KI-Ausgaben stiegen um 110 % – und die zugrunde liegenden Systeme hielten nicht stand
Seit drei Jahren misst ServiceNow die KI-Reife in Großunternehmen. Im Jahr 2026 verzeichnete der Index, den sie mit Umfragen unter mehr als 4.500 Führungskräften und 2.000 Mitarbeitern weltweit erstellen, einen bemerkenswerten Fortschritt: 16 Punkte Verbesserung, womit er 51 von 100 erreichte. Das klingt gut, bis man die nächste Zeile liest: Während die Unternehmensausgaben für KI um 110 % im Jahresvergleich wuchsen, hielten die grundlegenden Fähigkeiten, die diese KI benötigt, um in großem Maßstab zu funktionieren, schlicht nicht mit. Das Geld floss. Die Architektur nicht.
Das ist die Zahl, die jeden CFO beunruhigen sollte, der in den letzten 18 Monaten ein KI-Budget genehmigt hat, ohne gleichzeitig die darunter liegenden Daten, Arbeitsabläufe und Governance-Protokolle zu überprüfen. Es ist kein Technologieproblem. Es ist ein Sequenzproblem.
Wenn die Investition der Struktur vorauseilt
Es gibt ein Muster, das sich bei jeder großen Technologiewelle wiederholt: Die Ausgaben eilen der Bereitschaft voraus. Das war bei ERP so, bei der Cloud, bei den Big-Data-Programmen der Mitte des letzten Jahrzehnts. Der Unterschied ist jetzt die Größenordnung. Laut Prognosen von Gartner werden die weltweiten KI-Ausgaben im Jahr 2026 2,59 Billionen US-Dollar erreichen, 47 % mehr als im Vorjahr. Stanford HAI dokumentierte, dass die globalen privaten Investitionen in KI im Jahr 2025 344,7 Milliarden US-Dollar erreichten, 127,5 % mehr als 2024. Und allein im ersten Quartal 2026 investierten Amazon, Google, Microsoft und Meta gemeinsam 130,65 Milliarden US-Dollar in Infrastruktur, die größtenteils auf KI ausgerichtet ist.
Diese Zahlen sind real. Das Problem ist das, was sie nicht messen: ob die Unternehmen, die diese Nachfrage antreiben, über die internen Systeme verfügen, um das Gekaufte auch tatsächlich zu nutzen.
Der ServiceNow-Index zeigt präzise auf, wo der Bruch entsteht. Die Organisationen kauften KI-Modelle, Tools und Plattformen. Aber ihre Daten bleiben in Silos fragmentiert, die nicht miteinander kommunizieren, ihre Arbeitsabläufe wurden nicht neu gestaltet, bevor sie automatisiert wurden, und ihre Mitarbeiter wurden nicht frühzeitig genug in den Veränderungsprozess einbezogen. Die strukturelle Konsequenz ist vorhersehbar: KI liefert inkonsistente Ergebnisse, Teams verlieren das Vertrauen in die Systemausgaben, und Projekte stagnieren in endlosen Pilotphasen, ohne jemals die Produktion zu erreichen.
Holly Briedis, Senior Vice President für Branchen und globale Lösungen bei ServiceNow, beschreibt es mit einem treffenden Bild: Die meisten Organisationen versuchen, Formel 1 auf einer Kart-Infrastruktur zu fahren. Die Daten funktionieren wie ein unzusammenhängendes Patchwork, und wenn man versucht, horizontale Arbeitsabläufe in dieser Umgebung auszuführen, werden die Nähte sofort sichtbar.
Diejenigen, die vorankommen, haben eine frühere Entscheidung getroffen
Der Index identifiziert eine Gruppe, die er als Pacesetters bezeichnet: die 21 % der befragten Organisationen mit den höchsten Reifepunktzahlen. Was sie unterscheidet, ist nicht, dass sie mehr ausgegeben haben, sondern dass sie ihre Daten vor dem Einsatz von KI integriert und modernisiert haben, nicht danach. 64 % dieser Gruppe integriert und optimiert ihre Daten digital, gegenüber nur 14 % beim Rest. Sie stoßen nicht auf weniger Datenprobleme als die anderen; sie lösen sie schneller, weil sie die Fähigkeit aufgebaut haben, diese zu erkennen und zu korrigieren – als Teil des Systemdesigns.
Sie unterscheiden sich auch darin, wie sie den Zweck von KI im Unternehmen verstehen. 57 % der Pacesetters etablieren eine gemeinsame strategische Vision für KI, die über operative Effizienz hinausgeht. Sie automatisieren keine kaputten Prozesse, sie gestalten neu, wie Arbeit fließt. Die Unterscheidung ist nicht semantisch: Ein schlecht gestalteten Prozess zu automatisieren produziert lediglich Fehler schneller und in größerem Maßstab.
Es gibt eine implizite Entscheidung in diesem Ansatz, die es wert ist, benannt zu werden. Die Pacesetters haben faktisch auf kurzfristige Einsatzgeschwindigkeit verzichtet. Sie setzten darauf, das Fundament zu legen, bevor sie die Stockwerke errichteten. Im aktuellen Umfeld, in dem Vorstände bei jeder Quartalspräsentation KI-Anwendungsfälle sehen wollen, hat dieser Verzicht einen internen politischen Preis, der keineswegs vernachlässigbar ist. Diejenigen, die ihn aufrechterhalten haben, ernten jetzt einen Vorteil, der sich nicht leicht in sechs Monaten replizieren lässt.
