Die teure KI-Illusion

Warum sich der Boom nur deshalb rechnet, weil andere den Preis zahlen:

Die Begeisterung für generative Künstliche Intelligenz folgt einem einfachen Narrativ: Milliarden rein, Produktivität raus. Eine technologische Revolution, die sich nur noch rechnen muss.

Das Problem: Genau das tut sie in den meisten Fällen nicht.

Unternehmen investieren derzeit in einem Tempo, das eher an einen Goldrausch erinnert als an rationale Kapitalallokation. Laut IDC sollten die globalen Ausgaben für KI bis 2025 auf 644 Milliarden US-Dollar steigen. Gleichzeitig zeigt sich hinter den Kulissen ein anderes Bild: Projekte ohne messbaren Effekt, Budgets ohne klare Zielgröße, Strategien ohne belastbare Ergebnisse.

Eine vielbeachtete Untersuchung des MIT aus dem Sommer 2025 bringt es auf einen unbequemen Punkt: 95 Prozent der generativen KI-Pilotprojekte leisten keinen nachweisbaren Beitrag zur Gewinn- und Verlustrechnung. Fünf Prozent erzeugen echten wirtschaftlichen Wert. Der Rest produziert vor allem eines: Kosten.

Das ist kein Ausrutscher. Es ist ein Muster.

Denn die aktuelle KI-Euphorie basiert auf einer Rechnung, die so in keiner Bilanz steht. Sie überschätzt systematisch den kurzfristigen Nutzen, unterschätzt langfristige Risiken – und blendet einen entscheidenden Faktor vollständig aus: Ein erheblicher Teil der tatsächlichen Wertschöpfung entsteht dort, wo Unternehmen weder investieren noch kontrollieren. Und ein erheblicher Teil der Kosten fällt dort an, wo sie niemand verbucht.

Mit anderen Worten: Der KI-Boom funktioniert – aber nicht so, wie er erzählt wird.

Er funktioniert, weil Produktivität im Schatten entsteht, während Investitionen sichtbar bleiben.
Er funktioniert, weil Risiken in die Zukunft verschoben werden.
Und er funktioniert, weil ein Teil der Rechnung von Menschen bezahlt wird, die in keiner Kalkulation auftauchen.

Investitionen explodieren, Ergebnisse bleiben aus

Der sogenannte Return on Investment (ROI) – also das Verhältnis von Gewinn zu eingesetztem Kapital – ist eigentlich die zentrale Kennzahl jeder Investition. Im Fall von KI wird er erstaunlich oft gar nicht sauber berechnet.

Der Kyndryl Readiness Report 2025 zeigt: Unternehmen haben ihre KI-Ausgaben innerhalb eines Jahres um 33 Prozent erhöht. Gleichzeitig berichten 46 Prozent, keinen positiven ROI zu sehen. 62 Prozent stecken weiterhin in der Experimentierphase fest.

Auch Prognosen fallen ernüchternd aus. Das Analysehaus Gartner erwartete, dass mindestens 30 Prozent aller GenAI-Projekte bis Ende 2025 nach der Pilotphase eingestellt werden.

Deutschland bildet keine Ausnahme. Eine Studie von Deloitte verortet deutsche Unternehmen mit einer durchschnittlichen Rendite von 27 Prozent innerhalb von ein bis zwei Jahren im Mittelfeld.

Björn Bringmann, Managing Director des Deloitte AI Institute, sagt:
„Das volle Potenzial künstlicher Intelligenz wird derzeit nicht ausgeschöpft – unter anderem, weil klare Verantwortlichkeiten, gezielte Investitionen und systematische Qualifizierung fehlen.“

Noch deutlicher wird die Lage beim Institut der deutschen Wirtschaft: 81 Prozent der Unternehmen messen ihren KI-ROI nicht systematisch. Mehr als die Hälfte weiß nicht einmal, welche Anwendungsfälle für sie relevant wären.

