Ein Blick in den MIT NANDA-Bericht von Juli 2025: Warum eine AI-Piloten-Feilrate von 95% nicht das Ende bedeutet

Ich bin ein überzeugter Optimist und halte mein Gehirn für jede neue Technologie offen, die auf meinem Weg kommt. Meine neueste Obsession, die langfristig bleiben wird? AI.

MIT NANDA hat kürzlich sein Papier mit dem Titel ‘The GenAI Divide. State of AI in Business in 2025’ veröffentlicht, und ich denke, das Papier ist wirklich lesenswert. Es gibt eine nüchterne Einschätzung von AI und ihrer Rolle in der heutigen Geschäftswelt. Der Linkedin-Feed mag fast hysterisch darüber sein, wie AI alles verändert hat, doch der Bericht malt ein anderes Bild.

Was ist MIT NANDA?

Networked Agents und Decentralized AI (abgekürzt zu NANDA) ist eine ehrgeizige Forschungsinitiative des MIT Media Lab. Das Projekt umfasst mehr als 18 führende Forschungseinrichtungen von 6 Kontinenten und einige große Namen in der Tech-Industrie – denken Sie an Meta, Dell, Microsoft und ähnliche. Das Ziel von NANDA ist wirklich futuristisch, wenn nicht bahnbrechend. Das Ziel ist es, die grundlegende Infrastruktur für das Internet von AI-Agenten aufzubauen, d. h. ein dezentrales Netzwerk, in dem AI-Agenten online über organisatorische Grenzen hinweg entdecken, verifizieren und miteinander zusammenarbeiten. Im Wesentlichen arbeitet NANDA an klaren Regeln, Protokollen, Richtlinien und Rahmenbedingungen, die es AI-Agenten ermöglichen, im Namen von Menschen und Organisationen mit anderen Agenten zu interagieren. Das NANDA-Projekt ist Open-Source, was bedeutet, dass es Unternehmer, Visionäre, Technologen und politische Entscheidungsträger als vollwertige Mitarbeiter einbezieht. (Bekommt man Wikipedia-Vibes?)

Der Grund, warum ich Ihnen von diesem Projekt erzähle, ist, dass der Bericht von MIT NANDA die Krönung der Forschungsarbeiten zu AI ist. Die Autoren sind an der Spitze der AI-Welt und ihre Erkenntnisse sollten ernst genommen werden (obwohl mit einem Körnchen Salz).

Der Bericht war seit Januar in Arbeit und wurde schließlich im Juli 2025 veröffentlicht. Der Bericht basiert auf einer systematischen Überprüfung von 300+ öffentlich zugänglichen AI-Initiativen und Interviews mit Führungskräften von 52 Organisationen sowie Umfragen von 153 Führungskräften auf vier großen Industriekonferenzen.

5% AI-Pilot-Erfolgsrate

Der Bericht führt den Begriff “The GenAI Divide” ein, der die Störung beschreibt, die in Organisationen und sogar Branchen auftritt (oder nicht auftritt), die AI erfolgreich (oder nicht erfolgreich) einsetzen. Wenn ein Unternehmen “auf der falschen Seite der Kluft” ist, kann es laut NANDA nicht wirklich verändern, sich entwickeln und seine Struktur und Geschäftsprozesse neu denken. Auf der richtigen Seite der Kluft zu sein bedeutet, ein greifbares Ergebnis des Einsatzes von AI zu haben – “Diese Investitionsverzerrung perpetuiert die GenAI Divide, indem sie Ressourcen in sichtbare, aber oft weniger transformative Anwendungsfälle lenkt, während die höchsten ROI-Chancen in Back-Office-Funktionen unterfinanziert bleiben”.

