KI-Fälle im Test: Warum nur 9 den Beweis erbringen

1. Warum die meisten KI-Erfolgsgeschichten nicht überprüfbar sind

Als sich der Informatiker Justus Lauten vor einigen Jahren mit dem Alltag von Bäckereien beschäftigte, stieß er auf ein banales, aber teures Problem: Zum Ladenschluss waren die Brotregale in vielen Filialen entweder fast leer oder noch halb voll, weil das Personal die Bestellmenge jeden Tag aufs Gefühl schätzte. Regionale Bäckereien kamen deshalb auf ihn zu und suchten eine softwaregestützte Lösung für ihre hohen Retourenmengen, berichtet das VC Magazin. Aus dieser einen, ohnehin täglich erfassten Zahl wurde später foodforecast, die KI-Nachfrageprognose, die heute unter anderem bei der Bäckerei Merzenich läuft und deren Retourenquote um rund 30 Prozent gesenkt hat. Es ist eine der wenigen KI-Erfolgsgeschichten aus dem Mittelstand, die sich tatsächlich nachprüfen lässt, weshalb sie diesen Newsletter eröffnet.

Kaum ein Thema wird mit so großen Versprechen beworben wie künstliche Intelligenz im Mittelstand. Eine kurze Recherche zeigt schnell, warum das Vertrauen in diese Versprechen begrenzt ist. Für diesen Newsletter wurden gezielt nur Fälle aufgenommen, die drei Bedingungen gleichzeitig erfüllen: ein Unternehmen mit echtem Namen, ein konkretes Ergebnis mit Zahl, und eine Quelle, die sich nachverfolgen lässt. Die meisten kursierenden Beispiele fallen bei mindestens einer dieser drei Prüfungen durch.

Drei Muster wiederholen sich dabei auffällig oft. Erstens anonymisierte Geschichten, etwa „ein Handelsunternehmen senkte seine Lagerkosten um 18 Prozent“, ohne dass sich der Name des Unternehmens prüfen lässt. Zweitens Werbeseiten von Anbietern, die von „mehr Effizienz“ sprechen, aber keine einzige Zahl nennen. Drittens Umfrageergebnisse, die als Einzelfall präsentiert werden, obwohl sie eigentlich einen Durchschnitt über hunderte Unternehmen beschreiben.

Das ist kein rein akademisches Problem. Laut Bitkom fehlt 43 Prozent der deutschen Mittelständler eine konkrete KI-Strategie, während 91 Prozent der Großunternehmen KI bereits als geschäftskritisch einstufen. Wer in dieser Lage eine Investitionsentscheidung an unüberprüfbaren Erfolgszahlen ausrichtet, kalibriert seine Erwartungen an einer Fiktion, nicht an der Realität. Die folgende Liste soll genau diese Kalibrierung ermöglichen.

2. Sieben Fälle, die den Test bestehen

Nachfrageprognose in der Bäckerei

Warum Bäckereien bessere Beweise liefern als Software-Firmen

Auffällig ist, dass ausgerechnet die beiden Bäckerei-Fälle die genauesten Zahlen liefern, genauer als jeder Softwarehersteller in dieser Liste. Das liegt nicht an der Technologie, sondern am Geschäftsmodell. Ein Lebensmittelbetrieb muss Verderb, Retouren und Wareneinsatz ohnehin bis auf den Prozentpunkt kennen, das schreibt schon die Kalkulation vor, nicht die KI. Ein Softwareunternehmen dagegen kennt „Kundenzufriedenheit“ oder „Effizienz“ oft nur gefühlt, bis jemand beschließt, es zu messen. Wer aus einer Branche kommt, die Verderb, Ausschuss oder Fehlbeträge ohnehin in Euro zählt, hat für eine belastbare KI-Erfolgsgeschichte einen entscheidenden Vorteil: den Nullpunkt gibt es bereits.

