Reden über KI ersetzt nicht die Klärung der Schnittstelle, die KI verstärken oder beschädigen soll. Drei voneinander unabhängige Studien (McKinsey n=1.993, BCG n=1.250, MIT NANDA) finden konvergent: nur rund 5 Prozent der Unternehmen ziehen aus generativer KI substantielle P&L-Wirkung. Wer die Schnittstelle vor dem Roll-out überspringt, implementiert schneller, was bereits nicht funktioniert.

Dieser Artikel beantwortet eine Frage, die im Moment jede IT-Leitung beschäftigt: Wie viel von dem, was über KI behauptet wird, ist empirisch belegt, und was ist Diskurs? Die Antwort ist unbequem. Auf der einen Seite: Generative KI ist in den Unternehmen angekommen, die Adoption steigt, und es gibt Use-Cases mit belastbarem ROI. Auf der anderen Seite: Der DORA Report 2025 (nahezu 5.000 Tech-Professionals) hat den zentralen Mechanismus identifiziert: KI verstärkt, was bereits da ist. Stärken ebenso wie Schwächen.

Was kostet es, KI ohne Schnittstellen-Klärung einzuführen?

Faros AI hat im März 2026 die bisher grösste Telemetrie-Auswertung zu KI in der Software-Entwicklung vorgelegt: 22.000 Entwickler über 4.000 Teams, Vergleich zwischen Quartalen mit niedriger und hoher KI-Adoption innerhalb derselben Organisationen. Das Ergebnis ist präzise unangenehm:

• Individuelle Produktivität: plus 21 Prozent mehr Tasks, plus 98 Prozent mehr Pull Requests.
• Incidents pro Pull Request: plus 242,7 Prozent.
• Bugs pro Entwickler: plus 54 Prozent.
• Monatliche Incidents gesamt: plus 57,9 Prozent.

Mehr Aktivität, mehr Schaden. Das ist kein Argument gegen KI, es ist ein Argument dafür, die Schnittstelle vor dem Roll-out zu klären.

Warum der KI-Diskurs die Realität verzerrt

FactSet hat die Earnings-Call-Transkripte aller S&P-500-Unternehmen für Q3 und Q4 2025 ausgewertet: 306 bzw. 331 Unternehmen erwähnten das Wort „AI“, ein Zehn-Jahres-Rekord. Im IT- und Kommunikationssektor sind es über 94 Prozent. Gartner verortet generative KI im selben Zeitraum im Hype Cycle for Artificial Intelligence 2025 explizit in der „Trough of Disillusionment“, der Phase, in der Erwartung und Lieferung auseinanderlaufen.

Das Paradox: Je mehr Unternehmen über KI reden, desto sichtbarer wird die Lücke zur tatsächlichen Wirkung. Eine EZB-Analyse (Ca‘ Zorzi, Lopardo, Manu, Working Paper No. 3093, 2025; Auswertung von über 22.000 S&P-500-Earnings-Call-Transkripten 2014–2024) zeigt, dass der anfängliche Kapitalmarkt-Aufschlag für KI-Erwähnungen seit Mitte 2024 abnimmt. Kapitalmärkte beginnen, Reden und Wirken zu trennen.

Für IT-Leitung und Geschäftsführung im DACH-Raum hat diese Diskurs-Dynamik eine konkrete Konsequenz: Der externe Druck, „etwas mit KI zu machen“, ist real und wird nicht abnehmen. Aber dieser Druck rechtfertigt keinen Roll-out ohne Diagnose. Die Studienlage — zu der dieser Artikel beiträgt — ist die Grundlage, auf der IT-Leitung dem Vorstandsdruck mit Daten begegnen kann.

Was die Daten 2025/2026 wirklich sagen

Befund 1: Die Pilot-zu-Wirkung-Lücke ist real, aber die 95-Prozent-Schlagzeile ist überzogen

Der MIT-NANDA-Report „The GenAI Divide: State of AI in Business 2025″ (Juli/August 2025) hat die Schlagzeile geprägt: „95 Prozent der integrierten KI-Pilotprojekte ohne messbaren P&L-Impact.“ Methodisch ist das die Zusammenfassung aus 52 Executive-Interviews und 153 Surveys, plus einem Eigeninteresse-Konflikt: Project NANDA bewirbt im selben Bericht eigene Agentic-AI-Infrastruktur.

