichtigste Erkenntnis in Stanfords 456 Seiten steckt in der Lücke zwischen dem, was eingesetzt wird, und dem, was unterm Strich ankommt — eine Lücke, die der Report überall misst und nirgendwo benennt.

Konsumenten generieren Wert. Unternehmen schaffen es nicht.

Die schärfste Diagnose im gesamten Index ist die Asymmetrie zwischen Consumer- und Enterprise-Wertschöpfung. Der US Consumer Surplus aus GenAI erreichte 172 Milliarden Dollar jährlich in 2025 — ein Anstieg von 54 Prozent gegenüber dem Vorjahr, bei einer Verdreifachung des Median-Nutzerwerts (AI Index 2026, Takeaway 10). Gleichzeitig meldet der Index: Agent Deployment im einstelligen Prozentbereich in nahezu allen Unternehmensfunktionen (Kapitel 4, Economy).

Die Variable ist alles, was zwischen dem Tool und der Arbeit sitzt. Für Einzelpersonen: nichts. Jemand öffnet ChatGPT und organisiert seinen Workflow sofort um. Für Unternehmen sitzen Jahrzehnte gewachsener Struktur dazwischen: Rollendefinitionen, Freigabeketten, Abteilungsgrenzen, Risikorichtlinien, Beschaffungszyklen, Performance-Management-Systeme. KI trifft auf diese Struktur — und wird von ihr absorbiert. Die Struktur gewinnt.

Das ist der organisatorische Engpass. Und er ist jetzt messbar.

88 Prozent Adoption bewegt keine GuV

88 Prozent Adoption klingt nach Fortschritt — bis man sich ansieht, was „Adoption“ in den Erhebungsdaten bedeutet. Es bedeutet: mindestens ein Tool in mindestens einer Funktion. McKinseys State of AI Survey 2025 — 1 491 Teilnehmer aus 101 Ländern — hat gemessen, dass nur 21 Prozent der Unternehmen, die GenAI einsetzen, ihre Workflows tatsächlich umgestaltet haben (McKinsey, März 2025). Die restlichen 79 Prozent legen KI auf bestehende Prozesse drauf. Selbes Organigramm, selbe Berichtslinien, selbe Entscheidungsrechte, selbe Freigabewege. Ein neues Tool in einer alten Struktur.

McKinseys nächster Befund beantwortet die Frage, worauf es ankommt: Von 25 getesteten Organisationsattributen korreliert fundamentales Workflow-Redesign am stärksten mit EBIT-Wirkung durch GenAI. High-Performer designen Workflows zu 55 Prozent um. Durchschnittliche Unternehmen liegen bei rund 20 Prozent. Die Differenz zwischen KI-Wertschöpfung und Stillstand ist, empirisch gemessen, eine Workflow-Redesign-Lücke.

MIT NANDAs Report von 2025 verschärft das Bild. Basierend auf 52 Executive-Interviews, 153 Befragungen von Führungskräften und 300 öffentlichen Deployments: 95 Prozent aller GenAI-Piloten erzeugen null messbaren P&L-Impact. MITs Diagnose ist explizit — keine Modellqualität, sondern „flawed enterprise integration“ und eine „learning gap for both tools and organizations.“ Extern bereitgestellte, in spezifische Workflows eingebettete Tools erreichen eine Erfolgsquote von 67 Prozent. Intern entwickelte generische Tools schaffen etwa die Hälfte.

Das Muster zieht sich durch jede Tier-1-Quelle, die es gemessen hat. Unternehmen, die mit KI Wertschöpfung erzielen, unterscheiden sich von denen, die es nicht tun, entlang einer Achse: dem Operating Model, in das sie die Technologie deployen.

Governance migriert zu KI-nativen Frameworks — schneller, als die meisten Vorstände realisieren

Das Responsible-AI-Kapitel des AI Index 2026 enthält eine der folgenreichsten Zahlen im gesamten Report. Der Anteil der Unternehmen ohne jede Responsible-AI-Policy fiel innerhalb eines Jahres von 24 auf 11 Prozent. KI-spezifische Governance-Rollen wuchsen um 17 Prozent. Bei Unternehmen mit Governance-Referenz verschiebt sich der Rahmen strukturell: DSGVO-Referenzen fielen von 65 auf 60 Prozent; ISO/IEC 42001 Adoption erreichte 36 Prozent; NIST AI RMF erreichte 33 Prozent.

Governance migriert von allgemeinen Datenschutz-Frameworks zu zweckgebauten KI-Managementsystemen. ISO/IEC 42001 ist ein KI-Managementsystem-Standard — in Substanz ein Organisationsstandard in technischem Gewand: Führungsverantwortung, Risikoeigentümerschaft, kontinuierliches Monitoring, Stakeholder-Engagement.