Produktempfehlung im Online-Handel

Was diese Fälle in Euro bedeuten

Warum kleine Projekte oft die schnellste Rendite zeigen

Batibig kostete 20.000 Euro und war in rund einem Monat fertig. Aldes kostete 40.000 Euro Entwicklung und rund fünf Monate. Beide gehören damit in die Kategorie, die das Siparex/Bpifrance-Whitepaper als Regelfall beschreibt: 70 Prozent der zwanzig dort dokumentierten Projekte kosteten zwischen 15.000 und 100.000 Euro, 80 Prozent liefen innerhalb von sechs Monaten produktiv. Das ist kein Nachteil kleiner Budgets, sondern ihr eigentlicher Vorteil. Ein enges, wochenlanges Projekt mit einer einzigen Kennzahl lässt sich lückenlos vorher-nachher vergleichen. Ein mehrjähriges Transformationsprogramm mit zehn beteiligten Abteilungen hat irgendwann so viele Einflussfaktoren, dass sich der Anteil der KI am Ergebnis nicht mehr seriös isolieren lässt. Genau das erklärt, warum die saubersten Zahlen in dieser Liste nicht von den größten Projekten stammen, sondern von den am engsten geschnittenen.

Drei unterschiedliche Arten von finanziellem Nutzen, nicht direkt vergleichbar, aber jede einzeln belegt. Quelle: IT Social, Siparex/Bpifrance-Whitepaper.

Content und Marketing

Diese sieben Fälle unterscheiden sich stark in Branche und Werkzeug, teilen aber eine Eigenschaft: In jedem Fall gab es eine Kennzahl, Retouren, Umsatz pro Warengruppe, Fehlbetrag in Rechnungen oder Zeit pro Content-Stück, die schon vor dem KI-Projekt gemessen wurde. Die KI hat diese Kennzahl verändert, nicht ersetzt.

Umsatz- und Produktivitätswachstum, jeweils als berichtete Spannweite. Quellen: foodforecast, Plattform Lernende Systeme, IT Social.

3. Zwei weitere Fälle, mit Einschränkung

Nicht jeder Fall lässt sich lückenlos belegen, und das offen zu benennen ist Teil der Methode, nicht ihre Schwäche. Eine Case Study, deren Grenzen bekannt sind, ist einer unbelegten Erfolgsgeschichte immer noch vorzuziehen.

Ein Fall, der zeigt, wo die Grenze verläuft

Zur Einordnung lohnt ein letztes, bewusst konstruiertes Gegenbeispiel, keiner der neun geprüften Fälle, sondern eine Nachbildung des Musters, das die meisten kursierenden KI-Erfolgsgeschichten ausmacht. Ein mittelständisches Unternehmen aus der Möbelbranche will durch einen KI-gestützten Kundenservice-Chatbot die Reaktionszeit auf Anfragen um 45 Prozent gesenkt und die Kundenzufriedenheit deutlich gesteigert haben. Der Name wird angeblich aus Wettbewerbsgründen nicht genannt, eine Quelle außerhalb der eigenen Pressemitteilung existiert nicht, und der Ausgangswert vor der Einführung wird nicht beziffert, wodurch sich die 45 Prozent nicht einordnen lassen, 45 Prozent wovon genau?

An exakt diesen drei Stellen, fehlender Name, fehlende externe Quelle, fehlender Ausgangswert, scheitern die meisten kursierenden KI-Erfolgsgeschichten. Das Beispiel selbst ist erfunden, sein Aufbau ist es nicht: Fast jede nicht verifizierbare Erfolgsgeschichte im Umlauf folgt genau diesem Schema. Gemessen an diesem Maßstab zeigt sich der Unterschied zu den beiden Fällen oben deutlich: Selbst sie nennen einen Namen und eine Quelle, auch wenn nicht jede Zahl restlos bestätigt werden konnte.