Der Grund, warum der Bericht so gehypt wurde, ist seine wichtigste Erkenntnis. Die Zusammenfassung für Führungskräfte besagt: “Trotz 30-40 Milliarden Dollar Investitionen in GenAI in Unternehmen ergab diese Studie ein überraschendes Ergebnis: 95% der Organisationen erzielen keine Rendite … Nur 5% der integrierten AI-Piloten erzielen Millionen an Wert, während die Mehrheit stecken bleibt und keine messbare P&L-Auswirkung hat“. Nicht sehr vielversprechend, oder?

Die grundlegende Einschränkung, die Organisationen daran hindert, den wahren Wert von AI zu realisieren, ist das, was der Bericht als “Lernlücke” bezeichnet. Die meisten GenAI-Systeme fehlen grundlegend die Fähigkeit, Feedback zu speichern, sich an den Kontext anzupassen oder sich im Laufe der Zeit zu verbessern.

• Systeme lernen nicht aus Feedback. In der Realität bedeutet dies, dass ein Manager dem System immer wieder dieselben Daten liefert, ohne dass sich die Leistung verbessert. Ein Manager eines mittelständischen Herstellers beschrieb, wie er immer wieder das gleiche Produktmanual in sein AI-System hochlud, um die Erfüllungslisten zu verfeinern, doch jede Iteration kopierte identische Auslassungen und Fehler, ohne messbare Verbesserung der Ausgabequalität trotz mehrerer Feedback-Sitzungen.
• Exzessive manuelle Kontextangaben sind jedes Mal erforderlich. AI-Tools haben kein Gedächtnis zwischen den Sitzungen, sodass jedes Mal die Vergangenheit und der Kontext erneut eingegeben werden müssen. Komplexe Workflows, im Gegensatz zu einfachen Einmal-Aufgaben, ziehen sich in die Länge und versagen als zuverlässige Unterstützung für laufende Projekte. Der Bericht zitiert ein Corporate Legal Team, das für jeden Vertragsentwurf Client-Präferenzen, vorherige Verhandlungsnotizen und regulatorische Einschränkungen in das AI-Tool eingeben musste – was eigentlich eine unterstützende Arbeitsabfolge in eine zeitaufwändige Pflicht verwandelte, die die Produktivität in komplexen, mehrstufigen Projekten untergräbt.
• Unzureichende Anpassung für einige Geschäftsprozesse. Anstatt ein ansprechendes Tool zu erhalten, das sich an den größeren Kontext anpasst, passt der größere Kontext sich an das Tool an, was die Benutzer zwingt, um steife Systeme herumzuarbeiten. Ein CIO bemerkte, dass das von seinem Anbieter bereitgestellte Risikoanalyse-AI “wie ein Einheitsgröße-Box” wirkte, die die Teams zwang, ihre Kredit- Genehmigungs-Workflows an die starren Eingaben des Tools anzupassen, anstatt das AI sich an die etablierten Prozesse anzupassen. Die Fehlanpassung führte letztendlich zu aufgegebenen Pilotprojekten

Meine wichtigsten Erkenntnisse aus dem NANDA-Bericht

1. Die Shadow-AI-Ökonomie gedeiht

Der Bericht führt den Begriff “Shadow-AI-Ökonomie” ein, um zu beschreiben, wie Mitarbeiter AI auf ihrer Ebene als persönliches Tool nutzen, nicht als organisationsumfassendes genehmigtes Tool. Das klingt vertraut, eigentlich. Eine Freundin von mir aus einer chinesischen Automarke-Niederlassung im CIS teilte mir mit, dass sie ChatGPT nutzt, um In-App-Inhalte (Nachrichten, Anzeigen und mehr) zu schreiben. Sie sagt, dass auf der HQ-Ebene kein AI-Tool für den allgemeinen Gebrauch genehmigt wurde, also ist ihre Nutzung von AI ihr eigener Booster und Zeitersparnis, den sie nicht wirklich mit ihrem Manager bespricht.

