Ein Blick in den MIT-NANDA-Bericht von Juli 2025: Warum die 95%ige Ausfallrate von KI-Piloten 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? KI.

MIT NANDA hat kürzlich ein 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 KI und ihrer Rolle im Geschäftsleben heute. Der LinkedIn-Feed mag fast hysterisch darüber erscheinen, wie KI alles verändert hat, doch der Bericht malt ein anderes Bild.

Erstmal, was ist MIT NANDA?

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

Der Grund, warum ich Ihnen von diesem Projekt erzähle, ist, dass der Bericht von MIT NANDA die Krönung der Forschungskuchen ist, wenn es um KI geht. Die Autoren sind an der Spitze der KI-Welt und ihre Ergebnisse sollten ernst genommen werden (auch wenn mit einer Prise Salz).

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

5% KI-Pilot-Erfolgsrate

Der Bericht führt den Begriff “The GenAI Divide” ein, der die Störung beschreibt, die entsteht (oder nicht entsteht), wenn Organisationen und sogar Branchen KI erfolgreich (oder nicht erfolgreich) einsetzen. Wenn ein Unternehmen auf der “falschen Seite der Kluft” ist, kann es laut NANDA nicht wirklich verändern, sich anpassen und seine Struktur und Geschäftsoperationen neu überdenken. Auf der “richtigen Seite der Kluft” zu sein bedeutet, eine greifbare Auswirkung von KI-Einsatz zu haben – “Diese Investitionsverzerrung perpetuiert die GenAI Divide, indem sie Ressourcen auf sichtbare, aber oft weniger transformative Anwendungsfälle richtet, 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 ergab diese Studie ein überraschendes Ergebnis: 95% der Organisationen erzielen keine Rendite … Nur 5% der integrierten KI-Piloten erzielen Millionen an Wert, während die Mehrheit stecken bleibt, ohne messbaren Einfluss auf die Gewinn- und Verlustrechnung”. Nicht sehr vielversprechend, oder?

Die grundlegende Einschränkung, die Organisationen daran hindert, den wahren Wert von KI 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 über die Zeit zu verbessern.

• Systeme lernen nicht aus Feedback. In der Realität bedeutet dies, dass ein Manager dem System immer wieder dieselben Datenmengen füttert, ohne dass sich die Leistung verbessert. Ein Manager eines mittelständischen Herstellers beschrieb, wie er immer wieder das gleiche Produktmanual in sein KI-System hochlud, um die Erfüllungslisten zu verfeinern, aber bei jeder Iteration dieselben Auslassungen und Fehler kopierte, ohne messbare Verbesserung der Ausgabequalität trotz mehrerer Feedback-Sitzungen.
• Übermäßiger manueller Kontext ist bei jedem Mal erforderlich. KI-Tools haben kein Gedächtnis zwischen den Sitzungen, sodass bei jeder Interaktion die Vergangenheit und der Kontext erneut eingespeist werden müssen. Komplexe Workflows, im Gegensatz zu einfachen Einmal-Aufgaben, ziehen sich hin und sind nicht in der Lage, als zuverlässige Unterstützung für laufende Projekte zu dienen. Der Bericht zitiert ein Corporate-Rechtsteam, das für jeden Vertragsentwurf die Kundenpräferenzen, vorherige Verhandlungsnotizen und regulatorische Einschränkungen in das KI-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 responsives 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-KI-Tool “wie ein Einheitsgröße-Box” wirkte, was die Teams zwang, ihre Kredit- Genehmigungs-Workflows an die starren Eingaben des Tools anzupassen, anstatt das KI-Tool an die etablierten Prozesse anzupassen. Die Fehlanpassung führte letztendlich zu aufgegebenen Pilotprojekten.