Warum sich die meisten KI-Case-Studies nicht reproduzieren lassen

Die eigentliche Ursache ist keine Absicht zu täuschen, sondern eine Anreizstruktur, die niemanden zur Genauigkeit zwingt. Ein Anbieter, der einen Kunden gewinnen will, hat jeden Grund, eine Zahl zu veröffentlichen, aber keinen, sie von unabhängiger Seite prüfen zu lassen, das kostet Zeit und liefert im schlechtesten Fall ein schwächeres Ergebnis als erhofft. Ein Kunde, der intern zufrieden ist, hat selten ein Interesse daran, seine eigene Erfolgszahl öffentlich zur Debatte zu stellen. Und Fachmedien, die über KI berichten, werden seltener für eine nachgeprüfte Zahl belohnt als für eine neue, griffige Schlagzeile. Am Ende dieser Kette steht eine Zahl, die niemand erfunden haben muss, um trotzdem unüberprüfbar zu sein.

Reduktion bei Retouren, Ausschuss und Reklamationen. Quellen: Bonn Orange, mybusinessfuture.com, Digital Manufacturing Magazin.

4. Was die großen Umfragen zeigen, und was nicht

Neben einzelnen Fällen lohnt ein Blick auf den Durchschnitt, solange klar bleibt, dass ein Durchschnitt kein Einzelfall ist. Laut Bitkom ist die aktive KI-Nutzung deutscher Unternehmen innerhalb eines Jahres von 19 auf 41 Prozent gestiegen, und 52 Prozent der KI-nutzenden Unternehmen berichten von einem messbaren Beitrag zum Unternehmenserfolg.

Aktive KI-Nutzung deutscher Unternehmen, von rund 19 auf 41 Prozent. Quelle: Bitkom, Studienbericht 2026.

Aus Frankreich liefert der offen zugängliche AI ROI Datensatz von Denis Atlan und Stema Partners, ausgewertet über mehr als 200 KI-Projekte zwischen 2022 und 2025, einen medianen ROI von 159,8 Prozent bei einer Erfolgsquote von 73 Prozent. Für kleinere Unternehmen liegt die Amortisationszeit im Schnitt bei etwa 6,7 Monaten, für mittelgroße bei rund 10 Monaten. Das Whitepaper von Siparex und Bpifrance kommt bei zwanzig dokumentierten Projekten zu einem ähnlichen Bild: 70 Prozent kosteten zwischen 15.000 und 100.000 Euro, 80 Prozent waren innerhalb von sechs Monaten produktiv im Einsatz. Laut KPMG betrachten inzwischen 91 Prozent der deutschen Unternehmen KI als geschäftskritisch, ein Sprung von 36 Punkten gegenüber dem Vorjahr.

Diese Zahlen sind nützlich, um die Richtung zu verstehen. Sie ersetzen aber keine einzige Case Study, denn kein Durchschnitt erklärt, warum ausgerechnet Merzenich oder Aldes das erreicht haben, was sie erreicht haben. Dafür braucht es die Einzelfälle aus den Abschnitten zwei und drei.

5. Das gemeinsame Muster hinter den erfolgreichen Fällen

Wer die neun Fälle nebeneinander legt, erkennt eine Reihenfolge, die sich in fast allen wiederholt. Zuerst stand ein konkretes, schon gemessenes Problem: eine Retourenquote, eine Ausschussrate, ein Zeitaufwand pro Rechnung. Erst danach kam die Entscheidung für ein KI-Werkzeug, das genau dieses Problem adressiert. Kein Fall in dieser Liste begann mit der Frage „Was können wir mit KI machen?“

Das Muster, das sich durch alle neun belastbaren Fälle zieht, von Merzenich bis Batibig.

Das ist ein Unterschied, der leicht übersehen wird, aber viel erklärt. Ein Unternehmen, das zuerst die Kennzahl kennt, kann nach dem Projekt exakt zeigen, was sich verändert hat, weil der Vorher-Zustand dokumentiert ist. Ein Unternehmen, das zuerst das Werkzeug einführt und erst danach nach einem Nutzen sucht, hat selten einen sauberen Vergleichspunkt, und genau das ist einer der Hauptgründe, warum so viele KI-Projekte im Mittelstand am Ende ohne belastbare Erfolgszahl bleiben, selbst wenn sie subjektiv als hilfreich empfunden werden.

