Ein Drittel der DACH-Unternehmen mit produktiven KI-Projekten meldet Cost-Overruns gegenüber dem ursprünglichen Business Case. Die Bitkom-Studie 2026 nennt 33 Prozent. Für die Geschäftsleitung ist das keine Beschaffungs-Petitesse, sondern eine Steuerungsfrage. Wer bis Q4 2026 kein belastbares KI-Investitionsmodell aufstellt, bekommt das Thema im Investitionsausschuss um die Ohren gehauen – oder vom Wirtschaftsprüfer in der Bestätigungsvermerk-Diskussion.

Das Wichtigste in Kürze

Was die Zahl wirklich aussagt

Die Bitkom-Studie 2026 ist im April erschienen und liefert die erste belastbare Datenbasis zum produktiven KI-Einsatz im deutschen Mittelstand und Großkonzern. 41 Prozent der befragten Unternehmen geben an, KI im Produktiv-Einsatz zu haben. 33 Prozent dieser Anwender berichten von Cost-Overruns gegenüber dem ursprünglichen Business Case. 19 Prozent sagen, sie hätten Stellen abgebaut und das mit KI-Effizienzen begründet.

Drei Zahlen, drei Erzählungen, ein roter Faden: KI ist im Stadium der ehrlichen Bilanz angekommen. Die Hype-Kurve ist abgelaufen, der Realitätsabgleich passiert in der Konzernbuchhaltung. Was vor 18 Monaten als Innovations-Initiative gestartet wurde, sitzt jetzt im Investitionsausschuss und muss seinen Wertbeitrag belegen.

Was ist KI-Investitionssteuerung? KI-Investitionssteuerung ist die getrennte Führungs- und Reporting-Logik für Initiativen mit modell- und datenabhängigem Wertbeitrag. Sie unterscheidet sich von klassischer IT-Investitionssteuerung durch Stage-Gate-Freigaben, Wertbeitrag-Allokation zwischen IT und Fachbereich sowie ein eigenständiges Risk-Reporting im Prüfungsausschuss. Ohne diese Trennung mischen sich zwei Investitionsklassen mit unterschiedlicher Skalierungs-Dynamik in einem Reporting.

Die 33 Prozent sind dabei kein Beschaffungs-Phänomen. Sie sind das Symptom einer Strategie-Lücke. Wer den Cost-Overrun als Lieferanten-Problem behandelt, repariert die falsche Schraube.

Warum das die Steuerungslogik ändert, nicht den Procurement-Kalender

Klassische IT-Investitionen folgen einer einfachen Logik: Anforderung, Budget, Vertrag, Implementierung, Abnahme. KI-Investitionen brechen diese Logik. Der Wertbeitrag entsteht nicht in der Implementierung, sondern im laufenden Betrieb – und er ändert sich mit jedem Modellwechsel, jeder Datenanreicherung, jeder Prozessänderung im Fachbereich.

Wer eine KI-Initiative wie ein Lizenzprojekt führt, bekommt einen Lizenzprojekt-Forecast. Der hält 14 Monate. Dann kommt der erste echte Skalierungs-Schritt. Das Modell trifft auf Realität: Mehr Tokens als geplant, neue Pipelines, mehr Fachbereiche, externe Datenquellen mit eigenen Lizenzkosten. Der Forecast war nie falsch – er war für die falsche Investitionsklasse gemacht.

Aus C-Level-Sicht bedeutet das: KI gehört in eine eigene Investitionsklasse mit eigener Steuerungslogik. Nicht als IT-Kostenposition, sondern als skalierungssensitive Wachstumsinvestition. Wer das nicht trennt, mischt zwei Logiken in einem Reporting und verliert die Aussagekraft.

Branchenbeobachter aus dem CIO-Umfeld berichten konsistent: Die ersten Cost-Overrun-Diskussionen mit dem CFO drehen sich nicht um Modellpreise, sondern um die Frage, wer welchen Wertbeitrag verbucht. Wenn der Vertrieb einen KI-gestützten Lead-Score nutzt und 8 Prozent mehr Conversion meldet, fließt der Effekt in den Vertriebs-DB. Die Kosten stehen aber bei der IT. Ohne Wertbeitrag-Allokation sieht der Investitionsausschuss nur die Kostenseite.

Die zwölf Monate die jetzt zählen

Die nächsten vier Quartale entscheiden, ob KI-Adoption in DACH-Unternehmen kontrolliert weiterläuft oder im Aufsichtsrat eine Vollbremsung erlebt. Vier Phasen, vier Entscheidungen.

Drei Hebel die in der Geschäftsleitungssitzung tragen

Wer die Cost-Overrun-Diskussion ernsthaft führen will, braucht drei Hebel – und die Bereitschaft, jeden davon im Zweifel gegen die eigene Lieblings-Initiative zu drehen.

Hebel 1: Wertbeitrag-Logik vor Toolwahl. Die Frage ist nicht „welches Modell“ oder „welcher Anbieter“, sondern „welche Entscheidung soll besser werden. Und wieviel ist diese Verbesserung pro Jahr wert“. Wer mit der Toolwahl startet, hat die Sequenz verloren.

Hebel 2: Stage-Gates statt Jahres-Bewilligung. KI-Initiativen brauchen Phasenfreigaben mit Abbruch-Recht. Wer nach 90 Tagen den Wertbeitrag nicht plausibel quantifizieren kann, bekommt keine zweite Tranche. Das spart die teuren 14-Monats-Cost-Overruns die jetzt sichtbar werden.

