Mitarbeitende nutzen KI, um E-Mails zu schreiben, zu übersetzen und Berichte aufzubereiten, und die individuelle Effizienz steigt tatsächlich. Das Geschäftsergebnis des Unternehmens verbessert sich dadurch aber oft nicht. Wer KI nutzen kann, verfügt über eine Fertigkeit; unternehmensweite KI-Kompetenz dagegen ist ein System aus Daten, Prozessen, Regeln und Organisation. Das eine wird nicht von selbst zum anderen.
Die Motivation der Mitarbeitenden ist vorhanden – die Frage ist, ob das Unternehmen sie aufgreifen kann. Ausgehend von einigen Umfragedaten untersucht dieser Beitrag, woher die Lücke zwischen individueller und unternehmensweiter Fähigkeit rührt, woraus unternehmensweite KI-Kompetenz besteht und wie sich der verstreute KI-Einsatz einzelner Mitarbeitender in eine eigene Fähigkeit der Organisation verwandeln lässt.
Alle nutzen KI – warum verbessert sich das Geschäft trotzdem nicht?
Der Nutzen von KI ist auf individueller Ebene längst sichtbar, bleibt aber überwiegend bei den Einzelnen. Die Mitarbeitenden sind dem Management voraus, doch das Unternehmen hat diese Anwendungen nicht aufgefangen.
Drei Umfragen belegen das aus unterschiedlichen Blickwinkeln:
- Der Einzelne wird schneller, das Unternehmen bleibt stehen. McKinsey hat für „The state of AI in 2026“ 1.719 Befragte weltweit erhoben: 80 % sagen, KI habe ihre Arbeitseffizienz erhöht, rund die Hälfte gibt an, KI helfe ihnen, bessere Entscheidungen zu treffen. Doch nur 37 % sehen einen Beitrag der KI zum Ergebnis vor Zinsen und Steuern (EBIT) ihres Unternehmens – kaum mehr als im Vorjahr. Der Bericht hält unmissverständlich fest, dass sich der Nutzen auf individueller Ebene noch nicht in finanzielle Wirkung auf Unternehmensebene übersetzt hat (Quelle).
- „Schatten-KI“ ist weit verbreitet. Der Bericht „The GenAI Divide“ des MIT-NANDA-Projekts aus dem Jahr 2025 zeigt: Nur rund 40 % der Unternehmen haben ein offizielles Abonnement für ein großes Sprachmodell erworben, doch in mehr als 90 % der Unternehmen setzen Mitarbeitende private KI-Tools für ihre Arbeit ein. Zugleich sehen 95 % der Unternehmen keinen messbaren Geschäftsertrag aus generativer KI (Quelle). Die Stichprobe der Studie ist begrenzt und die genauen Zahlen sind umstritten, das beschriebene Phänomen ist jedoch weit verbreitet.
- Die Risiken sind real. Eine von PagerDuty bei Wakefield Research in Auftrag gegebene Umfrage unter 1.250 Büroangestellten in Großunternehmen in den USA, im Vereinigten Königreich, in Japan und in Australien vom April 2026 ergab: Von den Beschäftigten, die KI genutzt haben, setzten 66 % sie ein, obwohl sie davon ausgingen, dass das Unternehmen dies nicht erlaubt; 34 % gaben Kundendaten in öffentliche KI-Tools ein, 31 % Finanzinformationen oder vertrauliche Unternehmensunterlagen (Quelle).
Ein Beispiel: In einem Großhandelsunternehmen mit rund dreißig Beschäftigten nutzt nahezu jeder KI. Der Einkauf lässt damit fremdsprachige Preisangebote übersetzen, der Vertrieb formuliert Kundenantworten, die Buchhaltung liest Schreiben der Steuerbehörde. Doch bei der Jahresauswertung sind Lagerüberhang, Zahlungsziele und Kundenabwanderung ungefähr so wie im Vorjahr. Niemand kann sagen, in welche Tools Angebote und Kundendaten des Unternehmens kopiert wurden, und eine bewährte Arbeitsweise, die eine Vertriebsmitarbeiterin entwickelt hatte, ging mit ihrem Weggang verloren. Jeder kann KI nutzen, doch das Unternehmen verfügt dadurch noch lange nicht über KI-Kompetenz.
