KI treibt IT-Transformation an, doch Projekte scheitern oft

Was geschehen ist: KI als Motor der IT-Transformation

Künstliche Intelligenz hat sich in der modernen Unternehmenswelt zum primären Katalysator für umfassende IT-Umbauten entwickelt. Wie eine aktuelle Transformationsstudie des SAP-Beratungshauses NTT DATA Business Solutions in Zusammenarbeit mit Natuvion verdeutlicht, steht die Implementierung moderner Technologien – allen voran KI – bei 60 Prozent der befragten Unternehmen an oberster Stelle der Motivationsliste für Transformationsprojekte. Damit hat die technologische Modernisierung klassische Ziele wie die reine Kostensenkung, die mittlerweile nur noch auf dem fünften Platz rangiert, deutlich verdrängt. Die Untersuchung, die Anfang 2026 unter mehr als 1100 Fach- und Führungskräften aus 15 Ländern durchgeführt wurde, zeichnet jedoch ein ambivalentes Bild: Während der Innovationsdruck durch KI steigt, kämpfen die Organisationen massiv mit der praktischen Umsetzung. Die statistische Realität ist ernüchternd, denn 82,2 Prozent der untersuchten Projekte überschreiten das ursprünglich veranschlagte Budget, während 79,5 Prozent der Vorhaben den geplanten Zeitplan nicht einhalten können. Die Studie verdeutlicht, dass KI nicht bloß als isolierte Zusatzfunktion betrachtet wird, sondern als tiefgreifender Anlass dient, um die gesamte IT-Architektur, den Datenhaushalt und die bestehenden Betriebsmodelle grundlegend zu überarbeiten.

Die Einzelheiten: Zahlen, Fakten und die Hürden der Praxis

Die Erhebung stützt sich auf die Erfahrungen von Verantwortlichen aus mittelständischen sowie großen Unternehmen, die in den vergangenen zwei Jahren aktiv in IT-Transformationsprozesse eingebunden waren. Neben der KI-Einführung nannten 46,5 Prozent der Befragten die Steigerung der Innovationsfähigkeit als zentrales Ziel, gefolgt von der Flexibilisierung der Organisation und der IT-Strukturen mit 42,2 Prozent. Die Herausforderungen sind dabei vielfältig: 26,4 Prozent der Teilnehmer identifizierten eine mangelhafte Datenqualität als unerwartetes Hindernis, während 23,9 Prozent regulatorische Anforderungen und 23,5 Prozent das Testmanagement als kritische Stolpersteine benannten. Besonders das Testing wurde von 32,4 Prozent der Befragten als am häufigsten unterschätzter Teilbereich der Transformation eingestuft. Die finanzielle Dimension ist dabei beachtlich: Über die Hälfte der Projekte (52,7 Prozent) bewegt sich in einem Budgetrahmen zwischen 5 und 50 Millionen Euro. Trotz dieser hohen Investitionen zeigt sich, dass die Komplexität der Migration, wachsende Projektumfänge und zu knapp kalkulierte Aufwände regelmäßig zu massiven Abweichungen führen. Ein technischer Migrationstest allein reicht laut den Experten nicht aus, da auch nach erfolgreicher Datenübertragung komplexe Steuerlogiken oder Berechtigungen im laufenden Betrieb scheitern können.

