Der KI-Lizenz-Kater: Was nach der ersten Welle generativer KI-Assistenten bleibt

Viele Unternehmen haben in den Jahren 2024 und 2025 generative KI-Assistenten eingeführt: in Office-Pakete integriert, als Chat-Zugang für Fachabteilungen oder als Pilot für ausgewählte Teams. Die Begeisterung der ersten Monate ist inzwischen einer nüchternen Frage gewichen, die in Budgetrunden immer häufiger gestellt wird: Was hat das gebracht? Der Begriff „Lizenz-Kater“ beschreibt diesen Zustand recht genau. Die Ausgaben sind laufend, der Nutzen ist diffus, und die Verlängerung steht an.

Dieser Beitrag ordnet ein, was die bisherige Studienlage über Kosten, Nutzung und Wirkung aussagt, und leitet daraus ab, was eine zweite Welle anders machen muss. Es geht nicht um ein Urteil für oder gegen ein bestimmtes Produkt, sondern um die Frage, wie die Geschäftsleitung KI-Ausgaben so steuert, dass sie sich in den nächsten zwei Jahren an einem nachweisbaren Ergebnis messen lassen. Er gehört zur VORAUS-Säule Enterprise Automation & KI.

Die erste Welle: breit verteilt, schmal gemessen

Das typische Muster der ersten Welle war die flächige Lizenz. Ein KI-Assistent wird pro Nutzer und Monat bezahlt und steht dann allen offen, die ihn erhalten. Microsoft weist für Microsoft 365 Copilot auf seiner Produktseite (Stand Oktober 2026) einen Preis von 30 US-Dollar je Nutzer und Monat bei jährlicher Zahlung aus, zusätzlich zu einer erforderlichen Microsoft-365-Basislizenz. Bei 500 Lizenzen ergibt sich daraus rechnerisch ein Jahresbetrag im sechsstelligen Bereich, bevor Schulung, Datenbereinigung und Rechtekonzept berücksichtigt sind.

Der Schritt vom Pilot zur Breite ist vielen Organisationen schwergefallen. Gartner befragte im Rahmen seiner „2025 Microsoft 365 and Copilot Survey“ 187 IT-Verantwortliche; die Studie selbst ist nicht frei zugänglich. Laut dem Bericht von techpartner.news vom Juni 2025 gaben 40 Prozent an, ihre Organisation pilotiere Microsoft 365 Copilot. Von jenen, die ihren Pilot abgeschlossen hatten, sagten nur 5 Prozent, dass ihre Organisation 2025 in einen größeren Rollout übergehe.

Die Zahl ist kein Urteil über das Werkzeug, aber ein deutliches Signal über die Schwierigkeit, Nutzen so zu belegen, dass eine größere Investition gerechtfertigt erscheint. Für die eigene Organisation folgt daraus: Vor jeder Ausweitung sollte feststehen, woran der Erfolg des Piloten gemessen wurde.

In Deutschland ist die Ausgangslage ähnlich. Laut Bitkom (Pressemitteilung „Durchbruch bei Künstlicher Intelligenz“, September 2025) setzen 36 Prozent der befragten 604 Unternehmen ab 20 Beschäftigten KI ein, nach 20 Prozent im Vorjahr. Einen direkten Zugang zu generativen KI-Diensten stellen nach einer weiteren Bitkom-Auswertung vom Oktober 2025 jedoch erst 26 Prozent ihren Beschäftigten bereit. Die Nutzung wächst also schneller als die geregelte Bereitstellung.

Zufriedenheit ist kein Produktivitätsnachweis

Die bislang aufschlussreichste öffentlich dokumentierte Evaluation stammt aus der britischen Verwaltung. Das Department for Business and Trade stellte von Oktober bis Dezember 2024 eintausend Lizenzen für Microsoft 365 Copilot bereit und veröffentlichte im August 2025 einen ausführlichen Bericht. Das Ergebnis ist differenziert: 72 Prozent der Befragten waren zufrieden oder sehr zufrieden. Zugleich hält der Bericht fest, die Evaluation habe keine Belege dafür gefunden, dass Zeitersparnisse zu verbesserter Produktivität geführt hätten. Produktivität war allerdings kein Hauptziel der Evaluation.

Aufschlussreich sind die Details, auch wenn die beobachteten Aufgabentests nur auf elf Sitzungen beruhen und der Bericht selbst zur Vorsicht bei ihrer Deutung rät. Beim Verfassen von E-Mails war die beobachtete Zeitersparnis äußerst gering, Zusammenfassungen gelangen schneller und in besserer Qualität. Präsentationsfolien entstanden im Schnitt gut sieben Minuten schneller, jedoch mit schlechterer Qualität und Genauigkeit; Datenanalysen in Excel dauerten länger und fielen schlechter aus.