Wer nicht misst, kann nicht scheitern. Aber er kann auch nicht erfolgreich sein.

Er kann nur ausgeben.

Der Widerspruch der Studien

Auf den ersten Blick passt das alles nicht zusammen. Während das MIT von massiven Fehlinvestitionen spricht, zeichnet eine Studie von IBM ein deutlich optimistischeres Bild.

Demnach berichten 62 Prozent der deutschen und 66 Prozent der europäischen Unternehmen von Produktivitätsgewinnen durch KI. Knapp die Hälfte erwartet, ihre Investitionen innerhalb eines Jahres wieder einzuspielen.

Der Widerspruch ist nur scheinbar einer.

IBM und Deloitte befragen Führungskräfte nach ihren Einschätzungen. Das sind Stimmungsbilder – keine überprüften Geschäftszahlen. Das MIT misst dagegen auf Projektebene, ob tatsächlich ein messbarer Effekt in der Gewinn- und Verlustrechnung entsteht.

Mit anderen Worten: Hier prallen Erwartung und Realität aufeinander.

Ein Befund aus der MIT-Untersuchung erklärt, warum diese beiden Welten so weit auseinanderliegen: Während nur rund 40 Prozent der Unternehmen offizielle KI-Tools bereitstellen, nutzen etwa 90 Prozent der Mitarbeiter täglich private Anwendungen wie ChatGPT oder Claude.

Ein Studienteilnehmer formuliert es so:
„Unsere Mitarbeiter nutzen ChatGPT privat jeden Tag für die Arbeit. Offiziell existiert das nicht, aber in der Praxis ist es effektiver als unsere lizenzierten Tools.“

Die Schatten-Produktivität

Das ist mehr als eine Anekdote. Es ist ein strukturelles Problem.

Die Produktivitätsgewinne durch KI existieren. Aber sie entstehen oft außerhalb der offiziellen Systeme. Mitarbeiter automatisieren Aufgaben, formulieren Texte, analysieren Daten – mit privaten Accounts, ohne dass diese Effizienzgewinne irgendwo erfasst werden.

Die Organisation zahlt für eigene Lösungen. Der tatsächliche Nutzen entsteht daneben.

Das Ergebnis ist eine paradoxe Situation:
Die Kosten sind sichtbar. Der Nutzen nicht.

Oder zugespitzt:
Unternehmen finanzieren eine Produktivitätsrevolution, die sie weder messen noch kontrollieren.

Diese „Schatten-KI“ ist kein Randphänomen. Sie ist derzeit der Normalfall.

Der Mythos vom Eigenbau

Als Reaktion darauf versuchen viele Unternehmen, die Kontrolle zurückzugewinnen – indem sie eigene KI-Lösungen entwickeln.

Doch auch hier zeigt sich: Die Rechnung geht selten auf.

Die MIT-Studie kommt zu dem Ergebnis, dass eingekaufte Lösungen in rund zwei Dritteln der Fälle funktionieren, während Eigenentwicklungen deutlich häufiger scheitern.

Aditya Challapally, Hauptautor der Untersuchung, sagt:
„In fast allen Unternehmen wurde versucht, eigene Tools zu bauen. Aber die Daten zeigen, dass zugekaufte Lösungen zuverlässiger funktionieren.“

Die Schlussfolgerung scheint klar: kaufen statt bauen.

Doch auch das ist eine Verkürzung.

Denn wer kauft, kauft nicht nur Technologie – sondern auch Abhängigkeit. Datenflüsse, Preismodelle, Weiterentwicklung: All das liegt bei externen Anbietern.

Das bestätigt indirekt auch die IBM-Studie. Zwei Drittel der Unternehmen nennen Sicherheits- und Vertrauensprobleme als größte Herausforderung.

Rolf Löwisch, Head of AI bei IBM DACH, formuliert es so:
„Der wahre Wert von KI liegt in der strategischen Transformation von Unternehmen.“

Die entscheidende Frage bleibt: Wer steuert diese Transformation – das Unternehmen selbst oder der Anbieter?

