Warum scheitern KI-Einführungen?

Was aktuelle Studien über Mitarbeitende und Führung zeigen

Der Befund ist inzwischen gut belegt und bleibt trotzdem unbequem: Die meisten KI-Einführungen liefern nicht, was sie versprechen. Die spannendere Frage ist, woran das liegt: die Antwort steckt seltener in der Technologie als in dem, was Menschen in Organisationen mit ihr erleben. Dieser Artikel fasst zusammen, was aktuelle Erhebungen und Forschungsarbeiten über die Reaktionen von Beschäftigten zeigen, und was daraus für Führung folgt.

Wie viele KI-Projekte scheitern tatsächlich?

Die meistzitierte Zahl stammt aus dem Report „The GenAI Divide: State of AI in Business 2025" des MIT: Nur etwa fünf Prozent der untersuchten Pilotprojekte erzeugten messbaren wirtschaftlichen Mehrwert. Wichtig ist die Präzisierung, die in vielen Medienberichten verloren geht: Gemessen wurde substanzielles Umsatzwachstum, nicht jeder denkbare Nutzen. Ein Projekt, das Beschäftigten Zeit spart, ohne die Gewinn- und Verlustrechnung zu verändern, gilt in dieser Logik als Misserfolg.

Genau darin liegt der interessanteste Befund der Studie: Über 80 Prozent der befragten Unternehmen hatten allgemeine KI-Werkzeuge getestet, aber nur rund 40 Prozent führten sie tatsächlich ein. Diese Werkzeuge verbesserten die individuelle Produktivität. Auf Unternehmensebene blieb der Effekt aus. Für den deutschen Markt kommt eine Befragung des IT-Dienstleisters DXC unter knapp 2.500 Führungskräften aus 23 Ländern zu einem ähnlichen Bild: Die große Mehrheit der deutschen Unternehmen bleibt in der Pilotphase stecken.

Die Lücke zwischen individuellem Nutzen und organisationaler Wirkung ist also der eigentliche Engpass. Und diese Lücke ist kein technisches, sondern ein organisationales Problem.

Sind Beschäftigte gegen KI?

Nein. Die Daten zeigen keine Ablehnung, sondern Ambivalenz.

Die Bitkom-Erhebung zu künstlicher Intelligenz in Deutschland macht das deutlich: Ein erheblicher Teil der Beschäftigten erwartet durch KI eine höhere Motivation und bessere Arbeitsergebnisse, allen voran Zeitersparnis. Gleichzeitig sorgt sich knapp ein Drittel, sich zu sehr auf KI zu verlassen und dabei eigene Kompetenzen zu verlieren. Beides existiert nebeneinander - häufig sogar in derselben Person.

Eine Untersuchung von PwC Deutschland zeigt, woraus die Zurückhaltung tatsächlich entsteht: Mehr als ein Viertel der Beschäftigten äußert Bedenken, aber nicht aus prinzipieller Technikfeindlichkeit, sondern weil Klarheit fehlt - über die strategische Richtung, über Auswirkungen auf die eigene Rolle, über neue Anforderungen. Unsicherheit ist kein Widerstand. Sie ist eine unbeantwortete Frage.

Bemerkenswert ist ein zweiter Befund derselben Untersuchung: Auch Führungskräfte zögern. Viele fühlen sich selbst überrollt, kennen die Möglichkeiten zu wenig und befürchten, Kontrolle über Prozesse zu verlieren. Wer erwartet, dass Führung die Belegschaft mitzieht, muss also zuerst fragen, wie es der Führung selbst geht.

Was bedeutet KI-Müdigkeit?

Ein neueres Phänomen betrifft ausgerechnet jene, die KI regelmäßig nutzen. Eine Befragung des Technologieberatungsunternehmens Adaptavist unter 2.500 Wissensarbeitenden - davon 500 in Deutschland - zeigt: Ein großer Teil der deutschen Befragten blickt inzwischen sehnsüchtig auf die Zeit vor generativer KI zurück, ein nennenswerter Anteil würde sie am liebsten ganz abschaffen. Als Grund nennen viele, dass die Auseinandersetzung mit minderwertigen KI-Ergebnissen ihre Arbeit weniger sinnvoll und repetitiver erscheinen lässt. Fast 40 Prozent investieren mehr Zeit in Prüfung und Korrektur, als sie durch die Nutzung einsparen.

