Die IBM CEO Study nennt zwei Zahlen. Über die eine wird geredet: Nur 25 Prozent der KI-Initiativen haben die ROI-Erwartungen erfüllt. Die zweite ist wichtiger: Nur 16 Prozent wurden unternehmensweit eingeführt. Dazwischen stehen Projekte, die sich rechnen und trotzdem im Pilot festhängen. Im Kundenkontakt ist das kein halber Erfolg. Es ist ein Widerspruch, den der Kunde bemerkt. Wer KI nur in einem Kanal einführt, zeigt demselben Kunden zwei verschiedene Firmen.
Grant Gross hat auf cio.de aufgeschrieben, dass CEOs bei KI allmählich skeptisch werden. Grundlage ist die CEO Study des IBM Institute for Business Value, für die rund 2.000 Vorstandschefs aus 33 Ländern befragt wurden. Der Befund, der seitdem überall zitiert wird: 25 Prozent der KI-Initiativen haben in den vergangenen Jahren die ROI-Erwartungen erfüllt.
Der Artikel erklärt das mit überstürzten Starts, fehlendem internen Können und Datenstrukturen, die nie für KI vorbereitet wurden. Alles davon stimmt, und alles davon habe ich in Projekten gesehen. Nur erklärt es die falsche Zahl. Denn im selben Absatz steht ein zweiter Wert, und der beschreibt ein ganz anderes Problem: 16 Prozent.
Quelle: CEO Study des IBM Institute for Business Value, Befragung von rund 2.000 CEOs aus 33 Ländern, Februar bis April 2025.
Die zweite Zahl beschreibt nicht dasselbe Problem
25 Prozent haben ihre ROI-Erwartung erfüllt. 16 Prozent wurden unternehmensweit eingeführt. Die beiden Werte messen Verschiedenes, und genau darin liegt der Punkt. Ein Projekt kann liefern, was im Business Case stand, und trotzdem nie den Bereich verlassen, in dem es gestartet ist.
Die Erklärungen in der Quelle passen alle auf die 25. Wer ohne Ziel startet, ohne Datenfundament, ohne jemanden im Haus, der die Sache betreiben kann, bekommt kein Ergebnis. Das ist richtig und langweilig, weil es seit drei Jahren richtig ist. Auf die 16 passt keine dieser Erklärungen. Denn hier reden wir über Projekte, die funktioniert haben. Die Daten waren gut genug. Das Team konnte es. Der Fall war sinnvoll gewählt. Und trotzdem steht die Lösung nach zwei Jahren immer noch in einem Kanal, einem Land, einer Abteilung.
In der Fabrik ist das kein Drama. Sie führen eine Lösung in einem Werk ein, sammeln Erfahrung, nehmen das nächste. Der Nutzen addiert sich Werk für Werk, und niemand außerhalb merkt etwas davon.
An der Kundenschnittstelle funktioniert diese Logik nicht. Dort addiert sich der Nutzen nicht. Dort subtrahiert sich der Bruch.
Am Kunden gibt es keine halbe Einführung
Stellen Sie sich Ihren eigenen Kunden vor. Er schreibt Ihnen im Chat, wo seine Lieferung bleibt, und bekommt in zwanzig Sekunden eine präzise Antwort mit Sendungsnummer und neuem Termin. Beeindruckend. Zwei Wochen später ruft derselbe Kunde an, weil eine Position falsch geliefert wurde. Vier Minuten Warteschleife, dann jemand, der die Bestellnummer erneut abfragt, im Chatverlauf nichts findet und einen Rückruf für morgen zusagt.
Sie haben in diesem Beispiel kein halbes Ergebnis erzeugt. Sie haben ein Versprechen gegeben und es im nächsten Kontakt gebrochen. Der Kunde zieht daraus keine Kanalbilanz. Er zieht eine Schlussfolgerung über Sie.
Genau hier liegt der blinde Fleck jeder Pilotmessung. Der Pilot misst innerhalb seiner Grenzen: Bearbeitungszeit im Chat, Lösungsquote im Chat, Zufriedenheit im Chat. Alle drei Werte sehen gut aus, sonst wäre das Projekt nicht in den 25 Prozent gelandet. Der Schaden entsteht zwischen den Kanälen, und dort misst niemand, weil dort niemand zuständig ist.
Das Muster wiederholt sich: Der Pilot wird als Erfolg berichtet, die Kundenbewertung im Gesamtbild bewegt sich nicht, und ein halbes Jahr später sitzt man in einer Runde, in der jemand fragt, warum die Investition sich nicht zeigt. Die ehrliche Antwort lautet, dass der Kunde nie eine halbe KI erlebt hat. Er hat eine Firma erlebt, die sich widerspricht.
Ihr Kunde bewertet nicht Ihren besten Kanal. Er bewertet den schlechtesten.
Carsten Ratzlaff
Warum der Business Case im Pilot immer zu gut aussieht
Es gibt einen zweiten Grund, warum die 16 Prozent so niedrig sind, und der ist unbequemer. Der Pilot rechnet sich, weil er sich die einfachen Fälle aussucht.
