Wichtigste Punkte
- Massenadoption: 69% der Unternehmen in den wichtigsten OECD-Volkswirtschaften setzen bereits KI ein, mit den USA an der Spitze bei 78% — Daten erhoben an einem Panel von 6.000 Unternehmen zwischen November 2025 und Januar 2026 (Natixis / FED Atlanta).
- Dominanz der LLMs: Large Language Models (Sprachmodelle für Textverarbeitung und -generierung) machen 41% der Unternehmensanwendungen aus und übertreffen das klassische Machine Learning, das bei 30% stagniert.
- Wachsender DTx-Markt: Japan führt die Revolution der Digitalen Therapien an, mit Unternehmen wie CureApp, das klinisch validierte Algorithmen in verschreibungspflichtige Medizinprodukte auf globaler Ebene umwandelt.
Die 69% lügen nicht: KI ist bereits in den Unternehmen – und ihr habt den Anschluss verpasst
Schluss mit der Erzählung von der nahen Zukunft. Künstliche Intelligenz kommt nicht erst — sie ist bereits da, bereits im Einsatz, und entscheidet bereits, wer überlebt und wer verschwindet. Das belegt eine harte Studie, in Auftrag gegeben von Natixis Investment Managers und durchgeführt zwischen November 2025 und Januar 2026 an einer Stichprobe von 6.000 Unternehmen in den vier großen OECD-Volkswirtschaften — USA, Vereinigtes Königreich, Deutschland und Australien. Das Urteil ist eindeutig: 69% der Unternehmen nutzen bereits KI. Die Amerikaner führen mit 78%, während Australien das Feld mit 59% abschließt. Das sind keine Prognosen. Keine optimistischen Schätzungen aus Pitch-Decks (Präsentationen für Investorengespräche). Das sind reale Zahlen, direkt vor Ort erhoben.
Das Detail, das euch nachts wachhält, ist ein anderes: Large Language Models — LLMs (KI-Systeme zur Sprachverarbeitung und Texterzeugung) — haben das klassische Machine Learning bereits verdrängt und kommen auf 41% der Unternehmensanwendungen gegenüber einem mageren 30% der traditionellen Methoden. Der Übergang vollzog sich lautlos, ohne Aufsehen. Und in diesem Übergang verbirgt sich eine Falle: 72% der Beschäftigten nutzen KI bereits am Arbeitsplatz, doch 41% von ihnen verbringen weniger als eine Stunde pro Woche damit. Büroexperimentiererei, kurz gesagt. Neugier in der Kaffeepause. Wir befinden uns noch in der Phase, in der die meisten Unternehmen ein Formel-1-Werkzeug benutzen, um beim Nachbarschaftssupermarkt einzukaufen.
Und hier zeigt sich der erste strukturelle Riss im System: KI verstärkt die Starken und erdrosselt die Schwachen. Die Unternehmen, die sie am intensivsten einsetzen, sind bereits die größten, die produktivsten, jene mit den höchsten Gehältern. Künstliche Intelligenz ist kein Gleichmacher — sie ist ein Beschleuniger von Ungleichheit. Für KMUs (kleine und mittlere Unternehmen), die zögern, wird die Rechnung mit jedem vergehenden Tag teurer.
Das Singapur-Paradox: du weißt alles, kannst aber nichts umsetzen
Wechseln wir nach Singapur, einem globalen Laboratorium für HR-Trends, die sich anschließend überall zur Realität entwickeln. Lokale Recruiter beschreiben eine groteske Situation: Hochschulabsolventen kommen vollgepackt mit Theorie über künstliche Intelligenz und stoßen gegen eine unsichtbare Wand. Unternehmen suchen nicht mehr nach jemandem, der erklären kann, was ein Transformer (Grundarchitektur moderner KI-Sprachmodelle) ist — sie suchen jemanden, der KI in reale Unternehmensabläufe implementieren kann, mit all ihren Unordentlichkeiten, Ausnahmen und Legacy-Systemen (veraltete, aber noch aktive IT-Infrastrukturen), die aus der Faxzeitalter-Ära stammen.
Das Problem ist strukturell und brutal: Junior-Aufgaben — Datenerhebung, erste Analysen, Entwurfserstellung — wurden von KI-Tools verschluckt. Von jungen Talenten wird daher eine operative Kompetenz auf Senior-Niveau verlangt: KI-Architekturen entwerfen, komplexe Prompt-Orchestrierungen (strukturierte Steuerung von KI-Anfragen in Arbeitsabläufen) verwalten, heterogene Systeme integrieren. Kompetenzen, die Universitäten noch nicht vermitteln, weil sich akademische Lehrpläne mit dem Tempo einer arthritischen Schildkröte aktualisieren. Das Ergebnis ist eine Generation von Absolventen, die technisch alphabetisiert, aber operativ nutzlos für den Markt ist, der heute, im Jahr 2026, existiert. Es ist nicht ihre Schuld. Es ist die Schuld eines Bildungssystems, das Menschen weiterhin für eine Welt vorbereitet, die es nicht mehr gibt.
