69,9 % der Führungskräfte im Mittelstand sagen, ihre Belegschaft verfüge bereits über die Fähigkeiten, die sie für künftigen Erfolg braucht. In derselben Umfrage, unter denselben 722 Organisationen, im selben Monat berichten 20,2 % von einer hochgradig positiven Wirkung ihrer Investitionen in KI und Technologie (CLA, 2026).
Legen Sie diese beiden Zahlen nebeneinander, denn die meisten KI-Budgets beruhen auf der Annahme, dass sie sich gemeinsam bewegen.
Das tun sie nicht. Und die Richtung der Umkehrung wiegt schwerer als ihr Ausmaß: Die untersuchte Gruppe hat nach eigener Aussage das Kompetenzdefizit ausgeschlossen. Das sind keine Analysten, die den Mittelstand von außen diagnostizieren. Das sind die Menschen, die die Rechnungen unterschreiben — sie sagen Ihnen, ihr Team sei fähig, und sagen Ihnen anschließend, die Investition habe größtenteils nichts gebracht.
Das heißt: Die Frage der KI-Bereitschaft der Belegschaft, so wie die meisten Operations-Teams im Mittelstand sie seit zwei Jahren gestellt haben, ist beantwortet — und sie hat nicht die Rendite gekauft, die alle vorausgesetzt haben.
Was der CLA Heartbeat Index tatsächlich gemessen hat
Der CLA Heartbeat Index, veröffentlicht am 18. August 2026, befragt kleine und mittelständische Unternehmen, Unternehmerinnen und Unternehmer, gemeinnützige und zivilgesellschaftliche Organisationen in den USA. Diese Welle: 722 Befragte. Die Erhebung läuft dreimal jährlich, was sie zu einem der wenigen Instrumente macht, bei denen die Stichprobe tatsächlich der Mittelstand ist, statt herunterskalierter Konzerndaten, auf die man dann hofft.
Die Zuversichtswerte sind durchweg hoch. 72,2 % blicken optimistisch auf die Aussichten ihrer Organisation für die nächsten zwölf Monate. 68,6 % sind zuversichtlich, expandieren, wachsen oder in strategische Prioritäten investieren zu können. 69,9 % glauben, ihre Belegschaft habe die Fähigkeiten, die für künftigen Erfolg nötig sind (CLA, 2026).
Dann kommen die Ergebniszahlen. 49,5 % berichteten von positiven Verbesserungen bei Effizienz oder Leistung durch jüngste Technologie- oder KI-Investitionen. 20,2 % berichteten von hochgradig positiven Effekten.
Also: Rund die Hälfte hat etwas gesehen. Einer von fünf hat etwas gesehen, das das Geld wert war. Und die Führungskräfte, die das berichten, sind dieselben, die gerade gesagt haben, ihre Leute seien bereit.
CLAs Chief Solutions Officer James Watson benannte die Sorgen, die Führungskräfte im Zusammenhang mit KI tatsächlich äußern: Implementierung, Governance, Datenqualität, Sicherheit, Compliance, Bereitschaft der Belegschaft, Change Management und Return on Investment. Achten Sie auf die Form dieser Liste. Sieben der acht Punkte sind Eigenschaften der Organisation. Einer ist eine Eigenschaft der Menschen.
KI-Bereitschaft der Belegschaft ist die Antwort auf eine Frage, die niemand stellt
Die meisten Studien zur KI-Bereitschaft der Belegschaft melden eine Kompetenzlücke und verschreiben Schulung. Das ist ein bequemer Befund, denn Schulung ist eine Budgetzeile, ein Anbieter und eine Abschlussquote — alles Dinge, die ein Operations-Team bis zum Jahresende liefern kann.
Die CLA-Daten durchbrechen diese Schleife. Wenn die Führungskräfte selbst sagen, die Fähigkeit sei vorhanden, dann wird Schulung finanziert, um ein Problem zu lösen, das die Käufer bereits verworfen haben.
Das ist keine isolierte Lesart. Deloittes State of AI in the Enterprise 2026, mit 3.235 Führungskräften in 24 Ländern, fand unzureichende Mitarbeiterkompetenzen als größte Barriere für die KI-Integration genannt — und fand dann eine erheblich schiefe Reaktion darauf. 53 % schulen die Belegschaft, um die KI-Souveränität zu erhöhen. Nur 30 % denken die Organisation entlang neuer KI-Muster neu, und 33 % gestalten Karrierepfade um. Ganze 34 % nutzen KI, um Produkte, Prozesse oder Geschäftsmodelle tiefgreifend zu verändern; die übrigen zwei Drittel bleiben inkrementell (Deloitte, 2026).
