Zwei Drittel der IT-Führungskräfte berichten über KI-Ergebnisse, doch nur acht würden den Urlaub des CEO unterbrechen

Fragt man einen Saal voller Technologieführungskräfte, ob künstliche Intelligenz messbare Ergebnisse liefert, gehen die meisten Hände hoch. Fragt man, ob diese Ergebnisse stark genug sind, um den Sommerurlaub des Vorstandsvorsitzenden zu unterbrechen, leert sich der Saal fast. Diese Lücke, beschrieben vom britischen Tech-Unternehmer Azeem Azhar, ist eine kompakte Illustration davon, wo Enterprise-KI tatsächlich steht – echter Fortschritt, aber ein Fortschritt, der noch nicht unübersehbar geworden ist.

Azhar, Gründer der Forschungsgruppe Exponential View, erzählte die Geschichte in einem Podcast-Gespräch mit Nicholas Thompson von The Atlantic. Die Debatte um die KI-Blase, so legte er nahe, läuft letztlich auf eine einzige Frage hinaus: Wachsen die Umsätze der KI-Labore schnell genug, um den enormen Ausbau der Rechenzentren zu bezahlen, der derzeit stattfindet? Die Anekdote aus Las Vegas beantwortet diese Frage nicht, aber sie rahmt die kleineren Fragen ein, die daran hängen.

Ein Handzeichen in Las Vegas

Azhar stand vor rund 160 IT-Vizepräsidenten, die sich in Las Vegas versammelt hatten. Er stellte ihnen eine einfache Frage: Wer könne in seinem Unternehmen auf messbare KI-Ergebnisse verweisen?

Etwa zwei Drittel gaben an, dass sie es könnten. Azhar räumte anschließend ein, dass die Zahl höher war als erwartet – ein Signal dafür, dass KI-Einsätze in vielen großen Unternehmen nicht mehr rein experimentell sind. Pilotprojekte sind zu Produktionssystemen geworden, und einige dieser Systeme liefern Zahlen, die Führungskräfte zitieren können.

Dann kam die Nachfrage. Wer unter ihnen hatte Ergebnisse, die gut genug waren, um den Sommerurlaub des CEO zu unterbrechen? Azhars Schilderung zufolge blieben nur etwa acht Personen übrig. Von rund hundert bejahenden Antworten auf eine Handvoll – der Rückgang ist krass.

Die Lücke lesen

Die beiden Fragen messen unterschiedliche Dinge. Die erste fragt, ob KI etwas Messbares tut. Die zweite fragt, ob sie etwas so Wertvolles tut, dass eine Führungskraft alles stehen und liegen lassen würde, um davon zu hören. Die meisten Unternehmen scheinen die erste Hürde genommen zu haben und weit vor der zweiten steckengeblieben zu sein.

Azhars eigene Schlussfolgerung ist, dass Unternehmen Fortschritte machen, aber langsam. Ob dieses Tempo ausreicht, um die aktuellen Investitionsniveaus zu rechtfertigen, bleibt ungeklärt. Er merkt an, dass einige Führungskräfte berichten, Vorstände würden nach frühen Erfolgen ehrgeiziger, und dass selbst in langsameren Märkten wie Italien Vorstandsvorsitzende von wachsendem Vertrauen und steigenden Budgets berichten – trotz Fehltritten auf dem Weg.

Warum die Anekdote in einer größeren Argumentation steckt

Der Grund, warum ein Handzeichen in einem Konferenzsaal von Bedeutung ist, liegt darin, dass die Branche über Geld streitet. Der zentrale Streitpunkt ist, ob KI-Labore schnell genug Umsätze erwirtschaften, um die Rechenzentrumskapazität zu finanzieren, die gebaut wird, um sie zu bedienen. Jede kleinere Frage speist sich in diese eine ein, und die folgenreichste davon ist womöglich, wie viel echten Wert Unternehmen aus der KI ziehen, die sie bereits kaufen – denn das bestimmt, ob sie weiter mehr kaufen, idealerweise zu höheren Preisen.

Auf gesamtwirtschaftlicher Ebene lässt sich diese Kapitalrendite noch immer nicht belegen. Sie zeigt sich stattdessen in Anekdoten, und Azhars ist eine davon. Seine Charakterisierung der Gesamtlage lautet, dass sie weiterhin „fein ausbalanciert“ ist – nicht offensichtlich eine Blase, nicht offensichtlich ein Boom.

