Der AI Momentum Index von Dun & Bradstreet zeigt: Deutsche Unternehmen erzielen erste Erträge mit KI, doch fehlende Datenreife verhindert den breiten Einsatz. Warum der Fortschritt ins Stocken gerät und welche Risiken bestehen
Deutsche Unternehmen investieren zunehmend in Künstliche Intelligenz und berichten von ersten messbaren Erträgen. Doch der Weg zur flächendeckenden Nutzung bleibt steinig: Nur ein Bruchteil der Firmen sieht die eigenen Daten als ausreichend vorbereitet, um KI-Systeme im großen Maßstab einzusetzen. Die Folge: Während KI-Pilotprojekte punktuell erfolgreich sind, bleibt der unternehmensweite Durchbruch aus.
Erste Erträge, aber strukturelle Hürden
Laut dem aktuellen AI Momentum Index von Dun & Bradstreet erzielen inzwischen mehr als 70 Prozent der befragten Unternehmen in Deutschland einen nachweisbaren Return on Investment (ROI) aus KI-Anwendungen. Allerdings bleibt der Erfolg meist auf einzelne Projekte beschränkt: 50 Prozent berichten von ROI in Pilotprojekten, nur 23 Prozent erreichen einen breiten oder starken ROI über mehrere Projekte hinweg. Die große Mehrheit sieht die eigenen Daten lediglich als teilweise (45 Prozent) oder weitgehend (43 Prozent) bereit für KI-basierte Wertschöpfung. Lediglich 3 Prozent der Unternehmen bewerten ihre Daten als vollständig geeignet, um KI-Lösungen im gesamten Unternehmen zu tragen.
Diese Diskrepanz zwischen technologischem Fortschritt und Datenqualität ist kein neues Phänomen. Bereits in anderen Innovationsbereichen zeigte sich, dass Investitionsbereitschaft allein nicht genügt, wenn die strukturellen Voraussetzungen fehlen. Ein früherer Überblick zu deutschen Start-ups verdeutlichte, wie entscheidend solide Grundlagen für nachhaltigen Erfolg sind.
Datenreife als Engpass für Skalierung
Die Zahlen des AI Momentum Index machen deutlich: Die Einführung von KI in deutschen Unternehmen schreitet schneller voran als der Aufbau eines belastbaren Datenfundaments. Während 69 Prozent der Unternehmen bereits agentische Workflows operationalisieren oder skalieren - ein Wert, der über dem globalen Durchschnitt von 60 Prozent liegt - bleibt die Datenreife zurück. International bewerten immerhin 6 Prozent der Unternehmen ihre Daten als vollständig KI-bereit, in Deutschland sind es nur 3 Prozent.
Die Bereitschaft zu investieren ist hoch: 79 Prozent der deutschen Unternehmen planen, ihre KI-Ausgaben in den kommenden zwölf Monaten zu erhöhen. Weltweit liegt dieser Wert bei rund 67 Prozent. Dennoch bleibt die zentrale Herausforderung bestehen: Zwischen den Daten, die frühe KI-Fortschritte ermöglichen, und den Daten, die einen skalierbaren, wiederholbaren ROI im gesamten Unternehmen tragen, klafft eine deutliche Lücke.
Risiken und Unsicherheiten im KI-Betrieb
Die mangelnde Datenreife wirkt sich nicht nur auf die Skalierung aus, sondern erschwert auch das Risikomanagement. Nur 36 Prozent der Unternehmen fühlen sich gut oder sehr gut aufgestellt, um Risiken wie Bias, Datenschutzverletzungen oder Compliance-Probleme im Zusammenhang mit KI zu erkennen und zu steuern. Damit bleibt ein erheblicher Teil der Unternehmen anfällig für Fehler und regulatorische Risiken.
Die Erwartungen an KI bleiben dennoch hoch: 78 Prozent der deutschen Unternehmen rechnen im kommenden Quartal mit konkreten neuen Produkten, Geschäftsmodellen oder operativen Verbesserungen durch KI. Im internationalen Vergleich ist dieser Optimismus ausgeprägter - global erwarten nur 56 Prozent kurzfristige Fortschritte.
Was für den deutschen KI-Markt auf dem Spiel steht
Die Ergebnisse des dritten Quartals 2026 zeigen: Die nächste Entwicklungsphase verlangt von Unternehmen, die eigene Datenbasis gezielt zu stärken. Ohne belastbare, verifizierte und integrierte Daten bleibt der ROI aus KI-Projekten ungleich verteilt und selten skalierbar. Die operative Einführung agentischer Workflows ist zwar fortgeschritten, doch ohne solide Dateninfrastruktur drohen Effizienzgewinne zu verpuffen und Risiken zu steigen.
Die deutsche Wirtschaft steht damit vor einer bekannten Herausforderung: Technologischer Ehrgeiz und Investitionsbereitschaft reichen nicht aus, wenn die strukturellen Voraussetzungen nicht Schritt halten. Wer KI im Unternehmensmaßstab erfolgreich nutzen will, muss die Datenreife zur Priorität machen - andernfalls bleibt der Fortschritt Stückwerk und die internationale Wettbewerbsfähigkeit gefährdet.
Der Begriff "Datenreife" beschreibt den Grad, in dem Unternehmensdaten für den Einsatz fortgeschrittener Technologien wie Künstlicher Intelligenz geeignet sind. Dazu zählen Aspekte wie Datenqualität, Aktualität, Strukturierung, Zugänglichkeit und Integration in bestehende Systeme. Eine hohe Datenreife ist Voraussetzung, um KI-Lösungen nicht nur in Pilotprojekten, sondern im gesamten Unternehmen zuverlässig und skalierbar zu betreiben. Fehlt sie, bleiben Automatisierung und Wertschöpfungspotenziale begrenzt - unabhängig von der eingesetzten Technologie. Schlagwörter: Unternehmens-KI, Datenreife, Deutschland
