KI, das Wendeljahr für italienische Unternehmen: Verdoppelte Akzeptanz und erste echte Auswirkungen auf das Geschäft

KI, das Wendeljahr für italienische Unternehmen: Verdoppelte Akzeptanz und erste echte Auswirkungen auf das Geschäft

Innerhalb von zwölf Monaten hat sich künstliche Intelligenz von einem Schlagwort zu einer strategischen Infrastruktur für einen wachsenden Teil der italienischen Unternehmen entwickelt. Laut dem neuesten Istat-Bericht „Unternehmen und IKT – Jahr 2025“ nutzen 16,4 % der Unternehmen mit mindestens 10 Mitarbeitern mindestens eine KI-Technologie, fast doppelt so viele wie 2024 (8,2 %) und mehr als dreimal so viele wie 2023 (5,0 %).[2][1]

Für ein traditionell vorsichtiges Produktionssystem wie das italienische erleben wir eine neue Phase: KI ist nicht mehr nur ein Experiment einiger Pioniere, sondern wird zu einem übergreifenden Wettbewerbsfaktor mit konkreten Auswirkungen auf Marketing, Betrieb, Logistik und Finanzen.[1][2]

In diesem Artikel analysieren wir, was die Zahlen wirklich aussagen, wohin die Investitionen fließen, welche Akzeptanzmodelle entstehen und wie all dies das Geschäft zwischen Chancen und Risiken neu gestaltet.

Die explosionsartige Zunahme der Akzeptanz: Nicht nur mehr Unternehmen, sondern auch eine reifere Nutzung

Die wichtigste Zahl ist klar: Der Einsatz von KI in italienischen Unternehmen hat sich innerhalb eines Jahres verdoppelt, von 8,2 % auf 16,4 % zwischen 2024 und 2025.[2][1]

Aber der Sprung ist nicht nur quantitativ.

Mehr Technologien für dasselbe Unternehmen

Istat stellt fest, dass nicht nur die Anzahl der Unternehmen, die angeben, KI zu nutzen, wächst, sondern auch die Komplexität der Projekte:[2]

• Der Anteil der Unternehmen, die mindestens zwei KI-Technologien nutzen, ist von 5,2 % im Jahr 2024 auf 10,6 % im Jahr 2025 gestiegen[2]
• Kombinationen aus intelligenter Automatisierung, prädiktiver Analyse und Empfehlungssystemen verbreiten sich und werden oft in bestehende CRM-, ERP- und Datenplattformen integriert[1]

Dies deutet darauf hin, dass die fortschrittlichsten Unternehmen sich nicht auf das Experimentieren mit einem einzelnen Tool für generative KI beschränken, sondern beginnen, hybride Architekturen aufzubauen, in denen Sprachmodelle, Algorithmen für maschinelles Lernen und Automatisierungssysteme in realen Prozessen zusammenarbeiten.[1]

Generative KI ist sichtbar, aber (noch) nicht die Mehrheit

In der öffentlichen Debatte dominiert generative KI, aber das Gesamtbild ist komplexer. Eine Analyse des Sounding Board Künstliche Intelligenz von Confindustria mit 241 Anwendungsfällen, die in 76 Unternehmen gesammelt wurden, zeigt, dass generative KI 18,3 % der Fälle ausmacht, während die Mehrheit der Projekte Folgendes betrifft:[1]

• Automatisierung von Prozessen (Backoffice, Dokumentation, Workflow)
• Prädiktive Analyse (Nachfrage, Wartung, Risiken)
• Entscheidungsunterstützungssysteme und dynamische Preisgestaltung

Es entsteht ein Bild, in dem generative KI als „sichtbare“ Schnittstelle dient (Copilot, Chatbot, Content Generation), aber der Großteil des wirtschaftlichen Werts heute mit weniger auffälligen Motoren erzielt wird, die in Betrieb, Lieferkette und Finanzen integriert sind.[1]

Wo KI die Arbeit wirklich verändert: eine sektorale Landkarte

Die Confindustria-Studie bietet eine detaillierte Karte der Sektoren, in denen KI strukturelle Auswirkungen hat und über oberflächliche Experimente hinausgeht.[1]

Gesundheitswesen und Biowissenschaften: Automatisierung der „unsichtbaren Arbeit“

Im Gesundheitswesen wird KI eingesetzt, um die Belastung durch die klinische Bürokratie zu reduzieren und die Datenqualität zu verbessern:[1]

• Automatisierung der klinischen Dokumentation durch Spracherkennung und Sprachmodelle: Berichte werden während der Besuche in Echtzeit transkribiert, wodurch Fehler und Bearbeitungszeiten reduziert werden[1]
• Erweiterte Analyse von Gesundheitsdaten und -bildern zur Unterstützung von Diagnosen, personalisierten Therapiepfaden und klinischen Studien
• Verwendung von digitalen Zwillingen und Copilot-Systemen zur Optimierung von Forschung und Entwicklung in der Pharmazie, molekularen Simulationen und der Untersuchung komplexer biologischer Netzwerke[1]

Das Ergebnis ist eine erste Verlagerung der KI von einem experimentellen Forschungsinstrument zu einem infrastrukturellen Hebel für die Effizienz von Gesundheitssystemen.