22 Prozent der Befragten gaben an, Halluzinationen bemerkt zu haben, also erfundene oder falsche Angaben. Das Bild ist kein Scheitern, sondern ein Hinweis darauf, dass der Nutzen stark von der Aufgabe abhängt – und dass jede Ausgabe, die in Entscheidungen oder Dokumente einfließt, eine prüfende Person braucht.

Eine breit angelegte ökonomische Untersuchung kommt zu einem verwandten Befund. Anders Humlum (University of Chicago) und Emilie Vestergaard (Universität Kopenhagen) verknüpften für ihr Arbeitspapier „Large Language Models, Small Labor Market Effects“ (Becker Friedman Institute, Mai 2025) zwei Befragungen von Ende 2023 und 2024 mit dänischen Registerdaten. Erfasst wurden 25.000 Beschäftigte in 7.000 Betrieben aus elf Berufen, die als besonders KI-nah gelten, darunter Buchhaltung, Kundenservice, IT-Support und Softwareentwicklung.

Die von den Chatbot-Nutzern selbst berichtete Zeitersparnis entsprach im Durchschnitt 2,8 Prozent ihrer Gesamtarbeitszeit; die Autoren weisen darauf hin, dass Selbstauskünfte den tatsächlichen Effekt eher überzeichnen. Auf Einkommen und erfasste Arbeitsstunden fanden sie keine signifikanten Effekte, Auswirkungen von mehr als einem Prozent schließen ihre Schätzungen aus. Für eine Geschäftsleitung heißt das: Eine kleine individuelle Entlastung übersetzt sich nicht automatisch in betrieblichen Ertrag.

Warum der Effekt verpufft

Gewonnene Minuten verteilen sich über den Tag und werden selten bewusst umgewidmet. Humlum und Vestergaard berichten, dass rund 80 Prozent der Nutzer die gesparte Zeit nach eigenen Angaben in andere Arbeitsaufgaben stecken, weniger als 10 Prozent in Pausen oder Freizeit.

Das ist nicht wertlos, aber es ist nicht steuerbar, solange niemand definiert, welche Arbeit wegfallen oder schneller fertig werden soll. Ein Assistent, der allen ein wenig hilft, verändert keinen Prozess. Ein Werkzeug, das in einen Ablauf eingebaut ist, kann ihn verkürzen – und genau das lässt sich messen.

Die „GenAI Divide“: Wert entsteht im Prozess, nicht in der Lizenz

Der viel zitierte Bericht „The GenAI Divide: State of AI in Business 2025“ des Projekts NANDA am MIT Media Lab (datiert Juli 2025, breit rezipiert ab August 2025) hat die Debatte zugespitzt. Er stellt Unternehmensinvestitionen von 30 bis 40 Milliarden US-Dollar in generative KI dem Befund gegenüber, dass 95 Prozent der Organisationen daraus keinen Ertrag erzielen. Nur 5 Prozent der integrierten KI-Piloten erschließen demnach Werte in Millionenhöhe.

Die Datengrundlage ist überschaubar: eine Auswertung von über 300 öffentlich bekannten Initiativen, strukturierte Interviews mit Vertretern von 52 Organisationen und Antworten von 153 Führungskräften. Die Autoren bezeichnen ihre Ergebnisse selbst als vorläufig; die Erfolgsangaben beruhen auf Selbstauskünften. Die Zahl sollte daher als Tendenz, nicht als Messwert gelesen werden.

Wichtiger als die Schlagzeile sind die Muster, die der Bericht beschreibt. Laut dem Bericht zeigen sich die greifbarsten Einsparungen im Backoffice: weniger ausgelagerte Prozessarbeit im Kundenservice und in der Dokumentenverarbeitung, geringere Ausgaben für externe Agenturen.

Partnerschaften mit externen, angepassten und lernfähigen Werkzeugen gingen demnach in rund zwei Dritteln der Fälle in den Produktivbetrieb, intern entwickelte Werkzeuge in rund einem Drittel – wobei die Autoren einräumen, dass darin auch Unterschiede zwischen den Organisationen stecken können. Die Schlussfolgerung ist nicht, dass Eigenentwicklung falsch wäre, sondern dass Lösungen erfolgreicher sind, die auf einen konkreten Ablauf zugeschnitten sind und aus dem laufenden Betrieb lernen.

