Wer sich aktuell durch LinkedIn oder durch die üblichen Tech-Panels bewegt, bekommt schnell den Eindruck, dass praktisch jedes Unternehmen längst autonome KI-Agenten im Einsatz hat, die komplette Abteilungen ersetzen. Notion hat sich die Mühe gemacht, diesen Eindruck an echten Zahlen zu überprüfen, und das Ergebnis liest sich deutlich nüchterner als die Konferenzbühne suggeriert.
Für die Studie “The Great Renovation” wurden über 6.100 Personen in zehn Märkten befragt, darunter auch der DACH-Raum. Notion unterscheidet dabei vier Reifegrade der KI-Nutzung in Unternehmen, von KI als Gedankenpartner für Einzelpersonen bis hin zu KI als System, das komplette Geschäftsprozesse eigenständig steuert. Die Verteilung über diese vier Stufen ist der eigentliche Aufhänger der Studie, und sie lohnt einen genaueren Blick.
Vier Stufen, aber die meisten stehen noch ganz am Anfang
Das Modell von Notion unterscheidet folgende Stufen:
- Level 1, KI als Gedankenpartner: Einzelne nutzen Standalone-Tools wie ChatGPT oder Claude zum Formulieren, Brainstormen oder Analysieren.
- Level 2, KI als Assistent: KI ist in den Arbeitsalltag eingebunden und hat Zugriff auf interne Daten und Systeme.
- Level 3, KI als Teammitglied: Teams setzen Agenten ein, die wiederkehrende Workflows automatisiert Ende zu Ende abwickeln.
- Level 4, KI als System: Agenten steuern geschäftskritische Prozesse mit echter Autonomie.
Von den 6.118 Befragten ordnen sich 57 Prozent auf Level 1 ein, 31 Prozent auf Level 2. Nur 10 Prozent geben an, KI bereits auf Teammitglied-Niveau einzusetzen, und ganze 2 Prozent erreichen Level 4. Im Klartext heißt das: 88 Prozent der Unternehmen nutzen KI aktuell für einzelne Aufgaben oder für eingebettete Assistenzfunktionen. Die viel zitierten autonomen Agentenflotten sind in der Praxis noch die absolute Ausnahme, nicht die Regel.
Für die eigene Einordnung lohnt sich dieser Rahmen trotzdem, weil er zeigt, dass sich die Levels nicht gegenseitig ablösen. Ein Unternehmen kann in der IT längst auf Level 3 arbeiten, während das Marketing noch bei einzelnen ChatGPT-Prompts steht. Genau das beobachten wir bei xtraz digital auch bei unseren Kunden: Die KI-Nutzung ist selten unternehmensweit einheitlich, sondern hängt stark davon ab, wer im Team wie nah an Daten und Systemen arbeitet.
Die Lücke zwischen Investition und Vorbereitung wächst mit dem Reifegrad
Ein Befund aus der Studie überrascht auf den ersten Blick. Man würde erwarten, dass sich die Lücke zwischen Investitionstempo und Mitarbeiterkompetenz mit wachsender Reife schließt. Das Gegenteil ist der Fall. Auf Level 1 sagen 48 Prozent der befragten Entscheider, dass ihr Unternehmen schneller in KI investiert, als die Mitarbeitenden vorbereitet sind. Auf Level 4 sind es 68 Prozent.
Das ergibt inhaltlich Sinn, auch wenn es zunächst unintuitiv wirkt. Wer noch bei einzelnen Tools steht, hat ein überschaubares Schulungsproblem. Wer KI in kritische Workflows integriert, muss plötzlich Governance, Rollenverteilung und Qualitätssicherung mitdenken, und das lässt sich nicht mit einem einzelnen Onboarding-Video lösen. Die Lernkurve wird also nicht flacher, sie wird steiler, je tiefer KI in tatsächliche Prozesse eingebaut wird.
