Künstliche Intelligenz wird für Unternehmen zum wichtigsten Auslöser, ihre IT-Landschaften umzubauen. In einer Transformationsstudie des SAP-Beratungshauses NTT DATA Business Solutions und Natuvion nannten 60 Prozent der Befragten die Einführung moderner Technologien, insbesondere KI, als zentralen Grund für ein Transformationsprojekt. Kosten zu senken, rangiert dagegen nur noch auf Platz fünf der Motive. Zugleich bleibt die Umsetzung schwierig: 82,2 Prozent der Unternehmen überschritten laut Studie ihr Budget, 79,5 Prozent ihren Zeitplan.
Für die Studie befragten die beiden Dienstleister nach eigenen Angaben Anfang 2026 mehr als 1100 Fach- und Führungskräfte aus 15 Ländern. Sie kamen aus mittelständischen und großen Unternehmen und waren in den vergangenen zwei Jahren an IT-Transformationen beteiligt. Die Befragung zeichnet damit ein Erfahrungsbild von Verantwortlichen in laufenden oder abgeschlossenen Projekten; Details etwa zur Branchenverteilung oder Gewichtung nennt die Pressemeldung nicht.
KI erhöht den Modernisierungsdruck
Nach KI folgen die Steigerung der Innovationsfähigkeit mit 46,5 Prozent sowie die Flexibilisierung von Organisation und IT mit 42,2 Prozent der Nennungen. Das deutet darauf hin, dass Unternehmen KI nicht nur als Zusatzfunktion für bestehende Anwendungen betrachten. Sie nutzen sie vielmehr als Anlass, Datenhaushalt, Schnittstellen, Kernsysteme und Betriebsmodelle zu überarbeiten.
Für produktive KI-Anwendungen reicht ein isolierter Chatbot oder ein einzelner Pilot meist nicht aus. Ein Assistent für Einkauf, Kundenservice oder Finanzprozesse muss beispielsweise auf konsistente Stamm- und Bewegungsdaten zugreifen können. Er benötigt klar geregelte Berechtigungen und muss die Prozesse und Schnittstellen der beteiligten Systeme verstehen. Gerade bei agentischer KI, die mehrstufige Aufgaben ausführt und Folgeaktionen in Anwendungen anstößt, steigen diese Anforderungen weiter.
Die hohen Erwartungen treffen allerdings auf eine begrenzte Vorbereitung. Einer kürzlich veröffentlichten Studie von SAP und Oxford Economics zufolge erwarten deutsche Unternehmen für 2026 im Mittel einen KI-ROI von 24 Prozent. Für den Einsatz von KI-Agenten sahen sich aber nur vier Prozent der Befragten vollständig vorbereitet. Die neue Transformationsstudie liefert dafür eine mögliche Erklärung: Viele Unternehmen wollen KI einsetzen, müssen zuvor aber ihre technische und organisatorische Basis aufräumen.
Datenqualität und Governance bremsen KI-Projekte
NTT DATA Business Solutions und Natuvion sprechen in ihrer Studie von einem „KI-Paradoxon“. KI treibt die Transformation an, doch ihre Voraussetzungen zählen zugleich zu den meist unterschätzten Problemen. Als unerwartete Herausforderung nannten 26,4 Prozent der Befragten die Datenqualität. Regulatorische Anforderungen folgten mit 23,9 Prozent, das Testmanagement mit 23,5 Prozent.
Datenqualität bedeutet in solchen Projekten mehr als fehlende Werte oder Dubletten. Schwierigkeiten entstehen auch, wenn Begriffe in verschiedenen Systemen unterschiedlich definiert sind, Datenherkünfte unklar bleiben oder Berechtigungen nicht zu den neuen Prozessen passen. Werden diese Probleme nicht bereinigt, kann ein KI-System formal plausible Antworten oder Vorschläge liefern, die fachlich auf falschen oder unvollständigen Informationen beruhen.
Der Befund passt zu anderen aktuellen Erhebungen. Eine Studie von SAP und Oxford Economics berichtete ebenfalls über fragmentierte KI-Einführungen, Datensilos und Probleme mit Schatten-KI. Unternehmen erwarten demnach zwar messbare Erträge, kämpfen aber mit unklaren Datenflüssen und einer unzureichenden Kontrolle darüber, welche KI-Werkzeuge Beschäftigte verwenden.
Neben den Daten rückt die Governance in den Vordergrund. Darunter fallen Regeln dafür, welche Modelle und Anbieter eingesetzt werden dürfen, welche Daten in KI-Systeme gelangen, wer Ergebnisse prüft und wie sich Entscheidungen nachvollziehen lassen. Bei agentischen Systemen ist das besonders relevant: Sie erzeugen nicht nur Text oder Analysen, sondern können etwa Informationen aus mehreren Anwendungen zusammenführen und nach Freigabe Folgeaktionen auslösen.
Tests und Projektplanung geraten unter Druck
Die Studie nennt das Testing mit 32,4 Prozent als am häufigsten unterschätzten Teil der Transformation. Knapp dahinter liegt die technische Umsetzung mit 32,3 Prozent. Für 30,3 Prozent der Befragten erwies sich die Projektplanung als aufwendiger als erwartet, 29,6 Prozent nannten die Kommunikation zwischen Abteilungen und Geschäftsbereichen.