Intelligente Städte und öffentliche Verwaltung: Sensoren, Daten und vorausschauende Wartung

Im Bereich der Smart Cities wird KI zunehmend in kritische Infrastrukturen integriert:[1]

• Intelligente Verwaltung der öffentlichen Beleuchtung mit Sensoren und Vorhersagemodellen für Verbrauch und Ausfälle
• Vorausschauende Wartungsplanung für städtisches Grün und Infrastruktur
• Optimierung der Abfallwirtschaft und Überwachung ausgedehnter Naturgebiete zur Prävention und schnellen Reaktion auf Notfälle[1]

Hier wird KI zu einem Motor für betriebliche Effizienz mit direkten Vorteilen für Kosten, Nachhaltigkeit und Servicequalität.

Finanzen, Beschaffung und Lieferkette: Der Algorithmus greift in die Margen ein

Im Bereich der Kernprozesse von Unternehmen wird KI eingesetzt, um:

• Das Kreditrisiko und die Zahlungsfähigkeit von Kunden mit fortschrittlichen Scoring-Modellen zu optimieren[1]
• Die Nachfrage nach Rohstoffen vorherzusagen und in Echtzeit auf Preisschwankungen und Marktangebote zu reagieren[1]
• Die Verwaltung von Einkäufen zu automatisieren, wodurch Fehler, Durchlaufzeiten und Betriebskosten reduziert werden

Dies sind Anwendungsfälle, die für die breite Öffentlichkeit weniger sichtbar sind, aber direkte Auswirkungen auf Cashflow, Margen und Widerstandsfähigkeit haben.

Logistik: 2025 als „Jahr Null“ der angewandten KI

In der Logistikbranche sprechen Branchenbeobachter vom Jahr 2025 als dem „Jahr Null der KI“: Die Einführung von Technologien der künstlichen Intelligenz verändert die Planung, Verfolgung und Verwaltung von Flotten.[6]

Jüngsten Daten zufolge hat sich der Einsatz von KI in italienischen Unternehmen verdoppelt, aber es besteht weiterhin eine starke Kluft zwischen großen und kleinen Unternehmen, die sich zu einer strukturellen Wettbewerbslücke in der Lieferkette entwickeln könnte.[6][2]

Schattenseite der Medaille: fragmentierte Akzeptanz und „unstrukturierte“ Nutzung

Hinter den positiven Zahlen fotografiert Istat auch Elemente der Anfälligkeit bei der Akzeptanz:[2]

• Der Anteil der Unternehmen, die angeben, KI zu nutzen, ohne einen bestimmten Unternehmensbereich angeben zu können, steigt: von 15,5 % im Jahr 2024 auf 33,4 % im Jahr 2025[2]
• Das Phänomen betrifft vor allem kleine Unternehmen, in denen die Akzeptanz oft experimentell ist, einzelnen Abteilungen oder internen Stellen anvertraut wird und nicht in die Organisationsprozesse integriert ist[2]

Mit anderen Worten, ein nicht unerheblicher Teil des Produktionsgefüges befindet sich in einer Phase der „Oberflächen-KI“: Werkzeuge, die opportunistisch eingesetzt werden (um Texte, Folien, Bilder, kleine Automatisierungen zu erstellen), aber ohne eine echte Strategie zur Transformation von Prozessen.

Die Hindernisse: Kompetenzen, Normen, Daten und Kosten

Unter den Unternehmen, die KI noch nicht nutzen, wächst jedoch das potenzielle Interesse: 11,5 % haben die Einführung in Erwägung gezogen, mehr als doppelt so viele wie im Jahr 2023.[2]

Die wichtigsten Hindernisse sind:[2]

• Fehlende interne Kompetenzen zur Auswahl, Integration und Steuerung von KI-Lösungen
• Normative Unsicherheit, insbesondere in Bezug auf den europäischen AI Act und seine Wechselwirkung mit DSGVO, Digital Services Act und anderen Vorschriften[1][2]
• Geringe Verfügbarkeit von geeigneten Daten (Qualität, Governance, Zugriff) zur Speisung effektiver Modelle
• Bedenken hinsichtlich Datenschutz, Sicherheit und Implementierungskosten[2]

