Zum Inhalt springen
Synnous Consulting
KI-Reife & Strategie7 Min Lesezeit
Porträt von Martha Giannakoudi
Martha Giannakoudi

Die 95-Prozent-Studie: Was wirklich drinsteht

Die 95-Prozent-Studie, die seit August 2025 in vielen KI-Präsentationen auftaucht, bezeichnet sich selbst als vorläufig. Und ihre Autoren schreiben ausdrücklich, dass sie nicht die Position ihrer Arbeitgeber wiedergibt.

Die Kurzfassung
  • Die Quelle: „The GenAI Divide: State of AI in Business 2025“ von Project NANDA am MIT, Juli 2025, 26 Seiten, ausdrücklich als „Preliminary Findings“ gekennzeichnet, kein begutachteter Fachartikel.
  • Die Basis ist kleiner als kolportiert: 52 Interviews und 153 befragte Führungskräfte, nicht 150 und 350, wie es in Presseberichten hieß.
  • Erfolg ist nicht gemessen, sondern berichtet: Als erfolgreich gilt ein Werkzeug, wenn Nutzende oder Führungskräfte von einer deutlichen, anhaltenden Wirkung berichtet haben. Seine Zahlen zum Weg vom Pilot in den Betrieb nennt der Bericht selbst „richtungsweisend“, gestützt auf Interviews statt auf Unternehmensberichte.
  • Die Kernthese ist nicht „KI bringt nichts“, sondern: Es hakt an Lernfähigkeit und Einbettung in Abläufe, eher nicht am Modell.
  • Faustregel: Wer die Zahl zitiert, sollte die Definition von Erfolg nennen können. Sonst ist es ein Gerücht mit Fußnote.

Ich habe die 26 Seiten gelesen. Es lohnt sich, und zwar nicht deshalb, weil die Zahl falsch wäre. Sie bedeutet nur etwas anderes als das, was überall daraus gemacht wird.

Der Steckbrief

Titel„The GenAI Divide: State of AI in Business 2025“, Project NANDA
AutorenAditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari
VeröffentlichtJuli 2025, breit in der Presse ab Mitte August 2025
Artausdrücklich gekennzeichnet als Preliminary Findings, kein begutachteter Fachartikel
ZeitraumJanuar bis Juni 2025
Basissystematische Durchsicht von über 300 öffentlich dokumentierten KI-Initiativen
InterviewsVertreter*innen von 52 Organisationen
Befragung153 Führungskräfte, erhoben auf vier Branchenkonferenzen
Hinweis der Autorendie dargestellten Ansichten seien allein die der Autoren und Prüfenden und gäben nicht die Positionen beteiligter Arbeitgeber wieder

Schon hier weicht das Bild von dem ab, was durch die Presse geht. In Sekundärberichten, unter anderem bei Fortune, war von 150 Interviews und 350 Befragungen die Rede. Im Bericht selbst sind es 52 und 153.

Die Fernleihe, in die niemand hineinschaut

In Bibliotheken gibt es einen Vorgang, der mich immer fasziniert hat: Ein Buch wird bestellt, wandert quer durchs Land, wird ausgegeben, verlängert, zurückgeschickt. Der ganze Apparat läuft, ohne dass jemand hineinschaut, was auf Seite 40 steht.

Bei dieser Studie ist es ähnlich. Sie wird zitiert, weitergereicht, in Präsentationen gehoben und in Angeboten verwendet. Der eigentliche Text bewegt sich dabei nicht.

Dabei steht die entscheidende Stelle nicht versteckt im Anhang, sondern als Forschungsnotiz mitten im Dokument.

Wie die 95-Prozent-Studie Erfolg definiert

Im Original heißt es sinngemäß: Als erfolgreich umgesetzt gilt ein aufgabenspezifisches Werkzeug dann, wenn Nutzende oder Führungskräfte berichtet haben, dass es eine deutliche und anhaltende Wirkung auf Produktivität oder Ergebnis hat.

Lies das noch einmal. Die 95 Prozent messen keine gescheiterten Projekte. Sie erfassen, ob jemand von einer deutlichen, anhaltenden Wirkung berichtet hat.

Wer weiterliest, findet noch mehr Vorsicht der Autoren selbst. Zu den Zahlen über den Weg vom Pilot in den Betrieb schreiben sie, diese seien „richtungsweisend zutreffend“ und beruhten auf einzelnen Interviews, nicht auf offiziellen Unternehmensberichten, und die Definition von Erfolg könne sich zwischen Organisationen unterscheiden. Im Methodenteil am Ende steht dann eine dritte Fassung: Erfolg als Einsatz über die Pilotphase hinaus, mit messbaren Kennzahlen. Ein Bericht, der seinen zentralen Begriff an drei Stellen unterschiedlich fasst, liefert eine Richtung, aber keine Quote, die man auf die Kommastelle zitieren sollte.