Alle schulen. Fast niemand baut um. Dann wundern sich alle, dass die Arbeit unverändert aussieht.
Microsofts Work Trend Index 2026 beziffert, welche Hälfte dieses Paares sich tatsächlich auszahlt. Über 20.000 KI-nutzende Beschäftigte in 10 Ländern hinweg trugen organisationale Faktoren — Kultur, Unterstützung durch Führungskräfte, Talentpraktiken — mehr als doppelt so viel zur realisierten KI-Wirkung bei wie individuelle Faktoren wie Haltung und Verhalten: 67 % gegenüber 32 % (Microsoft Work Trend Index, 2026).
Zwei Drittel der Rendite sind Organisationsdesign. Der Großteil des Budgets zielt auf das andere Drittel.
Die zwei verbliebenen Verdächtigen
Wenn Kompetenzen nicht die Engstelle sind, bleiben nur zwei Kandidaten, die eine Spanne zwischen 69,9 % und 20,2 % erzeugen können. Beide unglamourös. Beide schon in diesem Quartal in Ihrer Hand.
1. Die Arbeit wurde nie neu entworfen
Ein fähiger Mensch mit einem fähigen Werkzeug in einem unveränderten Prozess erzeugt dasselbe Ergebnis etwas schneller, und der Gewinn verpufft im umgebenden Arbeitsfluss, bevor er eine Zeile in der Gewinn- und Verlustrechnung erreicht.
ActivTraks Productivity Lab hat dem Verhaltens-Telemetrie statt einer Umfrage entgegengesetzt: Von 120.620 Beschäftigten erreichten 27 % Rechercheunterstützung, 14 % Aufgabenausführung und 2 % echte Workflow-Integration (ActivTrak, 2026). Nicht 2 % der vergebenen Lizenzen. 2 % der Beschäftigten, deren beobachtete Arbeit tatsächlich ihre Form verändert hat.
Die Selbstauskunft sagt Bereitschaft. Die Telemetrie sagt, die Arbeit ist unangetastet. Beides kann gleichzeitig stimmen — und genau so landet man bei einer selbstsicheren Belegschaft und einer flachen Rendite.
2. Es gab nie eine Ausgangsmessung
Der zweite Verdächtige ist leiser und, nach meiner Erfahrung mit Operations-Teams im Mittelstand, verbreiteter, als irgendjemand zugibt: Niemand hat den Prozess gemessen, bevor das Werkzeug kam.
Ohne Ausgangsmessung vor dem Rollout ist „hochgradig positive Wirkung" keine Beobachtung. Es ist ein Gefühl mit einem Prozentzeichen daran. Manche Führungskräfte in diesen 49,5 % berichten von echten Effizienzgewinnen. Andere berichten von Erleichterung, Neuheit oder dem Ausbleiben einer Katastrophe. Das Instrument kann sie nicht unterscheiden, und Sie können es auch nicht — was bedeutet, dass die 20,2 % womöglich die ehrliche Teilmenge sind und nicht die erfolgreiche.
Diese Unterscheidung hat eine unmittelbare Budgetfolge. Wenn Sie einen echten Gewinn nicht von einer plausiblen Geschichte trennen können, können Sie eine scheiternde Initiative nicht beenden, weil nie Belege entstehen, die eindeutig genug sind, um die Entscheidung zu rechtfertigen. Also überlebt sie einen weiteren Zyklus.
Der Einwand: Selbstberichtete Zuversicht ist ein schwaches Instrument
Das ist der stärkste verfügbare Einwand, und er ist berechtigt. Die 69,9 % messen möglicherweise Optimismus statt Fähigkeit. Führungskräfte sind schlechte Richter über die Kompetenzen ihrer eigenen Belegschaft, und dieselbe Umfrage zeigt 72,2 % Optimismus für die nächsten zwölf Monate — eine Stimmung, die jede benachbarte Frage plausibel einfärbt.
Nehmen Sie den Einwand ernst, und die Schlussfolgerung wird schärfer, nicht schwächer.
Sind die 69,9 % überhöht, dann irren sich Mittelstandsführungskräfte zugleich über ihre Kompetenzlage und sind nicht in der Lage zu bemerken, dass sie sich irren. Das ist kein Argument für mehr Schulung. Es ist ein Argument dafür, dass die Organisation weder ihre Fähigkeit noch ihre Rendite verlässlich misst — dieselbe fehlende Instrumentierung, nur aus der anderen Richtung.
Entweder sind die Kompetenzen da und der Workflow ist das Problem, oder die Kompetenzeinschätzung ist unzuverlässig und die Messung ist das Problem. Es gibt keine Lesart dieser Daten, in der die Antwort lautet: „Kaufen Sie mehr Lizenzen und fahren Sie noch ein Schulungsmodul."