Der Bericht liefert sehr spezifische Zahlen. Während nur 40% der Unternehmen offizielle LLM-Abonnements gekauft haben, berichten Mitarbeiter von über 90% der befragten Unternehmen über regelmäßige Nutzung von persönlichen AI-Tools für Arbeitsaufgaben. Diese Schatten-Nutzung liefert oft eine bessere Rendite als formelle Unternehmensinitiativen, was zeigt, was wirklich funktioniert, wenn Einzelpersonen Zugang zu flexiblen, ansprechenden Tools haben.

2. Investitionszuteilung spiegelt fehlgeleitete Prioritäten wider

Der Bericht zeigt eine erhebliche Fehlanpassung zwischen AI-Investitionen und tatsächlichem ROI-Potenzial. Etwa 50% der GenAI-Budgets fließen in Vertriebs- und Marketingfunktionen, hauptsächlich weil Ergebnisse leicht gemessen und an die KPIs des Vorstands ausgerichtet werden können. Die höchsten Renditen entstehen jedoch oft aus der Back-Office-Automatisierung, wie z. B. der Eliminierung von BPO, die bis zu 10 Millionen Dollar pro Jahr spart, einer 30%igen Reduzierung der externen Kreativkosten und 1 Million Dollar, die jährlich bei der ausgelagerten Risikomanagement gespart werden. Diese Investitionsverzerrung perpetuiert die GenAI Divide, indem sie Ressourcen in sichtbare, aber weniger transformative Anwendungsfälle lenkt.

Meine persönliche Überzeugung ist jedoch diese. Von dem, was ich aus meiner Erfahrung in einem internationalen Bankenunternehmen, das Einzelhandelsbanken auf der ganzen Welt besitzt, erinnere, ist die Einführung eines Tools, das in die Eingeweide der Organisation eindringt, auf ihre Daten zugreift und (wer weiß?) Insider-Informationen nach außen leckt, ein großes Risiko. Also verstehe ich, warum das Abonnieren eines AI-Inhalts- Werks für einfache Kreative für Facebook-Anzeigen ein No-Brainer ist, während komplexe Back-End-Störungen nicht so begeistert begrüßt werden. Es sei denn, es war ein Befehl direkt von der C-Ebene, die Implementierung ernsthafter disruptiver AI-Tools in den Rückgrat des Unternehmens würde mindestens 12 Monate dauern.

Ich hatte das Glück, einen Blick in die Innenseite einer AI-Automatisierung für das Vertriebsteam eines lokalen Fensterherstellers zu werfen. Sie haben einen Freelancer von n8n beauftragt, und er baute ihnen ein AI-gesteuertes Tool für die Analyse von Anrufen und Chats. Das Unternehmen war nun in der Lage, Engpässe in ihrem Trichter schneller zu finden, und mehr Schmerzpunkte kamen ans Licht, da AI half, die geschriebene und gesprochene Sprache des Unternehmens zu verarbeiten. Ihre Zufriedenheitsrate war sehr hoch, mit mehr Daten, die schneller verarbeitet wurden.

3. Interne Builds verlieren gegen externe Anbieter

Um ehrlich zu sein, diese Erkenntnis überraschte mich. Im Gegensatz zur allgemeinen Meinung, dass Unternehmen ihre eigenen AI-Tools aufbauen sollten, zeigt die Forschung, dass strategische Partnerschaften mit externen Anbietern doppelt so wahrscheinlich sind, die Implementierung zu erreichen, wie interne Entwicklungsanstrengungen. Wer hätte das gedacht, richtig? Nun, offensichtlich nicht ich.

Organisationen, die AI-Anbieter wie Business-Service-Provider behandeln – die tiefere Anpassung und operative Ergebnisse verlangen, anstatt Benchmark-Modelle – erzielen wesentlich höhere Erfolgsraten und eine schnellere Zeit bis zum Wert.