Wer bei der KI-Nutzung in Unternehmen aktuell vorne liegt
Die Studie zeigt auch, welches Profil bei fortgeschrittener KI-Nutzung typisch ist. Auf Länderebene liegt Singapur mit 21 Prozent Level 3 oder 4 Anteil klar vorne, fast doppelt so hoch wie der globale Durchschnitt. Der DACH-Raum liegt mit 16 Prozent im oberen Mittelfeld, gemeinsam mit Südkorea, knapp vor Australien mit 15 Prozent und Großbritannien mit 14 Prozent. Die USA landen bei 11 Prozent, Frankreich bei 9 Prozent, die Nordics bei 8 Prozent, und die Benelux-Staaten bilden mit 6 Prozent das Schlusslicht.
Nach Rolle betrachtet führen IT-Admins mit 24 Prozent und Executives beziehungsweise C-Suite mit 23 Prozent. Das passt ins Bild, weil beide Gruppen nah an Infrastruktur, Systemen und Entscheidungen sitzen. Auffällig ist außerdem der Zusammenhang mit Seniorität: Owner und CEOs sind mehr als sechsmal so häufig auf Level 3 oder 4 wie Individual Contributors, nämlich 39 Prozent gegenüber 6 Prozent. Bei der Unternehmensgröße zeigt sich kein einfacher Zusammenhang. Mid-Market-Unternehmen mit 500 bis 999 Mitarbeitenden führen mit 17 Prozent, während Konzerne mit über 5.000 Mitarbeitenden bei gerade 7 Prozent liegen. Mehr Struktur bedeutet offenbar nicht automatisch mehr KI-Reife, sondern oft auch mehr interne Hürden.
Vom Zeitsparen zum echten Mehrwert
Die Motivation hinter dem KI-Einsatz verändert sich sichtbar mit dem Reifegrad. Auf Level 1 und 2 dreht sich die Begründung fast ausschließlich um Produktivität, Automatisierung und Kostensenkung. Auf Level 3 und 4 bleiben diese Gründe zwar weiterhin wichtig, aber zwei neue Motive holen deutlich auf: Die Verbesserung der Customer Experience steigt um 8 Prozentpunkte auf 37 Prozent, neue Fähigkeiten oder Produkte zu ermöglichen steigt um 5 Prozentpunkte auf 35 Prozent.
Auf Nutzerseite zeigt sich ein ähnliches Muster. Bei geringer Reife nutzen Menschen KI vor allem, um Informationen schneller zu finden (60 Prozent) und mehr in kürzerer Zeit zu erledigen (48 Prozent). Bei hoher Reife sinkt der Anteil für schnelles Finden auf 47 Prozent, während Arbeit zu erledigen, die vorher nicht möglich war, um 10 Prozentpunkte zulegt, und bessere Entscheidungen mit mehr Kontext um 7 Prozentpunkte steigen. Die KI-Nutzung im Alltag verschiebt sich also von reiner Geschwindigkeit hin zu tatsächlicher Fähigkeitserweiterung. Das ist ein Unterschied, der sich in der Praxis auch anders verkaufen lässt: Zeitersparnis ist ein hartes Argument gegenüber der Geschäftsführung, neue Fähigkeiten sind ein strategisches.
Was sich bei den Workflows konkret verschiebt
Auch bei der Frage, wofür KI im Alltag tatsächlich genutzt wird, zeigt die Studie einen klaren Trend. Automatisierung wiederkehrender Aufgaben steigt um 18 Prozentpunkte, Routing von Arbeit zwischen Tools um 15 Prozentpunkte, das Generieren von Code oder technischen Outputs um 12 Prozentpunkte, und Datenanalyse um 10 Prozentpunkte. Gleichzeitig sinkt der relative Anteil bei klassischen Einzelaufgaben wie Recherche, Texten und Informationssuche, obwohl diese weiterhin zu den am häufigsten genutzten Anwendungsfällen zählen.
