Ergebnisse der Studie 2026
Die Auswertung der Daten unserer zweiten großen Studie zur GenAI-Adoption in der deutschen IT-Branche läuft derzeit. Die Ergebnisse werden nach Abschluss der Erhebung hier veröffentlicht.
Zeitplan
Datenerhebung
Online-Umfrage zur GenAI-Adoption in der deutschen IT-Branche mit erweiterten Fragestellungen zu Agentic AI, lokalen LLMs und Unternehmensstrategien.
Datenanalyse
Auswertung der Daten, statistische Analyse und Vergleich mit den Ergebnissen von 2024 zur Identifikation von Trends.
Veröffentlichung
Publikation der Ergebnisse auf dieser Website sowie als peer-reviewed Paper in wissenschaftlichen Fachzeitschriften.
Erweiterter Fragenkatalog
Die Studie 2026 untersucht neue Entwicklungen und vertieft bestehende Fragestellungen
Nutzungsfrequenz & Einsatzbereiche
Wie häufig werden GenAI-Tools genutzt und für welche Aufgaben werden sie eingesetzt?
Modellauswahl & Kompetenzen
Welche GenAI-Modelle werden genutzt und wie werden eigene Kompetenzen eingeschätzt?
Produktivität & Qualität
Einfluss auf die Produktivität heute und in Zukunft sowie Umgang mit Ergebnisqualität
Datenschutz & Sicherheit
Bewusstsein für Datenschutzregeln und gewünschte Verbesserungen bei Datensicherheit
Strategische Ausrichtung
GenAI als Wachstumstreiber und/oder Effizienzhebel im Unternehmen
Herausforderungen & Modellstrategien
Größte Herausforderungen beim Einsatz und zukünftige Modellstrategien
Trends aus der aktuellen Umfrage
Stand der Umfrage mit 357 Teilnehmern - Datenanalyse läuft
Nutzungsverhalten GenAI-Tools 2026
Analyse: Die neuen Daten zeigen einen deutlichen Anstieg der GenAI-Nutzung gegenüber 2024/25 (77% → 91%). Besonders bemerkenswert ist der hohe Anteil täglicher Nutzer mit über der Hälfte aller Teilnehmer, was auf eine intensive und regelmäßige Integration von GenAI-Tools in den beruflichen Alltag der deutschen IT-Branche hindeutet.
Verteilung nach Nutzungsfrequenz:
-
Täglich 171 (55%)
-
Wöchentlich 72 (23%)
-
Selten 40 (13%)
-
Gar nicht 27 (9%)
Meinung der Nicht-Nutzer
Warum wird GenAI nicht genutzt?
n = 27 Nicht-Nutzer
Bewusste Entscheidung: Die Mehrheit der Nicht-Nutzer hat GenAI bereits getestet — sie lehnt die Technologie aus konkreten Bedenken ab, nicht aus Unwissenheit. Nur 15 % haben sie schlicht noch nicht ausprobiert.
Gewünschte Verbesserungen
Mehrfachauswahl, 58 Nennungen bei 27 Nicht-Nutzern
Qualität vor Quantität: Die drei meistgenannten Verbesserungswünsche — Fehlerrate (29 %), Präzision (24 %) und Datensicherheit (19 %) — machen zusammen 72 % aller Nennungen aus. Nicht-Nutzer fordern vor allem verlässlichere und sicherere Ergebnisse, nicht mehr Features.
Vom Marktführer zur Modellvielfalt
Die Kernaufgaben bleiben konstant – doch das Tool-Ökosystem befindet sich im Wandel. ChatGPTs einstige Dominanz weicht dem Wunsch nach einer bewusst gesteuerten Multi-Modell-Strategie.
Produktivitäts- & Leistungstrends
Kompetenz vs. Produktivitätseinschätzung
Erkenntnis: Mit steigender GenAI-Kompetenz verschiebt sich die Produktivitätseinschätzung deutlich nach oben — sowohl für die heutige als auch die zukünftige Einschätzung. Besonders auffällig: In der Zukunftserwartung dominiert „Deutliche Verbesserung" ab Kompetenzstufe 3 aufwärts fast vollständig. Gleichzeitig zeigt sich auf der höchsten Kompetenzstufe (eigene Modelle) eine wachsende Skepsis: 37,5 % erwarten in 1–3 Jahren sogar negative Auswirkungen auf die Produktivität — ein deutlich höherer Anteil als in allen anderen Gruppen. Wer die Technologie am tiefsten durchdringt, sieht offenbar auch deren Grenzen am klarsten. Aufgrund der geringen Fallzahlen in den oberen Kompetenzstufen (n=15 bzw. n=8) sind diese Werte jedoch nur als Trendindikation zu verstehen.
Wachstumstreiber oder Effizienzhebel – nach Kompetenzstufe
Kompetenz formt die Wahrnehmung: „Effizienz" dominiert auf allen Stufen, erreicht jedoch bei Stufe 4 (erweiterte Funktionen) mit 57,6 % ihren Höchstwert. Auffällig ist Stufe 5: Hier sieht fast die Hälfte (46,7 %) GenAI gleichermaßen als Effizienz- und Wachstumshebel. Auf der niedrigsten und höchsten Kompetenzstufe ist der Anteil „weder noch" am größten — bei Einsteigern aus Unerfahrenheit, bei den Expertinnen und Experten (n=8) möglicherweise aus kritischer Distanz.
