88 Prozent nutzen KI, 6 Prozent verdienen daran

Am 25. August 2026 hat McKinsey die diesjährige Ausgabe von „The State of AI” veröffentlicht. Die Kennzahl, die daraus in jede Präsentation wandern wird: 88 Prozent der Unternehmen nutzen KI regelmäßig in mindestens einer Geschäftsfunktion. Drei Monate zuvor hatte das ifo Institut für Deutschland 54,5 Prozent gemessen. Die KfW kam im Juli auf 20 Prozent.

Interessanter als jede einzelne Zahl ist der Abstand zwischen ihnen: Zwischen 20 und 88 liegt mehr als Faktor vier, und keine der Erhebungen ist schlecht gemacht. Sie messen verschiedene Dinge. Wer weiß, welche, spart sich die naheliegende Frage, ob der eigene Betrieb „hinterherhängt” — und findet in derselben Studie eine zweite Zahl, die mehr sagt als die 88: 6 Prozent.

Auf einen Blick

• Was gilt: McKinsey misst 88 Prozent regelmäßige Nutzung — aber nur 37 Prozent der Unternehmen können überhaupt einen EBIT-Effekt zuordnen, nur 6 Prozent einen von mindestens 5 Prozent.
• Was folgt: Für Deutschland reichen die Quoten im gleichen Zeitfenster von 20 Prozent (KfW) über 26 (amtlich) bis 54,5 Prozent (ifo). Die Streuung hat vier erklärbare Ursachen, keine davon ist ein Messfehler.
• Der Haken: Keine dieser Zahlen sagt etwas über Ihren Betrieb. Belastbar ist nur die Quote, die Sie selbst erheben.

Fünf Erhebungen, fünf Zahlen

Was die Studien tatsächlich gefragt haben — und wann:

Quelle	Nutzungsquote	Erhebungszeitraum	Wonach gefragt wurde
McKinsey, State of AI (25.08.2026)	88 %	4. Mai – 8. Juni 2026	Regelmäßige Nutzung in mindestens einer Geschäftsfunktion; 1.719 Teilnehmer aus 97 Ländern
OECD, D4SME-Survey (2026)	61 %	2026, Datum nicht eindeutig	Mindestens eine KI-Anwendung im Einsatz; 2.018 KMU in 12 Ländern
ifo Institut (05.06.2026)	54,5 %	Mai 2026	KI-Nutzung im Unternehmen; Selbstauskunft deutscher Betriebe
Statistisches Bundesamt (Stand 11/2025)	26 %	Berichtsjahr 2025	Amtliche Erhebung, Unternehmen ab 10 Beschäftigten
KfW Research, Fokus Nr. 554 (Juli 2026)	20 %	Panelwellen 2022–2024	Einsatz mindestens einer KI-Technologie im Mittelstand

Eine sechste Erhebung fehlt mit Absicht. Der Bitkom-Bericht zur KI in Deutschland wird in Sekundärquellen mit zwei verschiedenen Nutzungsquoten wiedergegeben; welche die des Originals ist, konnte ich nicht auflösen. Eine Zahl ohne belegbare Primärquelle gehört nicht in eine Vergleichstabelle. Einen Befund berichten dieselben Quellen dagegen übereinstimmend, und er ist für den Mittelstand wichtiger: 33 Prozent der KI-Nutzer melden unerwartet hohe Kosten — Tokenverbrauch, GPU-Hosting, Systemintegration.

Warum die Zahlen so weit auseinandergehen

Vier Ursachen, die zusammenwirken.

Erstens: Die Frage ist nicht dieselbe. Ob irgendwo im Betrieb jemand einen Chatbot benutzt, ist eine sehr niedrige Schwelle; ob ein Modell in einem definierten Prozess mit definiertem Output läuft, eine sehr hohe. McKinsey fragt nach regelmäßiger Nutzung in mindestens einer Geschäftsfunktion — bewusst breit. Was dahintersteckt, zeigt die OECD: Von ihren 61 Prozent KI-nutzenden KMU gelten 76 Prozent als Einsteiger mit Basisanwendungen. Hohe Adoption, niedriger Reifegrad.

Zweitens: Eine Quelle misst die Vergangenheit. Die 20 Prozent der KfW stammen aus dem Mittelstandspanel mit den Wellen 2022 bis 2024. Der Bericht erschien im Juli 2026, die Realität darin ist rund zwei Jahre alt — kein Mangel, sondern der Preis für eine große, über Jahre konsistente Panel-Struktur. Der Vergleich mit einer Mai-2026-Momentaufnahme ist damit sinnlos. Amtlich sieht es ähnlich aus: Der letzte Wert des Statistischen Bundesamtes gilt für das Berichtsjahr 2025, die nächste Erhebung erscheint planmäßig erst im Herbst 2027.