Und im selben Datensatz wünschen sich rund zwei Drittel, dass ihr Unternehmen KI stärker einsetzt.

Dieser scheinbare Widerspruch ist keiner. Er zeigt, dass in derselben Organisation völlig unterschiedliche Erfahrungen gleichzeitig existieren und dass eine Durchschnittszahl davon nichts sichtbar macht. Genau dafür habe ich die Sechs KI-Archetypen (Die sechs KI-Archetypen: Wie bereit ist Ihre Organisation für KI? | SKALARA - Scaling Skills for Leaders) beschrieben: Pioniere, Vorsichtige, Skeptiker, Zurückgezogene, Pragmatiker und Ethiker. Erschöpfung trifft nicht nur Skeptiker; sie trifft besonders die Pragmatiker, deren Nutzenversprechen sich nicht erfüllt hat.

Was macht die heimliche Nutzung mit Organisationen?

Ein Teil der Belegschaft hat die Entscheidung längst selbst getroffen. Die globale Studie „Trust, Attitudes and Use of Artificial Intelligence" von KPMG International und der University of Melbourne zeigt, dass ein Großteil der Beschäftigten KI-Tools ohne Freigabe nutzt und KI-erstellte Inhalte häufig nicht kennzeichnet. Besonders aussagekräftig: Ein erheblicher Anteil der Führungskräfte weiß nicht, wie ihre Teams KI tatsächlich einsetzen. Eine Untersuchung von Software AG kommt für Deutschland zu vergleichbaren Größenordnungen.

Diese Zahlen sagen weniger über Regelverstöße aus als über Kultur. Wo Nutzung verborgen wird, wird sie als riskant empfunden — und Verbote verlagern das Verhalten lediglich auf private Geräte, wo es unsichtbar wird. Heimliche Nutzung ist damit weniger ein Compliance-Problem als ein Vertrauensindikator.

Was wirkt nachweislich?

Hier wird die Forschungslage eindeutig. Drei Faktoren tauchen immer wieder auf.

Beteiligung. Das Weizenbaum-Institut hat untersucht, wie Management und Betriebsräte KI-Einführungen gestalten. Der zentrale Befund: Wo die Interessenvertretung früh einbezogen wird, berichten Betriebe häufiger von höherer Akzeptanz und seltener von Arbeitsintensivierung. In Betrieben mit kooperativer Mitbestimmungspraxis treten weniger Konflikte auf. Beteiligung ist damit keine Formalie, sondern ein Wirkfaktor.

Klarheit. Wenn Unsicherheit - und nicht Ablehnung - die Hauptursache für Zurückhaltung ist, dann ist Kommunikation die naheliegendste Maßnahme: Was ist erlaubt, was nicht? Was bedeutet das für meine Rolle? Wer diese Fragen unbeantwortet lässt, produziert genau die Zurückhaltung, die er später als Widerstand deutet.

Lernkultur. Eine Literaturanalyse von Watermann, Kubowitsch und Lermer (2025) hat auf Basis von rund 20 Studien untersucht, wie sich KI-Nutzung psychologisch auswirkt. Ihr Ergebnis: Damit KI sinnvoll integriert werden kann, müssen organisationale Faktoren stimmen, vor allem Unternehmenskultur und Lernmöglichkeiten. Dazu kommen individuelle Faktoren wie Fähigkeiten, Persönlichkeit und Technologieerfahrung. Dieselbe Analyse benennt auch die Kehrseite: Systeme, die Autonomie oder Kreativität einschränken, verhindern Engagement während automatisierte Routine Raum für anspruchsvollere Arbeit schaffen kann.

Alle drei Faktoren liegen außerhalb der Technologie. Sie sind Führungs- und Organisationsentwicklungsarbeit.