Governance ist keine Bremse, sondern das, was Skalierung ermöglicht
Einer der relevantesten Befunde des Index zielt direkt auf Führungsteams ab: Die Hälfte der befragten Mitarbeiter glaubt, dass ihre Jobs weniger notwendig werden, wenn agentische KI weiterentwickelt wird, und sie haben nicht das Gefühl, dass ihre Organisationen sie auf das Kommende vorbereiten. Briedis nennt das ohne Euphemismen: Das ist keine Kompetenzlücke, das ist eine Führungslücke.
Der Punkt hat eine konkrete Mechanik. Wenn Mitarbeiter den von der KI gelieferten Ergebnissen nicht vertrauen, werden sie um die Technologie herum arbeiten. Sie werden ihre eigenen Abkürzungen schaffen, ihre eigenen Workarounds, ihre eigenen Parallelaufzeichnungen. Der formelle KI-Einsatz hält auf dem Papier stand, aber operativ wird er ausgehöhlt. Der Return on Investment erscheint nie, nicht weil die Technologie versagt hat, sondern weil die Organisation sie nie wirklich adoptiert hat.
Gut gestaltete Governance funktioniert genau entgegengesetzt zu dem, wie sie üblicherweise dargestellt wird. Sie ist kein Regelwerk, das KI verlangsamt; sie ist das Gerüst, innerhalb dessen die Autonomie des Systems operieren kann, ohne Misstrauen zu erzeugen. Wenn Protokolle klar sind, können Teams zwischen einer verlässlichen Ausgabe und einer, die Überprüfung benötigt, unterscheiden. Wenn sie es nicht sind, ist die menschliche Standardreaktion, allem zu misstrauen – und die Technologie bleibt untergenutzt.
Dasselbe gilt für Daten. Während ein Mensch um ein Informationssilo herum arbeiten kann, indem er sein eigenes Urteilsvermögen, das kontextuelle Denken und die informellen Verbindungen nutzt, die er über Jahre Arbeit angesammelt hat, kann KI das nicht. KI wurde entwickelt, um Probleme horizontal zu lösen, indem sie Funktionen und Abteilungen durchquert. Wenn die Daten nicht zwischen diesen Funktionen fließen, arbeitet die KI mit einem Bruchteil der benötigten Informationen und liefert einen Bruchteil des möglichen Wertes.
Was die Lücke zwischen Ausgaben und Reife offenbart
Das vom ServiceNow-Index dokumentierte Muster ist nicht neu, erreicht aber jetzt ein Ausmaß, bei dem die Konsequenzen schwieriger zu absorbieren sind. Oxford Economics prognostiziert, dass die globalen KI-Ausgaben von 340 Milliarden US-Dollar im Jahr 2025 auf rund 3 Billionen US-Dollar im Jahr 2035 steigen werden, was etwa 23 % der gesamten technologischen Unternehmensausgaben entspricht. BCG dokumentiert, dass Konzerne erwarten, ihre KI-Ausgaben im Jahr 2026 zu verdoppeln, von 0,8 % auf 1,7 % ihres Umsatzes.
Bei dieser Größenordnung der Investitionen hört der Preis für unvorbereitete zugrunde liegende Systeme auf, ein IT-Problem zu sein, und wird zu einem Problem der Kapitalallokation. Wenn die Ausgaben sich verdoppeln, die operative Reife aber nicht im gleichen Verhältnis voranschreitet, bauen Unternehmen eine wachsende finanzielle Last auf einer Grundlage auf, die sie noch nicht tragen kann. Pilotprojekte, die nie die Produktion erreichen, sind keine neutralen Lernmisserfolge: Sie verbrauchen Budget, Zeit technischer Teams und vor allem interne Glaubwürdigkeit für die nächsten Investitionszyklen.
Die Sektoren, die die größte Dringlichkeit zeigen, sind diejenigen, die im Falle von Rückständen am meisten zu verlieren haben. Technologieunternehmen und Finanzinstitute planen laut BCG, im Jahr 2026 rund 2 % ihres Umsatzes in KI zu investieren. In diesen Sektoren wartet der Wettbewerb nicht darauf, dass Nachzügler ihre Daten in Ordnung bringen. Die Zeit zwischen Investitionsentscheidung und sichtbarem Ergebnis reicht nicht mehr aus, um gleichzeitig nachzuholen, was zuvor hätte aufgebaut werden sollen.
Der ServiceNow-Index, gelesen als sektorales Diagnosedokument und nicht als Marketinginstrument, beschreibt einen besonderen Moment auf der Adoptionskurve der unternehmensweiten KI. Die Ausgaben haben die Wette bereits abgeschlossen. Was darüber entscheidet, wer diese Wette in einen nachhaltigen Vorteil umwandelt, ist weder das nächste gekaufte Modell noch das nächste angekündigte Pilotprojekt: Es ist, ob die Datenarchitektur, die neu gestalteten Prozesse und die Organisationskultur das liefern können, was das Budget bereits versprochen hat zu erbringen.