Notion beschreibt das treffend als Verschiebung von sichtbarer Einzelarbeit zu unsichtbarer Systemarbeit. Reife Unternehmen haben die klassische Einzelarbeit nicht abgeschafft, sie haben zusätzlich Platz für die Verbindungsarbeit zwischen Tools und Teams geschaffen. Genau das deckt sich mit unserer Erfahrung bei internen Workflows: Der größte Hebel liegt oft nicht in einer einzelnen besseren Antwort, sondern darin, Informationen zwischen Systemen automatisch fließen zu lassen.
Was reife Unternehmen strukturell anders aufbauen
Bei den Implementierungsstrategien zeigen sich die deutlichsten Unterschiede zwischen niedriger und hoher Reife. 55 Prozent der Level 3 und 4 Unternehmen haben KI in bestehende Systeme integriert, ein Plus von 18 Prozentpunkten gegenüber Level 1 und 2. Governance und Aufsichtsstrukturen sind bei 42 Prozent aufgebaut, ein Plus von 16 Prozentpunkten. Die Messung von KI-Wirkung mit konkreten Metriken liegt bei 37 Prozent, ein Plus von 15 Prozentpunkten.
Das bestätigt eine Vermutung, die man auch ohne Studie hätte formulieren können: Fortgeschrittene künstliche Intelligenz in Unternehmen entsteht nicht durch mehr einzelne Tools, sondern durch Integration, klare Regeln und belastbare Erfolgsmessung. Bei der Erfolgsmessung selbst zeigt sich übrigens eine interessante Verschiebung: Qualitätsmetriken wie Fehlerraten und Nacharbeit legen um 19 Prozentpunkte zu, Finanzmetriken um 14 Prozentpunkte. Informelle Schätzungen und selbstberichtete Zeitersparnis, also die klassischen anekdotischen Aussagen, verlieren dagegen an Bedeutung. Reife Organisationen wollen es offenbar genauer wissen.
Die Bremsen verändern sich, sie verschwinden nicht
Wer erwartet hat, dass Herausforderungen mit steigender Reife einfach kleiner werden, wird von der Studie ebenfalls überrascht. Zu viele KI-Tools nennen 25 Prozent der fortgeschrittenen Nutzer als Problem, ein Plus von 14 Prozentpunkten gegenüber wenig fortgeschrittenen Nutzern. Schwierigkeiten, den tatsächlichen Impact zu erkennen, steigen um 9 Prozentpunkte, und uneinheitliche Modell-Performance um 5 Prozentpunkte.
Gleichzeitig verschwinden zwei andere Sorgen mit wachsender Reife fast von selbst: Der Skills- und Trainingsgap sinkt um 3 Prozentpunkte, und geringes Vertrauen in KI-Outputs sinkt sogar um 8 Prozentpunkte. Wer sich also durch die ersten beiden Level gearbeitet hat, hat das Grundvertrauen in die Technologie meist schon aufgebaut. Was übrig bleibt, ist ein handfestes Organisationsproblem: zu viele Tools, zu wenig klare Sicht auf den tatsächlichen Nutzen.
Was das für die Praxis bedeutet
Die Notion-Studie liefert keine Überraschung in der Grundaussage, aber eine nützliche Nüchternheit in den Zahlen. Künstliche Intelligenz in Unternehmen ist noch überwiegend eine Angelegenheit einzelner Personen und einzelner Aufgaben, nicht von autonomen Systemen. Der Weg von Level 2 zu Level 3, also von der eingebundenen Assistenz zur echten Teamarbeit mit Agenten, ist der Schritt, an dem die meisten Unternehmen aktuell stehen oder noch bevorstehen.
Für die eigene Standortbestimmung lohnt sich weniger die Frage, ob man schon KI nutzt, sondern wo genau im Unternehmen die KI-Nutzung eingebettet ist, wer sie vorantreibt und ob es bereits eine Form von Erfolgsmessung gibt. Das dürfte für die meisten Marketing- und IT-Teams ein realistischerer Startpunkt sein als der nächste Agenten-Hype auf der Konferenzbühne.