Das Jahr der Wahrheit für KI: acht Beratungshäuser, 11 Reports, eine unbequeme Erkenntnis

Ich habe den neuesten KI-Report geöffnet, dann zehn weitere - McKinsey, BCG, Bain, Deloitte, KPMG, Accenture, Capgemini, PwC, Ausgaben aus 2025 und 2026. Elf Reports. Ich hatte mit einem Durcheinander gerechnet: jeder mit seiner eigenen Trendliste, seinen eigenen wohlklingenden Worten. Bekommen habe ich eine seltene Einigkeit. Und zwar eine, bei der sich die Überschriften genau dieser Reports selbst widersprechen.

Kurz gefasst

• Agentische KI ist bei allen acht Häusern der Trend Nummer eins - und bei allen scheitert sie in den eigenen Daten an der Umsetzung.
• Im Produktivbetrieb laufen Agenten bei 11% der Unternehmen, voll skaliert bei 2%. Und trotzdem erwarten 90% der CEOs schon für 2026 einen ROI von ihnen.
• Deloittes CTO nennt die Aufteilung: 93% der KI-Ausgaben fließen in Technik und Tooling, 7% in alles andere - Kultur, Veränderung, Umbau der Arbeit. Ausgegeben wird also genau andersherum zu dem, wo der Wert liegt.
• Die Lücke liegt nicht an den Modellen, sondern an Prozessen, Daten und Menschen. Also an Arbeit, nicht an Magie. Mühsam, aber es funktioniert.
• Genau deshalb ist das Potenzial riesig: Der Markt hat den Hype im Voraus bezahlt, die Umsetzung hinkt hinterher.

Die Lücke, die niemand auf eine Folie bringt

Der Trend Nummer eins bei allen acht: agentische KI. Und im selben Atemzug, in ihren eigenen Zahlen, scheitert sie auf ganzer Linie.

Sehen Sie selbst. Deloitte: Im Produktivbetrieb laufen Agenten bei 11% der Unternehmen, 42% schreiben noch an der Strategie, 35% haben nicht einmal begonnen. Capgemini in der eigenen Stichprobe: voll skaliert 2%. KPMG: Einen ROI über mehrere KI-Anwendungsfälle erzielen 24%, und das sind 7 Prozentpunkte weniger als ein Jahr zuvor - die Branche ist also zurückgefallen. McKinsey: 78% nutzen KI in mindestens einer Funktion, doch als reif bezeichnet sich gerade einmal 1%.

Bei den 2% und 24% lohnt sich ein Moment Innehalten - das Kleingedruckte zählt. Unter der Schlagzeile hat Capgemini eine ganze Leiter: 2% voll skaliert, 12% teilweise skaliert, 23% noch im Pilotstadium, 61% erst am Erkunden - „2%" ist also eine Sprosse auf einer echten Leiter, keine Wand. KPMGs eigene Zahl für „hat irgendwo Agenten" liegt bei 88%, Welten von Deloittes 11% im Produktivbetrieb entfernt - acht Häuser, acht verschiedene Definitionen desselben Worts, und genau deshalb ergeben die Schlagzeilen-Prozentzahlen aus verschiedenen Reports keinen gemeinsamen Trichter. Unter den 24%, die bei KPMG tatsächlich einen ROI erzielen, klafft der Unterschied deutlich: Die Vorreiter berichten 4,5x, der Durchschnitt liegt bei 2x, und die 53%, die diese Lücke nicht schließen, nennen immer denselben Grund - zu wenig Leute, die wissen, wie man die Sache zu Ende bringt.

Und jetzt die zweite Hälfte des Bildes. BCG: Die KI-Budgets haben sich binnen eines Jahres verdoppelt und verdoppeln sich 2026 erneut - von 0,8% auf 1,7% des Umsatzes. 90% der CEOs erwarten noch in diesem Jahr einen messbaren ROI von den Agenten. 94% investieren weiter, selbst wenn es sich im ersten Jahr nicht rechnet.

Und das ganz Unerwartete: Capgemini hat gemessen, dass das Vertrauen in vollständig autonome Agenten binnen eines Jahres von 43% auf 27% gefallen ist. Es fällt, in ihren eigenen Worten, „aus Erfahrung, nicht aus Angst“ - die Leute haben es also ausprobiert und wurden enttäuscht. Da ist sie, die Lücke: Es fließt immer mehr Geld hinein, im Produktivbetrieb ist fast niemand, und wer es ausprobiert hat, vertraut den Agenten weniger. Das Jahr der Wahrheit.