Hintergrund: Der Weg zur Transformation und das KI-Paradoxon

Die aktuelle Entwicklung ist das Resultat eines zunehmenden Modernisierungsdrucks. Unternehmen haben erkannt, dass für den produktiven Einsatz von KI-Anwendungen – etwa in der Finanzbuchhaltung, im Kundenservice oder im Einkauf – mehr erforderlich ist als ein einfacher Pilot oder ein isolierter Chatbot. Ein intelligenter Assistent benötigt den Zugriff auf konsistente Stamm- und Bewegungsdaten sowie klar definierte Berechtigungsstrukturen. Insbesondere bei sogenannten agentischen Systemen, die eigenständig mehrstufige Aufgaben ausführen können, steigen die Anforderungen an die Systemintegration exponentiell an. Die Studie identifiziert hierbei ein „KI-Paradoxon“: Während die KI die Transformation vorantreibt, sind ihre notwendigen Voraussetzungen – wie saubere Daten und klare Governance-Regeln – genau jene Faktoren, die in der Planung am häufigsten unterschätzt werden. Viele Unternehmen versuchen, KI-Lösungen auf einer Basis zu etablieren, die technisch und organisatorisch noch nicht für diese Anforderungen gerüstet ist. Dies führt dazu, dass die KI zwar formal plausible Antworten generiert, diese jedoch aufgrund von Datensilos oder unklaren Datenflüssen fachlich inkorrekt oder unvollständig sein können.

Die Beteiligten: Wer die Transformation gestaltet und bewertet

An der Studie waren maßgeblich das SAP-Beratungshaus NTT DATA Business Solutions sowie das Unternehmen Natuvion beteiligt, die gemeinsam die Daten von über 1100 Fach- und Führungskräften aus 15 Ländern auswerteten. Diese Befragten repräsentieren ein breites Spektrum aus dem Mittelstand sowie aus Großunternehmen. Ergänzend dazu ziehen die Autoren der Studie Vergleiche zu weiteren Erhebungen, etwa von SAP und Oxford Economics, die ebenfalls die Problematik fragmentierter KI-Einführungen und den Mangel an Kontrolle über sogenannte Schatten-KI beleuchten. Auch eine Horváth-Studie aus dem Jahr 2025 zu SAP-S/4HANA-Migrationen wird herangezogen, um die Problematik der Zeitüberschreitungen zu untermauern. Zudem fließen Erkenntnisse von Lünendonk & Hossenfelder sowie IBM in die Analyse ein, um die Risiken der Abhängigkeit von Cloud-Anbietern und KI-Modellen zu verdeutlichen. Die Akteure in den Unternehmen stehen dabei vor der schwierigen Aufgabe, nicht nur die technische Migration zu bewältigen, sondern auch die interne Kommunikation zwischen verschiedenen Abteilungen und Geschäftsbereichen zu harmonisieren, was für 29,6 Prozent der Befragten einen deutlich höheren Aufwand darstellte als ursprünglich angenommen.

Einordnung: Was die Ergebnisse für die IT-Strategie bedeuten

Einzuordnen ist die aktuelle Situation so, dass KI keineswegs eine Abkürzung für IT-Transformationsprojekte darstellt. Vielmehr fungiert sie als ein Verstärker für bestehende strukturelle Schwächen. Den Berichten zufolge ist die Erkenntnis gewachsen, dass eine bloße Erhöhung der Budgets oder eine Verlängerung der Zeitpläne nicht ausreicht, um die Komplexität zu beherrschen. Die hohe Quote an Projektanpassungen – 71 Prozent der Befragten mussten ihre Migrationsmethodik teilweise oder substanziell ändern – deutet darauf hin, dass eine starre Planung in der heutigen IT-Landschaft oft zum Scheitern verurteilt ist. Die Notwendigkeit, Änderungen kontrolliert zu behandeln, rückt in den Fokus. Experten raten dazu, nicht jede Prozessverbesserung zeitgleich mit der Systemumstellung erzwingen zu wollen. Stattdessen sollten kritische Geschäftsprozesse priorisiert werden, während weitere Optimierungen erst nach einer Stabilisierungsphase erfolgen sollten. Die Daten legen nahe, dass eine Transformation heute weit mehr erfordert als nur technisches Know-how; sie verlangt eine belastbare Governance, die festlegt, welche Modelle genutzt werden dürfen und wie Entscheidungen nachvollziehbar bleiben.