Ein technisch erfolgreicher Migrationstest genügt dabei nicht. Ein System kann Daten vollständig übertragen haben und dennoch nach dem Go-live Probleme verursachen, etwa bei Konditionen, Steuerlogiken, Berechtigungen oder Ausnahmefällen in Schnittstellen. Neben technischen Tests brauchen große Umstellungen daher auch fachliche Prozess-, Integrations-, Berechtigungs- und Performance-Tests. Das bindet Fachbereiche oft stärker und länger als in der ursprünglichen Planung vorgesehen.
Die Befragten änderten deshalb ihre Vorgehensweise häufig während des Projekts. 71 Prozent nahmen laut Studie teilweise oder substanzielle Anpassungen an ihrer Migrationsmethodik vor. 26,5 Prozent änderten sie grundlegend. Auch bei Greenfield-Projekten, bei denen Unternehmen ihre Zielsysteme weitgehend neu aufsetzen, kam es laut Studie in 83,4 Prozent der Fälle zu Änderungen.
Das ist kein Argument für ungeplante Kurswechsel. Entscheidend ist vielmehr, Änderungen kontrolliert zu behandeln: mit klaren Entscheidungsgremien, nachvollziehbaren Auswirkungen auf Prozesse und Daten sowie einem belastbaren Testkonzept. Die ursprüngliche Entscheidung für Greenfield, Brownfield oder eine selektive Datenmigration nimmt Projektteams diese Arbeit nicht ab.
Eine Horváth-Studie zu SAP-S/4HANA-Umstiegen von 2025 kam zu einem ähnlichen Ergebnis. Die Umstellungen dauerten im Mittel 30 Prozent länger als geplant. Viele Organisationen berichteten über starke Abweichungen. Als Ursachen spielten unter anderem wachsende Projektumfänge, die Komplexität der Migration und zu knapp kalkulierte Aufwände eine Rolle.
Höhere Budgets verhindern keine Überschreitungen
Die Unternehmen planen offenbar inzwischen mit längeren Laufzeiten. Knapp 64 Prozent setzten für ihre Transformation mehr als ein Jahr an. Die größte Gruppe, 44 Prozent, kalkulierte ein bis zwei Jahre. Fast 20 Prozent planten mehr als zwei Jahre, 5,3 Prozent sogar mehr als vier Jahre.
Auch die Budgets steigen. Am häufigsten nannten die Befragten einen Rahmen von 10 bis 20 Millionen Euro. Insgesamt lagen 52,7 Prozent der Projekte zwischen 5 und 50 Millionen Euro. Dennoch zeigen die hohen Quoten bei Budget- und Terminüberschreitungen, dass längere Planungszeiträume und größere Budgets allein nicht reichen. Reserven für Datenbereinigung, Tests, Änderungen im Projektumfang und organisatorische Konflikte bleiben nötig.
Für die Praxis spricht das dagegen, jede Prozessverbesserung gleichzeitig mit der Systemumstellung umzusetzen. Kritische Geschäftsprozesse sollten zum Go-live belastbar laufen. Weitere Optimierungen lassen sich in vielen Fällen besser nach der Stabilisierung priorisieren. Genau dies nannten 32,3 Prozent der Befragten als Punkt, den sie bei einer künftigen Transformation stärker beachten würden.
Souveränität wird zur Architekturfrage
Geopolitische und wirtschaftspolitische Entwicklungen beeinflussen die Transformationsprojekte zunehmend. 94,8 Prozent der Befragten berichteten von solchen Auswirkungen. Mit 72,1 Prozent standen Anforderungen an Daten- und Technologiesouveränität klar an erster Stelle. Sicherheitsaspekte und geopolitische Spannungen nannten 44,6 Prozent, Energie- und Industriepolitik 44,3 Prozent.
Datensouveränität beschränkt sich dabei nicht auf den Standort eines Rechenzentrums. Unternehmen müssen auch prüfen, wer auf Daten und Systeme zugreifen kann, wie sich Workloads und Daten exportieren lassen, welche Abhängigkeiten zu Plattformdiensten bestehen und ob im Störfall ein Ersatzbetrieb möglich ist. Damit wird Souveränität zu einem Thema für Architektur, Verträge und Migrationsplanung.
Wie groß diese Lücke sein kann, zeigte eine jüngst veröffentlichte Studie von Lünendonk & Hossenfelder: 83 Prozent der befragten DACH-Unternehmen hielten es für realistisch, dass ein Cloud-Anbieter den Zugang zu kritischen Diensten einseitig einschränkt oder abschaltet. Nur 57 Prozent verfügten nach eigenen Angaben über eine Exit-Strategie für den Anbieterwechsel.
Ähnlich sieht es bei KI-Abhängigkeiten aus. Einer IBM-Studie zufolge haben in Deutschland nur 13 Prozent der befragten Unternehmen einen guten Überblick über ihre Verflechtungen zwischen KI-Anbietern, Modellen und Infrastruktur. Wer KI als Grund für eine IT-Transformation nennt, muss deshalb nicht nur Daten für Modelle bereitstellen, sondern auch Wechselmöglichkeiten, Schnittstellen und Betriebsrisiken berücksichtigen.
Als wichtigste Erfolgsfaktoren nennen die Befragten Transformations-Know-how, Transparenz über relevante Daten und Kontinuität im Projektteam. KI erscheint in der Studie damit nicht als Abkürzung durch die Transformation. Sie erhöht vielmehr den Druck, Grundlagen wie Datenmanagement, Tests, Projektsteuerung und Governance belastbar umzusetzen.
(fo)
English (US) ·