Was mittelständische Unternehmen im Jahr 2025 über die KI-Transformation gelernt haben
KI-Einführung: Starke Partnerschaften zwischen HR und IT führten zu einer 15-fach höheren KI-Produktivität, während 53 % der Organisationen die Erwartungen nicht erfüllten.
Workflow-Integration: Die Einbettung von KI in bestehende Tools führte zu höheren Akzeptanzraten im Vergleich zu eigenständigen KI-Tools.
Fähigkeitenlücken: Die Schulung der Mitarbeitenden für den effektiven Umgang mit KI erwies sich als entscheidend und unterstrich den Bedarf an Kompetenzentwicklung.
Komplexitätssteuer: Die Vereinfachung von Technologielandschaften und die Reduktion der Beraterabhängigkeit verbesserten die Einführung und Ergebnisse von KI.
Strategie managen: KI veränderte Führungsrollen und machte explizite Übergangspläne sowie Schulungen für eine effektive Anpassung erforderlich.
Die Kluft zwischen der Einführung von KI und ihrer tatsächlichen Nutzung wurde zur entscheidenden Herausforderung des Jahres 2025. Untersuchungen von BCG ergaben, dass Organisationen mit einer starken HR-IT-Partnerschaft eine 15-mal höhere Produktivität aus KI-Investitionen erzielten als jene ohne diese Zusammenarbeit.
Die Technologie funktionierte. Die Unternehmen hatten Schwierigkeiten. Und bis zum Jahresende zeichnete sich ein klares Bild ab: 53% der Organisationen erreichten mit ihren KI-Investitionen nicht die erwarteten Ergebnisse.
Die Kluft bei der Workflow-Integration
Der größte Unterschied zwischen erfolgreichen und nicht erfolgreichen Transformationen war nicht die technische Raffinesse oder die Größe des Budgets. Es hing davon ab, ob KI in bestehende Arbeitsabläufe integriert wurde oder außerhalb davon existierte.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
„Die Gewinner wählten ein oder zwei echte Probleme in bestehenden Workflows aus und nicht ‚Art of the Possible‘“, sagte Bhrugu Pange, Geschäftsführer für KI- & Digitale Technologielösungen bei AArete. „Sie wählten Engpässe, über die sich Mitarbeiter bereits beschwerten, wie Nachbearbeitungszeit bei Anrufen, Angebotserstellung, Beantwortung von Kundenfragen, Rechnungsausnahmen. Die meisten litten am ‚Swivel-Chair‘-Syndrom.“
Unternehmen, die KI in die bereits von Mitarbeitenden genutzten Tools einbetteten—Salesforce, Contact-Center-Plattformen, Dokumentensysteme—erreichten Nutzungsraten von 60–80%. Unternehmen, die eigenständige KI-Tools einführten, verzeichneten eine Nutzung, die bei 30–40% stagnierte.
Das Muster zeigte sich in allen Funktionen. Marketing-Teams waren zu 98% überzeugt, dass KI Kennzahlen verbessern würde, aber nur 27% berichteten von einer breiten Nutzung. Die Lücke entstand nicht durch Skepsis, sondern durch Reibungspunkte.
„Erfolgreiche Unternehmen verlangten nicht von Mitarbeitenden, ein separates Fenster zu öffnen, um auf die KI zuzugreifen“, erklärte Pange. „Sie integrierten sie in die Tools, die Menschen schon nutzen, und erweiterten bestehende Plattformen wie Salesforce.“
Die Erfolglosen bauten laut Pange „Chatbots außerhalb des Kontexts“ und wunderten sich, warum sie niemand benutzte. Ende 2025 war die Erkenntnis in ein Prinzip gegossen: Wenn KI nicht dort ist, wo die Arbeit geschieht, bleibt sie nicht bestehen.
Die unerwartete Kompetenzlücke
Anfang 2025 ging man weitgehend davon aus, dass die Einführung von KI dem Muster früherer Unternehmensoftware-Führungen folgen würde: Die richtigen Tools kaufen, Menschen an den Benutzeroberflächen schulen, Nutzungsraten messen. Bereits zur Jahresmitte war diese Annahme widerlegt.