Hebel 3: Risk-Reporting im Prüfungsausschuss. KI gehört in das gleiche Reporting wie ERP-Risiken oder Cloud-Risiken. Stehender TOP im Quartals-Review. Drei Indikatoren reichen: Run-Kosten gegen Plan, Wertbeitrag gegen Plan, Lieferanten-Konzentration. Das ist schmal, aber prüffähig. Wer einen Referenzrahmen für die strategische Verankerung sucht, findet ihn in der Merck-Entscheidungsstory zu Agentic AI.

Die Pfadabhängigkeit die niemand auf der Slide hat

Der Cost-Overrun von heute ist die Pfadabhängigkeit von morgen. Wer in den ersten 18 Monaten KI-Initiativen ohne klare Architektur-Entscheidung skaliert, baut Lock-ins die später teuer werden. Drei davon sind so verbreitet, dass sie kaum noch auffallen.

Erstens: Daten-Stack-Abhängigkeit. Modelle werden austauschbar, Trainings- und Kontextdaten nicht. Wer den Trainingsdaten-Workflow in einem Hyperscaler-Tool aufbaut, ohne die Datenextraktion sauber zu spezifizieren, wechselt später nicht mehr. Das ist keine Tech-Frage, das ist eine Investitionsfrage.

Zweitens: Lieferanten-Konzentration. Hyperscaler-Stacks wirken in den ersten 12 Monaten wie eine kluge Konsolidierung. Im 24. Monat wirken sie wie ein Single Point of Failure für die Verhandlungsposition. Mehrere Vorstände in DACH haben das in der Cloud-Migration gelernt – die KI-Generation wiederholt den Fehler gerade. Wer das systematisch vermeiden will, findet die Logik der Architektur-Entscheidung in der Analyse zu drei Beobachtungen aus dem Constellation Enterprise Intelligence Report.

Drittens: Skill-Konzentration. Wenn KI-Wissen in einem zentralen Team sitzt, das die Toolchain einer einzigen Plattform spricht, ist der Wechselkostenkorridor nicht das Lizenzthema. Es ist die Personalfrage. Diese Pfadabhängigkeit kommt mit Zeitverzögerung – aber sie kommt.

Wer all das ignoriert, hat 2027 ein Strategie-Problem auf dem Tisch, nicht mehr nur ein Cost-Overrun-Problem. Aus Sicht eines Aufsichtsrats ist Letzteres unangenehm. Ersteres ist haftungsrelevant.

Was kontrolliertes Steering von Audit-Stop unterscheidet

Die Trennlinie ist nicht das Tempo. Beide Spalten beschreiben Unternehmen die KI ernsthaft einsetzen. Die Trennlinie ist die Frage, ob das Steering vor dem Skalieren steht oder hinterherläuft. Wer hinterherläuft, kommt 2027 in eine schwierige Diskussion – mit dem Wirtschaftsprüfer, dem Aufsichtsrat oder dem Investor, je nach Eigentümerstruktur.

Wer jetzt was auf den Tisch bringen sollte

Der CIO bringt die Bestandsaufnahme. Welche KI-Initiativen laufen wirklich, mit welchen Run-Kosten gegen welchen genehmigten Plan. Ohne diese Liste ist jede weitere Diskussion Spekulation.

Der CFO bringt das Steuerungsmodell. KI als eigene Investitionsklasse, Stage-Gates, Wertbeitrag-Allokation. Das ist sein originäres Spielfeld – und der Punkt an dem die meisten Mittelstandskonzerne gerade die Architektur des Reportings neu denken müssen.

Der Vorstandsvorsitzende bringt die strategische Frage: Wo wollen wir 2028 stehen. Welche KI-Investitionen tragen dahin. Ohne diese Verankerung wird jede Stage-Gate-Diskussion zur taktischen Auseinandersetzung. Mit Verankerung wird sie zur strategischen Steuerung.

Und der Aufsichtsratsvorsitzende bringt die ehrliche Frage: Können wir die Investitionsfreigaben der letzten 18 Monate vor dem Investor verteidigen. Wenn die Antwort „weiß ich nicht“ lautet, sitzt das Thema spätestens in der Frühjahrssitzung 2027 auf der Tagesordnung. Besser, es sitzt vorher kontrolliert dort.

Was als Nächstes auf der Liste steht

Die Bitkom-Zahlen sind eine Momentaufnahme. Die nächsten Erhebungen werden zeigen, ob 2026 das Jahr war, in dem DACH-Unternehmen ihre KI-Steuerung erwachsen gemacht haben – oder das Jahr, in dem die ersten Vorstände wegen unkontrollierter KI-Investitionen abberufen wurden. Beide Szenarien sind plausibel. Welches eintritt, entscheidet sich nicht in der IT-Roadmap, sondern in der Investitionslogik.

Eine ergänzende CFO-Sicht zur Architektur- und Procurement-Seite des gleichen Bitkom-Befundes ist im MBF-Media-Netzwerk nachzulesen: KI teurer als geplant: Was die 33-Prozent-Cost-Overrun-Rate für Mittelstands-CFOs bedeutet. Wer die Wertbeitrag-Logik vertiefen will, findet die strategischen Linien in der Analyse AI Governance 2026 auf System-Ebene. Und die Datenlage zum produktiven KI-Einsatz vertiefen die drei Zahlen aus dem Deloitte State of AI April 2026.

Häufige Fragen

Quelle Titelbild: Pexels / Vitaly Gariev (px:36713442)