Claims-Check

Claim-Familie 5: Ergebnisbeitrag-Claims

Diese Familie bündelt Behauptungen nach dem Muster „KI zahlt bereits aufs Unternehmensergebnis ein“. Ihr Kern sind Billionen-Prognosen, ROI-Faktoren und Vorreiter-Vergleiche, die in Gremien als Messwerte ankommen. Die dominante Fehlerart ist die Gegenstandsverschiebung: Potenzialschätzung wird als Ist-Wirkung zitiert,

Veröffentlicht 29. Juli 2026 · Aktualisiert 7. August 2026 · 6 Min. Lesezeit

Compliance-Verantwortliche mit aufgeschlagenem Kommentarband und einer Prüfliste am Schreibtisch. — Regelwerk wird erst brauchbar, wenn es jemand auf den eigenen Fall anwendet. Symbolbild, KI-generiert für KIONIER.

Claim 41: „KI zahlt bei den meisten Unternehmen bereits messbar aufs Ergebnis ein“

Wortlaut: „Die Mehrheit der Unternehmen erzielt mit generativer KI bereits spürbare Ergebniseffekte.“ Typisierte Folienformulierung, kein Zitat einer benannten Firma.

Ursprung: Beratungs- und Vendor-Folien, die sich auf McKinsey & Company, The State of AI (März 2025) berufen.

Was die Quelle wirklich sagt: Die McKinsey-Befragung (Selbstauskünfte von Führungskräften weltweit) zeigt das Gegenteil auf Unternehmensebene. Mehr als 80 Prozent der Befragten sehen keinen spürbaren Effekt von generativer KI auf das Unternehmens-EBIT. Nur 17 Prozent schreiben mindestens 5 Prozent ihres EBIT der GenAI-Nutzung zu. Kostensenkungen berichten viele, aber auf Ebene einzelner Funktionen und als Selbstauskunft.

Urteil: irreführend, die zitierte Quelle belegt die Behauptung nicht, sondern widerlegt sie für die Unternehmensebene.

Führungsfolge: Verwerfen; Ergebniswirkung nur über eigene Baseline und Wirkungszuordnung je Use-Case bewerten.

Claim 42: „Generative KI hebt das globale BIP um 7 Prozent“

Wortlaut: „GenAI steigert die Weltwirtschaftsleistung um 7 Prozent — fast 7 Billionen Dollar.“

Ursprung: Goldman Sachs Global Investment Research, Briggs/Kodnani: The Potentially Large Effects of Artificial Intelligence on Economic Growth (März 2023).

Was die Quelle wirklich sagt: Die 7 Prozent sind eine Szenariorechnung, keine Messung. Sie gelten über einen Zehn-Jahres-Zeitraum, der erst nach breiter Adoption beginnt, und hängen laut Autoren stark von Fähigkeit und Adoptionstempo ab. Goldman Sachs nahm den Wert ausdrücklich nicht in die eigene Basisprognose auf.

Urteil: eingeschränkt belegt, als konditionale Modellrechnung belegt, als feststehende Zukunftszahl falsch zitiert.

Führungsfolge: Nicht als Planungsgrundlage übernehmen; allenfalls als Bandbreiten-Szenario mit Konditionalität kennzeichnen.

Claim 43: „KI bringt der Weltwirtschaft 15,7 Billionen Dollar bis 2030“

Wortlaut: „Bis 2030 trägt KI 15,7 Billionen US-Dollar zur globalen Wirtschaftsleistung bei.“

Ursprung: PwC: Sizing the prize (2017), mit technischem Begleitreport (Februar 2018).

Was die Quelle wirklich sagt: Die Zahl ist eine Modellrechnung („up to“) aus einem globalen Gleichgewichtsmodell, gespeist aus rund 300 bewerteten Use-Cases. Sie beschreibt eine Obergrenze gegenüber einem Basisszenario für 2030, keine Messung. Die Prognose stammt von 2017, also vor generativer KI, und wurde seither nicht als Messreihe fortgeschrieben.

Urteil: eingeschränkt belegt, als Modell-Obergrenze von 2017 belegt, als heutige Faktenzahl ungeeignet.

Führungsfolge: Für Business Cases verwerfen; Makro-Prognosen ersetzen keine eigene Wirtschaftlichkeitsrechnung.