Die Zahl ist publizistisch zugespitzt. Die Grössenordnung ist real.

McKinsey „State of AI 2025″ (Online-Survey 25. Juni bis 29. Juli 2025, n=1.993 aus 105 Ländern): 88 Prozent der Organisationen nutzen KI in mindestens einer Funktion, aber nur 5,5 Prozent berichten mehr als 5 Prozent EBIT-Beitrag aus KI.

BCG „The Widening AI Value Gap“ (30. September 2025, n=1.250 Senior Executives, 9 Branchen): 5 Prozent „future-built“, 35 Prozent „scalers“, 60 Prozent „laggards“, also solche, die minimale ROI-Wirkung berichten.

Drei Studien, drei Methodiken, dasselbe Ergebnis: Die grosse Mehrheit der KI-Initiativen erzielt keine messbare Geschäftswirkung. Die Frage ist nicht ob, sondern warum.

Befund 2: KI ist Verstärker, nicht Lösung

DORA 2025 hat dazu den präzisesten Satz: „AI’s primary role in software development is that of an amplifier. It magnifies the strengths of high-performing organisations and the dysfunctions of struggling ones.“

Übersetzt für Nicht-Engineering-Funktionen: Wer einen unklaren Anforderungsprozess mit KI beschleunigt, beschleunigt das Missverständnis. Wer eine schwache Übergabekette zwischen IT und Fachbereich mit KI automatisiert, automatisiert den Informationsverlust, das Phänomen, das wir in unserem Glossar als „Emails über den Zaun werfen“ beschrieben haben.

Bemerkenswert: Faros widerspricht DORA an einer Stelle. DORA findet, dass mature Engineering-Praktiken einen gewissen Schutz vor KI-induzierter Qualitätsminderung bieten. Faros — mit Telemetriedaten statt Selbstauskunft — findet diesen Schutzeffekt nicht: hochreife Organisationen erleben dieselbe Downstream-Verschlechterung wie alle anderen. Cortex‘ 2026 Engineering Benchmark (über 50 Organisationen) liegt mit +23,5 Prozent Incidents pro PR näher an Faros als an DORA. Die Mediator-Variablen, die positive von negativer KI-Verstärkung trennen, sind in DORA, McKinsey und BCG übereinstimmend benannt: reife Engineering-Systeme, klar definierte Workflows, Outcome- statt Output-Steuerung, Senior-Leadership-Ownership. McKinsey-High-Performer sind fast dreimal häufiger bereit, Workflows fundamental zu redesignen, statt KI auf bestehende Prozesse zu legen.

Befund 3: Adoption und Vertrauen entkoppeln sich

Stack Overflow Developer Survey 2025 (29. Mai bis 23. Juni 2025, n=49.009 aus 166 Ländern): 84 Prozent der Entwickler nutzen oder planen KI-Tools, aber nur 29 Prozent vertrauen ihrer Genauigkeit. In 2023 waren es noch über 70 Prozent. 46 Prozent misstrauen aktiv. Deutsche Entwickler besonders: nur 22 Prozent Trust.

Und das METR-Experiment (Becker, Rush, Barnes, Rein; randomisierter kontrollierter Versuch mit 16 erfahrenen Open-Source-Entwicklern, 246 Tasks, Erhebungszeitraum Februar bis Juni 2025; arXiv 2507.09089, Juli 2025) liefert den schärfsten Kontrapunkt zu Vendor-Behauptungen: Mit KI brauchten erfahrene Entwickler in vertrauten Codebases 19 Prozent länger, und überschätzten vorher und nachher ihre eigene KI-getriebene Geschwindigkeit systematisch.

