Thought Leadership
Künstliche Intelligenz gilt für viele Unternehmen als zentrale Zukunftstechnologie. Doch gerade mittelständische Betriebe stoßen bei der Einführung zunehmend an organisatorische und technische Grenzen.
Eine aktuelle Studie des Softwareunternehmens Freshworks zeigt, dass ein erheblicher Teil der KI-Investitionen bereits durch Komplexität verloren geht, bevor überhaupt messbare Ergebnisse entstehen.
Laut dem „Global Cost of Complexity Report“ verschwinden durchschnittlich 26 Prozent der KI-Budgets durch Integrationsaufwand, zusätzliche Verwaltung und ineffiziente Prozesse. Für Deutschland summieren sich diese Kosten laut der Untersuchung auf geschätzte 2,7 Milliarden Euro pro Jahr.
Viele Unternehmen investieren – aber nur wenige nutzen KI produktiv
Obwohl die Mehrheit der befragten Unternehmen ihre KI-Ausgaben in den kommenden Jahren weiter erhöhen will, bleibt die tatsächliche Nutzung oft begrenzt. Nur ein kleiner Teil hat KI bereits fest in zentrale Geschäftsprozesse integriert. Viele Unternehmen befinden sich weiterhin in Test- oder Pilotphasen.
Gerade mittelständische Firmen stehen dabei unter Druck: Während das Management schnelle Ergebnisse erwartet, dauern Implementierung und Integration häufig deutlich länger als geplant.
Zwischen Erwartung und Realität entsteht eine Lücke
Die Studie zeigt eine deutliche Diskrepanz zwischen wirtschaftlichen Erwartungen und technischer Umsetzung. Viele Führungskräfte rechnen damit, dass sich KI-Investitionen innerhalb weniger Monate auszahlen. Gleichzeitig berichten zahlreiche Unternehmen, dass allein die Einführung neuer Systeme bereits ein halbes Jahr oder länger beansprucht.
Dadurch geraten Projekte schnell unter Rechtfertigungsdruck, noch bevor sie überhaupt produktiv arbeiten können.
Als größte Hindernisse nennen die Befragten komplizierte Systemintegrationen, fehlende Fachkräfte und den hohen Konfigurationsaufwand moderner KI-Lösungen.
KI verursacht oft zusätzliche Arbeit
Besonders problematisch: Statt Arbeitsprozesse zu vereinfachen, erzeugen viele KI-Anwendungen derzeit zusätzlichen Aufwand. IT-Abteilungen müssen fehlerhafte Ergebnisse korrigieren, verschiedene Systeme verwalten und immer neue Tools koordinieren.
Die Studie beschreibt dieses Phänomen als „AI Slop“ – also eine Flut ungenauer oder unbrauchbarer KI-Ergebnisse, die nachbearbeitet werden müssen.
Mehr als 80 Prozent der befragten IT-Verantwortlichen geben an, dass die Verwaltung komplexer KI-Systeme die Arbeitsbelastung ihrer Teams erhöht habe.
Die Zahl der KI-Tools wächst rasant
Hinzu kommt eine immer größere Vielfalt an Anwendungen. Viele Unternehmen setzen inzwischen mehrere KI-Lösungen parallel ein. Dadurch steigt nicht nur die technische Komplexität, sondern auch der Bedarf an klaren Governance-Regeln.
Trotzdem verfügen nur vergleichsweise wenige Unternehmen über feste Richtlinien für den Umgang mit KI-Systemen und deren Kontrolle.
Mittelstand setzt zunehmend auf einfache Lösungen
Als Reaktion auf diese Herausforderungen verändert sich das Einkaufsverhalten vieler Unternehmen. Statt komplexer Eigenentwicklungen bevorzugen mittelständische Betriebe zunehmend Lösungen, die sich schnell integrieren und ohne großen technischen Aufwand nutzen lassen.
Besonders gefragt sind Systeme, die direkt in bestehende Arbeitsabläufe eingebunden werden können. Der Fokus verschiebt sich damit von experimentellen KI-Projekten hin zu praxisnahen Anwendungen mit klar erkennbarem Nutzen.
Doug Farren vom National Center for the Middle Market erklärt, dass mittelständische Unternehmen neue Technologien häufig erst dann umfassend einsetzen, wenn der wirtschaftliche Mehrwert klar nachvollziehbar ist. Bis dahin dienen kleinere Pilotprojekte vor allem dazu, Risiken und Praxistauglichkeit zu prüfen.
KI-Erfolg hängt zunehmend von Einfachheit ab
Nicht allein die Leistungsfähigkeit einer KI-Lösung entscheidet über ihren Erfolg. Für viele Unternehmen wird vor allem entscheidend sein, wie schnell sich Systeme produktiv einsetzen lassen und wie gut sie sich in bestehende Prozesse integrieren.
Gerade im Mittelstand könnte sich damit ein Trend zu einfacheren, besser steuerbaren KI-Plattformen durchsetzen – weg von komplexen Einzelprojekten und hin zu Lösungen mit schnellerem praktischen Nutzen.