Die Kompetenzlücke zeigte sich überall. Kundendienst-Teams verfügten über KI, die Antwortvorschläge entwerfen, aber nicht beurteilen konnte, welche Antworten verschickt werden sollten. Vertriebsteams hatten KI, die Gesprächsprotokolle zusammenfasste, aber nicht, welche Erkenntnisse wichtig waren. Finanzteams verfügten über KI für Prognosen, aber nicht dafür, welche Annahmen verlässlich waren.
„Ungeschulte Mitarbeitende gaben sechsmal häufiger an, dass KI sie weniger produktiv machte“, sagte Emily Mabie, Senior AI Automation Engineer bei Zapier. „Teams, die wirklich eine KI-Transformation erreichen wollen, müssen in Schulungen investieren.“
Beschäftigte mussten lernen, was sie an KI delegieren, was sie selbst behalten, wie sie KI-Ausgaben überprüfen und wann sie KI-Empfehlungen übersteuern sollten. Diese Fähigkeiten wurden nicht in einer zweistündigen Schulung vermittelt.
Erfolgreiche Unternehmen behandelten die KI-Einführung als Kompetenzentwicklung, nicht als Softwareimplementierung. Sie schufen Ausbildungsmodelle, in denen erfahrene Mitarbeitende monatelang mit KI zusammenarbeiteten, um durch Wiederholung Urteilsvermögen aufzubauen. Sie maßen den Kompetenzzuwachs, nicht nur die Tool-Nutzung.
Die Komplexitätssteuer
Während einige Unternehmen mit der Nutzung zu kämpfen hatten, stellten andere fest, dass sie eine völlig falsche Grundlage geschaffen hatten. Der Cost of Complexity Report von Freshworks fand heraus, dass 20% der Ausgaben für Unternehmenssoftware durch gescheiterte Implementierungen, wenig genutzte Tools und versteckte Kosten verschwendet wurden.
„Viele Organisationen stoßen auf Komplexitäts-Hürden, die die Produktivität beeinträchtigen, darunter Altsysteme, nicht integrierte Systeme und in Silos gespeicherte Daten“, sagte Ashwin Ballal, CIO bei Freshworks. „Diese Herausforderungen führen zu Mitarbeiterermüdung, Ineffizienzen und Umsatzeinbußen durch Verzögerungen und verpasste Gelegenheiten.“
Im Durchschnitt verloren Mitarbeitende dadurch 6,7 Stunden pro Woche an der Navigation durch Tool-Komplexität, anstatt produktiv zu arbeiten—was erhebliche Hürden für die KI-Nutzung schuf.
So entstand ein Teufelskreis: Unternehmen zogen Drittanbieter und Berater hinzu, um KI in ihre komplexen Technologielandschaften zu integrieren—doch diese Ergänzungen schufen oft mehr Reibung als sie beseitigten.
Freshworks stellte fest, dass 12% der finanziellen Verluste durch Softwareineffizienz auf unnötige Berater und Auftragnehmer zurückzuführen waren.
„Unternehmen holen oft Drittanbieter und Berater, um Altsysteme zu reparieren, aber solche Ergänzungen schaffen eher zusätzliche Reibung, als dass sie sie beseitigen“, sagte Ballal. „Organisationen zahlen oft doppelt: einmal für komplexe Technologie und dann noch einmal für Berater, die sie zum Laufen bringen.“
Die im Jahr 2025 erfolgreichen mittelständischen Unternehmen setzten auf einen anderen Ansatz. Anstatt KI auf existierende Komplexität draufzusetzen, nutzten sie die Einführung von KI als Gelegenheit zur Vereinfachung. Sie konsolidierten redundante Tools und wählten KI-Funktionen, die in bereits genutzte Plattformen integriert waren, anstatt eigenständige Produkte zu kaufen.
Die Lektion: Man kann nichts transformieren, was man nicht beherrschen kann. Unternehmen mit einfacheren, integrierten Technologiestacks führten KI schneller ein und erzielten bessere Ergebnisse.
Die Pilotfalle
Die Kluft zwischen erfolgreichen Pilotprojekten und deren Umsetzung in der Produktivumgebung wurde zu einem der frustrierendsten Muster des Jahres 2025.