Claim 44: „GenAI schafft 2,6 bis 4,4 Billionen Dollar Wert pro Jahr“

Wortlaut: „Generative KI erzeugt jährlich 2,6 bis 4,4 Billionen US-Dollar an wirtschaftlichem Wert.“

Ursprung: McKinsey Global Institute: The economic potential of generative AI (Juni 2023).

Was die Quelle wirklich sagt: Die Spanne ist eine Potenzialschätzung über 63 Use-Cases in 16 Unternehmensfunktionen, abgeleitet aus Tätigkeitsanalysen von 850 Berufen. Sie beziffert theoretisch erreichbaren Wert bei breiter Anwendung, nicht realisierte Wertschöpfung. Einen Zeitpunkt der Realisierung nennt die Studie bewusst nicht; rund 75 Prozent des Potenzials entfallen auf vier Funktionen.

Urteil: eingeschränkt belegt, als Potenzialschätzung belegt, als bereits erzeugter Jahreswert eine Gegenstandsverschiebung.

Führungsfolge: Nur mit eigener Messung übernehmen; das Wort „Potenzial“ gehört in jedes Zitat dieser Zahl.

Claim 45: „KI-Vorreiter wachsen 50 Prozent schneller als der Rest“

Wortlaut: „Unternehmen mit hoher KI-Reife wachsen im Umsatz 50 Prozent schneller als ihre Wettbewerber.“

Ursprung: Accenture: The Art of AI Maturity (2022), Analyse von 1.176 Unternehmen.

Was die Quelle wirklich sagt: Accenture stufte 12 Prozent der Firmen als „AI Achievers“ ein und fand per Regressionsanalyse 50 Prozent höheres Umsatzwachstum im Vorpandemie-Jahr 2019. Das ist eine Korrelation aus einem Reife-Index mit Selbstauskunfts-Anteilen, keine Kausalmessung. Ob KI das Wachstum treibt oder wachsende Firmen mehr in KI investieren, kann das Design nicht trennen.

Urteil: eingeschränkt belegt, die Korrelation ist dokumentiert, der kausale „Frühanwender-Vorsprung“ nicht.

Führungsfolge: Nur mit eigener Messung übernehmen; als Investitionsbegründung allein ungeeignet.

Claim 46: „KI steigert die Profitabilität um 38 Prozent“

Wortlaut: „Der Einsatz von KI erhöht die Unternehmensprofitabilität im Schnitt um 38 Prozent.“

Ursprung: Accenture mit Frontier Economics: How AI Boosts Industry Profits and Innovation (2017).

Was die Quelle wirklich sagt: Die 38 Prozent sind ein Modellszenario für das Jahr 2035, gerechnet über 16 Branchen in 12 Volkswirtschaften. Verglichen wird ein Basisszenario mit einem Szenario voller KI-Integration in Wertschöpfung gemessen als Bruttowertschöpfung. Es handelt sich um eine Prognose unter Annahmen, nicht um beobachtete Gewinneffekte.

Urteil: eingeschränkt belegt, als Szenario für 2035 belegt, als heutige Wirkzusage eine Prognose-als-Messung-Verwechslung.

Führungsfolge: Als Ist-Zahl verwerfen; Profitabilitätseffekte nur aus eigener Ergebnisrechnung ableiten.

Claim 47: „KI senkt die Kosten um 20 Prozent“

Wortlaut: „Mit KI sparen Unternehmen 20 Prozent ihrer Kosten.“ Wiederkehrende Folienzahl in Angeboten und Vorträgen, meist ohne Quellenangabe.

Ursprung: Keine auffindbare Primärstudie stützt eine pauschale 20-Prozent-Kostensenkung; nächstliegende Quellgattung sind Management-Befragungen wie McKinsey State of AI (2024/2025).

Was die Quelle wirklich sagt: Die Befragungen erfassen selbstberichtete Kostensenkungen einzelner Funktionen, nicht des Gesamtunternehmens. Anfang 2024 sah nur eine Minderheit der Nutzer Kostensenkungen je Funktion, 2025 eine Mehrheit, ohne belastbare, einheitliche Prozenthöhe. Eine kontrollierte Messung, die 20 Prozent Gesamtkostensenkung durch KI belegt, existiert nicht.