Das Gesamtbild ist das eines Ökosystems im unvollendeten Übergang: KI schreitet schnell voran, aber ihre Auswirkungen sind weiterhin uneinheitlich zwischen Sektoren, Gebieten und Unternehmensgrößenklassen.[2][7]

Neuer regulatorischer Rahmen: Der AI Act als Game Changer für Unternehmen

Die Beschleunigung der Akzeptanz erfolgt in einem europäischen Rechtsrahmen, der sich stark festigt. Der AI Act wird zur tragenden Säule einer Innovations-Governance, die mit DSGVO, Digital Services Act und anderen wichtigen Instrumenten interagiert.[1]

Risikobasierte Klassifizierung und die Rolle des „Deployers“

Die Verordnung verfolgt eine Logik der Klassifizierung von KI-Systemen nach Risiko, mit zunehmenden Verpflichtungen je höher die Kritikalität des Anwendungsbereichs ist.[1]

Ein zentraler Punkt für Unternehmen ist die Figur des Deployers:

• Das ist das Unternehmen, das im eigenen Prozess ein KI-System mit hohem Risiko einsetzt
• Es trägt spezifische Verantwortung für Risikobewertung, Personalschulung, Transparenz und kontinuierliche Überwachung des Systems[1]

Für Organisationen, die KI in Kernprozesse integrieren (z. B. Kreditscoring, Personalauswahl, Gesundheitswesen, kritische Infrastrukturen), bedeutet dies, dass interne Governance-Frameworks aufgebaut werden müssen, mit klarer Zuweisung von Rollen, Auditprozessen und Management des Lebenszyklus von Modellen.

Auswirkungen auf das Geschäft

Von der Experimentierphase zum Wettbewerbshebel

Der Anstieg von 5 % der Unternehmen im Jahr 2023 auf 16,4 % im Jahr 2025 deutet darauf hin, dass KI in vielen Realitäten von einem Pilotprojekt zu einem strategischen Vorteil wird.[2]

Die deutlichsten Auswirkungen betreffen:

• Betriebliche Effizienz: Automatisierung sich wiederholender Tätigkeiten, Reduzierung von Fehlern, Verkürzung der Durchlaufzeiten (Backoffice, Dokumentation, Kundenservice)[1][2]
• Qualität der Entscheidungen: dank prädiktiver Analyse, dynamischer Preismodelle, Optimierung von Risiko und Lieferkette[1]
• Personalisierung des Angebots: Empfehlungen, erweiterte Segmentierung, dynamische Inhalte für Marketing und Vertrieb

Unternehmen, die frühzeitig in Daten, Cloud-Infrastrukturen und analytische Kompetenzen investiert haben, profitieren nun von kumulativen Vorteilen, die für Nachzügler schwer aufzuholen sind.

Marketing und Customer Experience: Der Algorithmus als neuer „kreativer Motor“

Obwohl die Istat-Daten nicht auf die einzelnen Funktionen eingehen, deutet die Beobachtung italienischer und internationaler Anwendungsfälle darauf hin, dass das digitale Marketing zu den ersten Bereichen gehört, die von KI profitieren:[1][8]

• Unterstützte Erstellung von Inhalten (Texte, Anzeigen, Varianten von Kreativität)
• Automatisierte Optimierung von Werbekampagnen über mehrere Kanäle
• Prädiktives Scoring von Leads, Churn und Kaufbereitschaft
• Feine Segmentierung auf der Grundlage von Verhaltensweisen und schwachen Signalen

Parallel dazu hat die Verbreitung von KI-generierten Inhalten zu einer Informationsüberlastung geführt: Laut einer aktuellen Analyse sind minderwertige Inhalte, die von KI produziert werden, im Jahr 2025 zur Massenware geworden, was Plattformen und Suchmaschinen dazu veranlasst, Filter und ausgefeiltere Ranking-Systeme zu entwickeln.[8]

Für Marken und Agenturen bedeutet dies, dass KI nicht nur ein Produktionsinstrument ist, sondern auch Ziel neuer Qualitäts- und Relevanzregeln: Wer sich auf das „Pumpen von Volumen“ beschränkt, riskiert, von den Discovery-Algorithmen abgestraft zu werden.[8]

KMU: Risiko einer strukturellen Kluft

Die starke Präsenz von „unstrukturierten“ Nutzungen bei kleinen Unternehmen deutet auf ein Polarisierungsrisiko hin:[2]