„Die tatsächlichen Ergebnisse der KI-Investitionen im Jahr 2025 waren weit weniger einheitlich, als die Schlagzeilen zur Verbreitung vermuten ließen“, sagte Mabie. „Generative KI und Pilotprojekte waren zu Jahresbeginn überall, aber von den Führungskräften, die wir bei Zapier befragten, gaben nur 26 % an, dass die Mehrheit ihrer KI-Piloten die Produktivumgebung erreichte.“
Dieses Muster wiederholte sich branchenübergreifend. Personalabteilungen testeten KI-gestützte Lebenslauf-Screenings mit hervorragenden Ergebnissen, konnten Personalleiter jedoch nicht zur Nutzung bewegen. Operationsteams piloten vorausschauende Wartungs-KI, die exakt wie versprochen funktionierte, aber nicht über das ursprüngliche Werk hinaus ausgerollt werden konnte.
Erfolgreiche Pilotprojekte liefen unter besonderen Bedingungen: zusätzliche Unterstützung, Aufmerksamkeit der Führungsebene, motivierte Freiwillige, geschützte Zeit zum Lernen. Wenn Unternehmen versuchten zu skalieren, verschwanden diese Bedingungen.
„Erfolgreiche Initiativen bestimmten ein Mitglied des Fachbereichs, das für das Ergebnis verantwortlich war“, sagte Pange. „Die IT wurde zum Verwalter der KI-Einführung, nicht zum Treiber oder Eigentümer. Der Fachbereich war für das Ergebnis verantwortlich.“
Unternehmen, die erfolgreich skalierten, machten drei Dinge anders.
- Sie dokumentierten nicht nur, was das Pilotteam tat, sondern auch warum es funktionierte, indem sie die organisatorischen Bedingungen, die den Erfolg ermöglichten, festhielten.
- Sie pilotierten mit repräsentativen Teams, darunter auch skeptische und unterversorgte Gruppen, nicht nur mit Freiwilligen.
- Sie maßen die organisatorische Bereitschaft, nicht nur die technische Bereitschaft.
Die Lektion: Ein erfolgreicher Pilot beweist, dass die Technologie funktioniert. Er beweist nicht, dass Ihre Organisation sie absorbieren kann.
Das Schatten-KI-Problem
Bis zum Sommer sahen sich Führungskräfte im Mittelstand mit Mitarbeitenden konfrontiert, die KI-Tools nutzten, die das Unternehmen weder genehmigt noch abgesichert hatte – und oft gar nicht kannte. Mitarbeitende luden Kundendaten bei ChatGPT hoch, nutzten KI-Konsumententools für sensible Geschäftsanalysen und erstellten automatisierte Workflows ohne Sicherheitsprüfung.
Das Schatten-KI-Problem zeigte ein tiefer liegendes Problem: Unternehmen bewegten sich zu langsam, um legitimen Mitarbeiterbedarf zu erfüllen. Die Mitarbeitenden handelten nicht leichtsinnig, sondern arbeiteten mit den verfügbaren Werkzeugen produktiv.
Clevere Unternehmen reagierten, indem sie die Einführung genehmigter KI-Tools beschleunigten, statt nur Einschränkungen zu verschärfen. Sie etablierten schnelle Prüfprozesse für von Mitarbeitenden gewünschte KI-Tools und schufen genehmigte Alternativen zu gängigen Schatten-KI-Anwendungsfällen. Sie maßen die Zeit bis zur Genehmigung für KI-Tools und betrachteten Verzögerungen als organisatorisches Versagen.
Schatten-KI war ein Signal für ungedeckten Bedarf, kein Compliance-Problem, das durch Richtlinien gelöst werden kann. Bis zum Jahresende hatten die bestorganisierten Unternehmen die Reaktion von reaktiven Verboten auf proaktive Befähigung umgestellt.
Die Management-Anpassungskrise
Wenn KI Routinekoordination wie Terminplanung, Statusupdates, grundlegendes Problemlösen übernimmt, entfallen plötzlich 40–60 % der klassischen Management-Tätigkeiten. Übrig bleibt die Arbeit, für die Manager vorher kaum Zeit hatten: Coaching, strategisches Denken, komplexe Problemlösung, Teamentwicklung – Fähigkeiten, die Probleme in der Führungskräfteentwicklung sichtbar machen.