So läuft es fast immer ab. Sie nehmen einen Anwendungsfall, bei dem die Daten schon sauber sind. Ein Team, das Lust hat. Einen Kanal, in dem der Verkehr hoch und die Komplexität niedrig ist. Standardanfragen, eine Sprache, ein Land. Das ist auch vernünftig, so soll ein Pilot aussehen.
Nur ist der Rest nicht dieselbe Arbeit noch einmal. Der Rest ist die andere Hälfte: die fünfzehn Ausnahmen der Reklamationsabteilung, das Altsystem im Ersatzteilgeschäft, die Landesgesellschaft mit eigenen Rabattregeln, die Kunden mit Sonderkonditionen aus dem Rahmenvertrag. Der Sprung vom Pilot in die Fläche ist kein Rollout. Es ist ein zweites Projekt, und zwar das schwierigere.
Zulifkar Ramzan von Point Wild bringt es in der Quelle auf den Punkt: „Den Core-AI-Code kann ein einzelner Entwickler in nur wenigen Tagen schreiben, aber das Tool anschließend in die Produktion zu bringen, kann Monate dauern und ein großes Team in Anspruch nehmen.“
Dazu passt eine Zahl aus der IBM-Erhebung, die es nicht in den cio.de-Text geschafft hat: Die Hälfte der befragten CEOs berichtet, dass schnelle Technologie-Investitionen bei ihnen zu einer fragmentierten Landschaft geführt haben. Das ist keine unglückliche Nebenwirkung. Das ist das erwartbare Ergebnis, wenn viele Bereiche gleichzeitig ihren eigenen erfolgreichen Piloten bauen und niemand die Frage stellt, wie der Kunde das später erlebt.
Der Schwenk zum ROI löst das nicht
Die Studie zeigt eine Bewegung, die auf den ersten Blick vernünftig wirkt. Nur noch 37 Prozent der CEOs halten es für besser, bei neuer Technologie „schnell und falsch“ statt „richtig und langsam“ zu sein. Etwa zwei Drittel wollen KI künftig am ROI ausrichten. Gleichzeitig gibt fast dieselbe Mehrheit zu, bisher aus Angst vor dem Zurückbleiben investiert zu haben, bevor der Wert klar war.
Von Torschlusspanik zu Renditerechnung klingt nach Erwachsenwerden. Es ist aber derselbe Fehler mit umgekehrtem Vorzeichen, solange die Rechnung an derselben Stelle aufgemacht wird wie vorher. Ein ROI-Nachweis am Pilot bestätigt genau das, was der Pilot gut kann, und blendet aus, was der Rollout kostet. Sie bekommen dann sehr saubere Business Cases für sehr kleine Lösungen.
Die Frage, die vor der Rechnung kommen muss, ist eine andere. Nicht: Rechnet sich dieser Fall? Sondern: Rechnet sich dieser Fall auch dann noch, wenn ihn jeder Kunde in jedem Kanal erlebt? Wenn die Antwort nein lautet, ist es kein Projekt. Es ist ein Experiment, und dann sollte es auch so heißen und so budgetiert werden.
Was Sie diese Woche prüfen sollten
Nehmen Sie eine KI-Anwendung, die bei Ihnen produktiv läuft. In welchem Kanal, welcher Sprache, welchem Land greift sie? Stellen Sie dieselbe Kundenfrage im Kanal daneben und schauen Sie, was passiert. Nicht als Test-Ticket aus der IT, sondern als Kunde.Kanalprobe
Lassen Sie sich aus dem Service die zehn häufigsten Sonderfälle geben, nicht die Standardanfragen. Wie viele davon beantwortet Ihre Pilotlösung sauber? Diese Quote sagt mehr über Ihre Skalierungschance als jede Zufriedenheitsmessung im Pilotkanal.Preis der Ausnahmen
Wer darf über die Abteilungsgrenze hinweg entscheiden, und in wessen Zielen steht der flächendeckende Rollout? Wenn die Antwort „die Projektleitung“ lautet, bleibt es beim Pilot. Für die Fläche braucht es jemanden auf Geschäftsleitungsebene, der den Kundenkontakt als Ganzes verantwortet.Mandatsfrage
Wenn Sie an diesen drei Punkten merken, dass Sie mehrere gut gemeinte Einzellösungen haben und keine gemeinsame Linie, ist genau das der Moment für ein sortiertes AI Use Case Design: erst die Fälle nach Wirkung, Aufwand und Abdeckung ordnen, dann rechnen. Eine erste Größenordnung können Sie sich vorab selbst mit dem ROI-Rechner verschaffen.
Quelle und Anstoß für diesen Artikel: „AI und ROI, CEOs werden allmählich skeptisch“ von Grant Gross auf cio.de (24.08.2026). Die Studienzahlen stammen aus der CEO Study des IBM Institute for Business Value, veröffentlicht am 06.05.2025. Die Einordnungen und Empfehlungen sind meine eigenen.
Dieser Text ist mit KI-Unterstützung entstanden. Recherche-Prüfung, Haltung, Beispiele und Endredaktion sind meine.