„Ich arbeite schneller“ und „das Unternehmen arbeitet besser“ – wo liegt der Unterschied?
Individuelle KI-Kompetenz ist die Fähigkeit eines Menschen, mit KI die eigenen Aufgaben schneller und besser zu erledigen. Unternehmensweite KI-Kompetenz ist die Fähigkeit eines Unternehmens, KI dauerhaft in seine Geschäftsprozesse einzubetten und damit laufend Geschäftsergebnisse zu erzielen. Das erste ist die Grundlage des zweiten, doch bei Reichweite, Reproduzierbarkeit und Risikosteuerung unterscheiden sich beide grundlegend.
| Dimension | Individuelle KI-Kompetenz | Unternehmensweite KI-Kompetenz |
|---|---|---|
| Reichweite | Eine Aufgabe einer einzelnen Person | Ein abteilungsübergreifender Geschäftsprozess |
| Genutzte Daten | Ausschnitte, die ad hoc ins Chatfenster kopiert werden | In Systeme eingebundene Geschäftsdaten mit einheitlichen Definitionen |
| Wo das Wissen liegt | In den persönlichen Gewohnheiten und Prompts der Mitarbeitenden | In Prozessen, Vorlagen und Systemen – auch bei Personalwechsel nutzbar |
| Reproduzierbarkeit | Von Person zu Person verschieden, Ergebnisse schwanken | Einheitliche Standards, unternehmensweit skalierbar |
| Wer das Risiko steuert | Häufig niemand | Es gibt Regeln, Berechtigungen und Verantwortliche |
| Wie gemessen wird | „Fühlt sich schneller an“ | Geschäftskennzahlen wie Durchlaufzeit, Kosten, Fehlerquote und Umsatz |
Die Tabelle lässt sich auch umgekehrt lesen: Wo ein Unternehmen in einer Zeile noch in der linken Spalte steht, ist diese Art von Fähigkeit noch nicht von der Einzelperson auf die Organisation übergegangen.
Warum addieren sich individuelle Fähigkeiten nicht zu einer Organisationsfähigkeit?
Dreißig Mitarbeitende, die KI nutzen können, ergeben noch kein Unternehmen mit KI-Kompetenz. Zwischen Einzelperson und Organisation liegen mindestens vier Hürden: Erfahrung, Daten, Prozesse und Risiko.
Erfahrung bleibt nicht erhalten. Ein guter Prompt, eine erprobte Anwendung – sie existieren nur im Chatverlauf einzelner Mitarbeitender. Andere wissen nichts davon und können nicht davon lernen; verlässt jemand das Unternehmen, verschwindet das Wissen mit. Es ist dasselbe Problem wie in der Tabellenkalkulations-Ära, in der „die Daten mit den Menschen gingen“ – nur dass diesmal Arbeitsweisen und Erfahrung gehen.
Daten sind nicht verbunden. Mitarbeitende können der KI nur den kleinen Ausschnitt übergeben, den sie per Copy-and-paste zur Hand haben. Die KI sieht weder Bestände noch Aufträge noch Zahlungseingänge im Zusammenhang und kann deshalb Fragen, die das Geschäft wirklich bewegen, nicht beantworten, etwa „Bei welchen Waren sollte weniger eingekauft werden?“ oder „Welchen Kunden sollte man an die Zahlung erinnern?“. Auch der MIT-Bericht weist darauf hin, dass die meisten generativen KI-Systeme kein Feedback speichern, sich nicht an den Kontext anpassen und sich im Zeitverlauf nicht verbessern – genau deshalb fällt es schwer, ihnen bei wichtigen Aufgaben zu vertrauen.