Die besten Führungskräfte passten sich schnell an. Diejenigen, die Schwierigkeiten hatten, fühlten sich verdrängt, stellten ihren Wert infrage und lehnten KI-Einführungen häufig ab, weil dies ihre Identität bedrohte.
Im Kern ist das eine Entwicklungsfrage für Führungskräfte. Es braucht explizite Übergangspläne für Manager mit veränderten Rollen und gezieltes Coaching zum veränderten Arbeiten, denn nur sehr wenige Führungskräfte haben hierfür eine klare Vision – und fast niemand hat es gemeistert. Organisationen müssen prüfen, ob ihre KI-Strategie diese Umbrüche adressiert und die Erwartungen so anpassen, dass Manager belohnt werden, die erfolgreich in wertschöpfendere Arbeitsweisen wechseln.
Nicht alle Manager werden diesen Wandel schaffen. Führungskräfte können damit auf verschiedene Weise umgehen – etwa, indem sie sich auf den Abbau des mittleren Managements vorbereiten, da sich die Organisationsstrukturen abflachen.
- Individuelle Fachkarrierepfade schaffen für Manager, die bei Aufgaben außerhalb der KI-Expertise brillieren, sich aber mit dem neuen Managementmodell schwertun.
- Intensives Coaching anbieten, aber darauf vorbereitet sein, die schwierige Entscheidung zu treffen, dass bestimmte Führungskräfte für die Rolle im KI-Zeitalter einfach nicht geeignet sind.
Was nicht funktioniert, ist, so zu tun, als hätte sich die Rolle nicht verändert. Unternehmen, die KI eingeführt, aber die Management-Erwartungen beibehalten haben, endeten mit Führungskräften, die mit Beschäftigungstherapie ihre Zeit füllten.
Der Durchbruch in der Vertrauensarchitektur
Die unerwartete Erfolgsgeschichte von 2025 waren Unternehmen, die systematisches Vertrauen in KI aufbauten, anstatt darauf zu hoffen, dass Mitarbeitende diese einfach akzeptieren würden.
ADP führte ihren „5P-Rahmen“ in allen KI-Initiativen ein:
- Zweck (warum wir KI hier einsetzen)
- Personen (wer an Entscheidungen beteiligt ist)
- Prozess (wie es funktioniert)
- Performance (wie wir Erfolg messen)
- Schutz (welche Schutzmaßnahmen bestehen).
Organisationen, die strukturierte Vertrauensrahmen nutzten, erzielten KI-Einführungsraten von 60–80 % im Vergleich zu 30–40 % bei jenen, die sich auf informelles Vertrauen verließen.
„Human-in-the-loop wurde von 71 % der Führungskräfte als höchste Priorität in der Governance eingestuft“, sagte Mabie.
Vertrauen entsteht nicht einfach aus guter Technologie. Es erfordert gezielte Gestaltung. Unternehmen müssen vor der Einführung konkrete Fragen beantworten, wie etwa:
- Warum setzen wir KI für diese Aufgabe ein?
- Wer überwacht das?
- Wie trifft das System Entscheidungen?
- Was passiert, wenn es Fehler macht?
- Welche Schutzmaßnahmen bestehen?
Organisationen, die diese Fragen explizit beantworteten—sowohl in Dokumentationen, in Trainings als auch in der laufenden Kommunikation—bauten Vertrauen schneller auf und hielten es länger.
Die Kaskade versteckter Kosten
Kosten gehen weit über verschwendete Software-Budgets hinaus.
Ein einziger Vorfall kann die Einführung für Monate verzögern. Vertrauensverlust wurde zu einer versteckten Steuer für zukünftige Initiativen.
„KI kann den ersten Entwurf beschleunigen – aber wenn Sie den Prüfprozess nicht neu gestalten, schaffen Sie ein neues Problem“, sagte Pange. „Teams verbringen jetzt Zeit mit Überprüfung und Korrektur. Wir nennen das die 'Verifizierungsteuer'.“ Diese mentale Belastung trägt dazu bei, dass Mitarbeitende Schwierigkeiten haben, ihr Urteilsvermögen zu bewahren, da sie zwischen KI-Unterstützung und kritischem Denken abwägen müssen.
