State of AI in Business: KI-Bubble?Warum KI-Piloten scheitern

Sam Altman prognostiziert das Aufkommen einer KI-Blase: In einem Dinner-Interview Mitte August 2025 verglich er die aktuelle Investoren-Euphorie mit der Dot-Com-Blase und warnte vor enormen Verlusten durch übersteigerte Erwartungen.

Ähnlich ernüchternd fallen die Ergebnisse des Reports “The GenAI Divide: The State of AI in Business 2025” vom MIT Media Lab aus: Trotz 30–40 Milliarden Dollar Investitionen bleibt der ROI aus - 95 % der AI-Piloten scheitern.

Trotzdem betont Altman: „Is AI the most important thing to happen in a very long time? My opinion is yes.“ Auch beim genaueren Blick in den MIT-Report wird deutlich: Die Probleme der KI-Projekte liegen nicht an der zugrunde liegenden Technologie, sondern entstehen durch falsche Erwartungen und Fehler in der Implementierung.

State of AI in Business 2025 - Unsere Take-aways

MIT NANDA’s State of AI in Business 2025 — https://nanda.media.mit.edu/ai_report_2025.pdf

Der MIT-Report basiert auf einer breit angelegten Untersuchung.

Über 300 öffentlich dokumentierte AI-Initiativen wurden ausgewertet, 52 strukturierte Interviews mit Unternehmen geführt und 153 Führungskräfte bei Branchen-konferenzen befragt.

In nur 2 der 8 untersuchten Sektoren zeigt KI bedeutungsvolle strukturelle Änderungen. Der im Titel beschriebene GenAI Divide bezeichnet die Kluft zwischen wenigen Unternehmen, die mit KI-Projekten echten Mehrwert erzielen, und der großen Mehrheit, die trotz Investitionen scheitert.

Der Report analysiert insbesondere, welche Strategien erfolgreiche Unternehmen beim Einkauf oder der Eigenentwicklung von KI-Lösungen anwenden.

Wir haben für sie vier prägnante Take-aways für Sie zusammen gefasst:

1. Fehlende Integration in bestehende Prozesse

Die meisten Tools scheitern, weil sie nicht in bestehende Prozesse eingebettet sind und dadurch keinen nachhaltigen Nutzen erzeugen. Oft wird mit der Entwicklung einer Lösung Angefangen bevor das eigentliche Problem bekannt ist.

2. Kein Lernen aus Feedback „Learning Gap“:

KI-Tools vergessen Kontext, passen sich nicht an und entwickeln sich nicht weiter. Erfolgreiche Organisationen setzen auf Systeme, die Feedback-Loops verwenden, den richtigen Kontext referenzieren (z.B. durch die Verwendung von RAG zur Verringerung von Halluzinationen) und sich adaptiv anpassen.

3. Outside-In-Prinzip 

Die erfolgreichsten Projekte starten an klein den Prozess-Rändern, erzielen schnell sichtbare Ergebnisse und werden dann in die Kernprozesse hinein skaliert. Dieser Ansatz weist höhere Erfolgschancen auf als komplexe prozessübergreifende Lösungen.

4. Externe Expertise verdoppelt die Erfolgschancen

Projekte mit externen Partnern  erreichen fast doppelt so häufig den Produktiveinsatz im Vergleich zu rein intern geleiteten Projekte. Diese Partner bringen nicht nur Technik mit, sondern auch Erfahrung im Navigieren von Stolperfallen und im Beschleunigen von Rollouts.

Unsere Fazit zu dem MIT-KI-Report

Auch wir bei VISUS Advisory haben bereits viele KI-Projekte begleitet.

Unserer Erfahrung nach zeichnen sich erfolgreiche Projekte durch eine klare Erfassung und Definition der zugrunde liegenden Prozesse und dem richtigen Verständnis von KI als Prozessbaustein aus. Lösungen die schnell Teilerfolge erzielen, gewinnen schnell an Fahrt und besitzen deutlich höhere Erfolgschancen als überambitionierte Universal Werkzeuge. Viele Unternehmen suchen nach der einen KI. Doch diese Vorstellung ist irreführend: Künstliche Intelligenz ist kein monolithisches Produkt, sondern ein Baustein in Automatisierungs­ketten, die Prozesse schneller und effizienter machen.

Für alle KI-begeisterten Manager empfehlen wir daher den MIT-KI-Report genau zu lesen.