Was heißt das für Führungskräfte konkret?

1. Erst diagnostizieren, dann bauen. Bevor Lizenzen gekauft werden, sollte klar sein, wer im Team wo steht, welche Ängste wirken und wo im Arbeitsalltag tatsächlich Zeit verloren geht. Eine Diagnose dauert Tage bis Wochen. Eine falsche Architektur kostet ein Jahr.

2. Nicht Nutzung messen, sondern Wirkung. Nutzungskennzahlen sind einfach zu erheben und sagen wenig aus. Die relevanten Fragen lauten: Ist die Arbeit dadurch besser geworden? Sinnvoller? Weniger belastend?

3. Differenzieren statt gleichbehandeln. Eine Maßnahme für alle erreicht niemanden richtig. Pioniere brauchen Leitplanken, Vorsichtige Regeln, Skeptiker Dialog, Zurückgezogene geschützte Lernräume, Pragmatiker konkrete Anwendungsfälle, Ethiker Beteiligung an Richtlinien.

4. Eigenes Lernen zeigen. Wenn Führungskräfte offen benennen, was sie selbst noch nicht können und gerade lernen, verändert das die Lernkultur schneller als jedes Programm — und macht heimliche Nutzung überflüssig.

Häufige Fragen (FAQ)

Stimmt es, dass 95 Prozent aller KI-Projekte scheitern?

Diese Zahl stammt aus dem MIT-Report 2025 und bezieht sich auf Pilotprojekte, die kein substanzielles Umsatzwachstum erzeugten. Sie bedeutet nicht, dass 95 Prozent aller KI-Anwendungen nutzlos sind: individuelle Produktivitätsgewinne wurden durchaus gemessen, sie schlugen nur nicht auf Unternehmensebene durch.

Sind Beratungsstudien in diesem Feld verlässlich?

Mit Einschränkung. Studien von Beratungs- und Technologieunternehmen sind methodisch oft solide, haben aber ein Eigeninteresse an ihrem Befund. Für belastbare Aussagen lohnt der Blick auf unabhängige Forschung, etwa vom Weizenbaum-Institut oder aus der arbeitspsychologischen Literatur.

Was ist der häufigste Fehler bei KI-Einführungen?

Die Reihenfolge. Zuerst wird ein Werkzeug beschafft, dann wird die Organisation darum herum gebaut und zuletzt gefragt, was die Menschen brauchen. Wirksam ist der umgekehrte Weg.

Wie fange ich an, wenn im Team große Skepsis herrscht?

Nicht mit einem Begeisterungs-Event, sondern mit Zuhören: Was genau befürchten die Skeptiker? Ihre Einwände sind oft berechtigt und funktionieren als Frühwarnsystem. Wer sie einbezieht, statt sie zu überzeugen, gewinnt Verbündete.chologische Sicherheit. Verbote verschärfen das, weil sie die Nutzung nur unsichtbarer machen.

Quellen

• MIT, „The GenAI Divide: State of AI in Business 2025"

• DXC, Führungskräftebefragung 2025

• EY, European AI Barometer

• Adaptavist, Befragung von Wissensarbeitenden (2026)

• PwC Deutschland, Workforce-Transformation-Studie (2026)

• Bitkom Research, „Künstliche Intelligenz in Deutschland" (2025)

• KPMG International & University of Melbourne, „Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025"

• Weizenbaum-Institut, Discussion Paper #53: „Zunehmender KI-Einsatz in der Arbeitswelt" (2026)

• Watermann, L., Kubowitsch, S. & Lermer, E. (2025): Literaturanalyse zu psychologischen Auswirkungen der KI-Nutzung am Arbeitsplatz

Cornelia Walter ist Gründerin von SKALARA, ICF-akkreditierte Executive-Coach, Organisationsberaterin und Autorin von vier Fachbüchern bei Springer/Springer Gabler. Sie lehrt Wissens- und Changemanagement an der Apollon Hochschule der Gesundheitswirtschaft und blickt auf über 25 Jahre Erfahrung in Beratung, Führung und Lehre zurück.