Studie	n	Methode	Zentraler Befund
Gartner CIO Survey Mai 2025	506	Online-Befragung	72% kein Break-even mit KI-Investments
MIT NANDA Jul/Aug 2025	52 Interviews + 153 Surveys	Qualitativ + Survey	5% mit messbarem P&L-Impact
McKinsey State of AI Jul 2025	1.993	Online-Survey, 105 Länder	5,5% mit >5% EBIT-Beitrag
BCG AI Value Gap Sep 2025	1.250	Executive-Survey, 9 Branchen	5% „future-built“, 60% „laggards“
DORA Report Sep 2025	~5.000 + 100h Interviews	Survey + Qualitativ	KI als Amplifier: Stärken und Schwächen
Faros AI Report Mär 2026	22.000 Entwickler	Telemetrie	Incidents/PR +242,7%, Bugs/Dev +54%
Stack Overflow Jun 2025	49.009	Online-Survey	84% Nutzung, nur 29% Vertrauen
METR RCT Jul 2025	16 Entwickler, 246 Tasks	Kontrolliertes Experiment	Mit KI 19% langsamer

---

Wo verstärkt KI bei Ihnen Stärken, und wo beschleunigt sie Schwächen?
Der WERT³ Quick-Check zeigt Ihnen in 10 Minuten, wo Ihre IT-Fachbereich-Schnittstelle vor dem nächsten KI-Roll-out steht. Kostenlos, ohne Verkaufsgespräch.
→ WERT³ Quick-Check starten

---

Wo KI tatsächlich wirkt, und wo nicht

Use-Cases mit belastbarer Evidenz

Customer-Support-Triage. Brynjolfsson, Li, Raymond (Quarterly Journal of Economics 140(2): 889–942, 2025), randomisiertes Feld-Experiment mit 5.172 Support-Mitarbeitenden: KI-Assistenz erhöhte die Anzahl gelöster Anfragen pro Stunde um 14 Prozent, mit dem stärksten Effekt bei weniger erfahrenen Mitarbeitenden. Das ist einer der methodisch saubersten Belege für KI-Wirkung.

Coding-Assistenz mit Review-Disziplin. DORA und McKinsey finden kongruent: In Teams mit kleinen Pull Requests, diszipliniertem Code-Review und reifer Plattform-Engineering zeigen KI-Assistenten 10–20 Prozent Cost-Reduction. Der entscheidende Satz: „mit Review-Disziplin“, ohne diesen Kontext liefert Faros die oben genannten 242,7 Prozent Incident-Anstieg.

Marketing- und Sales-Content. McKinsey (n=1.993): 71 Prozent der Organisationen mit KI in Marketing/Sales berichten Umsatzgewinne, mehrheitlich unter 5 Prozent, aber konsistent positiv.

Use-Cases ohne hinreichende Evidenz 2026

Autonome Agenten in Produktivumgebungen. Gartner (25. Juni 2025): „Over 40% of agentic AI projects will be canceled by the end of 2027, due to escalating costs, unclear business value or inadequate risk controls.“ Stack Overflow 2025: 87 Prozent der Entwickler besorgt über Agent-Genauigkeit; nur 14,1 Prozent nutzen Agents täglich.

End-to-End-Automatisierung komplexer Prozesse. Faros findet: Weniger als 1 Prozent der Pull Requests werden autonom von Agenten geöffnet. Die letzte Meile der Übergabe an autonome Systeme ist 2026 nicht produktionsreif.

KI-getriebene strategische Entscheidungen. Gartner CEO-Survey (n=456): Nur 44 Prozent der CIOs werden von ihren CEOs als ausreichend KI-kompetent eingeschätzt. Die Datengrundlage für verlässliche KI-getriebene Top-Level-Entscheidungen fehlt in den meisten Organisationen.

Der deutsche Sonderfall: Schatten-KI als Symptom

Deutschland hat ein spezifisches Problem. Die individuelle Nutzung steigt schneller als die institutionelle Klärung.

Bitkom-Studie 2025 (604 Unternehmen ab 20 Beschäftigten, KW 27–32 2025): In 8 Prozent der Unternehmen ist private KI-Nutzung „weit verbreitet“ (2024: 4 Prozent). Weitere 17 Prozent berichten Einzelfälle, weitere 17 Prozent vermuten Nutzung. Zusammen: über 40 Prozent.

