KI in Deutschland: Wo Adoption endet und Wirkung beginnt

Deutschland nutzt künstliche Intelligenz breiter als der Rest der EU, kommt bei der eigentlichen Wertschöpfung aber nur langsam voran. Diese Spannung durchzieht die aktuelle Studienlage ebenso wie die Produktankündigungen der großen KI-Anbieter. Auf der einen Seite Zahlen, die eine hohe Verbreitung belegen. Auf der anderen Seite konkrete Beispiele, in denen KI messbar Zeit spart und Prozesse umbaut. Dazwischen liegt eine Lücke, die darüber entscheidet, ob aus Ausprobieren echte Transformation wird.

Die Datenbasis dafür liefert die Studie Erschließung des KI-Potenzials in Deutschland 2026, die Strand Partners im Auftrag von Amazon Web Services durchgeführt hat. Parallel dazu treibt OpenAI im Sommer 2026 eine ganze Reihe von Neuerungen voran, von günstigeren Modellen bis zu speziellen Enterprise-Werkzeugen. Beides zusammen ergibt ein recht klares Bild davon, wo der Markt gerade steht und woran es hakt.

Was die AWS-Studie über Deutschlands KI-Nutzung sagt

Laut der Strand-Partners-Studie 2026 setzen 63 Prozent der deutschen Unternehmen KI ein. Das ist ein deutlicher Sprung gegenüber 53 Prozent im Vorjahr und liegt spürbar über dem EU-Durchschnitt von 54 Prozent. 83 Prozent der Anwender berichten von Produktivitätsgewinnen, 91 Prozent erwarten, dass KI ihr Wachstum im kommenden Jahr steigert. Die Bereitschaft ist also da, und sie wächst.

Der entscheidende Wert steckt aber woanders. Nur 15 Prozent der KI-nutzenden Unternehmen setzen die Technologie transformativ ein, also so, dass daraus neue Produkte, neue Wege zum Markt oder neue Betriebsmodelle entstehen. Die große Mehrheit bleibt bei Chatbots und Fertiglösungen stehen. Bemerkenswert: Der Anteil transformativer Nutzung ist gegenüber dem Vorjahr sogar gesunken, damals lag er bei 21 Prozent. Das erklärt die Studie mit zwei Effekten. Erstens strömen viele neue Anwender nach, die auf grundlegenden Stufen einsteigen. Zweitens bleiben frühere Anwender hängen und gehen nicht zu fortgeschritteneren Anwendungen über. Der Aufstieg von der Basis zur Transformation passiert langsamer als der Einstieg.

Warum das für Deutschland besonders zählt, macht die Studie an zwei Prognosen des IW Köln fest. Zwei Drittel des erwarteten Produktivitätswachstums der nächsten 15 Jahre sollen demnach auf KI zurückgehen. Gleichzeitig fehlen bis 2036 voraussichtlich 4,3 Millionen Arbeitskräfte. KI wird damit zu einem der wichtigsten Hebel, um mit weniger Köpfen mehr zu schaffen. Wer die Technologie nur oberflächlich einsetzt, verschenkt genau diesen Hebel.

Agentische KI: viel Potenzial, wenig Verbreitung

Ein konkretes Beispiel für den Sprung zur Transformation ist agentische KI, also Systeme, die bei komplexen Aufgaben eigenständig planen, schlussfolgern und handeln. Hier zeigt die Studie eine klare Diskrepanz. Nur 22 Prozent der befragten Unternehmen haben überhaupt davon gehört, gerade einmal 4 Prozent haben sie vollständig eingeführt. Wer aber einsteigt, berichtet von stärkeren Geschäftsergebnissen: 92 Prozent nennen Produktivitätsgewinne, 45 Prozent schnellere Entscheidungen und Umsetzung, 35 Prozent höhere operative Effizienz und 24 Prozent besser skalierbare Abläufe.

Noch dünner sieht es bei physischer KI aus, also KI-Systemen in Maschinen und Fertigungsumgebungen. Nur 16 Prozent der Unternehmen kennen dieses Feld bisher. Für ein Land mit Deutschlands Ingenieurtradition und Fertigungsbasis ist das ein blinder Fleck, den die Studie ausdrücklich als Chance markiert. Genau dort, wo Deutschland traditionell stark ist, liegt bislang das größte ungenutzte Potenzial.

Dass OpenAI seine Enterprise-Angebote in diese Richtung ausbaut, passt ins Bild. Mit OpenAI Presence hat das Unternehmen eine Plattform vorgestellt, mit der Organisationen Sprach- und Chat-Agenten für Kunden- und interne Abläufe ausrollen können. Praxisbeispiele gibt es bereits: Cars24 wickelt darüber nach eigenen Angaben mehr als eine Million Gesprächsminuten pro Monat ab und gewinnt 12 Prozent verlorener Leads zurück, während avatarin mit GPT-Realtime einen rund um die Uhr verfügbaren, mehrsprachigen Handelsassistenten für Yamada Denki betreibt. Innerhalb von zwei Wochen nutzten ihn 30.000 Menschen, 92 Prozent der Rückmeldungen fielen positiv aus.

