Methode, soweit belegt: Befragt wurden von Januar bis April 2026 insgesamt 1.303 Verantwortliche; Aufnahmekriterium war ein unternehmensweiter Jahresumsatz von mindestens 50 Millionen US-Dollar im Geschäftsjahr 2025. Fragewortlaut, Länderverteilung, Funktionsbereiche und die Definition von „successfully scaled“ stehen in keiner der beiden von uns geöffneten Rezeptionen.
Die Zahlen, die beide Rezeptionen übereinstimmend tragen: 22 Prozent haben KI über mehrere Geschäftsbereiche hinweg skaliert oder verfolgen einen AI-first-Ansatz. 85 Prozent der Funktionsverantwortlichen wollen 2026 mehr ausgeben; 2025 lag der KI-Anteil am jeweiligen Funktionsbudget im Schnitt bei 12 Prozent. Rund 11 Prozent wissen nicht, wie viel ihre Funktion 2025 für KI ausgegeben hat. Produktivität ist für 75 Prozent ein zentrales Ziel und bindet im Durchschnitt rund 30 Prozent der KI-Ausgaben einer Funktion.
Die Spannweite zwischen den Gruppen ist die aufschlussreichste Angabe der Erhebung: Die als leistungsstark eingestufte Gruppe berichtet positive Erträge bei 81 Prozent ihrer KI-Initiativen; die schwächere Gruppe konnte für 29 Prozent ihrer Initiativen die Rendite nicht angeben. Nicht „KI rechnet sich“ oder „KI rechnet sich nicht“ ist damit der Befund, sondern: Ein erheblicher Teil der Ausgaben läuft ohne belastbare Erfolgsmessung weiter. Tina Nunno, Distinguished Vice President und Gartner Fellow, fasst das so zusammen: „This lack of financial visibility heightens risk as spending accelerates.“
⚠️ Zur Belegkette: Die Gartner-Pressemitteilung „Gartner Survey Finds Only 22 Percent of Organizations Have Successfully Scaled AI Across Multiple Business Units“ haben wir selbst nicht geöffnet – über die Suche war keine abrufbare Adresse auf gartner.com auffindbar, und eine geratene URL führen wir nicht. Belegt ist der Fund durch zwei unabhängig voneinander geöffnete Rezeptionen (heise, SMEStreet), deren Zahlen sich decken. Das schließt einen Übertragungsfehler aus, ersetzt die Primärquelle aber nicht: Beide referieren dieselbe Mitteilung desselben Analystenhauses, das mit KI-Beratung Geld verdient.