KI-Adoption Unternehmen: Warum niemand eure KI nutzt (2026)

Pexon Consulting | 9 Min. Lesezeit | 10.07.2026

TL;DR

KI-Adoption im Unternehmen scheitert selten an der Technik, sondern an fehlenden Use-Cases, fehlendem Training und fehlendem Vertrauen. Nur rund 36 Prozent der Copilot-Lizenznehmer nutzen das Tool aktiv. Pexon Consulting (80 MA, Deutschland, Microsoft Partner) dreht das mit Use-Case-first, Champions und harter Nutzungsmessung im 6-Wochen-Pilot.

Das Problem: Lizenzen gekauft, keiner nutzt sie

Der Klassiker: Ihr habt Copilot ausgerollt, ein Budget freigegeben, eine Kickoff-Mail verschickt. Drei Monate später schaut ihr ins Admin-Center und seht, dass ein Fünftel der Lizenzen aktiv genutzt wird. Der Rest liegt brach. Das ist kein Einzelfall, das ist der Normalzustand.

Die Zahlen sind eindeutig. Microsoft meldete zum Q3-FY2026-Earnings am 29.04.2026 über 20 Millionen bezahlte Copilot-Seats. Gleichzeitig liegt die tatsächliche wöchentlich-aktive Nutzung branchenweit bei 20 bis 30 Prozent der Lizenzen, und die Konversion von Zugang zu echter Nutzung bei etwa 36 Prozent. Ihr zahlt also für vier Sitze und bekommt einen genutzt.

Noch unbequemer: Wenn Mitarbeiter parallel Zugriff auf Copilot und ChatGPT haben, greifen 76 Prozent zu ChatGPT und nur 18 Prozent zu Copilot. Die KI, die ihr nicht eingekauft habt, wird also mehr benutzt als die, für die ihr zahlt. Das ist die Schatten-KI, die euch bei DSGVO und Governance nachts wach hält.

Wir sagen es direkt: Das Problem ist fast nie das Modell. Die Modelle sind gut genug. Das Problem sitzt in der Organisation.

Warum die Adoption stockt: vier Ursachen, keine davon technisch

Die kurze Antwort: Es fehlt an konkreten Use-Cases, an Training, an Vertrauen und an Zeit. Alle vier sind organisatorische Probleme, keine technischen. Das MIT-NANDA-Report von 2025 hat 300 öffentliche KI-Deployments analysiert und kam auf ein ernüchterndes Ergebnis: 95 Prozent der GenAI-Pilots lieferten null messbaren P&L-Impact. Der Grund war nicht die Modellqualität, sondern die fehlende Verankerung im echten Arbeitsablauf.

Hier die vier Ursachen im Detail:

Der teuerste Fehler ist der erste. Wer ein Werkzeug verteilt, ohne die konkrete Aufgabe daran zu koppeln, hat kein Adoptions-Problem, sondern nie eine Adoptions-Grundlage gelegt. Ein Techniker, der weiß, dass er seinen Wartungsbericht künftig diktiert statt tippt, nutzt das Tool. Ein Techniker, der eine Lizenz und einen Link bekommt, nutzt es nicht.

Beim Training gilt dasselbe. Die McKinsey-Analyse zur State of Organizations 2026 zeigt, dass nur rund 26 Prozent der Unternehmen systematisch in die Umgestaltung von Workflows und in Schulung investieren. Die Adoptions-Vorreiter dagegen haben rund drei Viertel ihrer Belegschaft aktiv upgeskillt. Das ist kein Zufall. Prosci-Daten zeigen, dass professionelles Change Management die Adoptionsrate von 15 auf 75 Prozent hebt, bei identischer Technologie. Faktor fünf, allein durch Begleitung.

KI-Adoption Unternehmen: der Fahrplan in vier Schritten

Adoption entsteht nicht durch einen zweiten Rollout, sondern durch eine andere Reihenfolge. Nicht Tool zuerst, dann Use-Case suchen, sondern Use-Case zuerst, dann Tool. Wir bauen das bei Kunden immer in dieser Sequenz auf, und sie funktioniert unabhängig von der Branche.