Der Mechanismus dahinter ist nüchtern und lässt sich auf einen Satz verkürzen: Ohne Nullpunkt gibt es keine Messung, nur eine Schätzung. Bei Merzenich und der Soonwald-Bäckerei war dieser Nullpunkt die tägliche Retourenquote, ein Wert, der im Bäckereigeschäft aus betriebswirtschaftlicher Notwendigkeit ohnehin erfasst wird. Bei Batibig war es die Rechnungssumme vor der Prüfung. Bei Welser Profile, dem Fall mit der schwächsten Quellenlage in dieser Liste, fehlt genau diese Angabe zum Ausgangswert, was auch erklärt, warum sich die dort genannten Prozentzahlen schwerer einordnen lassen als die der anderen acht Fälle.

6. Der Einwand: Sind sieben Fälle wirklich repräsentativ?

An dieser Stelle ist Skepsis berechtigt. Sieben belastbare Fälle bei tausenden mittelständischen Unternehmen in Europa sind statistisch keine Stichprobe, aus der sich verlässlich hochrechnen lässt, wie viele KI-Projekte im Mittelstand erfolgreich sind. Das ist richtig, und diese Liste erhebt diesen Anspruch auch nicht.

Der Wert dieser Liste liegt nicht in der Menge, sondern in der Beweisqualität. Sie zeigt nicht, wie oft KI im Mittelstand funktioniert, sondern wie ein Fall aussieht, der sich tatsächlich nachprüfen lässt, und was für Ergebnisse in einer solchen Prüfung Bestand haben. Für die eigene Planung ist das nützlicher als eine große Zahl unüberprüfbarer Beispiele, denn es liefert einen Maßstab: Lässt sich das eigene Projekt später genauso konkret belegen wie diese neun Fälle, oder bleibt es bei einer Behauptung, sobald jemand nach der Quelle fragt?

Diese Unterscheidung zwischen Beweisqualität und Stichprobengröße ist auch der Grund, warum der übernächste Abschnitt keine weitere Zahl liefert, sondern eine Methode, die sich auf das eigene Unternehmen anwenden lässt, unabhängig davon, wie viele vergleichbare Fälle es davon anderswo schon gibt.

7. Alle zehn Fälle im Überblick

Die folgende Übersicht fasst die neun geprüften Fälle sowie einen zehnten, weicheren Beleg zusammen, der nur als Beispiel für Nutzerakzeptanz dient, nicht als betriebswirtschaftliche Kennzahl.

* Fälle mit Einschränkung, siehe Abschnitt 3. Die ECE Group, ein Handelsimmobilien-Unternehmen, wird nur als weiches Beispiel für die Akzeptanz von Microsoft 365 Copilot genannt, nicht als harte betriebswirtschaftliche Kennzahl.

8. Was das für die eigene KI-Strategie bedeutet

Wer aus dieser Liste eine praktische Konsequenz ziehen möchte, findet sie nicht im Werkzeug, sondern im Ausgangspunkt. Vor dem ersten Gespräch mit einem KI-Anbieter lohnt es sich, eine einzige Frage schriftlich zu beantworten: Welche Kennzahl soll sich verändern, und wie hoch ist sie heute? Fehlt diese Zahl, fehlt später auch die Möglichkeit, den Erfolg zu belegen, gegenüber der eigenen Geschäftsführung, gegenüber Investoren oder gegenüber der eigenen Belegschaft.

Ebenso lohnt sich ein kritischer Blick auf jede Erfolgszahl, die einem im Verkaufsgespräch oder auf einer Konferenz präsentiert wird. Ein echter Firmenname, eine konkrete Zahl und eine nachprüfbare Quelle sind kein übertriebener Anspruch. Es ist die Mindestanforderung, die auch die eigene Case Study erfüllen sollte, wenn sie einmal geschrieben wird.

Governance, die sich vorzeigen lässt

agentivo.ai unterstützt europäische Unternehmen dabei, KI-Projekte so zu dokumentieren, dass ihr Nutzen im Nachhinein belegbar ist, von der ersten Kennzahl bis zum Bericht an Kunden oder Investoren.

Jetzt Kontakt aufnehmen unter agentivo.ai