Software AG „Chasing Shadows“ 2024 (2.000 deutsche Wissensarbeiter): 49 Prozent würden private KI-Tools auch dann weiter nutzen, wenn ihr Unternehmen sie verbietet.

IBM Cost of Data Breach Report 2025 (Ponemon Institute, 600 Organisationen weltweit, März 2024 bis Februar 2025): Schatten-KI-bezogene Vorfälle kosten im Schnitt 670.000 USD mehr als Standard-Breaches. Bei AI-bezogenen Datenpannen hatten 97 Prozent der betroffenen Organisationen keine angemessenen AI-Access-Controls. 63 Prozent der Organisationen insgesamt haben keine AI-Governance-Policy oder entwickeln sie noch.

Das ist keine Compliance-Geschichte. Es ist eine Schnittstellen-Geschichte. Schatten-KI ist die direkte Schwester der Schatten-IT, die wir im NIS2-Kontext als Symptom einer ungeklärten Governance-Schnittstelle beschrieben haben. Wenn Mitarbeitende schneller KI-Tools einführen als die IT Governance und freigegebene Alternativen bereitstellen kann, entsteht Schatten-KI, nicht weil Menschen renitent sind, sondern weil die Übergabekette zwischen Fachbereich, IT und Compliance ungeklärt ist.

Hinzu kommt die regulatorische Realität: Artikel 4 EU AI Act — die KI-Kompetenzpflicht für Anbieter und Betreiber von KI-Systemen — ist seit dem 2. Februar 2025 anwendbar. Die nationalen Marktüberwachungsbehörden beginnen ihre Aufsicht ab 2. August 2026. Die Hochrisiko-Pflichten wurden durch den Digital Omnibus (politische Einigung Rat–Parlament 7. Mai 2026) auf Dezember 2027 verschoben, aber Article 4 gilt bereits. Wer keine dokumentierte KI-Kompetenz-Schulung seiner Mitarbeitenden nachweisen kann, hat eine offene Flanke.

Das ifo-Institut (Konjunkturumfrage, Sonderfragen Mai 2025, n ca. 6.000 Unternehmen): 40,9 Prozent der deutschen Unternehmen nutzen KI in Geschäftsprozessen (2024: 27 Prozent). 70 Prozent erwarten Produktivitätsgewinne. Das ist eine Erwartung, kein Messwert. Ob diese Erwartung eingelöst wird, hängt davon ab, was vor dem Roll-out geklärt wurde.

Drei Aussagen aus dem LinkedIn-Diskurs, und was die Daten sagen

„95 Prozent der KI-Pilotprojekte scheitern.“ Publizistisch zugespitzt, methodisch angreifbar (MIT NANDA, Eigeninteressen-Konflikt, kleine qualitative Stichprobe). Aber die Grössenordnung ist von McKinsey und BCG unabhängig repliziert. Verdikt: Richtige Grössenordnung, falsche Präzision.

„KI ersetzt Junior-Entwickler.“ Stanford Digital Economy Lab (Brynjolfsson, Chandar, Chen, August 2025, Datenbasis ADP-Lohnabrechnungen, ca. 25 Millionen US-Beschäftigte): In den am stärksten KI-exponierten Berufen (Software-Entwicklung, Customer Support) zeigen sich für 22- bis 25-Jährige relative Beschäftigungsrückgänge von 13–20 Prozent seit Oktober 2022. Working Paper, nicht peer-reviewed; Confounder möglich. Übertragbarkeit auf DACH offen. Verdikt: Für den US-Markt empirisch gestützt, für DACH noch nicht belegt.

„KI-Code ist schlechter.“ GitClear 2025 (211 Millionen Code-Änderungen 2020–2024): Copy-Paste-Anteil plus 48 Prozent relativ, Refactoring minus 60 Prozent. CodeRabbit 2026 (470 Pull Requests): AI-PRs haben 1,7-fache Issue-Dichte, darunter 1,75-fache Correctness-Issues. Faros: Bugs pro Entwickler plus 54 Prozent. Verdikt: Für Code-Qualität auf Codebase-Ebene belastbar, in Greenfield-Kontexten kann das Bild anders aussehen.

