Im September 2026 hat KfW Research erstmals untersucht, ob sich der Einsatz künstlicher Intelligenz im Mittelstand betriebswirtschaftlich niederschlägt. Grundlage ist das KfW-Mittelstandspanel, je nach Kennzahl mit rund 4.400 bis 6.200 auswertbaren Unternehmensantworten. Das Ergebnis klingt zunächst eindeutig: Mittelständler, die KI nutzen, wachsen um 1,1 Prozentpunkte stärker, erzielen eine Umsatzrendite von 4,5 statt 3,6 Prozent und sind je Vollzeitkraft um 7.600 Euro produktiver. Die Studie schaut allerdings genauer hin, und dabei verschiebt sich das Bild erheblich. Beim Umsatzwachstum lässt sich ein statistisch belastbarer Zusammenhang nur für Unternehmen nachweisen, die ohnehin bereits wachsen. Bei der Rendite gilt er sogar nur für knapp ein Fünftel der KI-Nutzer, nämlich jene, die ohnehin eine hohe Rendite erzielen. Die KfW zieht daraus einen klaren Schluss: Der KI-Einsatz trage derzeit zu einer Spreizung der Unternehmensperformance bei, vor allem bei Wachstum und Rendite. Und sie hält ausdrücklich fest, dass wissenschaftlich weiterhin offen ist, ob KI den Erfolg verursacht oder ob erfolgreichere Unternehmen einfach häufiger KI einführen.

Für die Praxis bedeutet dieser Befund etwas Unbequemes. KI ist kein Instrument, mit dem sich ein Rückstand gegenüber dem Wettbewerb aufholen lässt. Sie wirkt eher wie ein Verstärker: Wo Prozesse, Daten und Zuständigkeiten stimmen, erhöht sie die Schlagzahl. Wo das nicht der Fall ist, legt sie die Lücken offen, ohne sie zu schließen. Die KfW formuliert es unmissverständlich. Ein gewinnbringender KI-Einsatz sei „kein Selbstläufer“. Er setze auswertbare Daten in guter Qualität voraus, dazu ausreichende Rechenleistung und das nötige Wissen im Haus. Hinzu kommt ein Zeiteffekt, den die Studie als J-Kurve beschreibt.

In der Anfangsphase kann die Leistung eines Unternehmens durch die Einführung sogar sinken, bevor sich positive Wirkungen einstellen. Wer kurzfristige Entlastung erwartet, plant am wahrscheinlichen Verlauf vorbei.

Diese Erwartung ist verständlich, denn genau so wird KI häufig vermarktet. Die Daten stützen sie nicht. In einer zweiten Untersuchung vom Februar 2026 hat KfW Research geprüft, welche Unternehmen überhaupt KI einsetzen, ebenfalls auf Basis des Mittelstandspanels mit rund 6.800 Antworten. Bei Unternehmen ohne Hochschulabsolventen, ohne Innovationstätigkeit und ohne eigene Forschung liegt die Wahrscheinlichkeit einer KI-Nutzung bei 8 Prozent. Bei Unternehmen mit einer Digitalisierungsstrategie sind es 35 Prozent. Bemerkenswert ist, was in derselben Analyse kaum eine Rolle spielt. Rechnet man die übrigen Merkmale heraus, hat die Unternehmensgröße keinen statistisch messbaren Einfluss mehr darauf, ob ein Unternehmen KI nutzt. Auch die Branche verliert deutlich an Gewicht, wenn auch nicht vollständig: Wissensbasierte Dienstleister liegen weiterhin vorn. Für das verarbeitende Gewerbe und das Baugewerbe lassen sich dagegen keine Unterschiede mehr feststellen. Zu klein oder in der falschen Branche zu sein, ist also selten die eigentliche Erklärung. Die KfW benennt die Voraussetzung mit einem Begriff, der für diese Serie bekannt klingt: Erfolgreiche KI-Nutzung setze einen hohen digitalen Reifegrad voraus.

Spürbar wird das zuerst bei der Erwartungshaltung im Unternehmen. Wenn die Geschäftsführung KI als Abkürzung versteht, werden Projekte zu früh gestartet und zu schnell bewertet. Bleibt der Erfolg aus, gilt anschließend oft die Technologie als ungeeignet, obwohl die Ursache in den Voraussetzungen lag. Häufig liegt die Hürde bei den Daten. Die KfW führt unzureichende Datengrundlagen neben fehlenden Fachkräften und Kompetenzen, knappen zeitlichen Ressourcen und Zweifeln an der Zuverlässigkeit von KI als eines der bedeutendsten Hemmnisse auf. Das ist kein technisches Randthema, denn ohne verlässliche, zusammengeführte und gepflegte Daten bleibt jede KI-Anwendung auf Demonstrationen beschränkt. Am unangenehmsten ist die Wettbewerbsfolge. Weil KI vorhandene Unterschiede verstärkt, wächst der Abstand zu besser aufgestellten Wettbewerbern, während man selbst in Pilotprojekten feststeckt. Abwarten ist deshalb keine neutrale Entscheidung. Es ist eine Entscheidung gegen den Aufbau der Voraussetzungen, die später ohnehin gebraucht werden. Aus der STRATIQ-Projekterfahrung: Bei einem norddeutschen Logistikunternehmen zeigte das Assessment, warum mehrere KI-Vorhaben nicht über das Pilotstadium hinauskamen. Es lag nicht an den Anwendungsfällen, sondern an der Datenbasis: Die benötigten Daten lagen verteilt, uneinheitlich und in schwankender Qualität vor. Jeder Proof of Concept funktionierte im kleinen Rahmen und ließ sich anschließend nicht in den Regelbetrieb überführen. Erst die Arbeit an Datenqualität und Datenhaltung schuf die Grundlage, auf der sich KI-Anwendungen überhaupt skalieren lassen.

Vor dem nächsten KI-Vorhaben lohnt es sich, diese Fragen zu beantworten:

Sinnvolle Maßnahmen sind eine nüchterne Bestandsaufnahme der Datenlage vor dem ersten Vorhaben, ein einzelner, klar abgegrenzter Anwendungsfall mit definiertem Erfolgsmaßstab statt mehrerer paralleler Pilotprojekte sowie eine benannte Verantwortung für Daten, die über das Projekt hinaus bestehen bleibt.

Die Zahlen der KfW sind kein Argument gegen KI. Sie sind ein Argument gegen die Reihenfolge, in der viele Unternehmen vorgehen. KI zahlt sich dort aus, wo die Grundlagen bereits stimmen, und sie verstärkt bestehende Unterschiede zwischen Unternehmen, statt sie einzuebnen. Ausschlaggebend ist dabei weniger die Größe oder die Branche als der digitale Reifegrad. Darin liegt die gute Nachricht dieses Befunds, denn anders als Größe und Branche lässt sich der Reifegrad verändern. Wo Ihr Unternehmen in dieser Hinsicht steht, lässt sich feststellen, bevor das nächste Vorhaben startet. Im STRATIQ Enterprise IT Assessment ist Zukunftsfähigkeit & Innovation eine von acht Bewertungsdimensionen. Wir prüfen, welche Voraussetzungen für den wirksamen Einsatz neuer Technologien vorhanden sind, wo die Lücken liegen und in welcher Reihenfolge sie sich sinnvoll schließen lassen. Vereinbaren Sie gerne ein unverbindliches Strategiegespräch, um Ihren aktuellen Stand einzuordnen.