Drittens: Es ist Selbstauskunft, keine Messung. Keine dieser Studien liest Logdateien oder Rechnungen; sie fragt Menschen, was sie glauben zu tun. Das verzerrt in beide Richtungen — wer KI-Projekte verantwortet, überschätzt tendenziell den Reifegrad, und wer Schatten-KI im Betrieb hat, untertreibt sie meist ohne es zu wissen. Und die McKinsey-Zahl ist eine Aussage über Antwortende, nicht über Unternehmen: Die Sicht eines Konzernbereichs ist nicht die Lage eines Betriebs mit 40 Beschäftigten.

Viertens: Wer gefragt wird, entscheidet mit. Teilnahme ist freiwillig, und wen ein Thema betrifft, antwortet häufiger — das hebt jede KI-Quote systematisch an. Bei Anbieter- und Beratungsstudien stammt die Befragtenliste oft aus dem eigenen Umfeld — wer ohnehin digitalisiert, ist überrepräsentiert. Gescheiterte Vorhaben verschwinden zweifach: Niemand berichtet gern über sie, und eingestellte Projekte zählen am Ende nicht mehr als KI-Nutzung.

Die zweite Lücke: von der Nutzung zum Ergebnis

Innerhalb der McKinsey-Erhebung steht die eigentliche Nachricht:

Was gemessen wird	Anteil
Nutzt KI regelmäßig in mindestens einer Geschäftsfunktion	88 %
Kann überhaupt einen Effekt auf das EBIT zuordnen	37 %
Erreicht einen EBIT-Beitrag von mindestens 5 Prozent	6 %

Der Abstand zwischen 88 und 6 ist kein Widerspruch, sondern die Strecke zwischen Werkzeug-Zugang und Betriebsergebnis. Die meistzitierte Gegenstudie fällt härter aus: Die MIT-Untersuchung zu GenAI im Unternehmen aus dem Sommer 2025, 2026 unverändert im Umlauf, kommt darauf, dass 95 Prozent der untersuchten Piloten keinen messbaren Effekt auf die Gewinn- und Verlustrechnung hatten, bei 30 bis 40 Milliarden US-Dollar Investment. Die Ursache sah das MIT ausdrücklich nicht in fehlendem Talent oder in der Regulierung, sondern in fehlender Integration und Kontextanpassung.

Woran es praktisch hängt, zeigt die BCG-Erhebung zur KI-Nutzung am Arbeitsplatz (Juni 2026): 42 Prozent der regelmäßigen Nutzer sparen acht Stunden pro Woche, aber 66 Prozent erhalten keine Anleitung, was mit der gewonnenen Zeit geschehen soll. Gesparte Zeit ohne Verwendungszweck erscheint in keiner Bilanz.

Ein Gegenstand, fünf Schatten: Quoten von 20 bis 88 Prozent beschreiben nicht fünf Wirklichkeiten, sondern fünf Fragestellungen. Die Markierung sitzt am Berührungspunkt mit dem Boden — dem einzigen Punkt, der nicht von der Blickrichtung abhängt.

Was das für Ihr Unternehmen heißt

Erstens: Hören Sie auf, sich an der Marktzahl zu messen. Ob Sie über oder unter 54,5 Prozent liegen, ist nicht beantwortbar — Ihr Betrieb zählt in der einen Erhebung als Nutzer und in der anderen nicht. Was zählt, ist die Liste Ihrer Anwendungsfälle mit Namen, Verantwortlichem und Status. Als Ausgangspunkt sind zehn typische Anwendungsfälle im Mittelstand konkreter als jede Quote.

Zweitens: Definieren Sie die eigene Zahl, bevor Sie anfangen. Der Unterschied zwischen 88 und 6 Prozent ist im Kern ein Messproblem — 37 Prozent der Unternehmen können nicht einmal sagen, ob KI auf ihr Ergebnis wirkt. Legen Sie vorher fest, welche Größe sich ändern soll (Durchlaufzeit, Bearbeitungsquote, Fehlerrate, Stunden pro Fall), und erheben Sie den Ausgangswert, solange es ihn noch gibt. Wie man den Output prüfbar macht, steht in Evaluierung von KI-Outputs, wie ein belastbarer Versuch aussieht in KI-Pilotprojekt richtig aufsetzen.

Drittens: Rechnen Sie die Prüfkosten mit. Ein Drittel der Nutzer berichtet unerwartet hohe Kosten, und die Kontrolle des Outputs kostet Arbeitszeit. Eine Rechnung, die nur gesparte Stunden gegen den Tokenpreis stellt, ist zu optimistisch; die ehrliche enthält Integration, Kontrolle und Wartung — dieselbe Rechnung wie bei Build oder Buy.

Fazit

Die 88 Prozent sind nicht falsch, sie sind nur nicht Ihre Zahl — dasselbe gilt für die 20 und die 54,5. Wer sie gegeneinander stellt, vergleicht Fragestellungen und Erhebungsjahre, nicht Volkswirtschaften. Belastbar bleibt der gemeinsame Befund: Die Nutzung steigt schnell, das nachweisbare Ergebnis folgt viel langsamer, und große Unternehmen skalieren häufiger als kleine — bei McKinsey 54 Prozent der Unternehmen ab einer Milliarde US-Dollar Umsatz gegenüber rund einem Drittel der kleineren.