Was IT-Leitung jetzt konkret tun kann

Bewegung 1: Diagnose vor Roll-out.

DORA und Faros sind kongruent: Wer KI in eine Engineering-Umgebung mit schwacher CI/CD, grossen Pull Requests und schlechter Review-Disziplin einbringt, amplifiziert Schäden, nicht Throughput. Baseline-Metriken vor jedem KI-Roll-out sind kein Bürokratismus, sie sind die Voraussetzung, um „Verstärkung positiv“ von „Verstärkung negativ“ unterscheiden zu können.

Was zu messen ist: Change Failure Rate, Mean Time to Recovery, Pull-Request-Grösse, Review-Coverage, Incident-pro-Pull-Request-Ratio. Wer diese Werte nicht kennt, kann nach dem Roll-out nicht beurteilen, was die KI bewirkt hat.

Bewegung 2: Outcome statt Output.

Faros formuliert das Problem scharf: plus 98 Prozent mehr Pull Requests bei flat bleibenden Delivery-Metriken auf Organisationsebene. McKinsey-High-Performer steuern KI-Initiativen nicht mit Activity-Metriken (Lines of Code, Tickets, PRs), sondern mit Outcome-Metriken (Time-to-Resolution, Conversion-Rate, Stückkosten, Forecast-Genauigkeit).

Wenn nach zwei Quartalen keine fachbereichs-spezifische Outcome-Metric messbar bewegt ist, läuft der Use-Case auf der falschen Seite des MIT-NANDA-Divides.

Bewegung 3: Schnittstellen-Governance, nicht Verbot.

IBM und Software AG sind in einer Aussage konvergent: Verbote scheitern — 49 Prozent der deutschen Schatten-KI-Nutzer würden trotz Verbot weiter nutzen. Governance funktioniert. Die Mindestbestandteile: Inventar der eingesetzten KI-Systeme, rollendifferenzierte Schulung mit Dokumentation (Article 4), genehmigte Tool-Liste mit technischer Durchsetzung, Daten-Klassifikation als Input für Tool-Auswahl, Audit-Mechanismus.

Die Klärung dieser Schnittstelle ist der Vorläufer, nicht der Nachläufer des KI-Roll-outs. Das ist die Evidenz aus sieben unabhängigen Studien. Den übergreifenden Rahmen, warum die IT-Fachbereich-Schnittstelle das eigentliche Wirksamkeits-Thema ist und KI nur einer von mehreren Verstärkern, vertiefen wir unter IT-Wirksamkeit, Sektion „KI verstärkt, was bereits da ist“.

---

Wenn Sie die Schnittstelle vor dem KI-Roll-out klären wollen, nicht nach dem ersten Incident
„Emails über den Zaun werfen ist keine Kommunikation“ zeigt anhand von fünf Kräften, warum Projekte scheitern, obwohl alle ihren Job machen. Das Buch zur WERT³-Methodik. 318 Seiten, April 2026 erschienen.
→ Buch ansehen

---

Häufige Fragen zur KI-Wirksamkeit in IT-Abteilungen

Stimmt es, dass 95 Prozent aller KI-Pilotprojekte scheitern?

Die Aussage stammt aus dem MIT-NANDA-Report „The GenAI Divide: State of AI in Business 2025″ (Juli/August 2025, 52 Interviews + 153 Surveys + 300 öffentliche Deployments). Sie gilt für „integrated GenAI“, nicht für Consumer-Tools wie ChatGPT, und hat einen methodischen Schwachpunkt: Project NANDA bewirbt im selben Bericht eigene kommerzielle KI-Infrastruktur. Die Grössenordnung ist jedoch durch McKinsey (n=1.993, 5,5% High Performer) und BCG (n=1.250, 5% „future-built“) unabhängig repliziert. Die exakte Zahl ist publizistisch; die Grössenordnung ist belastbar.

Macht KI Code besser oder schlechter?

