IT und Vertrieb sind die wichtigsten Einsatzfelder
Am häufigsten wird KI derzeit in den Bereichen IT, Sicherheit und Betrieb eingesetzt: 39 Prozent der Unternehmen nutzen oder planen KI dort aktuell. Dahinter folgen Marketing und Vertrieb mit 37 Prozent. Auf Platz drei liegen Operations, Produktion und Leistungserbringung mit 22 Prozent. Dagegen spielen Finanz- und Steuerungsprozesse, Human Resources sowie Logistik und Supply Chain bisher noch eine deutlich geringere Rolle.
Auffällig ist zudem, dass KI in vielen Unternehmen noch punktuell eingesetzt wird. Unter jenen Unternehmen, die KI bereits nutzen oder konkret planen, kommt KI bei 43 Prozent in zwei bis drei Bereichen zum Einsatz. Elf Prozent setzen KI nur in einem Bereich ein, 27 Prozent bereits in vier oder mehr Bereichen.
Produktivität vor Wachstum
Wenn Unternehmen auf KI setzen, dann vor allem mit einem klaren Ziel: Produktivitätssteigerung. 41 Prozent nennen diese als höchste Priorität. Dahinter folgen Kostensenkung mit 24 Prozent sowie Qualitätsverbesserung von Entscheidungen mit 19 Prozent. Umsatz- und Wachstumspotenziale rangieren dagegen mit drei Prozent derzeit nur am Ende der Prioritätenliste. Gleichzeitig geben 17 Prozent an, derzeit noch keine klar priorisierten Ziele für den KI-Einsatz zu haben.
„Viele Unternehmen betrachten KI derzeit noch in erster Linie als Hebel für mehr Effizienz. Das ist nachvollziehbar, greift aber zu kurz. Wer KI nur als Sparprogramm versteht, wird einen großen Teil ihres Potenzials ungenutzt lassen. Gerade in der Verbindung aus Automatisierung, besserer Entscheidungsqualität und Innovation steckt der eigentliche strategische Hebel“, so Susanne Zach, Partnerin und AI & Data Lead bei EY Österreich.
Strategie, Know-how und Governance bleiben die Engpässe
Trotz wachsender Aktivität fehlt in vielen Unternehmen noch die organisatorische Verankerung. Nicht einmal ein Drittel der Unternehmen (2 %) mit KI im Einsatz oder in Planung gibt an, dass die Führungsebene eine klare KI-Strategie definiert hat, den Einsatz aktiv unterstützt und dafür Budget sowie Ressourcen bereitstellt. Zwar sehen 41 Prozent in generativer oder agentischer KI einen klaren Mehrwert für Prozessoptimierung und Automatisierung, doch nur 35 Prozent haben Rollen und Verantwortlichkeiten für Governance, Betrieb und Risiko klar definiert.
Noch deutlicher wird der Nachholbedarf beim Know-how: Nur 22 Prozent der Unternehmen sehen bei sich hohes internes KI-Know-how oder beschäftigen KI-Spezialist:innen. Lediglich 27 Prozent verfügen über gezielte Schulungen oder strukturierte Programme, um Mitarbeitende für den sinnvollen Einsatz von KI zu befähigen. Und nur ein Viertel – 25 Prozent – traut seinen Mitarbeitenden zu, KI-Ergebnisse korrekt zu interpretieren und bei Bedarf kritisch zu hinterfragen.
ROI unklar, wirtschaftlicher Nutzen kaum messbar
Ein zentrales Defizit zeigt sich bei der wirtschaftlichen Bewertung: Nur in 26 Prozent der Unternehmen ist der ROI von KI-Anwendungen klar definiert, und nur 24 Prozent erfassen den erzielten Mehrwert messbar. In fast jedem zweiten Unternehmen (47 %) mit KI-Einsatz ist noch keine wirtschaftliche Bewertung möglich. Lediglich 20 Prozent nehmen einen nachweisbaren Beitrag von KI zum Geschäftserfolg wahr.
„Ohne klare Zieldefinition und konsequentes Messen ist KI ein teures Experiment ohne Steuerung. Unternehmen, die den wirtschaftlichen Nutzen nicht erheben, können ihre Investitionen nicht rechtfertigen – und verpassen die Chance, KI gezielt weiterzuentwickeln", so Ratheiser.
Investitionen noch überschaubar – 23 Prozent ohne jegliche KI-Investition
Trotz der weit verbreiteten Einsatzpläne sind die tatsächlichen Investitionen in KI vielfach noch gering: 23 Prozent der Unternehmen, die KI einsetzen oder planen, haben bislang noch keine Mittel investiert. Weitere 32 Prozent bewegen sich unter der Schwelle von 50.000 Euro. Investitionen über 500.000 Euro sind mit zwei Prozent die Ausnahme. Handelsunternehmen haben zwar am häufigsten in KI investiert, besonders hohe Einzelinvestitionen finden sich hingegen eher in der Industrie.
Die häufigsten Kostenpositionen sind Softwarelizenzen und Cloud-Services (30 %), Schulungen und Enablement (29 %) sowie System-Integration (25 %).
Datenqualität und Infrastruktur als Engpassfaktoren
Ein weiteres Hemmnis für den wirkungsvollen KI-Einsatz liegt in der Datenbasis: Nur 26 Prozent der Befragten gehen davon aus, dass die verfügbaren Unternehmensdaten einen effektiven KI-Einsatz in zentralen Geschäftsprozessen unterstützen. Ebenfalls nur 26 Prozent vertrauen der Datenbasis, auf der KI-Ergebnisse beruhen. Deutlich positiver wird die Datenqualität an sich bewertet: 48 Prozent bestätigen, dass die für KI genutzten Daten nachvollziehbar, konsistent und kontrolliert sind – ein Wert, der die höchste Zustimmung im gesamten Readiness-Modell erzielt.
Bereichsübergreifende Datenverfügbarkeit bleibt jedoch eine Herausforderung: Nur 22 Prozent sehen hier keine größeren Hürden, und lediglich 26 Prozent glauben an eine reibungslose Integration von KI in bestehende Systeme.
Das deutet darauf hin, dass Datenqualität allein noch nicht ausreicht. Entscheidend ist, ob Daten im Unternehmen auch über Bereichsgrenzen hinweg verfügbar, anschlussfähig und technisch integrierbar sind.
EU AI Act: Relevanz erkannt, Umsetzung bleibt zurück
Besonders auffällig ist die geringe Umsetzungsquote beim EU AI Act: Nur 26 Prozent der Unternehmen sehen die Verordnung als relevant für ihren KI-Einsatz an, und lediglich 24 Prozent haben konkrete organisatorische oder technische Maßnahmen zur Vorbereitung eingeleitet. Die niedrigste Zustimmung verzeichnet die Frage, ob strategische Entscheidungen bereits daten- und KI-gestützt getroffen werden: nur 19 Prozent.
„Wer den EU AI Act noch nicht auf der Agenda hat, riskiert nicht nur regulatorische Probleme, sondern verpasst auch die Chance, KI-Governance als Wettbewerbsvorteil zu nutzen. Vertrauenswürdige KI ist kein Bürokratiethema – sie ist die Grundlage für nachhaltigen Einsatz", betont Zach.
„Österreichs Unternehmen haben den Einstieg in die KI-Nutzung geschafft, der Sprung zur strukturierten und messbar erfolgreichen Umsetzung steht aber vielerorts noch aus. Die größten Herausforderungen liegen nicht mehr nur in der Technologie selbst, sondern in Strategie, Fähigkeiten, Datennutzung, Governance und regulatorischer Vorbereitung“, ergänzt Ratheiser.