Die 5%, die mit AI Geld verdienen, machen drei Dinge anders.

95% der Organisationen erzielen mit Generative-AI-Initiativen keinen messbaren Return. So hart formuliert es der MIT-NANDA-Report «The GenAI Divide». Nur 5% der integrierten AI-Piloten liefern klaren wirtschaftlichen Wert.

Die falsche Schlussfolgerung wäre: AI funktioniert nicht.

Die bessere Schlussfolgerung ist unbequemer: Viele Unternehmen bauen AI so ein, dass sie gar nicht wirken kann.

Was MIT NANDA wirklich findet

Der Report sagt ausdrücklich: Die Trennlinie liegt nicht primär bei Modellqualität oder Regulierung. Das Problem liegt im Ansatz. Viele Systeme bleiben isoliert, lernen nicht aus Feedback, passen sich nicht an den Kontext an und landen nicht dort, wo die tägliche Arbeit wirklich passiert.

Genau das ist der GenAI Divide: Auf der einen Seite stehen Unternehmen mit vielen Piloten, Demos und Lizenzen. Auf der anderen Seite stehen wenige Unternehmen, die AI tief in bestehende Arbeitsabläufe einbauen und daran messen, ob sich Kosten, Qualität, Geschwindigkeit oder Umsatz tatsächlich verändern.

Wo Schweizer KMU jetzt stehen

Für Schweizer KMU ist das relevant, weil die Adoption gerade schnell steigt. Laut AXA ist der Anteil der KMU, die KI bewusst in ihre Arbeitsprozesse integrieren, innerhalb eines Jahres von 22% auf 34% gestiegen. Weitere 37% erproben KI.

Das ist ein gutes Signal. Aber es erhöht auch die Fallhöhe.

Denn je schneller AI eingeführt wird, desto wichtiger wird die Frage, ob sie als Werkzeug neben dem Prozess steht oder als Teil des Arbeitsflusses eingebaut ist.

Die 5%, die laut MIT liefern, machen drei Dinge anders

Erstens: Sie lassen AI nicht im Innovationslabor hängen. Die Verantwortung liegt näher an der Linie, also bei den Personen, die den Ablauf, die Ausnahmen und die Qualität täglich steuern. Dort entscheidet sich, ob ein Use Case nur interessant klingt oder wirklich Arbeit verändert.

Zweitens: Sie bewerten Tools nicht nach Demoqualität. Eine gute Demo zeigt, was möglich ist. Ein guter Einsatz zeigt, was wiederholbar funktioniert. Der Unterschied liegt in Integration, Datenzugang, Rollen, Grenzen und Messbarkeit.

Drittens: Sie wählen Systeme, die sich an den konkreten Workflow anpassen. Nicht jedes Unternehmen braucht sofort einen Agent. Aber jedes AI-System, das im Unternehmen Wert schaffen soll, muss Kontext behalten, Feedback aufnehmen und in der Realität der Arbeit funktionieren. Sonst bleibt es ein Prompt mit schöner Oberfläche.

Das ist auch der Grund, weshalb mehr Budget allein nicht reicht. Die Unternehmen auf der falschen Seite des GenAI Divide haben oft nicht zu wenig ausprobiert. Sie haben zu viel ausprobiert, ohne sauber zu verankern, wo AI im Arbeitsfluss Wert schaffen soll.

Was das für die Planung 2026 heisst

Die wichtigste Frage ist nicht «Welches AI-Tool testen wir als Nächstes?» Die wichtigere Frage ist: «Welcher bestehende Ablauf wird durch AI in den nächsten 90 Tagen messbar besser, und wer verantwortet das Ergebnis?»

Wenn darauf niemand antworten kann, ist der nächste Pilot nur ein weiteres Experiment.

AI scheitert selten am Versprechen. Sie scheitert daran, wie sie eingebaut wird.

Bei drilic ist genau das der Prüfpunkt vor jedem AI-Vorhaben: nicht ob ein Unternehmen AI will, sondern ob der Use Case in einen bestehenden Arbeitsfluss eingebaut werden kann, mit Owner, Datenzugang, Entscheidungslogik und messbarem 90-Tage-Ergebnis.

Quellen: MIT NANDA, «The GenAI Divide: State of AI in Business 2025»; Gartner, Prognose zu Agentic-AI-Projekten bis Ende 2027; AXA KMU-Arbeitsmarktstudie Schweiz 2025.