1. Ein Use-Case, kein Portfolio. Nehmt genau einen wiederkehrenden, nervigen Prozess mit messbarem Zeitverlust. Angebotserstellung, Wartungsberichte, Schadensmeldungen, E-Mail-Triage. Nicht zehn Ideen, eine. Die 95-Prozent-Fehlerquote aus dem MIT-Report kommt fast immer aus zu breiten Ausrollungen ohne Fokus.
2. Champions statt Rundmail. Sucht pro Abteilung einen freiwilligen Power-User, der das Tool im echten Arbeitstag vorlebt. Bottom-up schlägt Top-down. Ein Kollege, der zeigt, wie er 40 Minuten spart, überzeugt mehr als jede Schulungsfolie.
3. Messung ab Tag eins. Definiert vorher, was Erfolg heißt: Wöchentlich-aktive Nutzer, gesparte Zeit pro Vorgang, Anzahl produktiver Prompts. Ohne Baseline wisst ihr nach acht Wochen nicht, ob es gewirkt hat. Ihr steuert, was ihr messt.
4. Governance, die nicht bremst. DSGVO-konforme Datengrenzen, klare Do-and-Dont-Regeln, SSO-Anbindung an Entra. Vertrauen entsteht durch Klarheit, nicht durch Verbote. Wer die Schatten-KI trockenlegen will, muss die legale Variante bequemer machen als ChatGPT im Browser. Die technischen Grundlagen dafür stecken in einem sauberen KI-Engineering-Stack für den Produktivbetrieb.

Unsere klare Empfehlung: Fangt mit einem einzigen Team an, nicht mit dem ganzen Haus. Ein Team, das nach sechs Wochen sichtbar produktiver ist, zieht den Rest von selbst nach. Ein hausweiter Rollout ohne Referenz-Team verpufft.

Was das kostet und was ihr zurückbekommt

Ehrlich gerechnet: Ein Referenz-Pilot mit einem Team, einem Use-Case, Champions-Enablement und Messung liegt bei uns im Bereich eines klassischen 6-Wochen-Piloten. Das ist deutlich weniger als die Lizenzkosten, die ihr bereits jetzt für ungenutzte Seats verbrennt.

Rechnet selbst nach. Wenn ihr 200 Copilot-Lizenzen habt und nur 36 Prozent aktiv genutzt werden, zahlt ihr für rund 128 Sitze, die nichts produzieren. Bei etwa 28 Euro pro Nutzer und Monat sind das über 40.000 Euro pro Jahr an totem Budget. Ein einmaliger Adoptions-Pilot, der die aktive Nutzung auf 70 Prozent hebt, amortisiert sich damit rechnerisch im ersten Jahr.

Die Bitkom-KI-Studie 2026 (veröffentlicht April 2026, 604 befragte Unternehmen) liefert die Warnung dazu: 33 Prozent der Firmen sagen, KI sei teurer als erwartet, und 19 Prozent haben deshalb schon Stellen gestrichen. Der Kostendruck ist real. Aber die teuren KI-Projekte sind fast nie die mit der besten Adoption, sondern die mit der breitesten, planlosesten Ausrollung. Gartner rechnet damit, dass 30 Prozent der 2024 gestarteten GenAI-Projekte bis Ende 2026 abgebrochen werden, überwiegend wegen unklarem Geschäftswert. Fokus ist hier kein Sparzwang, sondern die einzige Strategie, die konsistent Geld zurückbringt.

Wie ihr Adoption misst, statt sie zu hoffen

Adoption ist eine Zahl, kein Gefühl. Wer nach dem Rollout fragt „läuft es?“, bekommt Meinungen. Wer die richtigen KPIs zieht, bekommt Steuerung. Die vier Kennzahlen, die zählen, sind Wöchentlich-aktive Nutzer, Nutzung pro Nutzer, gesparte Zeit pro Vorgang und der Anteil produktiver gegenüber probierender Prompts.

