Warum KI-Investitionen scheitern: 581 Milliarden, die im Betriebsmodell versickern

Die privaten KI-Investitionen erreichten 2024 weltweit 581,7 Milliarden US-Dollar — plus 130 % gegenüber dem Vorjahr (Stanford AI Index 2026). Im selben Zeitraum zeigt der MIT-NANDA-Report „State of AI in Business 2025″ — gestützt auf 150 Führungsinterviews, 350 Mitarbeiterbefragungen und 300 öffentliche Deployments — dass 95 % der generativen KI-Piloten in Unternehmen keinen messbaren P&L-Effekt liefern. Das Kapital fließt in Rekordgeschwindigkeit in Programme, die am Ende der Pilotphase keine Ergebnislinie bewegt haben.

Das Muster ist über jede belastbare Quelle hinweg gleich. Die Technologie funktioniert wie geplant. Aber: Die Organisationsstruktur, die den Output aufnehmen soll, ist der Ort, an dem das Kapital verdampft. Für jede Vorstandsebene und jeden CFO, die 2026 über einen KI-Investitionsantrag entscheiden, bedeutet das den Fokus auf genau ein Thema zu legen: In welche Organisationsstruktur werden KI Initiativen eingebettet — und wird diese Struktur den Output der Initiativen überhaupt nutzen können?

Die Technik funktioniert wie vorgesehen. Die Organisationsstruktur, die den Output aufnehmen soll, ist der Ort, an dem das Kapital verdampft.

Wo das Kapital tatsächlich verloren geht

Liest man den Stanford AI Index 2026 von vorne bis hinten, wiederholt sich ein Muster über alle Kapitel: Die Leistungsfähigkeit von KI geht steil nach oben. Die Agenten-Erfolgsquote bei realen Aufgaben sprang in einem einzigen Jahr von 20 % auf 77,3 %. Der Konsumenten-Surplus aus generativer KI in den USA erreichte 2025 172 Milliarden US-Dollar — plus 54 % gegenüber dem Vorjahr, mit einer Verdreifachung des Median-Nutzens pro Anwender. Modellqualitäts-Benchmarks, die 2023 stagnierten, bewegen sich schneller als in jedem vorherigen Index gemessen. Die Angebotsseite der Investitionsthese arbeitet in Rekordgeschwindigkeit.

Die Adoption von KI in mindestens einer Geschäftsfunktion liegt weltweit bei 88 %. Die Wertschöpfung auf Firmenebene hält nicht mit. BCGs AI Radar 2026 meldet, dass nur 25 % der Organisationen realen wirtschaftlichen Wert aus KI herausgeholt haben — und dass lediglich 15 % der CEOs zu den „Trailblazern“ gehören, also Führungskräften, die KI und die dazugehörige Organisationsveränderung parallel finanzieren. Die übrigen 85 % investieren in KI und lassen die Organisation unberührt.

McKinseys State of AI 2025, gestützt auf 1.491 Teilnehmende in 101 Ländern, liefert die klarste Einzeldiagnose: Von 25 organisatorischen Merkmalen, die auf Korrelation mit EBIT-Effekt aus generativer KI getestet wurden, belegt die grundlegende Prozessneugestaltung Platz eins. Paradoxerweise wird aber auch festgestellt: Nur 21 % der KI-nutzenden Unternehmen haben überhaupt einen Workflow um die Technik herum neu gestaltet. Unter den High-Performern — Unternehmen, die bedeutsamen EBIT aus KI berichten — springt die Redesign-Quote auf 55 %. Die Lücke zwischen Wert-Schöpfung und Wert-Verlust ist empirisch eine Lücke in der Prozessneugestaltung.

Der MIT-NANDA-Report fügt einen schärferen Datenpunkt zum Weg vom Pilot zur Produktion hinzu. Lösungen, die von spezialisierten Anbietern gekauft und partnerschaftlich eingeführt werden, erfolgen zu rund 67 %. Intern gebaute Tools haben etwa die halbe Erfolgsquote. Der Reflex „das bauen wir selbst“ — in Investitionsanträgen meist als Kostensenkung verkauft — wirkt in den MIT-Daten als Multiplikator für den Fehlermodus.

