41 Prozent der deutschen Mittelstaendler nutzen kuenstliche Intelligenz. Im gleichen Atemzug senken sie ihr KI-Budget auf 0,35 Prozent des Umsatzes. Nicht wegen schlechter Erfahrungen. Sondern wegen Unsicherheit ueber den naechsten Schritt.
Das ist keine Ironie. Das ist die primaere Diagnose.
Eine Erhebung von DIHK und Handelsblatt unter 5.000 Unternehmen macht es sichtbar: der Mittelstand investiert 2026 weniger in KI als 2025, obwohl die Nutzung steigt und die Ergebnisse messbar sind. 45 Prozent der Nutzer berichten von beschleunigten Prozessen. 44 Prozent von besseren Produkten. 29 Prozent haben mit KI voellig neue Produkte entwickelt. Der ROI ist nachweisbar. Das Investment geht trotzdem zurueck.
Parallel analysiert Gartner mehr als tausend agentische KI-Projekte in europaeischen und amerikanischen Unternehmen. Das Ergebnis: 80 Prozent melden einen messbaren ROI. Aber nur 41 Prozent erreichen einen positiven ROI innerhalb von 12 Monaten. 19 Prozent kommen nie in positives Terrain. Und 40 Prozent der agentischen Projekte gelten bis Ende 2027 als abbruchgefaehrdet.
Die beiden Befunde lesen sich wie ein Widerspruch. Sie sind es nicht. Sie beschreiben dasselbe Problem aus zwei Winkeln.
Das Budget war nie der echte Engpass
Der Reflex ist verstaendlich. Wer ein KI-Projekt ausprobiert und keinen klaren ROI sieht, kuerzt beim naechsten Budget-Zyklus. Das fuehlt sich nach Vorsicht an. Es ist eigentlich Kapitulation an den falschen Engpass.
Denn der Engpass ist nicht das Geld. Laut IONOS und YouGov nennt inzwischen eine Mehrheit von 55 Prozent der Mittelstaendler Buerokratie als groesste Digitalisierungshuerde. Kosten landen mit 52 Prozent dahinter. Das ist eine kleine Zahl mit grosser Bedeutung: die meisten Unternehmen koennten morgen mehr investieren. Sie wissen nur nicht, wo sie ansetzen sollen.
Gartner benennt den Blocker noch schaerfer. Nur 21 Prozent der Unternehmen mit agentischen KI-Projekten haben ein reifes Governance-Modell. 52 Prozent nennen Datenqualitaet als groessten Blocker. Nicht Lizenzkosten. Nicht fehlende Modelle. Die eigenen Prozesse und Daten stehen im Weg.
Das erklaert auch den Deloitte-Befund vom Maerz 2026: 84 Prozent der Unternehmen haben ihre Rollen und Prozesse nicht an KI angepasst. Das Werkzeug ist vorhanden. Die Reorganisation der Arbeit darum herum fehlt.
Warum 80 Prozent ROI melden und trotzdem 40 Prozent scheitern
Hier liegt die eigentliche Fallhoehe. Die Gartner-Zahl klingt zunaechst positiv: vier von fuenf Unternehmen mit KI-Agenten sehen einen messbaren Effekt. Aber "messbar" und "positiv" sind nicht dasselbe.
Ein Pilot, der drei Prozesse beschleunigt und zwei neue Fehlerquellen einfuehrt, laesst sich als ROI-positiv framen. Ein Automatisierungsworkflow, der Rechnungsverarbeitung schneller macht, aber nach sechs Monaten nicht in die bestehende ERP-Struktur integriert ist, gilt trotzdem als "implementiert". Beides zaehlt in die 80-Prozent-Quote.
Der Unterschied zwischen den 41 Prozent mit echtem positivem ROI und dem Rest liegt fast nie an der Technologie. Er liegt an der Frage, wer die Implementierung operativ begleitet. McKinsey misst bei den erfolgreichen KI-Projekten einen ROI von durchschnittlich 5,8 Mal dem Einsatz. In 14 Monaten. Aber nur bei denen, die den Weg bis zur Einbettung in echte Workflows gehen.
Die anderen kaufen ein Werkzeug. Und legen es in die Schublade.
Das Werkzeug kaufen ist einfach. Die Arbeit danach ist es, die entscheidet.
Der Sprung von Nutzung zu Integration
"Nutzung" und "Integration" klingen aehnlich. Sie sind operational weit auseinander.
Nutzung bedeutet: Mitarbeiter verwenden KI-Tools fuer Zusammenfassungen, das Marketing-Team experimentiert mit Bildgenerierung, vielleicht gibt es einen internen Chatbot. 41 Prozent der deutschen Mittelstaendler sind laut DIHK hier angekommen.