Zynismus der Mitarbeitenden zeigte sich als weiterer versteckter Kostenfaktor. Wenn das Management KI übermäßig ankündigte, aber zu wenig in Weiterbildung und Workflow-Neugestaltung investierte, verweigerten Mitarbeitende die Annahme. Schlimmer noch: Sie nutzten nicht genehmigte KI-Tools und verursachten so das Shadow-KI-Problem, das Sicherheits- und Compliance-Ressourcen beanspruchte.
Die Echtzeit-Bevölkerungsumfrage der St. Louis Fed ergab, dass bis August 2025 etwa die Hälfte der US-Erwachsenen angab, generative KI zu nutzen, und über ein Drittel dies am Arbeitsplatz tat. Die Umfrage schätzte ein daraus resultierendes Zeitersparnispotenzial von rund 1,6 % der gesamten Arbeitsstunden mit einer möglichen Produktivitätssteigerung von bis zu 1,3 % seit dem Start von ChatGPT.
Doch diese Gewinne waren ungleich verteilt.
„Während ein Unternehmen im Pilotstillstand feststeckt, verbessert ein anderes still und leise die Servicequalität, die Verkaufseffizienz oder Zykluszeiten im Betrieb“, sagte Pange. „Dieser Vorsprung durch stetige Verbesserungen und Lerneffekte summiert sich.“
Der Reifegradwandel im Messen
Eines der deutlichsten Merkmale von 2025 war der Wandel, wie Unternehmen KI-Erfolg messen.
„Zu Jahresbeginn galten Pilotstarts und die Machbarkeitsnachweise noch als Erfolg“, sagte Mabie. „Allmählich verlagerte sich der Fokus der Führungskräfte auf die Messung von KI-Kompetenz und ROI anhand von Geschäftsergebnissen.“
Dass die meisten Führungskräfte jetzt den ROI messen, zeigt eine umfassendere Reife: Aus „Wie cool ist das?“ wurde „Was ist der KPI und wo liegt der Ausgangswert?“
Der Wandel von der Messung der Einführungsrate zur Bewertung von Geschäftsergebnissen umfasst nicht nur, ob Mitarbeitende mit KI-Tools arbeiten, sondern ob diese Tools die Qualität der Entscheidungen verbessern, Durchlaufzeiten reduzieren oder Kapazitäten für wertschöpfendere Aufgaben freisetzen.
Die fortschrittlichsten Organisationen maßen sowohl Effizienzgewinne als auch Kompetenzentwicklung. Sie wollten wissen, ob KI Mitarbeitende schneller und besser macht — in dem Bewusstsein, dass KI-Reife eine umfassende Bewertung erfordert.
Das Erwachen bei der Ressourcen-Allokation
Vielleicht die wichtigste Erkenntnis aus 2025: Die 70-20-10-Regel für KI-Investitionen hat sich bewährt und die meisten Unternehmen haben die Verteilschlüssel umgekehrt angewandt.
Die Regel, validiert durch mehrere Studien: 70 % der Investitionen in die KI-Transformation sollten für Personal- und Prozessveränderungen eingesetzt werden, 20 % für Infrastruktur und Integration, 10 % für Algorithmen und Modelle.
Die meisten mittelständischen Unternehmen investierten jedoch 60–70 % in die Technologie und kämpften damit, die organisatorische Veränderungsarbeit zu finanzieren.
Das bedeutet, dass Rollen im Veränderungsmanagement finanziert, Zeit für Lernen und Anpassung geschützt, in KI-unterstützte Coaching-Programme investiert sowie Kommunikationsstrategien und organisatorische Unterstützungsstrukturen bereitgestellt werden müssen.
Die Unternehmen, die weiterhin vorrangig in Technologie investierten, erlebten einen Stillstand ihrer KI-Initiativen – unabhängig davon, wie ausgereift die Technologie war. Gute Algorithmen in unvorbereiteten Organisationen schnitten immer schlechter ab als mittelmäßige Algorithmen in vorbereiteten Unternehmen.
Was das Jahr 2026 erfordert
Die Lektionen aus dem Jahr 2025 zeigen für mittelständische Unternehmen, die 2026 angehen, mehrere klare Prioritäten auf.