Warum es nicht abhebt - und warum das eine gute Nachricht ist

Das Interessanteste ist nicht das „wie viel“, sondern das „warum“. Und hier beschreiben die Reports unerwartet genau das, womit ich mich jeden Tag beschäftige.

Gartner (zitiert von Deloitte): Bis Ende 2027 werden über 40% der Agentenprojekte wieder eingestellt - „nicht weil die Technik nicht funktioniert, sondern weil Unternehmen kaputte Prozesse automatisieren, statt sie neu zu bauen“. Deloitte nennt die Dinge beim Namen: „agent washing“, wenn gewöhnliche Automatisierung in Agenten umetikettiert wird, und „workslop“, wenn ein schludrig gebauter Agent den Prozess langsamer macht.

Die Erfolgsformel läuft bei allen auf dieselbe hinaus. PwC: 80% des Werts stecken im Redesign der Arbeit, 20% in der Technik. BCG: 10-20-70, wobei die 70% Menschen und Prozesse sind. Bain beziffert es: Ein reiner Coding-Assistent bringt 10-15% Produktivität, derselbe plus durchgängiges Prozess-Redesign 25-30%. Fast das Doppelte, und der Unterschied steckt komplett in der Organisation, nicht im Modell.

Warum die Lücke zwischen 10-15% und 25-30% so groß ist, hat eine schlicht-mechanische Antwort: Code schreiben und testen macht nur 25-35% des gesamten Entwicklungszyklus aus, also bewegt eine schnellere Ausführung nur dieser Scheibe kaum das Gesamtergebnis. Die Teams im oberen Band hatten kein besseres Modell, sie haben den ganzen Zyklus zero-based neu um den Agenten herum aufgebaut, statt ihn an den alten Prozess anzuflanschen - genau das hat Intuit gemacht, mit generativer KI, um Code und Dokumentation über alle Rollen hinweg zu vereinheitlichen, die mit einem Produkt zu tun haben, nicht nur bei den Entwicklern. Und Bains EBITDA-Zahl ist auch keine Umfrage-Schätzung: Es sind Ergebnisse, die Bain bei echten Kunden über 2023 und 2024 verfolgt hat, nachdem diese KI bereits über die Pilotphase hinaus in die Kernprozesse getragen hatten.

Und der Satz, zu dem ich immer wieder zurückkomme, steht in Deloittes Tech Trends 2026, wo ihr CTO es klar ausspricht: 93% aller KI-Ausgaben gehen in Technik und Tooling und nur 7% in alles andere - Kultur, Veränderung, Lernen, den Umbau der Arbeit selbst. Eine Stichprobe zu dieser Aufteilung veröffentlicht Deloitte nicht, es ist also die Einschätzung eines Praktikers und kein Umfrageergebnis. Sie passt trotzdem zu jeder Zahl weiter oben.

Dazu das Fundament. Weniger als jedes fünfte Unternehmen ist bei den Daten bereit; die größten Blocker sind, dass Daten nicht auffindbar (48%) und nicht wiederverwendbar (47%) sind. Capgeminis Formulierung möchte man sich an die Wand hängen: „Wenn Ihre Daten nicht KI-bereit sind, ist Ihr Unternehmen nicht KI-bereit“. Bain ergänzt bodenständig: Der erste Schritt jeder KI-Transformation ist, alte und kaputte Daten zu bereinigen, „manchmal bis zu 80%“, und hier lässt sich keine Abkürzung nehmen.

Ich lese das und sehe meine eigene Arbeit, in fremden Worten beschrieben. Meine Abschlussarbeit am KIT dreht sich genau darum: wie produzierende KMU entscheiden, wo sie KI einsetzen, statt sie überall draufzukleben. Die Arbeitsweise: erst den Prozess per BPMN auseinandernehmen, dann ein Pilot. Genau das, was ausfällt, wenn 93% des Geldes ins Tooling gehen.

Die Schicht, die kaum jemand sieht

Unter dem Gerede über „Agenten“ liegt eine technische Schicht, und die Reports sprechen darüber präziser, als man erwartet.