Der AI Index benennt auch die tatsächlichen Adoptionsbarrieren. Die Top drei aus Stanfords Daten: Wissenslücken (59 Prozent), Budget (48 Prozent), regulatorische Unsicherheit (41 Prozent). Zwei der drei Top-Barrieren sind organisatorisch. Die Capability-Ebene — KI-Kompetenz, Entscheidungsrechte, Change-Kapazität — ist der meistgenannte Grund, warum Adoption stagniert.

Stanford misst die Lücke. Was in der Lücke liegt — die organisatorische Ebene — hat der Index noch nicht systematisch erfasst.

Task-Level-Gewinne addieren sich nicht zu Unternehmenswert

Der Index meldet Produktivitätsgewinne auf Task-Ebene: 14 bis 15 Prozent im Kundenservice, 26 Prozent in der Softwareentwicklung, bis zu 50 Prozent im Marketing-Output (Kapitel 4, Economy). Diese Zahlen sind real. Sie übersetzen sich nur nicht in Unternehmens-EBIT. Der Index ist an dieser Stelle vorsichtig — er vermeidet die Behauptung einer Enterprise-Produktivitätstranslation und vermerkt „smaller gains observed in tasks requiring deeper reasoning.“

Die Lücke zwischen Task-Level und Firm-Level ist die Domäne des Workflows. Ein Kundenservice-Mitarbeiter, der Tickets 14 Prozent schneller löst, steigert den Unternehmensgewinn nicht um 14 Prozent. Der Gewinn muss durch den Workflow hindurch — durch Routinglogik, Eskalationspfade, Freigabeschwellen, Performance-Metriken, Kapazitätsplanung, Headcount-Entscheidungen — bevor er die GuV erreicht. Jede Stufe dieser Kette potenziert den Gewinn oder absorbiert ihn. Die meisten Ketten absorbieren.

BCGs AI Radar 2026 — eine Erhebung unter 2 400 Führungskräften inklusive 640 CEOs vom Januar 2026 — verdichtet das Muster in einem Satz, der auf jede Vorstandsfolie gehört: „10 % of AI value comes from algorithms. 20 % from data and technology. 70 % from people and processes.“ Nur 25 Prozent der befragten Führungskräfte berichten von signifikanter Wertschöpfung durch KI-Initiativen. Die 70 Prozent sind da, wo der Wert liegt. Fast niemand investiert proportional dorthin.

Was Unternehmen statt Adoption messen sollten

Der AI Index misst Deployment gut. Er misst Absorption schlecht — das, was nach dem Deployment innerhalb der Organisation passiert und darüber entscheidet, ob Technologie Unternehmenswert erzeugt. Ein belastbares Messmodell braucht sechs Dimensionen. Eine Technologie-Domäne fehlt bewusst: Technische Fähigkeit ist nicht mehr der limitierende Faktor.

Diese sechs Domänen beschreiben zusammen das Operating Model. Die Daten des AI Index 2026 liefern die Begründung, warum die Technologie-Domäne nicht dazugehört: Agent-Performance stieg in zwölf Monaten von 20 auf 77,3 Prozent. Der Engpass liegt vor dem Tool, in der Struktur, die es aufnehmen soll.

Was Montag auf der Agenda stehen muss

Vier Entscheidungen trennen Unternehmen, die mit KI Wertschöpfung erzielen, von denen, die es nicht tun. Keine davon ist eine Technologie-Entscheidung.

Die Messung, die der Index nicht macht

Der AI Index 2026 produziert den umfassendsten Datensatz zu Enterprise AI, der je veröffentlicht wurde. Er zeigt gleichzeitig die Grenzen einer Messung, die Deployment erfasst, ohne Absorption zu messen. 95 Prozent der Piloten erzeugen keinen P&L-Impact. 21 Prozent der KI-nutzenden Unternehmen haben Workflows redesignt. 70 Prozent der CEOs beanspruchen die Eigentümerschaft für KI. 25 Prozent der Unternehmen berichten von signifikanter Wertschöpfung. Diese Zahlen erzählen eine Geschichte.

Enterprise AI ist ein Organisationsproblem mit einer Technologie-Ebene. Der Index misst die Technologie-Ebene präzise. Die organisatorische Ebene — dort, wo die Wertschöpfung liegt — wird fast ausschließlich über Proxies erfasst. Unternehmen, die das Operating Model bauen — Struktur, Governance, Decision Architecture, Workflow, Capabilities — realisieren die Gewinne. Der Rest deployed, reportet und scheitert an der Translation.