4. Höhere Investitionen bedeuten höhere Störungen? Nicht wirklich.

Mit Hilfe eines Composite-AI-Markt-Stör-Index zeigt der Bericht, dass nur zwei Branchen – Technologie und Medien & Telecom – klare Anzeichen einer strukturellen Störung durch GenAI aufweisen. Sieben von neun großen Sektoren zeigen eine erhebliche Pilot-Aktivität, aber minimale strukturelle Veränderung, wobei Branchen wie Gesundheitswesen, Finanzdienstleistungen und Energie Störungswerte unter 0,5 auf einer 5-Punkte-Skala aufweisen. Diese Lücke zwischen Investitionssichtbarkeit und tatsächlicher Transformation veranschaulicht die GenAI Divide auf Branchenebene.

Warum die 95%ige Fehlrate vorübergehend ist

Trotz scheinbar hoffnungsloser Zwischenergebnisse gibt es Licht am Ende des Tunnels. Der Bericht erklärt, dass die GenAI Divide vorübergehend ist und durch aufkommende Entwicklungen überwunden wird.

NANDA selbst ist einer der führenden Beiträger zu einer noch stärker vernetzten AI-Welt. Die Mechanismen, die der Bericht nennt, sind das Model Context Protocol (oder MCP) und das Agent-to-Agent (oder A2A) als Infrastrukturbasis für eine nahtlose Agenten-Interoperabilität und autonome Koordination über Systeme.

Die Bemühungen von NANDA und diese Tools sind der Weg zu genau dem, was NANDA anstrebt – dem Agentic Web, einem Netzwerk von Agenten, die in der Lage sind, autonome Koordination über das Internet zu ermöglichen. Ihre Interaktion wird so gestaltet, dass sie statische Workflows durch dynamische, selbstlernende Systeme ersetzt.

Klingt das zu gut, um wahr zu sein oder sogar Magie? Nun, Microsoft Copilot Studio’s Multi-Agent Orchestration ist die beste Annäherung an diese Vision. Das System hilft, einen Baum von Agenten aufzubauen, in dem ein Haupt-Copilot-Agent Sub-Agenten auslöst, die für spezifische Aufgaben wie Terminplanung oder Dokumentenerstellung verantwortlich sind. Jeder Agent bleibt in seinem Fachgebiet, während er mit anderen koordiniert. Um es in praktischeren Begriffen auszudrücken, wenn ein Benutzer “Unser Q4-Produktstart planen” anfordert, delegiert der Orchestrierungs-Agent automatisch an spezialisierte Agenten – einer übernimmt die Marktforschung, ein anderer die Zeitplanerstellung und ein dritter koordiniert mit Projektmanagement-Tools. Die Arbeit geht synchron, aber autonom, weiter.

Was bleibt also vom Bericht von NANDA übrig? Das Fenster, um die GenAI Divide zu überqueren, schließt sich schnell, da Unternehmen beginnen, Beziehungen zu Anbietern mit lernfähigen Tools aufzubauen, die Störungen verursachen und Geschäftsprozesse im Hintergrund optimieren und beschleunigen. Der Erfolg liegt darin, AI-Agenten-Systeme zu kaufen, anstatt sie intern von Grund auf zu bauen. Wenn agente Lernen, Erinnern und selbstständige Systeme häufiger werden, wird die aktuelle 95%ige Fehlrate einem neuen Zeitalter weichen, in dem AI-Systeme nahtlos über Anbieter, Domänen und organisatorische Grenzen hinweg zusammenarbeiten. Diese Zukunft ist die wahre Rendite der aktuellen Investitionen.

Alternative Ansichten zur AI-Adoption

Das NANDA-Projekt hat eine großartige Arbeit geleistet, Daten aus verschiedenen Quellen zu kompilieren und Führungskräfte aus verschiedenen Bereichen zu befragen. Aber ist es der ultimative Mundpropfen für die weltweite AI-Adoption? Wenn Sie, wie ich, The GenAI Divide etwas deprimierend, wenn nicht entmutigend, fanden, habe ich diese alternativen Ansichten zur AI-Adoption gefunden, um mein persönliches AI-Feuer am Brennen zu halten.