Meine wichtigsten Erkenntnisse aus dem NANDA-Bericht

1. Die Schatten-KI-Ökonomie floriert

Der Bericht führt den Begriff “Schatten-KI-Ökonomie” ein, um zu beschreiben, wie Mitarbeiter KI auf ihrer Ebene als persönliches Tool verwenden, nicht als organisationsumfassendes genehmigtes Tool. Das klingt mir tatsächlich vertraut. Eine Freundin von mir aus einer chinesischen Automarke in der CIS erzählte, dass sie ChatGPT verwendet, um In-App-Inhalte (Nachrichten, Anzeigen usw.) zu schreiben. Sie sagt, dass auf der HQ-Ebene kein KI-Tool für den allgemeinen Gebrauch genehmigt wurde, also ist ihre Verwendung von KI 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, berichteten Mitarbeiter von über 90% der befragten Unternehmen über regelmäßige Verwendung von persönlichen KI-Tools für Arbeitsaufgaben. Diese Schatten-Nutzung liefert oft bessere ROI als formelle Unternehmensinitiativen, was zeigt, was tatsächlich funktioniert, wenn Einzelpersonen Zugang zu flexiblen, responsiven Tools haben.

2. Investitionszuteilung spiegelt fehlgeleitete Prioritäten wider

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

Meine persönliche Überzeugung ist jedoch diese. Aus meiner Erfahrung in einem internationalen Bankunternehmen, das Einzelhandelsbanken auf der ganzen Welt besitzt, ist die Einführung eines Tools, das in die Organisation eindringt, auf ihre Daten zugreift und (wer weiß?) Insider-Informationen nach außen weitergibt, ein großes Risiko. Also verstehe ich, warum das Abonnieren eines KI-Content-Tools für einfache Kreationen für Facebook -Anzeigen eine Selbstverständlichkeit ist, während komplexe Back-End-Unterbrechungen nicht so enthusiastisch begrüßt werden. Es sei denn, es wäre ein direkter Befehl von der C-Ebene, serialem KI-Tools in den Kern des Unternehmens zu implementieren, was mindestens 12 Monate dauern würde.

Ich hatte das Glück, einen Blick in die Automatisierung von KI für das Vertriebsteam eines lokalen Fensterherstellers zu werfen. Sie hatten einen Freelancer von n8n beauftragt, der ihnen ein KI-gestütztes Analyse-Tool für Anrufe und Chats entwickelte. Das Unternehmen konnte nun Engpässe in seinem Trichter schneller finden und mehr Schmerzpunkte zutage treten, da KI half, geschriebene und gesprochene Sprache zu verarbeiten. Ihre Zufriedenheitsrate war sehr hoch, mit mehr Daten, die schneller verarbeitet wurden.

3. Interne Entwicklungen verlieren gegenüber externen Anbietern

Um ehrlich zu sein, diese Erkenntnis hat mich überrascht. Im Gegensatz zur allgemeinen Meinung, dass Unternehmen ihre eigenen KI-Tools entwickeln 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, oder? Offensichtlich nicht ich.

Organisationen, die KI-Anbieter wie Business-Service-Provider behandeln, die tiefe Anpassung und Verantwortung für betriebliche Ergebnisse anstelle von Modellbenchmarks fordern, erzielen wesentlich höhere Erfolgsraten und eine schnellere Zeit bis zum Wert.

4. Höhere Investitionen bedeuten höhere Störung? Nicht wirklich.

Mit einem kombinierten KI-Markt-Stör-Index zeigt der Bericht, dass nur zwei Branchen – Technologie und Medien & Telekommunikation – klare Anzeichen einer strukturellen Störung durch GenAI aufweisen. Sieben von neun großen Sektoren zeigen eine signifikante Pilotaktivität, 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 Ausfallrate vorübergehend ist

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

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

NANDAs Bemühungen und diese Tools sind der Weg zu genau dem, was NANDA anstrebt – dem Agentic Web, einem Netzwerk von Agenten, die in der Lage sind, autonom über das Internet hinweg zu koordinieren. Ihre Interaktion wird darauf ausgelegt, statische Workflows durch dynamische, selbstlernende Systeme zu ersetzen.