Für den Mittelstand ist diese Verschiebung entscheidend. Der allgemeine Assistent für alle wird zu einer Grundausstattung, ähnlich wie Rechtschreibprüfung oder Suchfunktion. Seinen Preis rechtfertigt er nur, wenn er günstig ist oder gezielt dort eingesetzt wird, wo Menschen viel schreiben, zusammenfassen und recherchieren. Die eigentliche Rendite liegt in Abläufen mit klarer Messgröße: Eingangsrechnungen, Angebotsprüfung, Vertragsdurchsicht, Service-Anfragen, technische Dokumentation.

Schatten-KI: Das Verbot erzeugt keinen Schutz

Ein Teil des Katers hat mit Kontrolle zu tun. Der MIT-NANDA-Bericht beschreibt eine deutliche Lücke: Nur 40 Prozent der Unternehmen gaben an, ein offizielles Sprachmodell-Abonnement erworben zu haben, während Beschäftigte in über 90 Prozent der Unternehmen regelmäßig private KI-Werkzeuge für die Arbeit nutzten. In Deutschland berichtet Bitkom im Oktober 2025, dass 8 Prozent der Unternehmen eine weite Verbreitung privater KI-Zugänge feststellen und 17 Prozent Einzelfälle kennen; weitere 17 Prozent vermuten eine solche Nutzung.

Damit verschiebt sich die Frage. Es geht nicht mehr darum, ob KI im Unternehmen genutzt wird, sondern ob die Nutzung sichtbar, geregelt und datenschutzkonform stattfindet. Bitkom nennt im Studienbericht „Künstliche Intelligenz in Deutschland“ hohe Anforderungen an den Datenschutz bei 48 Prozent der Unternehmen als Hemmnis für den KI-Einsatz. Wer die Bereitstellung aus diesem Grund aufschiebt, verlagert das Risiko in private Konten. Eine Erläuterung des Phänomens bietet der Glossareintrag Schatten-IT und Shadow AI.

Was geregelte Nutzung praktisch bedeutet

• Datenklassen statt Pauschalverbot: Festlegen, welche Informationen in welche Werkzeuge dürfen – öffentliche, interne, vertrauliche, personenbezogene Daten.
• Berechtigungen vor Einführung bereinigen: Assistenten mit Zugriff auf Dateiablagen machen sichtbar, was bisher nur zu weit freigegeben war.
• Ein freigegebener Zugang je Bedarfsprofil: Nicht jeder braucht dasselbe Werkzeug; ein günstiger Basiszugang plus gezielte Speziallösungen ist oft tragfähiger als die Volllizenz für alle.
• Protokollierung und Löschfristen: Klären, wo Eingaben und Ausgaben gespeichert werden und wer sie auswerten darf.

Die zweite Welle: Agenten, Prozesse und ein neues Kostenrisiko

Die Anbieter verlagern ihre Erzählung bereits auf KI-Agenten, die Aufgaben selbstständig über mehrere Systeme hinweg erledigen sollen. Das adressiert den Kern des Problems der ersten Welle, nämlich die fehlende Prozessintegration. Es bringt aber eigene Risiken mit. Gartner prognostizierte in einer Pressemitteilung vom 25. Juni 2025 (hier zitiert nach silicon.eu), dass bis Ende 2027 mehr als 40 Prozent der Projekte mit agentischer KI eingestellt werden, und nennt steigende Kosten, unklaren Geschäftswert und unzureichende Risikokontrollen als Gründe.

Laut silicon.eu schätzt Gartner zudem, dass von Tausenden Anbietern nur rund 130 tatsächlich agentenbasierte KI anbieten; viele andere vermarkten bestehende Chatbots, Robotic Process Automation oder Assistenten unter neuem Namen. Für Einkauf und IT folgt daraus eine Prüfpflicht: Was genau handelt autonom, mit welchen Rechten, mit welcher Protokollierung, und wer haftet für Fehler? Ein Agent, der Bestellungen auslöst oder Stammdaten ändert, ist eine andere Risikoklasse als ein Assistent, der einen Text vorschlägt.

Hinzu kommt ein Kostenmodell im Wandel. Wo die erste Welle mit festen Pro-Kopf-Lizenzen arbeitete, rechnen agentische Angebote häufig nach Verbrauch, Aktionen oder Ergebnissen ab. Das kann wirtschaftlicher sein, macht Budgets aber schwerer planbar. Ein denkbares Szenario: Ein Fachbereich automatisiert eine Vorgangsart mit einem Agenten, das Volumen steigt, und die variablen Kosten übersteigen nach einigen Monaten die eingesparte Arbeitszeit, ohne dass es jemand bemerkt, weil die Rechnung zentral in der IT landet.