Als Orientierung: Die Adoptions-Vorreiter erreichen über 90 Prozent monatlich-aktive Nutzung mit zweistelligen Aktionen pro Nutzer pro Woche. Das ist die Messlatte. Alles unter 40 Prozent Weekly Active nach der Einführungsphase ist ein Warnsignal, dass Use-Case oder Enablement nicht sitzen.

Checkliste für euer Adoptions-Cockpit:

1. Baseline vor dem Start festhalten: aktuelle Zeit pro Zielprozess.
2. Weekly-Active-Rate pro Team, nicht nur hausweit.
3. Ein qualitatives Champion-Feedback pro Woche einsammeln.
4. Nach sechs Wochen: harter Vorher-Nachher-Vergleich der gesparten Zeit.
5. Entscheidung: Team-Rollout ausweiten oder Use-Case nachschärfen.

Wir raten davon ab, Adoption an Zufriedenheits-Umfragen festzumachen. Menschen sagen in Umfragen gerne, dass ein Tool „hilfreich“ sei, und öffnen es trotzdem nie. Die Admin-Center-Zahl lügt nicht.

Häufig gestellte Fragen

Warum nutzt niemand unsere KI, obwohl wir Lizenzen gekauft haben?

Weil Lizenzen keine Nutzung erzeugen. Ohne konkreten Use-Case, ohne Training und ohne einen Kollegen, der es vorlebt, bleibt das Tool ein Icon in der Taskleiste. Branchenweit nutzen nur rund 36 Prozent der Copilot-Lizenznehmer das Tool aktiv. Das Problem ist organisatorisch, nicht technisch.

Was kostet es, KI-Adoption im Unternehmen anzuschieben?

Ein Referenz-Pilot mit einem Team und einem Use-Case liegt im Rahmen eines 6-Wochen-Piloten und damit oft unter dem, was ihr aktuell für ungenutzte Lizenzen zahlt. Bei 200 Lizenzen mit 36 Prozent Nutzung verbrennt ihr über 40.000 Euro pro Jahr an totem Budget. Ein Adoptions-Pilot amortisiert sich damit meist im ersten Jahr.

Copilot oder ChatGPT: was setzt sich intern durch?

Kommt drauf an, aber die Realität ist unbequem. Wenn Mitarbeiter beides haben, wählen 76 Prozent ChatGPT und nur 18 Prozent Copilot. Wer Copilot durchsetzen will, muss es entweder zur einzigen legalen Option machen oder die Use-Cases so klar an Microsoft-365-Daten koppeln, dass Copilot dort spürbar besser ist.

Wie messen wir, ob die KI-Adoption funktioniert?

Über Wöchentlich-aktive Nutzer pro Team, gesparte Zeit pro Vorgang und den Anteil produktiver Prompts. Wichtig ist eine Baseline vor dem Start. Unter 40 Prozent Weekly Active nach der Einführungsphase ist ein Warnsignal. Vorreiter erreichen über 90 Prozent monatlich-aktive Nutzung.

Reicht ein zweiter Rollout mit mehr Schulungsvideos?

Nein. Ein zweiter breiter Rollout wiederholt den Fehler des ersten. Prosci-Daten zeigen, dass echtes Change Management die Adoption von 15 auf 75 Prozent hebt, aber das entsteht durch Champions und einen fokussierten Use-Case, nicht durch mehr Videos. Fangt mit einem Team an, nicht mit dem ganzen Haus.

Nächster Schritt

Wenn eure KI-Lizenzen brachliegen, ist der schnellste Hebel nicht ein zweiter Rollout, sondern ein fokussierter Referenz-Pilot mit einem Team, einem Use-Case und harter Messung. Das lässt sich in sechs Wochen aufsetzen und liefert eine belastbare Nutzungszahl statt Hoffnung.

Verwandte Themen