Urteil: unbelegt, für die pauschale Zahl findet sich keine Primärquelle, und genau das ist der Befund.

Führungsfolge: Verwerfen; von Anbietern Baseline, Stichprobe und Messmethode für jede Sparzusage verlangen.

Claim 48: „Jeder in KI investierte Dollar bringt fast vier Dollar zurück“

Wortlaut: „Für jeden investierten Dollar liefert generative KI im Schnitt rund 4 Dollar Rendite.“

Ursprung: IDC: The Business Opportunity of AI (November 2024), von Microsoft in Auftrag gegeben.

Was die Quelle wirklich sagt: Die Studie befragte über 4.000 Führungskräfte und berichtet einen selbstgeschätzten Durchschnitts-ROI von 3,70 US-Dollar je investiertem Dollar; „Leader“ nennen 10,30 US-Dollar. Es ist eine Auftragsstudie des größten GenAI-Anbieters, die Rendite beruht auf Selbstauskunft statt geprüfter Finanzdaten. Befragt wurden Organisationen, die bereits KI einsetzen.

Urteil: eingeschränkt belegt, die 3,70-Dollar-Angabe existiert, ist aber anbieterfinanzierte Selbstauskunft einer Positiv-Auswahl, keine Messung.

Führungsfolge: Nur mit eigener Messung übernehmen und den Interessenvermerk stets mitzitieren.

Claim 49: „Ein Telekom-Konzern löst 65 Prozent der Serviceanfragen per KI — das ist der Benchmark“

Wortlaut: „Große Anwender automatisieren zwei Drittel ihres Kundenservice mit KI; das ist auf andere Unternehmen übertragbar.“ Typisierte Verdichtung realer Anwenderberichte.

Ursprung: Anwenderberichte und Pressemitteilungen, etwa von Vodafone und Microsoft zum Chatbot TOBi/SuperTOBi (2024).

Was die Quelle wirklich sagt: Vodafone berichtet als Selbstauskunft, TOBi habe in Deutschland rund 65 Prozent von 8 Millionen Anfragen eigenständig gelöst; in Portugal stieg die Erstlösungsquote eines einzelnen Anwendungsfalls (Terminbuchung) von 15 auf 60 Prozent. Es sind Zahlen eines Konzerns mit jahrelangem Vorlauf, eigenem Datenbestand und Technologiepartner-Interesse an der Veröffentlichung. Eine unabhängige Prüfung oder Übertragbarkeitsanalyse liegt nicht vor.

Urteil: eingeschränkt belegt, als Einzelfall-Selbstauskunft dokumentiert, als Branchen-Benchmark für den Mittelstand nicht tragfähig.

Führungsfolge: Nur mit eigener Messung übernehmen; Konzern-Anwenderberichte als Hypothesenquelle behandeln, nicht als Zielwert.

Claim 50: „Makroökonomisch wird KI die Produktivität kaum bewegen“

Wortlaut: „Volkswirtschaftlich ist von KI fast nichts zu erwarten — unter 1 Prozent Effekt in zehn Jahren.“

Ursprung: Daron Acemoglu: The Simple Macroeconomics of AI, NBER Working Paper 32487 (Mai 2024), als Gegenpol zu optimistischen Prognosen zitiert.

Was die Quelle wirklich sagt: Acemoglu schätzt den Effekt auf die totale Faktorproduktivität über zehn Jahre auf höchstens 0,66 Prozent, bei engerer Annahme unter 0,53 Prozent, und den BIP-Effekt auf rund 1 bis 1,6 Prozent. Auch das ist eine Modellrechnung aus frühen Task-Studien, keine Messung. Die Annahmen (Aufgabenanteile, Kostensenkungen von im Schnitt 27 Prozent je Aufgabe) sind selbst umstritten.

Urteil: eingeschränkt belegt, als konservative Modellrechnung belegt; wer sie als bewiesene Wirkungslosigkeit zitiert, begeht dieselbe Verkürzung wie die Optimisten.

Führungsfolge: Als Erwartungsdämpfer für Makro-Versprechen nutzen, eigene Use-Case-Wirkung davon unabhängig messen.