Prozesse sind nicht neu gestaltet. Mitarbeitende erledigen ihren eigenen Schritt mit KI schneller, doch davor und danach ändert sich nichts. Ein Angebot ist noch so schnell geschrieben, es wartet dennoch bis zum nächsten Tag auf die Freigabe der Geschäftsführung; eine Kundenantwort geht noch so rasch raus, der Auftrag muss trotzdem von Hand ins System eingegeben werden. Die Effizienz bleibt an den Übergabepunkten hängen. Die McKinsey-Umfrage zeigt: Knapp drei Viertel der KI-Spitzenunternehmen haben ihre Arbeitsabläufe grundlegend um KI herum neu gestaltet, bei den übrigen Unternehmen ist es nur rund ein Viertel.
Das Risiko hat keinen Verantwortlichen. In welche Tools Kundendaten, Angebote und Verträge kopiert wurden, ob jemand KI-generierte Inhalte prüft und wer bei Fehlern haftet – auf all das gibt es keine Antwort. Für Unternehmen, die in der EU tätig sind, unterliegen personenbezogene Kundendaten der Datenschutz-Grundverordnung (DSGVO); das ist daher nicht nur eine Frage der Steuerung, sondern auch der Compliance.
Die vier Säulen unternehmensweiter KI-Kompetenz
Wenn die individuelle KI-Nutzung das Fundament ist, braucht die unternehmensweite KI-Kompetenz darauf vier Säulen: Daten, Prozesse, Regeln sowie Menschen und Organisation. Sie entsprechen genau den vier Hürden von oben.
- Daten: Die KI sieht das Gesamtbild. Geschäftsdaten sind in Systeme eingebunden, einheitlich definiert und lassen sich von der KI im Rahmen der Berechtigungen abrufen. Liegen Bestände, Aufträge und Zahlungseingänge weiter verstreut in verschiedenen Tabellen und Programmen, kann auch die klügste KI nur anhand von Bruchstücken raten.
- Prozesse: Effizienz bleibt nicht an den Übergaben hängen. Es geht nicht darum, KI in einen einzelnen Schritt des bestehenden Prozesses zu stecken, sondern den gesamten Prozess um KI herum neu zu gestalten: Welche Schritte übernimmt die KI, welche müssen von Menschen bestätigt werden, wie werden Übergaben gestaltet?
- Regeln: Mitarbeitende können KI mit gutem Gewissen nutzen. Es ist geklärt, welche KI-Tools zulässig sind, welche Daten nicht in externe Tools eingegeben werden dürfen, in welchen Szenarien eine manuelle Prüfung Pflicht ist und wer bei Problemen verantwortlich ist. Regeln sollen die Mitarbeitenden nicht einschränken, sondern dafür sorgen, dass sie KI nicht mehr „heimlich“ nutzen müssen.
- Menschen und Organisation: Erfahrung bleibt im Unternehmen. Bewährte Anwendungen der Mitarbeitenden werden zu Vorlagen und Standardprozessen aufbereitet, damit neue Kolleginnen und Kollegen sie am ersten Tag nutzen können; eine feste Ansprechperson treibt die KI-Anwendung voran; der Erfolg wird an Geschäftskennzahlen gemessen statt am Gefühl, schneller zu sein.
Die vier Säulen sind voneinander abhängig. Ohne Regeln traut sich das Unternehmen nicht, der KI Daten bereitzustellen; ohne Daten läuft auch ein neu gestalteter Prozess nicht. Deshalb sollten sie anhand eines konkreten Geschäftsszenarios gleichzeitig aufgebaut werden, statt sie in vier getrennte Projekte aufzuteilen.
„Schatten-KI“ nicht verbieten, sondern auffangen
Wenn Mitarbeitende KI auf eigene Faust nutzen, treibt ein pauschales Verbot die Nutzung meist nur in den Untergrund. Wirksamer ist es, die bereits erprobten Anwendungen als Ausgangspunkt zu nehmen und aus der Hand Einzelner in die Daten, Prozesse und Regeln der Organisation zu überführen. Dafür bieten sich fünf Schritte an.
Bestandsaufnahme: Klären, wie Mitarbeitende KI bereits nutzen. Erheben Sie, welche KI-Tools in welchen Arbeitsschritten eingesetzt werden und wohin die Daten fließen, und finden Sie zugleich die größten Engpässe zwischen Auftrag, Einkauf, Lager und Zahlungseingang. Dabei zeigt sich häufig, dass die wertvollsten Szenarien in der spontanen Nutzung der Mitarbeitenden stecken.