Was die zweite Welle anders machen muss

• Vom Werkzeug zum Anwendungsfall: Jede Investition beginnt mit einem benannten Prozess, einer Ausgangsmessung und einer Zielgröße – Durchlaufzeit, Fehlerquote, Kosten je Vorgang.
• Lizenzen nach Nutzung zuteilen: Nutzungsdaten der ersten Welle zeigen, wer einen Assistenten regelmäßig verwendet. Ungenutzte Lizenzen gehören bei der Verlängerung auf den Prüfstand.
• Kosten dem Nutzen zuordnen: Verbrauchsbasierte KI-Kosten werden dem Fachbereich zugeordnet, der den Nutzen beansprucht.
• Austauschbarkeit sichern: Schnittstellen, Datenformate und Prompts so gestalten, dass ein Modell- oder Anbieterwechsel ohne Neuaufbau möglich bleibt. Zum Hintergrund siehe Vendor Lock-in.

KI-Einsatz: heute und 2027

Einordnung: Der Kater ist ein Steuerungsbefund

Die Studienlage spricht nicht gegen generative KI. Sie spricht gegen eine Einführung, die mit dem Kauf endet. Die erste Welle hat vielen Beschäftigten den Umgang mit Sprachmodellen beigebracht, Berechtigungsprobleme sichtbar gemacht und gezeigt, für welche Aufgaben die Werkzeuge taugen und für welche nicht. Das ist ein Erkenntnisgewinn, der sich für die zweite Welle nutzen lässt – sofern er ausgewertet wird, bevor die nächste Verlängerung unterschrieben ist.

Für die Geschäftsleitung ändert sich die Rolle. Sie muss nicht über Modelle entscheiden, aber über das Prinzip: KI-Ausgaben werden wie jede andere Prozessinvestition geführt, mit Verantwortlichem, Messgröße und Ausstiegskriterium. Wer das bis 2027 etabliert, kann die kommende Generation von Agenten gezielt einsetzen. Wer es nicht tut, wiederholt den Kater mit höheren Beträgen und größerem Risiko.

Fragen für die Geschäftsleitung

• Welche Lizenzen werden tatsächlich genutzt? Liegen Nutzungsdaten je Bereich vor, und sind sie Grundlage der nächsten Vertragsverlängerung?
• Welcher Prozess ist messbar besser geworden? Gibt es mindestens einen Ablauf mit Ausgangsmessung und belegter Verbesserung, oder nur Zufriedenheitswerte?
• Wo nutzen Beschäftigte private KI-Werkzeuge? Ist bekannt, welche Daten dort verarbeitet werden, und gibt es eine freigegebene Alternative?
• Wer verantwortet verbrauchsbasierte KI-Kosten? Werden sie dem Bereich zugeordnet, der den Nutzen beansprucht, und gibt es Obergrenzen?
• Welche Aktionen dürfen KI-Agenten selbstständig auslösen? Sind Rechte, Protokollierung, Freigabestufen und Haftung geklärt, bevor ein Agent produktiv geht?

Häufige Fragen

Quellen

• UK Department for Business and Trade: The Evaluation of the M365 Copilot Pilot in the Department for Business and Trade, August 2025
• Becker Friedman Institute, University of Chicago (Humlum, A.; Vestergaard, E.): Large Language Models, Small Labor Market Effects, Working Paper 2025-56, Mai 2025
• MIT NANDA (Challapally, Pease, Raskar, Chari): The GenAI Divide – State of AI in Business 2025, Juli 2025
• techpartner.news: Gartner – Microsoft Copilot hype offset by ROI and readiness realities, Juni 2025 (Sekundärquelle zur nicht frei zugänglichen Gartner 2025 Microsoft 365 and Copilot Survey)
• silicon.eu: Gartner – Over 40 Percent of Agentic AI Projects Will Be Discontinued by the End of 2027, Juni 2025 (Sekundärquelle zur Gartner-Pressemitteilung vom 25. Juni 2025; Original auf gartner.com bei Prüfung nicht abrufbar)
• Microsoft: Microsoft 365 Copilot – Produkt- und Preisseite, Oktober 2026
• Bitkom: Durchbruch bei Künstlicher Intelligenz, September 2025
• Bitkom: Beschäftigte nutzen vermehrt Schatten-KI, Oktober 2025
• Bitkom: Künstliche Intelligenz in Deutschland – Perspektiven aus Bevölkerung und Unternehmen (Studienbericht), Februar 2026