Was die 20 % von den 76 % trennt
In der Forschung zur Pilot-Governance findet sich ein nützlicher Vergleich. Valliance befragte 1.000 Führungskräfte der oberen Ebene und fand, dass 40 % der KI-Initiativen bewusst Pilot bleiben — nie eingestellt, nie skaliert —, in Organisationen mit reifen, etablierten KI-Programmen steigt der Wert auf 48 %. Unternehmen, die in der Pilotphase feststecken, brauchten 6,6 Monate bis zum Wertbeitrag gegenüber 5,9 Monaten bei den übrigen, und nur 20 % von ihnen berichteten von starkem ROI. Unter den Unternehmen, die ihre Piloten tatsächlich skaliert haben, taten dies 76 % (Consultancy.uk, 2026).
Zwanzig Prozent gegen sechsundsiebzig Prozent. Die Lücke ist weder Talent noch Werkzeug. Sie ist die Frage, ob es einen Entscheidungspunkt gibt.
Beachten Sie außerdem: Die Anhäufung von Piloten wird mit der Reife des Programms schlimmer. Mehr Erfahrung erzeugt mehr Dauerpiloten, nicht weniger, weil ein reifes Programm mehr parallele Initiativen hat und denselben fehlenden Zwang, eine davon zu beenden. Skalierung korrigiert sich hier nicht von selbst. Nur ein Entscheidungspunkt tut das.
Instrumentieren Sie zwei Prozesse, bevor das Budget schließt
Der Schritt für dieses Quartal ist kleiner, als er klingt, und erfordert keine neue Plattform.
Wählen Sie zwei oder drei Kernprozesse und messen Sie jetzt den Ausgangszustand. Durchlaufzeit, Fehler- oder Nacharbeitsquote, Kosten je Outputeinheit, Anzahl der Übergaben. Nehmen Sie die Messung, bevor das nächste Werkzeug kommt. Ist bereits eines im Einsatz, messen Sie trotzdem — Sie haben dann wenigstens eine Startlinie für die nächsten zwölf Monate.
Legen Sie ein festes Bewertungsfenster und eine vorab festgeschriebene Erfolgsschwelle je Initiative fest. Schreiben Sie die Zahl auf, bevor Sie beginnen. Eine Schwelle, die nach Eintreffen der Ergebnisse gewählt wird, ist keine Schwelle; sie ist eine Erzählung.
Machen Sie das Urteil am Entscheidungspunkt binär: skalieren oder einstellen. Keine dritte Option. „Wir erkunden weiter" ist der Weg, auf dem ein Pilot zu dauerhaftem Overhead ohne Verantwortlichen wird.
Verlagern Sie einen Teil des Schulungsbudgets in die Prozessneugestaltung. Nicht noch mehr Souveränitätskurse — ein benannter Prozess, durchgehend neu gezeichnet um das herum, was das Werkzeug jetzt kann, mit neu gebauten statt konservierten Übergaben und Freigaben. Deloittes Verhältnis 53 zu 30 ist die Standardaufteilung des Marktes. Es lohnt sich, sie bei mindestens einem Prozess bewusst umzukehren und zu sehen, was passiert.
Der Befund ist das Fehlen eines Befundes
Das Nützlichste an den CLA-Daten sind nicht die 20,2 %. Es ist, dass die 49,5 % unmittelbar darüber liegen — ein breites Band von Organisationen, die „eine gewisse Verbesserung" melden, ohne sagen zu können, wie viel, wovon ausgehend oder gegen welchen Startpunkt.
Behandeln Sie „wir können die Rendite nicht messen" als den Befund, nicht als Reporting-Ärgernis, das man später behebt. Es ist das Handlungsfähigste, was diese Umfrage zutage fördert, denn es ist die einzige Engstelle, die Sie beseitigen können, ohne jemanden einzustellen, etwas zu kaufen oder auf die Reifung des Marktes zu warten.
Die KI-Bereitschaft der Belegschaft war nie die bindende Engstelle, und die Menschen, die den Ausgaben am nächsten stehen, haben das nun selbst gesagt. Ihre Führungskräfte haben Ihnen bereits gesagt, dass die Leute bereit sind. Glauben Sie ihnen — und finden Sie dann heraus, ob sich die Arbeit überhaupt verändert hat. Bevor der nächste Budgetzyklus schließt: Benennen Sie die zwei Prozesse, deren Ausgangszustand Sie messen, und das Datum, an dem Sie das Ergebnis lesen.
