Gartner: Nur 13 Prozent der CIOs sehen echten KI-Nutzen
Eine Gartner-Umfrage unter 2.002 IT-Verantwortlichen zeigt: Nur 13 Prozent erzielen mit KI erheblichen Nutzen, nur etwa jeder fünfte Anwendungsfall wird ein Erfolg. Erfolgreiche Unternehmen haben vor allem eines gemeinsam: klare Regeln, wann sie KI-Projekte stoppen.
Viele Unternehmen haben in den letzten zwei Jahren eine Menge KI-Projekte gestartet. Ob sich das lohnt, ist eine andere Frage. Eine neue Umfrage des Marktforschers Gartner, vorgestellt am 19. Oktober 2026 auf dem Gartner IT Symposium in Orlando, liefert eine ernüchternde Antwort: Nur 13 Prozent der befragten CIOs sagen, ihr Unternehmen habe mit KI bisher erheblichen oder transformativen Nutzen erzielt. Gartner-Analystin Alicia Mullery fasst das in drei Wörtern zusammen:
„Volume is not value.“
Also: Viele Projekte sind noch kein Nutzen.
Jeder fünfte Anwendungsfall wird ein Erfolg
Für die Studie „2027 CIO and Technology Executive Agenda“ hat Gartner von Mai bis Juli 2026 insgesamt 2.002 CIOs und Technologieverantwortliche befragt. Die Erfolgsquote einzelner KI-Anwendungsfälle liegt laut Gartner bei etwa eins zu fünf. Gleichzeitig wächst der Druck: 58 Prozent der CIOs berichten von mehr Druck, mit KI Kosten zu senken. Und 51 Prozent erwarten, dass KI die Gesamtkosten ihrer Technik eher erhöht.
Den Grund für diesen Widerspruch beschreibt Mullery so: „Unlike traditional technology costs, which are largely predictable, AI costs are probabilistic and determined at run time.“ Klassische IT-Kosten lassen sich also weitgehend planen, KI-Kosten entstehen erst im Betrieb, je nachdem, wie oft und wie aufwendig die Modelle arbeiten. Das deckt sich mit der Beobachtung, dass nur wenige Unternehmen ihr KI-Budget treffen.
Was die Erfolgreichen anders machen
Gartner nennt die Unternehmen, die sowohl bessere Geschäftsergebnisse liefern als auch nach Einschätzung ihres CEO hohen Nutzen aus KI ziehen, „Vanguards“, also Vorreiter. Was sie von den anderen unterscheidet, ist weniger die Technik als die Disziplin:
- Wer feste Kriterien hat, wann ein KI-Pilot nicht in den Betrieb geht, gehört 2,3-mal so oft zu den Vorreitern. Solche Kriterien haben aber nur 31 Prozent.
- Wer Regeln hat, wann wenig nützliche KI auch im laufenden Betrieb wieder abgeschaltet wird, gehört 2,6-mal so oft dazu. Das haben nur 17 Prozent.
- Wer konkret plant, wie sich Rollen verändern, wenn Menschen und KI-Agenten zusammenarbeiten, gehört 2,4-mal so oft zu den Vorreitern. Einen solchen Plan haben nur 4 Prozent.
Mullery sieht dabei auch die Fachabteilungen in der Pflicht: „CIOs need business partners who are willing and ready to walk away from low value investments.“ Es braucht also Partner im Geschäft, die bereit sind, Projekte mit wenig Nutzen aufzugeben.
Weniger Projekte, mehr Personal
Bemerkenswert ist ein Nebenbefund: 40 Prozent der Befragten wollen 2027 mehr IT-Personal einstellen, vor allem in Cybersicherheit sowie Daten und Analytics. KI ersetzt in diesen Unternehmen also nicht die Fachleute, sondern verschiebt den Bedarf. Die Zahlen stammen aus einer Befragung, nicht aus gemessenen Ergebnissen. Wie „erheblicher Nutzen“ definiert ist, haben die CIOs selbst eingeschätzt.
Was das für Ihr Unternehmen heißt
- Abbruchkriterien vor dem Start: Legen Sie für jedes KI-Projekt vorher fest, welches Ergebnis es nach welcher Zeit liefern muss, etwa eingesparte Stunden pro Monat oder eine Fehlerquote. Wird das nicht erreicht, geht der Pilot nicht in den Betrieb.
- Auch Laufendes prüfen: Ein KI-Werkzeug, das einmal eingeführt ist, kostet weiter Geld, jeden Monat und je nach Nutzung. Eine feste Überprüfung, etwa halbjährlich, gehört dazu.
- Kosten im Betrieb messen: Weil KI-Kosten erst bei der Nutzung entstehen, brauchen Sie Zahlen pro Vorgang, nicht nur die Monatsrechnung. Budgetgrenzen beim Anbieter helfen, Ausreißer früh zu sehen. Ein Beispiel für konsequente Deckelung ist Accentures Budget von 29 Dollar pro Kopf.
- Wenige gute Fälle statt vieler Piloten: Lieber zwei Abläufe richtig automatisieren als zehn Experimente nebeneinander laufen lassen.
- Rollen mitdenken: Wenn ein Agent Arbeit übernimmt, ändert sich die Aufgabe der Menschen daneben, etwa zur Prüfung und Freigabe. Das sollte von Anfang an geplant sein.
Fazit
Die Gartner-Zahlen sind kein Argument gegen KI, sondern gegen planloses Ausprobieren. Den Unterschied macht nicht das beste Modell, sondern die Bereitschaft, klare Ziele zu setzen und Projekte ohne Nutzen konsequent zu beenden. Gerade kleinere Unternehmen mit begrenztem Budget profitieren davon, diese Regeln von Anfang an festzulegen. Wenn Sie einschätzen möchten, welche KI-Projekte sich in Ihrem Unternehmen wirklich rechnen, sprechen Sie mich gern an.