MCP, das Protokoll von Anthropic, über das ein Agent an Daten und Werkzeuge herankommt, ist von rund 100 Servern im November 2024 auf etwa 7000 bis Juli 2025 gewachsen. Das 70-Fache in acht Monaten. Doch Bain dämpft sofort: „MCP ist kein USB“. Es standardisiert die Syntax, nicht die Bedeutung: Zwei Agenten können sich über das Protokoll „unterhalten“ und sich trotzdem nicht verstehen. Wer den semantischen Standard setzt - wie sich ein Rechnungs-Bot mit einem Zahlungs-Bot verständigt - der fängt die nächste große Wertwelle ein.

Es ist eine ganze Disziplin entstanden, „Agent-Ops“: FinOps für Agenten (die Token-Rechnung schnellt in die zweistelligen Millionen, weil ein Agent ununterbrochen denkt), ein Register für Modelle und Agenten, „jeder Agent hat einen Verantwortlichen, KPI und einen Rückfallplan“. Ein durchschnittliches Werk im Mittelstand hat davon gar nichts. Und Herstellerunabhängigkeit ist bei Bain jetzt ein direkter Rat: „Wählen Sie Anbieter so, dass Sie den Lock-in begrenzen und sich Optionalität bewahren“.

Und zum Menschen im Regelkreis. 90% der Organisationen halten menschliche Aufsicht für nützlich oder zumindest kostenneutral; SAP rät, mit „read-only AI“ zu beginnen - der Agent empfiehlt, der Mensch entscheidet; der EU AI Act verlangt für Hochrisiko-Systeme ausdrücklich Aufsicht. Ein Lehrstück aus der Praxis: Klarna hat den Ersatz seines Kundensupports durch KI öffentlich zurückgenommen und wieder Menschen geholt. Bain formuliert es schön: Noch sind das „Iron-Man-Anzüge, keine autonomen Iron Men“.

Was in der Werkhalle real ist und warum der Wind in Richtung EU weht

Produktion ist hier keine Abstraktion. PTC baut mit Microsoft einen Multi-Agenten-Verbund, der eigenständig über PLM, ERP und MES liest und handelt. Siemens hat einen industriellen Orchestrator gebaut, einen „digitalen Meister“. Foxconn hat über 400 Millionen Dollar Einsparung durch ein KI-Modell in mehr als 200 Werken zusammengerechnet. Toyota hat 50-100 Mainframe-Bildschirme durch einen einzigen Agenten für die Lieferkette ersetzt. BMW lässt Fahrzeuge bereits aus eigener Kraft über kilometerlange Routen im Werk fahren und testet humanoide Roboter am Standort Spartanburg. Das alles ist durchgängiges Redesign, kein Schleifchen obendrauf.

Für ein Werk passt die Cloud oft physisch nicht: An der Linie braucht es eine Latenz unter 10 ms, dazu Datensouveränität und Schutz des geistigen Eigentums. Deloitte liefert eine Faustregel, die ich direkt an eine Kundenrechnung anlegen kann: On-prem lohnt sich, sobald die Cloud mehr als 60-70% der Kosten eigener Hardware kostet. Die neue Normalität sind drei Ebenen: die Cloud für Elastizität, on-prem für Stabilität, edge für Echtzeit.

Und der politische Wind weht in meine Nische. Die Deutsche Telekom baut mit Nvidia eine industrielle KI-Cloud für europäische Hersteller. EU InvestAI sind 200 Milliarden Euro, davon 20 Milliarden für KI-Gigafabriken. Der EU AI Act tritt bereits in Kraft. Die Regulierung, die alle für eine Bremse halten, lässt sich in der EU-Nische als Vorsprung verkaufen.

Fünf Dinge, die aus dem Rahmen fallen

Die Reports lieferten auch etwas völlig Unerwartetes - das, was es nicht in die Schlagzeilen schafft.

Erstens. KI ist kein Jobkiller, sondern ein Verstärker. Die KI-intensivsten Unternehmen haben ihre Belegschaft schneller aufgebaut: 52% gegenüber 36% bei den am wenigsten intensiven (PwC, Auswertung von einer Milliarde Stellenanzeigen). Aber der Nutzen konzentriert sich extrem - 20% der Unternehmen greifen 74% des gesamten Nutzens ab, und bei den Top-20% nach Produktivität liegt das Wachstum bei 163%, fünfmal über dem Durchschnitt.

