KI-Lösungen selbst bauen oder extern einkaufen

95 Prozent aller KI-Pilotprojekte bleiben ohne messbaren Ertrag. Diese Zahl aus der MIT-Studie "The GenAI Divide" (Juli 2025) hat viele Schlagzeilen produziert und viel Verunsicherung. Die interessantere Zahl steht ein paar Seiten weiter hinten und wurde kaum zitiert: Extern eingekaufte, angepasste KI-Lösungen erreichen in 67 Prozent der Fälle den produktiven Einsatz. Intern selbst entwickelte nur in 33 Prozent.

Unternehmen, die einkaufen, erreichen den produktiven Einsatz also etwa doppelt so häufig wie solche, die selbst entwickeln. Ob das an der Vorgehensweise selbst liegt oder daran, welche Unternehmen sich wofür entscheiden, beantwortet die Studie nicht.

Woran interne KI-Projekte wirklich scheitern

Die MIT-Forscher haben 52 Organisationen befragt und über 300 öffentlich dokumentierte KI-Initiativen ausgewertet. Ihr Befund widerspricht der gängigen Vermutung: Es scheitert fast nie an der Modellqualität, an Rechtsfragen oder am Budget. Es scheitert daran, dass die Systeme nicht lernen.

Die meisten intern gebauten Lösungen funktionieren in der Demo und versagen im Alltag. Sie behalten kein Feedback, passen sich nicht an die tatsächlichen Abläufe an und wiederholen dieselben Fehler. Eine Anwältin aus der Studie bringt es auf den Punkt: Für erste Entwürfe nutzt sie gern ein allgemeines KI-Tool, für mandatskritische Arbeit braucht sie ein System, das Wissen ansammelt und besser wird. Genau diese Eigenschaft fehlt den meisten Eigenentwicklungen, weil sie nach dem Go-live niemand mehr weiterentwickelt.

Das ist kein Kompetenzproblem der internen IT. Es ist ein Kapazitätsproblem. Ein KI-System, das im Tagesgeschäft trägt, braucht laufende Pflege: neue Datenquellen, veränderte Prozesse, Feedback der Nutzer, Modellwechsel. Eine interne Zwei-Personen-IT, die nebenbei den Betrieb sichert, kann das strukturell nicht leisten. Ein spezialisierter Partner, der dasselbe Problem bei zwanzig Kunden löst, kann es.

Der unterschätzte Vorteil des Mittelstands

Die zweite überraschende Zahl der Studie: Mittelständische Unternehmen brauchten vom Pilotprojekt bis zur vollständigen Einführung im Schnitt 90 Tage. Konzerne neun Monate oder länger.

Das kehrt ein verbreitetes Selbstbild um. Viele Mittelständler glauben, bei KI hinterherzufahren, weil ihnen Data-Science-Teams und Innovationsbudgets fehlen. Die Daten zeigen das Gegenteil: Kurze Entscheidungswege, direkter Draht zwischen Geschäftsführung und Anwendern und überschaubare Systemlandschaften sind bei der KI-Einführung mehr wert als jedes Innovation Lab. Der Konzern pilotiert, der Mittelstand implementiert.

Voraussetzung ist allerdings, dass die Entscheidung auch fällt. Die erfolgreichen Organisationen in der Studie haben eines gemeinsam: Die Initiative kommt von den Fachverantwortlichen, die das Problem täglich haben, und die Geschäftsführung gibt ihr ein klares Mandat. Wo KI als IT-Thema ohne Eigentümer läuft, versandet sie, egal ob gekauft oder gebaut.

Wo sich der Einsatz tatsächlich rechnet

Bemerkenswert ist auch, wohin das Geld fließt und wohin es fließen sollte. Rund die Hälfte der KI-Budgets geht laut Studie in Vertrieb und Marketing, weil sich dort Erfolge am leichtesten vorzeigen lassen. Die dokumentierten Ergebnisse sprechen eine andere Sprache: Die größten Einsparungen entstanden im Back-Office. Dokumentenverarbeitung, Kundenservice-Prozesse, Prüf- und Freigabeworkflows. Einzelne Unternehmen sparten dort Millionenbeträge, vor allem durch den Wegfall externer Dienstleister, nicht durch Personalabbau.

Für Kanzleien, Steuerberatungen und mittelständische Verwaltungen ist das die relevante Botschaft: Der Ertrag steckt in den unspektakulären Prozessen, die jeden Tag Stunden kosten. Posteingang, Dokumentenablage, Fristenkontrolle, Berichtswesen.

Kaufen heißt nicht Standardsoftware einführen

Ein Missverständnis sollte man an dieser Stelle ausräumen. "Buy" bedeutet in der Studie nicht, eine Lizenz zu erwerben und abzuwarten. Die erfolgreichen Käufer behandeln ihren KI-Anbieter wie einen Geschäftspartner: Sie verlangen Anpassung an ihre Prozesse, messen am Geschäftsergebnis statt an technischen Kennzahlen und bleiben auch dann in der Zusammenarbeit, wenn die erste Version noch nicht sitzt.

Das deckt sich mit unserer Erfahrung aus dreizehn Jahren Digitalisierungsarbeit: Software, die eingeführt, aber nicht in die Abläufe integriert wird, ist nach sechs Monaten wieder verschwunden, unabhängig davon, wie gut sie ist. Welches System man wählt, ist dabei nur die halbe Entscheidung. Die andere Hälfte: Wer sorgt dafür, dass es im Alltag ankommt?

Drei Konsequenzen für die Praxis

Erstens: Wenn Ihre interne IT vorschlägt, ein KI-Werkzeug selbst zu entwickeln, fragen Sie nicht nach den Baukosten, sondern nach dem Pflegeplan für die nächsten drei Jahre. Fehlt der, ist die 33-Prozent-Quote die realistische Prognose.

Zweitens: Suchen Sie den Ertrag zuerst dort, wo niemand hinschaut. Eine Stunde gesparte Verwaltungsarbeit pro Mitarbeiter und Tag schlägt fast jedes Vertriebs-Tool, sie steht nur in keiner Vorstandspräsentation.

Drittens: Nutzen Sie Ihren Größenvorteil. 90 Tage bis zur produktiven Lösung sind für einen Mittelständler realistisch, wenn Mandat, Verantwortlicher und Partner feststehen. Warten macht die Ausgangslage nicht besser, die Studie beobachtet bereits, dass Unternehmen sich jetzt an lernfähige Systeme binden und damit Wechselkosten aufbauen.

Eine Einschränkung gehört zur Ehrlichkeit dazu: Die Studie basiert auf US-Unternehmen, die Erfolgsquoten sind selbstberichtet, und 52 Interviews sind kein Zensus. Hinzu kommt ein Auswahleffekt: Unternehmen, die einkaufen, haben ihr Problem oft schon klarer umrissen und mehr Budget eingeplant. Ein Teil des Unterschieds dürfte also auf die Ausgangslage zurückgehen und nicht auf die Entscheidung selbst. Die Richtung der Befunde deckt sich allerdings mit dem, was wir in Projekten seit Jahren beobachten. Deshalb zitieren wir sie.