Reifepfad der KI-Implementierung
Die Verknüpfung von Implementierungsstand (Q15) und größter organisatorischer Herausforderung (Q16) zeigt ein klares Muster: Die Hindernisse wandeln sich mit zunehmender Reife – von strategischer Unsicherheit über technische Integration bis hin zu Dateninfrastruktur.
Herausforderungs-Journey: Nahezu 60% der Befragten befinden sich noch in frühen Phasen – und kämpfen dort vor allem mit dem ROI-Nachweis: der strategischen Frage, ob die Investition messbar rentabel ist. Sobald Systeme in den Produktiveinsatz übergehen (29%), verschiebt sich die Haupthürde zur IT-Integration – technische Anbindung, Systemkompatibilität und Change-Management rücken in den Vordergrund. Für die 10%, die den Rollout bereits abgeschlossen haben, ist Datenqualität die nächste Grenze: Ohne konsistente, strukturierte Datenbasis lassen sich KI-Systeme nicht nachhaltig skalieren.
Entwicklung der Herausforderungen
Herausforderungs-Karrieren: Jede Phase bringt ihre Hürde mit sich – und der Weg zeigt klare Muster. In den Phasen 1 und 2 dominiert der ROI-Nachweis (25–26 %) als strategische Barriere: Ist die Investition wirtschaftlich sinnvoll? Phase 3 markiert einen kritischen Wendepunkt, wo IT-Integration sprunghaft ansteigt (29 %) und ROI in den Hintergrund tritt. Phase 4 zeigt ein neues Muster: Datenqualität wird zur primären Hürde (32 %). Der Durchschnitt von 16–20 % pro Herausforderung bedeutet: Bei jedem Reifungsschritt verschieben sich die Prioritäten fundamental. Das ist ein wichtiges Pattern für Roadmapping: Was heute richtig ist, ist morgen obsolet.
Wachstumstreiber oder Effizienzhebel – nach Implementierungsphase
Wahrnehmungswandel entlang der Reife: In frühen Phasen sieht jeder Dritte noch keinen erkennbaren Effekt – dieser Anteil sinkt auf unter 7 % im Produktiveinsatz. Effizienz dominiert durchgängig, erreicht 55 % im Produktiveinsatz. Auffällig: Bei abgeschlossenem Rollout steigt der Anteil „Wachstumstreiber" auf 29 % – erst mit voller Skalierung werden neue Umsatzpotenziale sichtbar.
Datenschutzbewusstsein
Insight: 78% der Teilnehmer setzen, die Regeln, die sie kennen so gut es geht um. Das ist ein positives Zeichen und zeigt, dass die Branche die Compliance-Anforderungen ernst nimmt.
Erwartete strategische Ausrichtung
Insight:70% der Teilnehmer erwaten, dass GenAI sich positiv auf die Effizienz der Unternehmen auswirken wird. Sie erwarten z.B. AI-getriebene Prozessoptmierungen.
Zusammenfassung der Entwicklung 2024 → 2026
Kernerkenntnisse des Langzeitvergleichs:
- ✓ Adoption beschleunigt: Mit +14.8 Prozentpunkten zeigt sich eine starke Verbreitung. Die Nutzung ist von einer "Option" zur "Standard-Erwartung" geworden.
- ✓ Positive Erwartungen: Der Anteil der erwarteten Produktivitätsgewinne wird sich verdoppeln (33% → 64%). Was eine positive Erwartungshaltung der Befragten zeigt.
- ✓ Tägliche Integration: Über 55% der Nutzer setzen KI täglich ein – ein Signal für wachsende Akzeptanz und Integration.
- ✓ Compliance im Fokus: 87% zeigen hohes Datenschutzbewusstsein, ein Erhöhung gegenüber 2024, wo Sicherheitsbedenken dominanter Grund für Nicht-Nutzung waren.
* Geschätzter Wert aus 2024/25 Studie; genaue Vergleichswerte siehe Ergebnisse 2024/25
Benachrichtigung bei Veröffentlichung
Möchten Sie informiert werden, sobald die Ergebnisse der Studie 2026 veröffentlicht werden? Kontaktieren Sie uns per E-Mail, und wir senden Ihnen eine Nachricht, sobald die Daten verfügbar sind.
E-Mail sendenTrends aus der laufenden Umfrage
Stand der Umfrage mit 310 Teilnehmern - Datenerhebung läuft noch
Arbeitsbereich
Unternehmensgröße
Branche
Nutzungshäufigkeit
Einsatzzwecke
Genutzte Tools
| Tool | Nutzung | |
|---|---|---|
◯ ChatGPT | 73% | |
M Copilot | 49% | |
G Gemini | 21% | |
C Claude | 19% | |
OS Open Source | 19% |