Souveränität als neue Architekturfrage

Ein wesentlicher Aspekt, der die Transformationsprojekte zunehmend prägt, ist die geopolitische und wirtschaftspolitische Lage. Nahezu alle Befragten (94,8 Prozent) geben an, dass diese Faktoren ihre Projekte beeinflussen. Dabei steht die Daten- und Technologiesouveränität mit 72,1 Prozent an erster Stelle. Es geht nicht mehr nur um den Standort von Rechenzentren, sondern um die Frage, wer Zugriff auf sensible Daten hat und wie die Abhängigkeit von Plattformdiensten im Störfall bewältigt werden kann. Die Studie von Lünendonk & Hossenfelder unterstreicht die Dringlichkeit: 83 Prozent der Unternehmen halten es für realistisch, dass Cloud-Anbieter den Zugang zu kritischen Diensten einschränken könnten, doch nur 57 Prozent verfügen über eine Exit-Strategie. Auch bei KI-Modellen besteht eine hohe Intransparenz. Nur 13 Prozent der deutschen Unternehmen haben laut einer IBM-Studie einen klaren Überblick über ihre Verflechtungen mit KI-Anbietern. Souveränität wird damit zu einer zentralen Architekturfrage, die bereits bei der Vertragsgestaltung und der Migrationsplanung berücksichtigt werden muss.

Offene Fragen: Was die Studie nicht beantwortet

Obwohl die Studie eine umfassende Analyse der Transformationsprojekte liefert, bleiben einige Aspekte offen. So nennt die Pressemeldung beispielsweise keine detaillierte Aufschlüsselung der Branchenverteilung der befragten Unternehmen. Es bleibt unklar, ob bestimmte Industriezweige, etwa der Finanzsektor oder die Fertigungsindustrie, mit anderen Herausforderungen konfrontiert sind als der Dienstleistungssektor. Ebenso fehlen spezifische Informationen zur Gewichtung der einzelnen Unternehmensgrößen innerhalb der 1100 Befragten. Auch wird nicht explizit ausgeführt, welche konkreten KI-Technologien oder Modelle in den gescheiterten Projekten zum Einsatz kamen, was eine differenziertere Bewertung der technischen Ursachen erschwert. Die Studie liefert zwar ein allgemeines Erfahrungsbild, lässt aber die Frage offen, wie sich die Erfolgsraten bei Unternehmen unterscheiden, die bereits über eine ausgereifte Daten-Governance verfügten, bevor sie mit der KI-Transformation begannen. Die Lücke zwischen der Erwartungshaltung an den KI-ROI und der tatsächlichen Bereitschaft der Unternehmen bleibt ein Punkt, der in zukünftigen Untersuchungen weiter präzisiert werden müsste.

Wie es weitergeht: Empfehlungen für künftige Projekte

Für die Zukunft ziehen die befragten Unternehmen wichtige Schlüsse aus ihren Erfahrungen. Ein zentraler Punkt, den 32,3 Prozent der Befragten bei künftigen Projekten stärker beachten wollen, ist die Priorisierung von Optimierungen nach der Stabilisierung des Systems. Der Fokus verschiebt sich weg von einer „Alles-auf-einmal“-Strategie hin zu einer schrittweisen Umsetzung, bei der die Belastbarkeit der Kernprozesse zum Zeitpunkt des Go-live im Vordergrund steht. Die Erfolgsfaktoren für kommende Transformationen sind laut der Studie eindeutig identifiziert: Transformations-Know-how, eine vollständige Transparenz über die relevanten Datenquellen sowie eine hohe Kontinuität im Projektteam. Unternehmen müssen sich darauf einstellen, dass die Einführung von KI den Druck auf grundlegende Disziplinen wie das Testmanagement, die Projektsteuerung und die Daten-Governance weiter erhöhen wird. Die Planung muss flexibler gestaltet werden, um auf unvorhergesehene Änderungen reagieren zu können, ohne das gesamte Projektgefüge zu gefährden. Die Transformation ist somit kein abgeschlossener Prozess, sondern erfordert eine kontinuierliche Anpassung der IT-Landschaft an neue regulatorische und technologische Gegebenheiten.