Beides, abhängig vom Engineering-Kontext. Faros AI Engineering Report 2026 (Telemetrie 22.000 Entwickler): Bugs pro Entwickler plus 54 Prozent, Incidents pro Pull Request plus 242,7 Prozent. GitClear 2025 (211 Millionen Code-Änderungen): Refactoring-Anteil minus 60 Prozent, Copy-Paste plus 48 Prozent relativ. DORA 2025 findet dagegen: In Teams mit reifer Plattform-Engineering und Review-Disziplin zeigen sich positive Qualitätseffekte. Der Mediator ist die Schnittstelle zum Engineering-System.

Was sagt DORA 2025 zu KI in Software-Organisationen?

DORA Report 2025 (Google Cloud, nahezu 5.000 Tech-Professionals plus über 100 Interview-Stunden): 90 Prozent KI-Adoption unter Entwicklern, über 80 Prozent berichten Produktivitätsgewinne, aber gleichzeitig steigt Instabilität. Die zentrale These: „AI’s primary role in software development is that of an amplifier. It magnifies the strengths of high-performing organisations and the dysfunctions of struggling ones.“ Empfehlung von DORA: Investition in interne Plattformen, kleine Batches, Observability, schnelle MTTR-Recovery vor dem KI-Einsatz.

Wie verbreitet ist Schatten-KI in Deutschland?

Bitkom 2025 (604 Unternehmen, KW 27–32 2025): Über 40 Prozent der Unternehmen haben bestätigte oder vermutete unkontrollierte KI-Nutzung. Software AG „Chasing Shadows“ 2024 (2.000 deutsche Wissensarbeiter): 49 Prozent würden private KI-Tools trotz Verbot weiter einsetzen. IBM Cost of Data Breach 2025 (600 Organisationen): Schatten-KI-Vorfälle kosten im Schnitt 670.000 USD mehr als Standard-Breaches; 63 Prozent der Organisationen haben keine AI-Governance-Policy.

Welche KI-Use-Cases zeigen 2025/2026 belastbare ROI-Werte?

Mit konsistenter Evidenz aus Primärstudien: Customer-Support-Triage (Brynjolfsson et al., QJE 2025, n=5.172: plus 14 Prozent gelöste Anfragen pro Stunde), Coding-Assistenz mit Review-Disziplin (McKinsey High Performer: 10–20 Prozent Cost-Reduction), Marketing-/Sales-Content-Generierung (McKinsey: 71 Prozent berichten Umsatzgewinne). Ohne hinreichende Evidenz: autonome Agenten in Produktion, End-to-End-Automatisierung, KI-getriebene strategische Entscheidungen.

Was hat EU AI Act Artikel 4 konkret mit KI-Wirksamkeit zu tun?

Artikel 4 EU AI Act (anwendbar seit 2. Februar 2025) verpflichtet Betreiber und Anbieter, ausreichende KI-Kompetenz ihrer Mitarbeitenden sicherzustellen, mit Dokumentation. Nationale Aufsicht beginnt 2. August 2026. Der operative Zusammenhang mit Wirksamkeit: Ohne dokumentierte Schulung steigt das Risiko, dass KI-Output in regulierten Kontexten zu Compliance-Problemen führt, und ohne diese Schulung bleibt die Schnittstelle zwischen Fachbereich, IT und Governance ungeklärt, die Schatten-KI antreibt.

Ersetzt KI Junior-Entwickler?

Stanford Digital Economy Lab (Brynjolfsson, Chandar, Chen, August 2025, Revision November 2025; Datenbasis ADP-Lohnabrechnungen, ca. 25 Millionen US-Beschäftigte): In den am stärksten KI-exponierten Berufen (Software-Entwicklung, Customer Support) zeigen 22- bis 25-Jährige einen relativen Beschäftigungsrückgang von 13 bis 20 Prozent gegenüber Oktober 2022. Working Paper, nicht peer-reviewed. Confounder möglich. Übertragbarkeit auf DACH-Arbeitsmarkt mit anderen Arbeitsrechtsstrukturen ist nicht gegeben.