89 % der Unternehmen laufen in einer Organisationsstruktur, in der KI nicht arbeiten kann

Ein industriezeitliches Betriebsmodell ist auf die Übergabe von Arbeit zwischen Fachexperten optimiert. Jede Abteilung besitzt ihren Schritt, genehmigt ihren Output, reicht weiter. KI durchbricht diesen Übergabepunkt. Generative KI und Agenten warten nicht an der Abteilungsgrenze auf die Dienstagssitzung. Sie produzieren Output kontinuierlich, zu niedrigen Grenzkosten, und werfen ihn in einen Prozess, der unter der Annahme entworfen wurde, dass Output teuer und langsam ist. Die organisatorische Antwort darauf wäre funktionsübergreifende Neugestaltung. Der organisatorische Reflex in den 89 % ist, die Struktur zu lassen, wie sie ist, und KI als Werkzeug auf einzelne Schreibtische zu legen.

Die Vorstandsversion desselben Musters steht in BCGs AI Radar 2026. Einundneunzig Prozent der CEOs nennen KI als Top-3-Priorität. Nur 15 % finanzieren organisatorische Veränderung. Die übrigen 76 % der CEOs treffen eine Kapitalallokationsentscheidung (finanziere das KI-Programm) ohne die Operating-Model-Entscheidung (gestalte die Struktur um es herum neu). In der Bilanz sieht das KI-Programm nach eingesetztem Kapital aus. In der Gewinn- und Verlustrechnung zwölf Monate später ist keine EBIT-Linie bewegt.

Deloittes State of AI 2026 beschreibt dieselbe Lücke aus der Governance-Perspektive: 87 % der Führungskräfte sagen darin, ihr Unternehmen habe ein KI-Governance-Framework. Weniger als 25 % haben es jedoch vollständig operationalisiert. Das Framework existiert in einer PDF. Die Kontrollen, die Durchsetzung, die Entscheidungsrechte — die Infrastruktur, die KI-Investitionen skalierungssicher macht — existieren in der operativen Praxis nicht. Governance-auf-dem-Papier ist die Managementsystem-Variante von Technologischem Pilot ohne Prozess Redesign. Gleiche Krankheit, anderes Symptom.

Freeport-McMoRan — gleiche Technik, gleiche Mine, EBIT erst nach dem Redesign

Das sauberste veröffentlichte Gegenbeispiel kommt aus dem Bergbau. Freeport-McMoRan ist ein globaler Kupferproduzent mit rund 22 Milliarden US-Dollar Umsatz. Dokumentiert in McKinsey Quarterly (Juni 2023) hat das Unternehmen in seiner Mine Bagdad in Arizona ML-Piloten zur Echtzeit-Optimierung der Erzverarbeitung gefahren. Die Modelle arbeiteten. Der Durchsatz stieg. Das Unternehmen versuchte den Ansatz über sein globales Portfolio zu skalieren. Die Skalierung scheiterte.

Der Fehler lag nicht an den Modellen. Funktionsübergreifende Teams, die auf die KI-Empfehlungen reagieren konnten, gab es nicht. Die Ownership der Modell-Outputs war unklar — Metallurgen, Operatoren und Data Scientists hielten jeweils einen Teil des Workflows, aber niemand war Ende-zu-Ende verantwortlich. Die operative Planungstaktung war jährlich; die KI-Empfehlungen waren kontinuierlich. Das industriezeitliche Operating Model absorbierte den KI-Output in einem Bottleneck, und der Wert blieb im Pilot-Standort gefangen.

Der Fix war organisatorisch. Freeport richtete funktionsübergreifende Teams aus Data Scientists, Metallurgen und Operatoren mit klarer Verantwortung für die KI-gestützten Entscheidungen ein. Eine neue Product-Manager-Rolle übernahm die Ende-zu-Ende-Verantwortung für KI-getriebene Prozessverbesserungen. Die Planung wechselte zu quartalsweisen OKR-Zyklen, die zur Feedback-Geschwindigkeit der Modelle passten. Der Technik-Stack änderte sich nicht wesentlich.