Das ist ein gewaltiger Unterschied, und er wird durch eine andere Untersuchung noch interessanter. In einer randomisierten Studie von 2025 waren erfahrene Entwickler*innen mit KI-Unterstützung messbar langsamer und hielten sich anschließend trotzdem für schneller. Diese Studie haben wir hier ausführlich behandelt, auch mit dem, was ihre Folgestudie von 2026 daran ändert.

Zusammengenommen ergibt das ein unangenehmes Bild: Die eine Untersuchung zeigt, dass Selbstauskunft über Produktivität unzuverlässig ist. Die andere, die meistzitierte, beruht genau darauf.

Die 95 Prozent zählen keine gescheiterten Projekte. Sie zählen ausgebliebene Erfolgsmeldungen.

Der Befund hinter der Schlagzeile

Die Kernaussage lautet gerade nicht „KI funktioniert nicht“. Verkürzt gesagt: Es kommt darauf an, ob ein System lernt und sich in bestehende Abläufe einfügt. Am Modell liegt es laut Bericht eher nicht.

Was daraus gemacht wirdWas im Bericht steht
„95 Prozent der KI-Projekte scheitern“95 Prozent der Organisationen erzielen nach eigener Darstellung keinen Ertrag; bei eigens angepassten Werkzeugen schaffen es nur 5 Prozent in den Betrieb, gestützt auf Interviews und Berichte von Nutzenden und Führungskräften
„KI bringt nichts“einzelne Kategorien funktionieren erkennbar: Anrufzusammenfassung, Dokumentenautomatisierung, Codegenerierung für wiederkehrende Aufgaben
„Die Modelle sind zu schwach“laut Bericht nicht der Treiber: Die Kluft scheine nicht an Modellqualität oder Regulierung zu liegen, sondern am Vorgehen. Genannt werden fehlendes Lernen, fehlender Kontextbezug, mangelnde Prozessintegration
„Eine MIT-Studie belegt …“die Autoren schreiben selbst, der Bericht gebe nicht die Positionen ihrer Arbeitgeber wieder

Die dritte Zeile ist die für Euch wichtigste. Wenn nicht das Modell das Problem ist, sondern die Einbettung in Abläufe, dann ist der Befund kein Grund zu warten. Er ist ein Argument dafür, an Prozessen zu arbeiten, und deckt sich mit dem, was wir bei Pilotprojekten sehen, die nach dem Start einschlafen.

Was die Studie an Erfolgsfällen zeigt

Ein Teil des Berichts geht unter, weil er nicht in die Untergangserzählung passt: Es gibt Kategorien, in denen die Umsetzung erkennbar funktioniert hat.

Genannt werden die Zusammenfassung und Weiterleitung von Anrufen, die Automatisierung von Dokumenten wie Verträgen und Formularen sowie die Codeerzeugung für wiederkehrende Aufgaben. Was diese drei verbindet, ist bemerkenswert unspektakulär: Es sind eng umrissene Aufgaben mit klarem Anfang und Ende, bei denen sofort sichtbar wird, ob das Ergebnis taugt.

Gestockt haben dagegen Vorhaben, die tief in bestehende Unternehmensprozesse eingreifen und dafür umfangreiche Anpassung brauchten. Auch das deckt sich mit dem, was wir in Projekten sehen.

Wer den Bericht also als Warnung liest, liest ihn falsch herum. Er beschreibt ziemlich genau, wo der Einstieg funktioniert.

Was seitdem dazugekommen ist

Die 95 Prozent sind nicht die einzige Zahl geblieben. Im Oktober 2025 veröffentlichte die Wharton School ihren Bericht „Accountable Acceleration“ zur KI-Nutzung in Unternehmen. Dort sehen drei von vier befragten Führungskräften einen positiven Ertrag ihrer Investitionen in generative KI.

Die Versuchung ist groß, das als Gegenbeweis zu nehmen. Ich halte das für denselben Fehler in die andere Richtung. Auch diese Zahl stammt aus einer Befragung von Führungskräften, auch sie misst, was berichtet wird. Zwei Selbstauskünfte mit gegensätzlichem Ergebnis heben sich nicht auf, sie zeigen vor allem, wie stark das Ergebnis davon abhängt, wen man wie fragt.

Gibt es eine Neuauflage für 2026?

In einzelnen Blogs wird ein „State of AI in Business 2026“ von Project NANDA zitiert, mit exakt denselben Zahlen wie 2025: über 300 Initiativen, 52 Interviews, 153 Befragte, 95 Prozent. Im Original ließ sich eine solche Neuauflage bis zum 28.10.2026 nicht finden. Solange das so ist, gilt: Es gibt eine Studie mit Stand Juni 2025, und alles, was als „neue Zahl“ daherkommt, verdient einen zweiten Blick.

Warum wir diese Zahl nicht benutzen

Wir könnten sie gut gebrauchen. Eine Zahl, die belegt, dass fast alle scheitern, ist für ein Weiterbildungsunternehmen ein hervorragendes Argument. Genau deshalb ist mir wichtig, sie nicht zu verwenden.