Einzelhandel und Versicherungen: KI ist nicht der nette Chatbot, sondern der Abriss der Fundamente
Es kursiert ein kolossales Missverständnis in den Besprechungsräumen von Einzelhandelsunternehmen: die Annahme, künstliche Intelligenz bedeute einen sympathischeren Chatbot oder eine virtuelle Umkleidekabine, um Jacken in 3D anzuprobieren. Schaufensterdekoration. Digitale Kosmetik. Der wahre Einfluss von KI im Einzelhandel ist für den Endverbraucher unsichtbar, weil er im Back-End (den internen, nicht öffentlichen Systemschichten) stattfindet, in den logistischen Eingeweiden des Unternehmens. Die prädiktive Supply Chain (vorausschauende Lieferkettensteuerung) modelliert die Versorgungskette in Echtzeit, antizipiert Nachfragespitzen im Zusammenhang mit Micro-Trends, Wetterbedingungen oder lokalen Ereignissen und zielt darauf ab, Lagerbestände auf null zu reduzieren. Das Dynamic Pricing (dynamische Preisgestaltung in Echtzeit) beschränkt sich nicht mehr darauf, Konkurrenzpreise zu beobachten — es verarbeitet die sofortige logistische Verfügbarkeit und die Kaufneigung spezifischer Nutzercluster. Das ist industrielle Chirurgie, kein ästhetisches Lifting.
Im Versicherungssektor ist die Situation noch aufschlussreicher. Ein Konzept ist entstanden, das es wert ist, sich einzuprägen: der „Liquide Schadensfall". Die Idee ist in der Theorie einfach, in der Umsetzung verheerend. Es reicht nicht, eine App zu haben, die per Computer Vision (maschinelles Bilderkennen für visuelle Datenanalyse) eine Delle in der Karosserie erkennt. Wenn hinter dieser App noch Reihen menschlicher Genehmigungen, Abteilungssilos und papierbasierte Prozesse aus den Neunzigern stecken, generiert KI keinen einzigen Cent ROI. Die eigentliche Revolution besteht darin, den gesamten Workflow neu zu gestalten: die Schadensmeldung zu automatisieren, sofortige Betrugserkennungskontrollen auf Basis von Anomalien in historischen Daten zu integrieren und für Fälle mit geringem Risiko eine automatische Auszahlung vorzunehmen. Das Ergebnis? Die Bearbeitungszeiten sinken von Wochen auf Sekunden. Wer das nicht innerhalb der nächsten achtzehn Monate schafft, wird schlicht aus dem Markt gedrängt.
Japan heilt mit Algorithmen: willkommen im Zeitalter der digitalen Therapien
Den Abschluss dieser Geschichte liefert das Land mit der ältesten Bevölkerung des Planeten — und das ist kein Zufall. Japan führt die Revolution der Digitalen Therapie — DTx (verschreibungsfähige Softwareanwendungen mit klinisch validierter Wirkung) — an und verwandelt Software in ein vollwertiges verschreibungspflichtiges Medizinprodukt. Das Vorzeigeunternehmen dieser Bewegung ist CureApp, das keine Apps produziert, um Schritte zu zählen oder daran zu erinnern, Wasser zu trinken. Es produziert klinisch validierte Algorithmen, die Ärzte wie ein Medikament verschreiben, um Bluthochdruck, Nikotinabhängigkeit und Fettleber zu behandeln. Das System überwacht die Patientenparameter vierundzwanzig Stunden am Tag, personalisiert kognitiv-verhaltenstherapeutische Interventionen (psychologische Behandlungsmethoden zur Verhaltensänderung) in Echtzeit und sendet kalibrierte Impulse, um Gewohnheiten und Lebensstil zu korrigieren.
Das erklärte Ziel ist nicht die Heilung der Krankheit — es ist die Verschiebung des gesamten Gesundheitsparadigmas hin zur Verlängerung der gesunden Lebenserwartung, der sogenannten Healthy Life Expectancy (Anzahl der Jahre, die in guter Gesundheit gelebt werden). Weniger Krankenhausaufenthalte, geringere Systemkosten, mehr Jahre produktiven Lebens. Der daraus resultierende HealthTech-Markt ist bereits Milliarden von Dollar wert, und die Prognosen für die nächsten fünf Jahre zeigen ein anhaltendes zweistelliges Wachstum, angetrieben durch die globale demografische Alterung und den untragbaren Druck auf öffentliche Gesundheitssysteme.