Chip-Lebensdauern und die Kostenrechnung

Eine unterschätzte Variable ist, wie lange gekaufte KI-Chips in der Produktion nützlich bleiben. Ob diese produktive Lebensdauer vier, sechs oder acht Jahre beträgt, verändert die Rechnung erheblich, denn Abschreibungspläne bestimmen, wie viel Wert jeder Beschleuniger erzeugen muss, bevor er ausgemustert wird. Eine kürzere Nutzungsdauer erhöht die Hürde für jede Workload, die darauf läuft; eine längere entspannt den Druck. Diese einzige Annahme kann das Rentabilitätsbild eines Rechenzentrumsbetreibers verändern, ohne dass sich die Nachfrage ändert.

Open-Weight-Modelle und das Bären-Szenario

Ein zweiter Strang in der Debatte betrifft die Frage, welche Modelle Unternehmen tatsächlich betreiben. Viele Organisationen bewegen sich von teuren Frontier-Systemen hin zu Open-Weight-Alternativen. Aus Nutzersicht ist das eine rationale Kostenentscheidung. Aus Sicht eines Infrastrukturinvestors ist es beunruhigender: Die Adoption könnte weiter steigen, während die Erlöse, die zurückfließen, um den Ausbau zu finanzieren, nicht Schritt halten.

Azhar bezeichnet dies als die Bären-Version der Geschichte. In diesem Szenario breitet sich die KI-Nutzung in der gesamten Wirtschaft aus, Organisationen berichten von echten Produktivitätsgewinnen, und die Blase platzt trotzdem – weil das Geld, das sich in der Anwendungsschicht konzentriert, nie die kapitalintensive Schicht darunter erreicht. Wachstum bei der Nutzung und Wachstum bei der Finanzierung sind nicht dasselbe, und in der Lücke dazwischen liegt das Risiko.

Der Anreiz, optimistisch zu klingen

Eine weitere Komplikation ist, dass selbst berichteter Erfolg keine neutrale Evidenz ist. Azhar verweist auf eine Umfrage der Boston Consulting Group, wonach rund 70 Prozent der Vorstandsvorsitzenden weltweit sagen, dass KI-Erfolg dafür wichtig sei, wie sie in ihren Rollen wahrgenommen werden. Wenn der Ruf einer Führungskraft an ein Technologieprogramm geknüpft ist, gibt es einen eingebauten Anreiz, dieses Programm günstiger darzustellen, als es die zugrunde liegenden Zahlen rechtfertigen würden.

Das macht die Las-Vegas-Zählung nicht bedeutungslos – wenn überhaupt, haben die Führungskräfte, die keine urlaubsreifen Ergebnisse vorweisen konnten, eine wenig schmeichelhafte Antwort freiwillig gegeben. Aber es bedeutet, dass breite Umfragen zur KI-Zufriedenheit zusammen mit härteren Belegen gelesen werden sollten, etwa Umsatz, Kundenbindung und der Beständigkeit von Einsätzen, sobald die anfängliche Neuheit verfliegt.

Signale, die es zu beobachten gilt

Azhar sagt ausdrücklich, dass er keine eindeutige Antwort auf die Blasen-Frage hat. Niemand hat sie bisher. Der praktische Ansatz besteht darin, die Indikatoren zu verfolgen, die sie irgendwann klären würden:

• Ob das Umsatzwachstum der KI-Labore weiterhin schneller ist als die Kosten für Bau und Betrieb neuer Rechenzentrumskapazität.
• Wie lange Unternehmen annehmen, dass ihre KI-Chips produktiv bleiben, und ob sich diese Annahmen verkürzen.
• Wie schnell sich die Ausgaben von Frontier-Modellen zu Open-Weight-Alternativen verschieben und was das für die Margen der Anbieter bedeutet.
• Ob die KI-Budgets in langsameren Märkten weiter steigen, wo Optimismus schwerer allein durch Hype aufrechtzuerhalten ist.
• Ob die aktuelle Runde messbarer Ergebnisse in Entscheidungen mündet, für die ein CEO seinen Urlaub unterbrechen würde.

Die ehrliche Lesart des Moments ist, dass KI in vielen Unternehmen die Demonstrationsphase hinter sich gelassen hat, ohne bereits die Phase erreicht zu haben, in der sie die Strategie diktiert. Zwei Drittel eines Saals können auf Ergebnisse verweisen. Rund acht können auf Ergebnisse verweisen, die an der allerhöchsten Stelle Aufmerksamkeit erregen. Die Distanz zwischen diesen beiden Zahlen – und wie schnell sie sich schließt – wird der Maßstab sein, an dem die nächste Phase des Investitionszyklus gemessen wird.

Dieser Artikel basiert auf einer Berichterstattung von The Decoder. Lesen Sie den Originalartikel.