• Einerseits große Unternehmen und mittelgroße Konzerne, die KI tiefgreifend integrieren, mit engagierten Teams, klarer Governance und Skalierbarkeit
• Andererseits eine breite Masse von KMU, die generische Tools ausprobiert, ohne sie in eine Transformationsstrategie einzubinden

Wenn diese Kluft nicht geschlossen wird, besteht die Gefahr, dass KI zu einem Verstärker von Wettbewerbsungleichheiten wird, anstatt zu einer breit gefächerten Chance.[2][6]

Talente, Organisation und Arbeit

Das Wachstum der Akzeptanz hat direkte Auswirkungen auf Rollen und Kompetenzen:

• Es entstehen Figuren wie AI Product Owner, Data Steward, Prompt Specialist, AI Compliance Officer
• Die Nachfrage nach hybriden Profilen steigt, die Fachwissen (z. B. Betrieb, Marketing, Finanzen) mit Datenkompetenz und Vertrautheit mit Modellen verbinden können
• Die tägliche Arbeit wird von Copiloten und intelligenten Assistenten neu gestaltet, die Wissensarbeiter und Bediener unterstützen

Parallel dazu bleibt die soziale Wahrnehmung von KI ambivalent: Internationale Umfragen zeigen, dass über die Hälfte der Arbeitnehmer befürchtet, dass ihre Arbeit in den nächsten Jahren von einer Maschine ersetzt werden könnte, was ein Klima bestätigt, in dem Akzeptanz und Ersetzungsangst nebeneinander existieren.[3]

Strategien für eine „reife“ Akzeptanz von KI im Unternehmen

Aus den Daten und Anwendungsfällen ergeben sich einige implizite Richtlinien, um von taktischen Experimenten zu langfristigen Strategien überzugehen.

1. Die Daten in den Mittelpunkt stellen

Ohne qualitativ hochwertige, verwaltete und zugängliche Daten bleibt KI eine Laborübung. Die fortschrittlichsten Unternehmen sind gerade dabei:[1]

• Vereinheitlichte Datenplattformen zu konsolidieren
• Klare Rollen der Datenverantwortung zu definieren
• In Datenqualität, Datenherkunft und Datensicherheit zu investieren

2. Die Anwendungsfälle mit den KPIs des Unternehmens verbinden

Erfolgreiche Projekte beginnen mit klaren wirtschaftlichen Zielen (Kostensenkung, Umsatzsteigerung, Verbesserung des NPS, Reduzierung der Durchlaufzeiten) und messen den Beitrag der KI auf strukturierte Weise, wodurch das Risiko des „Dauerpiloten“ vermieden wird.

3. Compliance als Enabler und nicht nur als Einschränkung verwalten

Der neue europäische Rechtsrahmen drängt die Unternehmen dazu, bereits in der Designphase über AI Governance nachzudenken:[1]

• Audits der Datensätze
• Rückverfolgbarkeit automatisierter Entscheidungen
• Register der KI-Systeme mit hohem Risiko
• Prozesse zur Folgenabschätzung (parallel zu den Datenschutzprozessen)[1]

Organisationen, die diese Elemente in ihre Beschaffungs- und Entwicklungsprozesse integrieren, werden im Vorteil sein, wenn die Anforderungen des AI Act vollständig in Kraft treten.

4. In breite Kompetenzen investieren, nicht nur in „Exzellenzzentren“

Der Mangel an Fähigkeiten ist heute eines der Haupthindernisse.[2] Die reifsten Fälle zeigen, dass KI dann effektiv wird, wenn sie nicht auf ein spezialisiertes Team beschränkt ist, sondern von Managern, Kreativen, Technikern und Bedienern verstanden und bewusst eingesetzt wird.

Dies erfordert kontinuierliche Schulungsprogramme, klare Richtlinien für die interne Nutzung von generativer KI und Support-Tools, die die Einführung sicher und nachvollziehbar machen.

Ein Szenario in schneller Konsolidierung

2025 markiert für Italien den Übergang von einer elitären KI-Akzeptanz zu einer Phase der beschleunigten, aber noch ungleichen Verbreitung. Die Zunahme der Durchdringung, das Wachstum der Komplexität der Projekte und der neue europäische Rechtsrahmen deuten darauf hin, dass KI keine marginale Option mehr ist, sondern ein Thema der strategischen Governance für Unternehmen und Institutionen.[1][2]

Der Verlauf der nächsten Jahre wird davon abhängen, ob das System Land – Unternehmen, Lieferketten, Institutionen, Ausbildung – diesen Ansturm der Akzeptanz in einen strukturellen Wettbewerbsvorteil verwandeln kann und nicht in eine weitere technologische Welle mit lückenhafter Abdeckung.