Die unsichtbaren Kosten

Die vielleicht größte Leerstelle in der gesamten Debatte liegt jedoch außerhalb der Unternehmensbilanzen.

Jedes große KI-Modell – ob von OpenAI, Google oder Meta – basiert auf massiver menschlicher Arbeit.

Millionen sogenannter Datenarbeiter sortieren Inhalte, bewerten Antworten und filtern problematische Daten heraus. Sie sehen Gewalt, Missbrauch und Extremismus – damit Maschinen diese Inhalte später nicht reproduzieren.

Die Weltbank schätzt, dass weltweit zwischen 154 und 435 Millionen Menschen in Online-Gig-Arbeit tätig sind. Viele verdienen dabei zwischen 1,50 und 2 US-Dollar pro Stunde.

Die kenianische Aktivistin Nerima Wako-Ojiwa beschreibt diese Realität so:
„Ehrlich gesagt fühlt es sich an wie moderne Sklaverei. Es ist billige Arbeit.“

Und weiter:
„Viele Unternehmen tun hier Dinge, die sie in ihren eigenen Ländern niemals tun würden.“

Das Fairwork-Projekt der University of Oxford hat Plattformarbeit in diesem Bereich untersucht – mit ernüchterndem Ergebnis: Kaum eine Plattform erfüllt grundlegende Standards bei Bezahlung, Sicherheit und Mitbestimmung.

Eine Studie der Organisation Equidem dokumentiert zudem zahlreiche Fälle psychischer Belastung – verursacht durch die tägliche Konfrontation mit extremen Inhalten.

Adio Dinika vom Distributed AI Research Institute sagt:
„Wenn Probleme öffentlich werden, trifft es meist die Zwischenhändler – nicht die Unternehmen, die am meisten profitieren.“

Die Lieferkette bleibt bewusst intransparent.

Und genau deshalb tauchen diese Kosten in keiner ROI-Berechnung auf.

Eine verzerrte Gesamtrechnung

Die aktuelle Debatte über den wirtschaftlichen Nutzen von KI ist unvollständig.

Sie unterschätzt systematisch drei Dinge:

Erstens die Schatten-Produktivität, die außerhalb offizieller Systeme entsteht.
Zweitens die langfristigen Risiken – Abhängigkeiten, Sicherheitsfragen, regulatorische Unsicherheiten.
Drittens die ausgelagerten Kosten – in Form prekärer Arbeit und psychischer Belastung.

Das Ergebnis ist eine verzerrte Rechnung.

Was als Effizienzgewinn erscheint, ist in Teilen eine Verschiebung:
von Kontrolle nach außen,
von Kosten in andere Regionen,
von Verantwortung in intransparente Strukturen.

Fazit

Solange sich daran nichts ändert, ist die KI-Revolution kein Fortschritt.

Sondern ein Verschieben von Grenzen – ökonomisch, politisch und moralisch.

Und wie bei jeder Verschiebung bleibt am Ende nur eine Frage:

Wer gewinnt – und wer hat keine Stimme?

Die Antwort entscheidet, ob KI Wert schafft – oder nur Kosten besser versteckt.

Die Rechnung der KI-Euphorie geht auf.

Nur nicht für alle.

Quellen und Links

• MIT NANDA – The GenAI Divide: State of AI in Business 2025
• Kyndryl – Readiness Report 2025
• Deloitte – https://www2.deloitte.com/
• IBM – https://www.ibm.com/reports
• Institut der deutschen Wirtschaft – https://www.iwkoeln.de/
• Gartner – https://www.gartner.com/
• Weltbank – https://www.worldbank.org/
• Oxford Universität – https://fair.work/
• Equidem – https://equidem.org/
• CBS News / 60 Minutes – Bericht zu KI-Arbeitern in Kenia
• Rest of World – https://restofworld.org/
• Brookings Institution – https://www.brookings.edu/