• Jed Nykolle Harme von IT Brief UK hat den CIO-Playbook 2025 von Lenovo aufgeschlüsselt. Die Studie enthält Feedback von IT-Führungskräften aus EMEA (Europa, Mittlerer Osten und Afrika), und ihre Schlussfolgerung ist vielversprechender. Es stellt sich heraus, dass die Einzelhandelsbranche bei der AI-Zufriedenheit führend ist, wo 96% der AI-Pilot-Leistung die Erwartungen erfüllen oder übertreffen.
• Ich habe zuvor Mitgefühl mit großen Unternehmensmarktteilnehmern geäußert, die AI schwer zu implementieren finden und nicht besonders offen für intensive Einbeziehung sind. Lenovo präsentiert jedoch ein anderes Bild mit den Branchen Banking, Finanzdienstleistungen und Versicherungen (BFIS): Trotz der niedrigsten AI-Adoptionsrate von 7% berichten 33% derjenigen, die AI testen, dass die Pilotprojekte die Erwartungen übertroffen haben. Das Geheimnis hinter diesen positiven Trends ist ein “vorsichtiger Ansatz”, wie Arabian Business es ausdrückt.
• Ein weiterer beruhigender Bericht IBM CEO Study beginnt mit einem kühnen Vorwort von IBM Vice Chairman Gary Cohn: “Wenn die AI-Adoption beschleunigt wird … wird die endgültige Auszahlung nur an CEOs kommen, die den Mut haben, Risiken als Chance zu nutzen. … Wenn die Geschäftsumgebung unsicher ist, kann die Nutzung von AI und den eigenen Daten, um zu erkennen, wo man Hebel hat, einen Wettbewerbsvorteil darstellen. Zu diesem Zeitpunkt machen Führungskräfte, die AI und ihre eigenen Daten nicht nutzen, um voranzukommen, eine bewusste Geschäftsentscheidung, nicht zu konkurrieren.“
• Die IBM-CEO-Umfrage zeigt einige ermutigende Fakten. Zum Beispiel wird das Wachstum der AI-Investitionen in den nächsten zwei Jahren mehr als verdoppelt, so dass fast 20% des gesamten IT-Budgets für AI bereitgestellt werden – ein Engagement, das zeigt, dass trotz sichtbarer und bewiesener Herausforderungen der Glaube an AI stark ist und wichtig ist, eine strategische Investition und nicht reaktives Ausgeben.
• Letztendlich stimmen 64% der CEOs in dem Bericht zu, dass das Risiko, zurückzubleiben, Investitionen in neue Technologien antreibt, noch bevor ein klares Verständnis ihrer Auswirkung erreicht ist. Es gibt jedoch keine schnellen Entscheidungen. Stattdessen entscheiden sich Entscheidungsträger für “strategisches Hedging”. In einfachen Worten: Wenn ein Wettbewerber einen AI-Chatbot für personalisierte Empfehlungen startet, tun Sie das Gleiche für Ihre Website. Sie wissen vielleicht nicht, ob sich der Umsatz erhöht, aber Sie wissen, dass Sie, wenn Sie zwei weitere Jahre warteten, bis das “perfekte Datenset” kompiliert ist, unwiderruflich den Schwung verlieren. Also ist die Regel einfach: Aggressiv nachahmen, dann das Ergebnis sehen.

Schlussfolgerung

Zusammenfassend möchte ich meine persönliche, herzliche Überzeugung in AI ausdrücken. Als Unternehmer, CMO, Business-Entwickler und ehemaliger Büroangestellter im Bankwesen sehe ich so viele Möglichkeiten, wie AI Budgets optimieren, Workflows straffen und Teams stärken kann. Die Zukunft ist erweitert und beschleunigt. Wenn ein Unternehmen konkurrieren will, muss es AI-fluent sein. Während die Erkenntnisse, die ich präsentierte, umstritten sind, bin ich überzeugt, dass die aktuelle AI-Landschaft mit ihren Höhen und Tiefen eine natürliche Lernphase ist, die bei jeder neuen Technologie wiederholt wird.