Klingt das zu gut, um wahr zu sein, oder sogar wie Magie? Nun, Microsoft Copilot Studio’s Multi-Agent Orchestration ist das nächste, was diesem Vision ähnelt. Das System hilft, einen Baum von Agenten zu bauen, bei dem ein Haupt-Copilot-Agent Unteragenten auslöst, die für bestimmte Aufgaben wie Terminplanung oder Dokumentenerstellung verantwortlich sind. Jeder Agent bleibt in seinem Fachgebiet, während er mit anderen koordiniert. Um es in praktische Worte zu fassen, wenn ein Benutzer “Unser Q4-Produktstart planen” anfordert, delegiert der Orchestrierungs-Agent automatisch an spezialisierte Agenten – einer übernimmt die Marktforschung, ein anderer die Erstellung von Zeitplänen und ein dritter koordiniert mit Projektmanagement-Tools. Die Arbeit läuft synchron, aber autonom ab.

Was also bleibt uns der Bericht von NANDA? Das Fenster, die GenAI Divide zu überqueren, schließt sich schnell, da Unternehmen beginnen, Beziehungen zu Anbietern mit lernfähigen Tools zu etablieren, die Störungen erzeugen und Geschäftsoperationen im Back-End optimieren und beschleunigen, was der Kern der Organisation ist. Der Erfolg liegt darin, KI-Agentensysteme zu kaufen, anstatt sie intern von Grund auf zu bauen. Wenn agente Lernen, Erinnerung und selbstständige Systeme häufiger werden, wird die aktuelle 95%ige Ausfallrate einem neuen Zeitalter weichen, in dem KI-Systeme nahtlos über Anbieter, Domänen und organisatorische Grenzen hinweg zusammenarbeiten. Diese Zukunft ist die wahre Rendite der aktuellen Investitionen.

Alternative Ansichten zur KI-Adoption

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

• Jed Nykolle Harme von IT Brief UK hat das 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 KI-Zufriedenheit führend ist, wo 96% der KI-Pilotleistung die Erwartungen erfüllen oder übertreffen.
• Ich habe zuvor Mitgefühl mit großen Unternehmensspielern geäußert, die KI schwer zu implementieren finden und nicht besonders offen für intensive Einbindung sind. Lenovo präsentiert jedoch ein anderes Bild mit den Branchen Banking, Finanzdienstleistungen und Versicherungen: Trotz der niedrigsten KI-Adoptionsrate von 7% berichten 33% derjenigen, die KI 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, die IBM-CEO-Studie, beginnt mit einem mutigen Vorwort von IBM-Vizepräsident Gary Cohn: “Wenn die KI-Adoption beschleunigt wird… wird die endgültige Auszahlung nur dann kommen, wenn CEOs den Mut haben, Risiken als Chancen zu nutzen. … Wenn die Geschäftsumgebung unsicher ist, kann die Verwendung von KI und Unternehmensdaten, um zu erkennen, wo man Hebel hat, einen Wettbewerbsvorteil darstellen. Zu diesem Zeitpunkt sind Führungskräfte, die KI und ihre eigenen Daten nicht nutzen, um voranzukommen, eine bewusste Geschäftsentscheidung, nicht zu konkurrieren.“
• Die IBM-CEO-Umfrage zeigt einige inspirierende Fakten. Zum Beispiel wird die KI-Investition in den nächsten zwei Jahren mehr als verdoppelt, so dass fast 20% des gesamten IT-Budgets für KI bereitgestellt werden – ein Zeichen dafür, dass trotz sichtbarer und bewiesener Herausforderungen der Glaube an KI stark ist und vor allem eine strategische Investition und kein reaktives Ausgeben darstellt.
• Letztendlich stimmen 64% der CEOs in der Studie zu, dass das Risiko, zurückzufallen, die Investition in neue Technologie antreibt, noch bevor ein klares Verständnis ihrer Auswirkungen erreicht ist. Es gibt jedoch keine schnellen Entscheidungen. Stattdessen entscheiden sich die Entscheidungsträger für “strategisches Hedging”. In einfachen Worten, wenn ein Wettbewerber einen KI-Chatbot für personalisierte Empfehlungen auf seiner Website startet, tut man das Gleiche. Man ist sich vielleicht nicht sicher über die Erhöhung des Umsatzes, aber man weiß, dass man, wenn man zwei weitere Jahre wartet, bis das “perfekte Datenset” kompiliert ist, unwiderruflich den Schwung verlieren wird. Also ist die Regel einfach: aggressiv nachahmen, dann das Ergebnis abwarten.

Schlussfolgerung

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