Drei Gesundheitspioniere zeigen, wie Wirkung aussieht

Am greifbarsten wird der Unterschied zwischen Nutzung und Wirkung im Gesundheitswesen. Drei deutsche Akteure aus dem AWS Pioneers Projekt setzen KI nicht als Experiment ein, sondern dort, wo der Druck seit Jahren wächst: Fachkräftemangel, Bürokratie und veraltete IT.

ETERNO: 90 Prozent weniger Verwaltung

Der Anbieter ETERNO hat eine cloudnative Plattform entwickelt, die in der ambulanten Versorgung alles von der Terminbuchung bis zur Abrechnung automatisiert. Das Ergebnis laut Unternehmen: 90 Prozent weniger Verwaltungsaufwand. Im Zentrum steht LENI, eine Suite generativer KI-Assistenten, die Arztgespräche in Echtzeit zusammenfasst, bei der Abrechnung hilft und evidenzbasierte nächste Schritte vorschlägt. Die Kontrolle bleibt beim Arzt. Gründer Maximilian Waldmann beschreibt das Kernproblem plastisch: Ärzte hätten typischerweise nur sieben Minuten, um die gesamte Krankengeschichte, Testergebnisse und Gesundheitsdaten eines Patienten zu erfassen.

Interessant ist ein Nebeneffekt. Weil die Plattform remote und flexibel nutzbar ist, finden laut ETERNO besonders Teilzeitkräfte einen Weg zurück in die Versorgung, ein Punkt, der angesichts einer alternden Belegschaft im Gesundheitswesen schwer wiegt.

CareMates: von fünf Stunden auf unter eine

CareMates bezeichnet sich als Deutschlands erste KI-unterstützte Software für Klientenaufnahmen in der Pflege- und Sozialwirtschaft. Jede Anfrage, ob Telefonanruf, Webformular oder Fax, läuft an einem zentralen Ort zusammen. Die KI erstellt automatisch die Pflegedokumentation, die Fachkraft prüft und entscheidet. Damit sinkt der Aufnahmeprozess von bis zu fünf Stunden auf unter eine. Nach Angaben von Mitgründer Dylan Hayward hat das Unternehmen über 15.000 Anfragen in mehr als 250 Einrichtungen verarbeitet und dabei mehr als 22.000 Stunden zurückgegeben, in einem Beruf mit hoher Burnout-Rate ein direkter Beitrag zur Entlastung.

MLL: Genomanalyse in Stunden statt Wochen

Das dritte Beispiel ist kein Startup, sondern ein seit über 20 Jahren etabliertes Labor. Am MLL Münchner Leukämielabor treffen täglich zwischen 300 und 1.000 Blut- und Knochenmarkproben ein. Die WHO-Klassifikation für Leukämie und Lymphome umfasst 900 Seiten und allein 60 Leukämie-Subtypen, eine Fehldiagnose kann den Unterschied zwischen einer Heilungsrate von 95 und 40 Prozent bedeuten. Durch die Verbindung medizinischer Expertise mit KI und cloudbasierter Genomik diagnostiziert das MLL seltene Subtypen inzwischen in Stunden statt Wochen. Die Genomanalyse-Zeit pro Probe sank von 20 auf 3 Stunden. In 20 Jahren hat das Labor über 1,4 Millionen Fälle analysiert, das entspricht rund 4,5 Petabyte an Daten. Mitgründer Wolfgang Kern bringt den Ansatz auf den Punkt: Es gebe keinen Bereich im Labor mehr, in dem keine KI genutzt werde, aber immer im Zusammenspiel mit dem Menschen.

Alle drei eint ein Muster, das über die Branche hinaus taugt. Die KI übernimmt zeitintensive Aufgaben, die Entscheidung bleibt beim Menschen. Und alle drei bauen auf der Cloud-Infrastruktur von AWS, weil sensible Gesundheitsdaten hohe Sicherheitsanforderungen stellen. Laut Studie fließen bei deutschen Unternehmen im Schnitt 44 Prozent der Technologieausgaben in Compliance, in der Pflege ist datenschutzkonforme Infrastruktur keine Kür.

Warum Startups vorpreschen und wo sie ausgebremst werden

Ein roter Faden der Studie ist der Vorsprung junger Unternehmen. 81 Prozent der befragten Startups halten sich für bereit für KI-Technologien der nächsten Generation, im Durchschnitt aller Unternehmen sind es nur 21 Prozent. Auch die Gründungsdynamik stimmt: 2025 entstanden in Deutschland 3.568 neue Startups, ein Plus von 29 Prozent gegenüber dem Vorjahr, und mehr als jedes vierte nutzt KI als zentralen Bestandteil des Geschäftsmodells. Ein ergänzender AWS-Report beziffert das jährliche Wachstum KI-nativer Startups in Deutschland auf durchschnittlich 153 Prozent; 97 Prozent nutzen Cloud-Dienste, 80 Prozent haben eigene KI-Modelle entwickelt.