Eine selbst erhobene Zahl zu einem einzigen Prozess ist deshalb mehr wert als jede Studie. Sie ist klein und unrepräsentativ — und die einzige, die für Ihre Entscheidung gilt.

Wenn Sie überlegen, welcher Prozess sich dafür eignet und wie man die Messung aufsetzt, damit am Ende eine Zahl und keine Meinung herauskommt, sprechen wir darüber. Ich arbeite an dieser Stelle als Wirtschaftsjurist und Entwickler in Personalunion.

FAQ

Wie viele Unternehmen nutzen in Deutschland tatsächlich KI?

Das lässt sich nicht mit einer Zahl beantworten. Das ifo Institut nennt für Mai 2026 54,5 Prozent, das Statistische Bundesamt für das Berichtsjahr 2025 26 Prozent, die KfW für den Mittelstand 20 Prozent — letztere auf Datenbasis 2022 bis 2024. Die Werte widersprechen sich nicht, sie beantworten verschiedene Fragen an verschiedene Grundgesamtheiten. Wer einen davon zitiert, sollte Erhebungszeitraum und Fragestellung mitnennen.

Warum nennt McKinsey 88 Prozent und die KfW nur 20 Prozent?

Vor allem aus zwei Gründen. McKinsey fragt global nach regelmäßiger Nutzung in mindestens einer Geschäftsfunktion — eine niedrige Schwelle, erreicht sobald irgendein Team ein Werkzeug regelmäßig einsetzt. Die KfW misst den Einsatz mindestens einer KI-Technologie im deutschen Mittelstand, und ihre Datenbasis sind Panelwellen von 2022 bis 2024, also ein Stand von vor rund zwei Jahren.

Was bedeutet der 6-Prozent-Wert aus der McKinsey-Studie?

6 Prozent der befragten Unternehmen gelten dort als „AI High Performer“: Sie führen mindestens 5 Prozent ihres EBIT auf den KI-Einsatz zurück. 37 Prozent können überhaupt einen EBIT-Effekt zuordnen. Der Abstand zu den 88 Prozent Nutzern beschreibt die Strecke zwischen Werkzeug-Zugang und Betriebsergebnis. Eine viel zitierte MIT-Untersuchung von 2025 zeigt in dieselbe Richtung: 95 Prozent der dort untersuchten Piloten blieben ohne messbaren Ergebniseffekt.

Welche Zahl sollte ich als Mittelständler überhaupt verfolgen?

Ihre eigene. Nützlich ist eine Kennzahl an einem konkreten Prozess — Durchlaufzeit, Bearbeitungsquote, Fehlerquote, Stunden pro Fall — gemessen vor dem KI-Einsatz und danach unter gleichen Bedingungen. Dazu gehört die Kostenseite: Lizenzen, Tokenverbrauch, Integration, Wartung, Kontrolle des Outputs. Diese Zahl ist unrepräsentativ und trotzdem die einzige, die Ihre Entscheidung tragen kann.

---

Quellen — Stand 29.08.2026

• McKinsey, The State of AI (25.08.2026; Befragung 04.05.–08.06.2026) — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• ifo Institut, Unternehmensbefragung Mai 2026 (05.06.2026) — https://www.ifo.de/en/facts/2026-06-05/more-half-companies-germany-use-artificial-intelligence
• KfW Research, Fokus Volkswirtschaft Nr. 554 (Juli 2026; Datenbasis Mittelstandspanel 2022–2024) — https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Fokus-Volkswirtschaft/Fokus-2026/Fokus-Nr.-554-Juli-2026-KI_Mittelstand.pdf
• Statistisches Bundesamt, IKT-Erhebung in Unternehmen — https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Unternehmen/IKT-in-Unternehmen-IKT-Branche/IKT-U-Erhebung/info.html
• OECD, Empowering SMEs in the Age of AI (D4SME-Survey) — https://www.oecd.org/en/publications/empowering-smes-in-the-age-of-ai_bf5a9816-en.html
• MIT-Untersuchung zu GenAI im Unternehmen (2025) und Rezeption im Sommer 2026 — https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/ ; https://www.forbes.com/sites/terdawn-deboe/2026/07/28/ai-adoption-fails-95-of-the-time-small-business-leadership-is-why/
• BCG, AI at Work (03.06.2026) — https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools
• Bitkom, Publikation zur künstlichen Intelligenz in Deutschland — https://www.bitkom.org/Bitkom/Publikationen/Kuenstliche-Intelligenz-in-Deutschland

Hinweis: Die Nutzungsquote des Bitkom-Berichts 2026 wird in Sekundärquellen mit zwei abweichenden Prozentwerten wiedergegeben und ist hier deshalb nicht genannt.

Dieser Beitrag ist allgemeine Information und keine Rechts- oder Investitionsberatung im Einzelfall. Stand 29. August 2026; die zitierten Erhebungen werden laufend fortgeschrieben, bitte prüfen Sie vor Entscheidungen den aktuellen Stand.