Was mich an dieser Sache wirklich beschäftigt, ist nicht der Bericht. Er ist sorgfältig gekennzeichnet, die Einschränkungen stehen drin, die Autoren haben ihre Hausaufgaben gemacht. Was mich beschäftigt, ist die Kette danach: Ein als vorläufig markiertes Papier wird zur Schlagzeile, die Schlagzeile wird zur Folie, die Folie wird zum Argument im Verkaufsgespräch. An keiner Stelle dieser Kette hat jemand die Definition auf Seite sieben gelesen.

Und ein letzter Punkt, der über diesen Fall hinausgeht: Wer eine Studie zitiert, die er nicht gelesen hat, verlässt sich darauf, dass andere es getan haben. In einem Feld, das sich so schnell bewegt wie dieses, ist das eine schlechte Wette.

Die Frage, die alles klärt

Wenn Euch diese Zahl im nächsten Angebot begegnet, frag nach der Definition von Erfolg. Die Antwort sagt Dir mehr über Euer Gegenüber als über KI.

Welche Zahlen zählen bei Euch?

Statt fremder Quoten: Der KI-Reife-Check zeigt Euch in 18 Fragen, wo Ihr in sechs Dimensionen steht, auch dabei, ob Eure KI-Vorhaben auf messbare Ziele einzahlen. Mit Auswertung und 90-Tage-Plan als PDF. Wenn Ihr lieber direkt sprecht, ist ein Erstgespräch der kürzere Weg. Zum KI-Reife-Check

Eine Studie, die man nicht gelesen hat, ist kein Argument. Sie ist ein Gerücht mit Fußnote.

Häufige Fragen

Ist die Studie damit wertlos? Nein. Sie sammelt Material aus einem Feld, in dem es wenig gibt, und ihre Kernthese zu Lernen und Prozessintegration ist plausibel und anschlussfähig. Was nicht trägt, ist die Verwendung als Beleg für Scheitern.

Warum wird sie dann so oft falsch zitiert? Weil „95 Prozent scheitern“ eine bessere Überschrift ist als „95 Prozent berichten keine deutliche anhaltende Ergebniswirkung im ersten Halbjahr 2025“. Und weil das Zitat für beide Lager funktioniert: als Warnung vor Hype und als Verkaufsargument für Beratung.

Wie erkenne ich solche Fälle künftig selbst? Drei Fragen genügen meistens: Wie groß ist die Stichprobe? Wie ist der Erfolgsmaßstab definiert? Und steht im Dokument selbst ein Hinweis auf Vorläufigkeit? Alle drei standen hier auf den ersten Seiten.

Ist die Zahl inzwischen überholt? Die Studie beschreibt das erste Halbjahr 2025, und eine neuere Fassung von Project NANDA ließ sich im Original nicht finden. Andere Befragungen, etwa von Wharton im Oktober 2025, kommen zu deutlich freundlicheren Ergebnissen, beruhen aber ebenfalls auf Selbstauskunft. Wer heute über den Ertrag von KI im eigenen Haus reden will, braucht deshalb vor allem eigene Messwerte.

Quellen: Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari: „The GenAI Divide: State of AI in Business 2025“, MIT NANDA, Juli 2025, 26 Seiten (Volltext gelesen am 11.08.2026, erneut geprüft am 28.10.2026; Erfolgsdefinition S. 7, Einschränkungen S. 6 und S. 19, Methodik S. 24); Fortune, „MIT report: 95% of generative AI pilots at companies are failing“, August 2025, abgerufen am 28.10.2026; Wharton Human-AI Research und GBK Collective, „Accountable Acceleration: Gen AI Fast-Tracks Into the Enterprise“, 28.10.2025, knowledge.wharton.upenn.edu, abgerufen am 28.10.2026.

TeilenLinkedInPer Mail
Porträt von Martha Giannakoudi
Geschrieben von
Martha Giannakoudi

Gründerin von Synnous, erfahrene Führungskraft und Personalerin, Autorin von „Ethische KI in der Praxis“ (Springer). Leitet die KI Business School mit Niklas Greczak.

Wo steht Ihr bei KI?

18 Fragen, 7 Minuten, sofort ein PDF-Report mit Reifegrad-Index und EU-AI-Act-Status. Kostenlos.

Weiterlesen

Zum Nachschlagen:KI-GlossarPrompts zum KopierenEigenen Prompt prüfen

Nächstes Event · Di., 08.12.2026 · 12:00–13:00 Uhr
Der KI-Jahresrückblick 2026: 4 Jahre ChatGPT, mit Martha Giannakoudi

Online, kostenlos · Zwölf KI-Schlagzeilen aus 2026, Du stimmst live ab, wir checken die Fakten. Eine Stunde, online, mit Martha Giannakoudi.

Kostenloses Ticket →