- KI in bestehende Arbeitsabläufe integrieren. Die Kluft zwischen Unternehmen mit guter Arbeitsablaufintegration wird sich weiter vergrößern. Beenden Sie die Einführung von isolierten KI-Tools und beginnen Sie stattdessen, die Plattformen aufzurüsten, die Mitarbeiter bereits nutzen.
- In Schulungen investieren, bevor Technologie gekauft wird. Die Erkenntnis von Zapier, dass ungeschulte Arbeitskräfte sechsmal häufiger angeben, durch KI weniger produktiv zu sein, sollte jede Führungskraft mit KI-Plänen alarmieren. Die Kompetenzlücke schließt sich nicht durch Softwarelizenzen.
- Erst vereinfachen, dann Komplexität hinzufügen. Unternehmen mit zersplitterten Technologielandschaften werden Schwierigkeiten haben, KI effektiv einzuführen. „Organisationen, die mit Softwareanbietern zusammenarbeiten, die die Tech-Landschaft aktiv verschlanken, KI in ihre Systeme integrieren und statt Technologie-Wildwuchs auf einheitliche Systeme setzen, werden einen Wettbewerbsvorteil erlangen“, so Ballal.
- Governance aufbauen, die befähigt statt blockiert. Governance mit Mensch-in-der-Schleife-Prinzip stand für 71 % der Führungskräfte ganz oben auf der Liste. Aber Governance, die die Einführung zu sehr verlangsamt, führt zu Schatten-KI. Ziel ist eine schlanke Governance, die schnelles und sicheres Arbeiten ermöglicht.
- Orchestrierungsfähigkeiten skalieren. „Mehr mittelständische Teams werden KI-Orchestrierung einführen“, sagte Mabie. „Da sie nicht über die Ressourcen verfügen, Plattformen und Teams komplett neu aufzubauen, werden sie ihre bestehenden Tools mit KI-Orchestrierung nutzen und vernetzen.“
Daten von Zapier zeigen, dass 25 % der Führungskräfte erwarten, bis 2026 eine vollständige KI-Orchestrierung zu erreichen, während 43 % davon ausgehen, funktionsübergreifende, agentenbasierte Workflows zu betreiben. Mit diesem Wissen empfiehlt es sich:
- Managementrollen explizit neu gestalten. KI verändert die Aufgaben von Führungskräften. Erkennen Sie diesen Wandel an, unterstützen Sie den Übergang und akzeptieren Sie, dass manche Manager diesen Wandel nicht mitgehen werden.
- Karrierewege für das KI-Zeitalter neu aufbauen. Traditionelle Beförderungswege brechen weg. Unternehmen brauchen neue Modelle dafür, wie Mitarbeitende weiterkommen, wenn Aufgaben der persönlichen Entwicklung von KI übernommen werden.
- Vertrauen systematisch schaffen. Vertrauensrahmen funktionieren. Informeller Vertrauensaufbau genügt nicht. Beantworten Sie die fünf P explizit für jede KI-Einführung: Purpose (Zweck), People (Menschen), Process (Prozess), Performance (Leistung), Protection (Schutz).
- Budgets nach der 70-20-10-Regel neu ausrichten. Der größte Wert durch KI entsteht durch organisatorischen Wandel. Die meisten KI-Budgets fließen aber in Technologie. Beheben Sie diese Diskrepanz, sonst müssen Sie sich mit geringeren Erträgen zufriedengeben.
- Geschäftsergebnisse, nicht Technologiemetriken messen. Verfolgen Sie Entscheidungsgüte, Reduktion von Durchlaufzeiten und Kompetenzaufbau – nicht nur Systemnutzung.
„Einige Trends, die vermutlich verschwinden werden, sind einmalige Experimente, reine Entwickler-Automatisierungsmodelle und das Denken in ‚KI als Feature‘“, sagte Mabie.
Der Unterschied zwischen führenden und zurückbleibenden Unternehmen liegt nicht darin, wer KI hat – sondern wer aus deren Einführung gelernt hat. Diese Lerndifferenz wird sich noch vergrößern, da die KI-Entscheidungen für 2026 bestimmen, welche Unternehmen aufholen und welche weiter zurückfallen.