Die KI-Investition, die in der Pilotphase scheiterte, produzierte messbaren P&L-Effekt, als die Struktur um sie herum neu gebaut wurde. Gleiche Technik. Gleiche Mine. Anderes Operating Model. Anderes Ergebnis. Der Freeport-Fall ist ein öffentliches Beispiel eines Musters, das Tier-1-Beratungen inzwischen wiederholt dokumentieren. McKinseys Arbeit „Superagency in the Workplace“ vom April 2026 berichtet, dass Unternehmen, die KI-Deployment mit organisatorischer Transformation koppeln, 20 % EBITDA-Uplift und 3 US-Dollar Rendite pro investierten Dollar erzielen. Das Upside ist real und messbar — allerdings konditional an einen Umbau, den die meisten Aufsichtsräte noch nicht autorisiert haben.

Die Domänen, die entscheiden, ob KI-Kapital EBIT produziert

Das HandsOn AI Operating Model behandelt KI-Transformation als Organisationsdesign-Problem, das sich über sechs Domänen erstreckt: Strategie & Wert, Struktur, System-Governance, Entscheidungsarchitektur, Prozess & Workflow sowie Fähigkeiten & Kultur. Jede KI-Investition landet in irgendeiner Kombination dieser sechs Domänen, und die Reife der Domänen entscheidet, ob das Kapital EBIT produziert oder im Piloten verdampft. Für die konkrete Frage, warum Investitionen scheitern, tragen drei Domänen die Hauptlast.

Die übrigen drei Domänen — System-Governance (D03), Entscheidungsarchitektur (D04) und Fähigkeiten & Kultur (D06) — sind nicht optional, aber für die konkrete Frage, warum Investitionen kein EBIT produzieren, sitzt die erste Welle des Scheiterns fast immer in den ersten drei. Ein Unternehmen, das in KI investiert, ohne die Werteinheit zu benennen, ohne den Workflow neu zu gestalten und ohne die Struktur anzupassen, tätigt eine organisatorische Unter-Investition, verkleidet als Technologie-Investition.

Drei Fragen, die der CFO vor der nächsten KI-Kapitalfreigabe stellen sollte

Für jeden CFO oder jedes Strategy Office, das 2026 über eine KI-Investition entscheidet, entscheiden drei Fragen, ob das Kapital EBIT bewegen wird oder der 95-%-Kohorte beitritt. Die Fragen sind keine Due-Diligence-Checkliste — sie sind die Operating-Model-Entscheidungen, die der Investition vorausgehen.

Diese drei Fragen lassen sich nicht von einem Anbieter beantworten. Sie lassen sich auch nicht an den CIO delegieren. Sie gehören zum Vorstand und zum Strategy Office, weil es Organisationsdesign-Entscheidungen sind, die der Technologiewahl vorausgehen. Ein CFO, der einen KI-Kapitalantrag unterzeichnet, der nicht alle drei beantwortet, finanziert nach heutiger Evidenz die 95 % aus der eigenen Bilanz.

Die 95 % sind eine Entscheidung

Die 581,7 Milliarden US-Dollar, die 2024 in KI geflossen sind, sind in der Summe kein verschwendetes Kapital. Eine Minderheit — die 15 %, die BCG Trailblazer nennt, die 6 %, die McKinsey als KI-High-Performer klassifiziert — liefert die Renditen, die Tier-1-Quellen dokumentieren: 20 % EBITDA-Uplift, 3 US-Dollar pro 1 US-Dollar, verifizierter EBIT-Effekt auf Zeilenebene. Das Scheitern konzentriert sich in der Mehrheit, die KI als isolierte Kapitalallokationsentscheidung behandelt — ohne das Operating Model, in das die Investition landen muss.

Die Unternehmen in der 95-%-Kohorte sind nicht auf eine Technik gestoßen, die sie nicht nutzen konnten. Sie sind auf eine Organisation gestoßen, die den Output der Technik nicht absorbieren konnte — und sie haben sich entschieden, die Organisation vor der Kapitalfreigabe nicht umzubauen. Diese Entscheidung, getroffen auf Vorstandsebene, erscheint zwölf Monate später als Pilot ohne bewegte EBIT-Linie und als CapEx-Zeile mit der Bezeichnung „KI-Initiativen“ in der Bilanz. Die Technik war bereit. Die Struktur nicht.