Integration bedeutet etwas anderes. Kernprozesse sind so umgebaut, dass KI ein strukturelles Element ist, kein optionales Add-on. Rechnungen werden automatisch klassifiziert, validiert, und nur Ausnahmen gehen zum Menschen. Kundenservice-Tickets werden priorisiert, erstbeantwortet, eskaliert. Die Mitarbeiter bearbeiten Urteilsfaelle, keine Routinefaelle mehr.
Der Sprung von Nutzung zu Integration ist kein technischer. Es ist ein Prozessumbau. Und er braucht jemanden, der weiss, wo die Nadeloehere sind. Gut dokumentierte DACH-Projekte zeigen, dass KI-Agenten in Rechnungsverarbeitung und Kundenservice-Tickets den Payback in drei bis neun Monaten erreichen. Das sind die Einstiegs-Workflows: strukturierte Daten, klare Regeln, messbarer Output. Kein Rip-and-Replace, sondern ein Layer auf bestehenden Systemen.
Was das fuer kleine Teams bedeutet
Ein 50-Personen-Betrieb hat keine Digitalstrategie-Abteilung. Er hat einen Geschaeftsfuehrer, der dreimal pro Woche ueber KI liest und zweimal pro Quartal jemanden trifft, der ihn beraten will.
Die meisten dieser Berater verkaufen Werkzeuge. Lizenzen, Plattformen, Implementierungsprojekte. Das erzeugt genau die Unsicherheit, die die DIHK-Zahlen beschreiben: Investition runter, weil niemand weiss, wofuer genau man zahlt, und ob es etwas bringt.
Was fehlt, ist Outcome-Orientierung. Nicht "wir implementieren ein KI-System", sondern "wir halbieren die Bearbeitungszeit fuer Eingangsrechnungen, und Sie zahlen anteilig am Ergebnis". Das ist strukturell eine andere Logik. Und laut Simon-Kucher bevorzugen 2026 bereits 73 Prozent der Beratungskunden ergebnisorientierte Honorare gegenueber zeitbasierten. Der Markt fragt danach. Das Angebot hinkt hinterher.
Das erklaert, warum AVs Revenue-Share-Modell, das 10 Prozent des generierten Mehrwerts abrechnet, keine Nische mehr ist. McKinsey hat nur rund 25 Prozent seiner Honorare outcome-gebunden. Gartner prognostiziert, dass bis 2030 mindestens 40 Prozent des Enterprise-Beratungsspends ergebnisorientiert abgerechnet wird. AVs Modell ist dort schon angekommen.
Die ehrliche Einschraenkung
Die Gartner-Zahl verdient einen zweiten Blick. 40 Prozent der agentischen Projekte gelten bis Ende 2027 als abbruchgefaehrdet. Das klingt alarmierend. Es ist aber auch eine Selektion: die Unternehmen, die agentische KI einsetzen, sind bereits die innovativeren. Der Durchschnitt des Mittelstands hat diesen Schritt noch nicht gemacht.
Das bedeutet: das eigentliche Scheitern liegt nicht in gescheiterten Projekten. Es liegt in den Projekten, die nie gestartet werden. In den 41 Prozent Nutzern, die aufhoeren zu investieren, bevor sie zur Integration kommen. In den Geschaeftsfuehrern, die das Budget kuerzen, weil die ersten Versuche kein klares Ergebnis hatten.
29 Prozent der deutschen Mittelstaendler haben laut DIHK kein KI-faehiges Personal. Das ist kein Argument gegen den Einstieg. Es ist ein Argument dafuer, den Einstieg mit jemandem zu machen, der das Fehlen dieses Personals einkalkuliert hat.
Die Frage, die am Ende bleibt
Die naechste Erhoehung des KI-Budgets wird nicht von einer beeindruckenden Produktdemo kommen. Sie wird kommen, wenn ein Geschaeftsfuehrer einen messbaren Ergebnisanker sieht. Rechnungsverarbeitung drei Mal schneller. Sechs Wochen. Bezahlt am Ergebnis.
Dann steigt das Budget. Nicht weil die Technologie ueberzeugender wurde. Sondern weil die Arbeitsweise klar genug ist, um Vertrauen zu rechtfertigen.
Die Frage ist nicht, ob der Mittelstand in KI investiert. Er investiert bereits. Die Frage ist, ob der naechste Schritt ein weiteres Werkzeug ist, oder endlich die Arbeit darum herum.
Quellen: DIHK/Handelsblatt, Studie Mittelstand und KI 2026; Gartner Agentic AI Pulse 2026 via IBL; IONOS/YouGov Mittelstandsstudie 2026; Deloitte, KI-Integration im Unternehmen, Maerz 2026; Simon-Kucher/TheStreet, Beratungshonorar-Praeferenzen 2026; McKinsey Global Institute; Salesforce/DMB KI-Index Mittelstand 2026.