Zweitens. Über die Junioren lesen alle nur die Überschrift. Ja, 49% der CEOs erwarten, dass KI die Einstellung von Junioren verringert. Doch in den Zahlen steckt eine Wende: Junior-Rollen, die „erwachsen geworden“ sind (die inzwischen 10+ traditionell höher angesiedelte Fähigkeiten verlangen), sind seit 2019 um 35% gewachsen, die nicht „erwachsen gewordenen“ dagegen um 10% gefallen. Die unterste Stufe verschwindet nicht - sie wird nach oben gezogen.

Drittens. Die Hype-Fähigkeit im Überfluss, die langweilige im Mangel. Von Prompt-Engineers gibt es das 3,6-Fache der Nachfrage, während Python (0,4x) und Machine Learning (0,5x) massiv fehlen (McKinsey). Alle sind ins Modische gerannt, doch der Engpass ist die gute alte Ingenieurskunst.

Viertens. Der Gehaltsaufschlag für KI-Fähigkeiten liegt bei 62%, in der Fertigung bei 73%. Die Nachfrage nach genau den agentischen Fähigkeiten ist binnen eines Jahres um 985% gestiegen - schneller als alle 13 Trends bei McKinsey. Wie es Googles Direktor für KI-Go-to-Market formulierte: „90% Ihrer Organisation werden Schulung brauchen, um überhaupt zu verstehen, wie das funktioniert“.

Fünftens. Ein paar Zahlen, bei denen man sich aufrechter hinsetzt. Ein Inferenz-Token ist in zwei Jahren um das 280-Fache billiger geworden - und die Rechnungen sind trotzdem gestiegen, weil Agenten schneller verbrauchen, als der Token billiger wird. Coding-Agenten schreiben bei Microsoft bereits 30% des Codes. Und die leise Bombe im Hintergrund: 97% der Sicherheitsfachleute halten das Quantenrisiko auf Sicht von 10 Jahren für real, einen Plan haben 9%. Das Muster „sammle jetzt das Verschlüsselte ein, entschlüssele es später per Quantencomputer“ funktioniert schon, und Voice-Phishing mit geklonter Stimme ist in einem halben Jahr um 442% gewachsen.

Ein Fazit, das offenbar unbeliebt ist

Ich fasse zusammen. Die Technik funktioniert - dort, wo man sie zu Ende gebracht hat: 10-25% aufs EBITDA bei den Vorreitern laut Bain, zweistellige Produktivitätsgewinne, echte Fabrikbeispiele mit Namen. Aber „zu Ende gebracht“ heißt 2-11% der Unternehmen. Zwischen „alle investieren“ und „fast niemand im Produktivbetrieb“ klafft ein Loch, und dieses Loch liegt nicht an den Modellen, sondern an Prozessen, Daten und Menschen. Also an Arbeit, nicht an Magie.

Mühsam. Aber es funktioniert. Und genau deshalb ist das Potenzial riesig: Der Markt hat den Hype im Voraus bezahlt, die Umsetzung hinkt hinterher. Es gewinnt nicht, wer am schnellsten Agenten kauft, sondern wer zuerst Prozess und Daten für sie in Ordnung bringt. Das ist langweilig, das ist exakt meine Arbeit - und acht der größten Beratungshäuser haben gerade eben, jedes mit seinen eigenen Zahlen, dasselbe gesagt.

Das ist der erste Durchlauf meines Radars. Ich werde diese Reports zweimal im Jahr durchgehen und auseinandernehmen, was sich wirklich bewegt hat und was Folie geblieben ist. Im nächsten Teil grabe ich mich in einen Strang tiefer - wahrscheinlich den EU-souveränen Stack für den Mittelstand, weil dort Geld, Regulierung und mein Profil zusammenlaufen. Fortsetzung folgt.

Quellen

Alle Zahlen stammen aus den aktuellen Reports der Firmen selbst (Ausgaben 2025-26). Die vollständige Liste dessen, was ich ausgewertet habe:

• McKinsey - Technology Trends Outlook 2025 (13 Trends) + MGI „The race takes off“
• BCG - AI Radar 2026 (Befragung von 2360 Führungskräften, 640 CEOs) + Most Innovative Companies 2025
• Bain - Technology Report 2025 (der gehaltvollste von allen)
• Deloitte - Tech Trends 2026
• KPMG - Global Tech Report 2026 (2500 Führungskräfte, 27 Länder)
• Accenture - Technology Vision 2025
• Capgemini - TechnoVision 2026 + Rise of Agentic AI 2025
• PwC - Global AI Jobs Barometer 2026 (Auswertung von ~1 Mrd. Stellenanzeigen) + AI Business Predictions 2026