Regeln aufstellen: Mitarbeitenden eine Option bieten, die sie guten Gewissens nutzen können. Legen Sie auf Basis des Berechtigungskonzepts des Unternehmens Datengrenzen und Anforderungen an die manuelle Prüfung fest und stellen Sie ein sicheres, gut nutzbares Tool auf Unternehmensebene bereit. Wenn der offizielle Weg bequemer ist als die heimliche Nutzung, geht die „Schatten-KI“ von selbst zurück.
Verbinden: Die KI mit den eigenen Daten und dem Wissen des Unternehmens arbeiten lassen. Führen Sie Daten aus verstreuten Systemen und Tabellen zusammen und vereinheitlichen Sie die Kennzahlendefinitionen; bereiten Sie Produktunterlagen, Angebotsregeln und häufige Fragen als Wissensdatenbank des Unternehmens auf. So ist die KI nicht mehr auf Ausschnitte angewiesen, die Mitarbeitende kurzfristig ins Chatfenster kopieren.
Verankern: Bewährte Anwendungen in den Prozess schreiben. Wählen Sie ein Szenario mit klaren Regeln und messbarer Wirkung, etwa Auftragserfassung, Abstimmungsprüfung oder häufige Kundenanfragen, und machen Sie aus den erprobten Anwendungen Vorlagen, intelligente Workflows oder Agenten, die repetitive Aufgaben wie Erfassen, Abgleichen und Weiterleiten übernehmen, während Menschen an den entscheidenden Stellen kontrollieren.
Messen: Anhand von Geschäftskennzahlen über die Ausweitung entscheiden. Legen Sie vor dem Pilotprojekt Kennzahlen wie Bearbeitungszeit, Fehlerquote und Zahlungsziel fest; ist die Wirkung belegt, übertragen Sie dasselbe Vorgehen auf das nächste Szenario.
Diese fünf Schritte entsprechen eins zu eins den vier Hürden von oben:
| Warum sich individuelle Fähigkeiten nicht zu einer Organisationsfähigkeit addieren | Entsprechender Schritt |
|---|---|
| Erfahrung bleibt nicht erhalten | Verankern: Bewährte Anwendungen in Prozess und Vorlagen schreiben |
| Daten sind nicht verbunden | Verbinden: Datendefinitionen vereinheitlichen, Wissensdatenbank aufbauen |
| Prozesse sind nicht neu gestaltet | Bestandsaufnahme + Verankern: vom Szenario ausgehen, Arbeitsteilung zwischen Mensch und KI neu gestalten |
| Das Risiko hat keinen Verantwortlichen | Regeln aufstellen: Berechtigungen, Datengrenzen und manuelle Prüfung |
Durchgängig gilt ein Grundsatz: Der Mensch behält die Führung. KI unterstützt die Arbeit im Rahmen der erteilten Berechtigungen; wo es um Ziele, Verantwortung und entscheidende Urteile geht, entscheidet der Mensch.
Fazit: Von „Ich kann KI“ zu „Das Unternehmen kann KI“
Wenn Einzelne KI nutzen können, wird die Arbeit eines Menschen schneller; verfügt ein Unternehmen über KI-Kompetenz, verbessert sich das Geschäft des ganzen Hauses. Zwischen beidem liegen Daten, Prozesse, Regeln und Organisation – und keiner dieser Bausteine entsteht von selbst, nur weil Mitarbeitende besser Prompts schreiben.
Die Motivation der Mitarbeitenden ist der beste Ausgangspunkt für ein Unternehmen – kein Risiko, das es unterdrücken müsste. Der nächste Schritt: dass auch das Unternehmen lernt, KI zu nutzen.
Quellen
- The state of AI in 2026: On the road to ROI, McKinsey, August 2026
- MIT report finds most AI business investments fail, reveals "GenAI Divide", Virtualization Review, August 2025 (über den MIT-NANDA-Bericht „The GenAI Divide: State of AI in Business 2025“)
- PagerDuty 2026 Shadow AI Survey, PagerDuty, 2026