Diesem Schwung stehen konkrete Bremsen gegenüber. 42 Prozent der deutschen Startups ziehen laut Studie in Betracht, Europa zum Skalieren zu verlassen. Als größte Hindernisse nennen sie begrenzten Zugang zu Finanzierung und Investitionen (56 Prozent), Schwierigkeiten bei der Einstellung passender Talente (49 Prozent) und fragmentierte Vorschriften in verschiedenen Ländern (43 Prozent). Zum Bleiben bewegt sie vor allem guter Zugang zu europäischen Kunden und Märkten (62 Prozent), starke lokale Netzwerke (55 Prozent) und die Verfügbarkeit von Wachstumsfinanzierung (53 Prozent).

Die Studie leitet daraus vier Handlungsfelder ab: auf bestehenden Stärken wie industrieller Basis und Cloud-Reife aufbauen, KI-getriebene Innovation gezielt fördern, Investitionen steuern und Kompetenzen stärken. 84 Prozent der Unternehmen erwarten, dass KI-Skills in den kommenden fünf Jahren wichtig werden, während 49 Prozent den Mangel an KI- und Digitalkompetenzen als größte Hürde sehen. Bemerkenswert ist auch die Zahlungsbereitschaft: Für Mitarbeiter mit guten KI-Fähigkeiten sind deutsche Unternehmen laut Studie bereit, bis zu ein Viertel mehr Gehalt zu zahlen.

Was sich bei den KI-Werkzeugen gerade bewegt

Parallel zur Studienlage verändert sich das Werkzeug selbst. OpenAI hat mit einer verbesserten Version von GPT-5.6 Sol in ChatGPT nachgelegt, das genauer und konsistenter arbeiten soll, und gleichzeitig den Zugang zu GPT-5.6 Luna für kostenlose Nutzer ausgeweitet. Auf der Preisseite senkt das Unternehmen die Kosten für Luna und Terra, um KI-Workflows im Unternehmen breiter ausrollbar zu machen. Für Firmen, die bislang an den laufenden Kosten scheiterten, verschiebt das die Wirtschaftlichkeitsrechnung.

Bei den Geschäftsangeboten geht der Trend zu spezialisierten Werkzeugen. ChatGPT Business bekommt Premium-Sitze für besonders anspruchsvolle Aufgaben. Mit ChatGPT Work bauen Teams bei Zapier und Virgin Atlantic Kampagnen, Reportings und Entscheidungsgrundlagen. Und für kleinere Betriebe gibt es das ChatGPT for Small Business-Programm, das Gründern beim Aufbau von KI-Kompetenz und der Automatisierung von Arbeit helfen soll. NTT DATA wiederum verkürzt mit ChatGPT Enterprise und Codex die Analyse von IT-Vorfällen auf 30 Minuten und bringt die Werkzeuge 9.000 Mitarbeitern näher.

Gleichzeitig rückt Sicherheit stärker in den Vordergrund. OpenAI hat mit GPT-5.6-Cyber ein auf Cybersicherheit spezialisiertes Modell für autorisierte Schwachstellenforschung vorgestellt und berichtet offen über Sicherheitsvorfälle bei Modellevaluationen. Für den europäischen Kontext ist relevant, dass das Unternehmen seine Praktiken zu Sicherheit, Transparenz und Herkunftsnachweisen ausdrücklich an den EU AI Act koppelt. Wer KI im Unternehmen einsetzt, muss diese Governance-Ebene künftig mitdenken.

Was bedeutet das für dich?

Ob du in einem großen Unternehmen, einem kleinen Betrieb oder im Gesundheitswesen arbeitest: Die Botschaft der Zahlen ist, dass der Einstieg leicht ist, die Wirkung aber Arbeit macht. Konkret lohnen sich folgende Schritte:

• Vom Chatbot zum Prozess denken. Der größte Nutzen entsteht nicht beim gelegentlichen Fragen, sondern wenn KI einen kompletten Ablauf trägt, etwa Aufnahme, Dokumentation oder Reporting. Suche gezielt nach dem zeitintensivsten Routineprozess in deinem Bereich.
• Den Menschen als Entscheider behalten. Alle drei erfolgreichen Gesundheitsbeispiele funktionieren, weil die KI vorbereitet und der Mensch freigibt. Das reduziert Fehlerrisiko und schafft Akzeptanz.
• Kompetenzen aufbauen. Wenn Unternehmen für KI-Fähigkeiten bis zu ein Viertel mehr Gehalt zahlen, lohnt sich eigene Weiterbildung unmittelbar. Beginne mit den Werkzeugen, die dein Arbeitgeber ohnehin einsetzt.
• Datenschutz früh klären. Gerade bei sensiblen Daten entscheidet die Infrastruktur. Kläre vor dem Rollout, wo Daten liegen und wie sie geschützt sind.
• Agentische Ansätze ausprobieren. Wer heute mit Agenten experimentiert, gehört zu einer kleinen Minderheit mit überdurchschnittlichen Ergebnissen. Ein eng abgegrenzter Pilot ist ein guter Startpunkt.