Das KI-Paradoxon: Motor und Stolperstein

KI wird zum Treiber der IT-Transformation

Künstliche Intelligenz ist für viele Unternehmen nicht mehr nur ein zusätzliches Werkzeug, sondern der zentrale Anlass, ihre IT grundlegend zu modernisieren. Laut einer Transformationsstudie von NTT DATA Business Solutions und Natuvion nennen 60 Prozent der Befragten die Einführung moderner Technologien, insbesondere KI, als wichtigsten Grund für ein Transformationsprojekt. Die klassische Kostensenkung verliert dagegen an Gewicht und rangiert nur noch auf Platz fünf der Motive, wie auch Heise.de berichtet.

Die Ergebnisse zeigen einen deutlichen Strategiewechsel: Unternehmen betrachten KI zunehmend als Auslöser, Datenhaushalt, Schnittstellen, Kernsysteme und Betriebsmodelle neu zu ordnen. Nach KI folgen als Motive die Steigerung der Innovationsfähigkeit mit 46,5 Prozent sowie die Flexibilisierung von Organisation und IT mit 42,2 Prozent. Damit wird sichtbar, dass produktive KI-Anwendungen mehr benötigen als einzelne Pilotprojekte oder isolierte Chatbots. Wer KI im Einkauf, im Kundenservice oder in Finanzprozessen einsetzen will, braucht konsistente Daten, geregelte Berechtigungen und belastbare Prozesse.

Die Umsetzung bleibt jedoch anspruchsvoll. Laut Studie überschritten 82,2 Prozent der Unternehmen ihr Budget, 79,5 Prozent lagen hinter dem Zeitplan. Befragt wurden nach Angaben der Dienstleister Anfang 2026 mehr als 1100 Fach- und Führungskräfte aus 15 Ländern, die in den vergangenen zwei Jahren an IT-Transformationen beteiligt waren. Das Ergebnis ist damit ein Erfahrungsbild aus laufenden oder abgeschlossenen Projekten; nähere Angaben zur Branchenverteilung oder Gewichtung nennt die Pressemeldung nicht.

Besonders deutlich wird das sogenannte KI-Paradoxon: KI treibt die Modernisierung an, zugleich werden ihre Voraussetzungen häufig unterschätzt. Als unerwartete Hürden nennen die Befragten unter anderem Datenqualität, Testen und Regulatorik. In den Angaben werden Datenqualität mit 26,4 Prozent und regulatorische Anforderungen mit 23,9 Prozent hervorgehoben; zudem wird Testen beziehungsweise Testmanagement als zentrale Baustelle genannt. Gerade diese Themen entscheiden darüber, ob KI-Systeme verlässliche Ergebnisse liefern oder lediglich plausibel klingende, aber fachlich fehlerhafte Vorschläge erzeugen.

Datenqualität umfasst dabei weit mehr als fehlende Werte oder Dubletten. Probleme entstehen auch, wenn Begriffe in verschiedenen Systemen unterschiedlich definiert sind, Datenherkünfte unklar bleiben oder Berechtigungen nicht zu neuen Prozessen passen. Ohne bereinigte Datenbasis können KI-Anwendungen auf unvollständige Informationen zugreifen und damit Entscheidungen, Empfehlungen oder Automatisierungen verzerren. Bei agentischen Systemen, die mehrstufige Aufgaben ausführen und Aktionen in Anwendungen anstoßen, steigen diese Anforderungen zusätzlich.

Auch Governance rückt stärker in den Vordergrund. Unternehmen müssen festlegen, welche Modelle und Anbieter eingesetzt werden dürfen, welche Daten in KI-Systeme gelangen, wer Ergebnisse prüft und wie Entscheidungen nachvollziehbar bleiben. Andere aktuelle Erhebungen, etwa von SAP und Oxford Economics, zeigen ähnliche Muster: Unternehmen erwarten messbare Erträge aus KI, kämpfen aber mit Datensilos, fragmentierten Einführungen und unkontrollierter Schatten-KI. Zwar rechnen deutsche Unternehmen für 2026 im Mittel mit einem KI-ROI von 24 Prozent, für den Einsatz von KI-Agenten sehen sich jedoch nur vier Prozent vollständig vorbereitet.

Die zentrale Lehre aus den Befunden lautet: KI beschleunigt den Umbau der IT, ersetzt aber nicht die Grundlagenarbeit. Wer Nutzen aus der Technologie ziehen will, muss Daten, Prozesse, Schnittstellen, Tests und Governance systematisch vorbereiten. Andernfalls wird die vermeintliche Abkürzung zum zusätzlichen Druckfaktor für IT-Abteilungen — mit steigenden Kosten, Verzögerungen und höheren Projektrisiken. Modernisierung vor Automatisierung wird damit zur entscheidenden Voraussetzung für erfolgreiche KI-Projekte.