Was bedeutet „KI verstärkt, was bereits da ist“ für Nicht-Engineering-Bereiche?

Wer einen unklaren Anforderungsprozess mit KI beschleunigt, beschleunigt das Missverständnis. Wer eine schwache Übergabekette zwischen IT und Fachbereich automatisiert, automatisiert den Informationsverlust. Die DORA-These gilt nicht nur für Code: Sie gilt für jeden Prozess, den KI berührt. Die Klärung der Schnittstelle ist Voraussetzung, nicht Ergebnis der KI-Einführung.

Quellen

Quelle	n	Datum	URL
DORA Report 2025, Google Cloud	~5.000 Tech-Professionals	Sep 2025	cloud.google.com/devops/state-of-devops
Faros AI Engineering Impact Report 2026	22.000 Entwickler / 4.000 Teams	Mär 2026	faros.ai/blog/ai-acceleration-whiplash-takeaways
MIT NANDA „The GenAI Divide: State of AI in Business 2025″	52 Interviews + 153 Surveys + 300 Deployments	Jul/Aug 2025	media.mit.edu (Project NANDA)
McKinsey „The State of AI 2025″	1.993, 105 Länder	25. Jun–29. Jul 2025	mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
BCG „The Widening AI Value Gap“	1.250 Senior Executives, 9 Branchen	30. Sep 2025	bcg.com
Gartner Hype Cycle for Artificial Intelligence 2025	—	11. Jun 2025	gartner.com/en/articles/hype-cycle-for-artificial-intelligence
Gartner CIO Survey Mai 2025	506	Mai 2025	gartner.com
Gartner Agentic AI Prognose	—	25. Jun 2025	gartner.com/en/newsroom/press-releases/2025-06-25
Stack Overflow Developer Survey 2025	49.009 aus 166 Ländern	29. Mai–23. Jun 2025	survey.stackoverflow.co/2025
METR RCT 2025 (Becker, Rush, Barnes, Rein)	16 Entwickler, 246 Tasks	Feb–Jun 2025 (Veröff. Jul 2025)	metr.org/blog/2025-07-10 / arXiv 2507.09089
Bitkom KI-Studie / Schatten-KI 2025	604 Unternehmen	KW 27–32 2025	bitkom.org/Presse/Presseinformation/Beschaeftigte-nutzen-Schatten-KI
Software AG „Chasing Shadows“ 2024	6.000 Wissensarbeiter, davon 2.000 DE	13.–25. Sep 2024	newscenter.softwareag.com/de
Microsoft Work Trend Index 2024	31.000, 31 Märkte	15. Feb–28. Mär 2024	microsoft.com/en-us/worklab/work-trend-index
IBM Cost of Data Breach Report 2025	600 Organisationen, 3.470 Interviews	Mär 2024–Feb 2025	ibm.com/think/insights/data-matters/cost-of-a-data-breach
GitClear AI Code Quality 2025 (Harding, Kloster)	211 Mio. Code-Änderungen 2020–2024	Feb 2025	gitclear.com
Stanford „Canaries in the Coal Mine“ (Brynjolfsson, Chandar, Chen)	~25 Mio. ADP-Beschäftigte	Aug 2025, Rev. Nov 2025	digitaleconomy.stanford.edu
Brynjolfsson, Li, Raymond: „Generative AI at Work“	5.172 Support-Mitarbeitende	Quarterly Journal of Economics 140(2), 2025	researchgate.net
FactSet Earnings Call AI-Erwähnungen Q3/Q4 2025	485 S&P-500-Unternehmen	Sep–Dez 2025	insight.factset.com
EZB Working Paper No. 3093 (Ca‘ Zorzi, Lopardo, Manu)	>22.000 Earnings-Call-Transkripte	2025	ecb.europa.eu
ifo Konjunkturumfrage KI-Sonderfragen 2025	~6.000 Unternehmen	Mai 2025	ifo.de
EU AI Act Artikel 4 / Digital Omnibus	—	Anwendbar 2. Feb 2025 / politische Einigung 7. Mai 2026	eur-lex.europa.eu