Technologieadoption: Eine Quote ist nicht gleich integrierte Nutzung

In Gesprächen über die digitale Transformation kann „Adoption“ bedeuten, ein Werkzeug auszuprobieren, es für einzelne Aufgaben einzusetzen oder es in einen Arbeitsprozess zu integrieren. Das sind unterschiedliche Situationen, auch wenn sie mit demselben Wort zusammengefasst werden. Eine Quote ist nur zusammen mit ihrer Definition aussagekräftig.

Wenn eine Organisation angibt, eine Technologie zu nutzen, sagt das allein noch nicht, wer sie wie häufig oder für wie viele Tätigkeiten verwendet. Die Kennzahl beschreibt die Reichweite gemäß der Erhebung; sie lässt nicht automatisch darauf schließen, dass die Nutzung täglich erfolgt oder sich die Arbeitsweise verändert hat.

Die Funcas-Studie zur künstlichen Intelligenz in europäischen Unternehmen stützt sich auf die EU-ICT-Firm-Erhebung von Eurostat. Laut der Studie erfasst die Kennzahl den Anteil der Unternehmen, die angeben, eine KI-Technologie zu nutzen. Wie viele Beschäftigte oder Arbeitsstunden darauf entfallen, wird dagegen nicht gemessen. Gezählt werden nutzende Unternehmen, nicht die Nutzungsintensität.

Daher ist es sinnvoll, zwischen Verfügbarkeit, Erprobung, regelmäßiger Nutzung und Integration in Prozesse zu unterscheiden. Eine zusammengefasste Kennzahl kann zeigen, wie weit sich eine Technologie unter den untersuchten Organisationen verbreitet hat, beantwortet aber nicht automatisch die anderen Fragen. Was genau als Adoption gilt, hängt von der als maßgeblich gewerteten Antwort ab.

Zwei Prozentwerte können unterschiedliche Sachverhalte abbilden, wenn sie sich auf andere Populationen, Branchen oder Zeiträume beziehen. Auch die einbezogenen Technologien und die Formulierung der Frage können zu Abweichungen führen. Für die Einordnung muss klar sein, wer gezählt wird und was als Nutzung gilt; die Prozentangabe allein macht Kennzahlen nicht vergleichbar.

Auch die Analyseeinheit ist wichtig. Eine Messung kann Unternehmen zählen, eine andere Beschäftigte, Investitionen oder Technologiekapital erfassen. Der Anteil der Organisationen, die eine KI-Nutzung angeben, entspricht nicht dem Anteil der Beschäftigten, die mit KI arbeiten: Jede Kennzahl beantwortet eine andere Frage.

CaixaBank Research verwendete in einer Analyse aus dem Jahr 2020 eine Näherung auf Basis des Kapitals für neue Technologien. Dafür wurden Software und Datenbanken, Forschung und Entwicklung, Computer sowie Telekommunikationsausrüstung zusammengefasst und zum Verhältnis der geleisteten Arbeitsstunden gesetzt. Das ist eine Kennzahl für Technologiekapital je Arbeitsstunde, keine Quote der Unternehmen, die KI nutzen.

Auch eine Beobachtung und eine Prognose dürfen nicht verwechselt werden. Eine Erhebung beschreibt Antworten aus einem bestimmten Zeitraum; ein Modell kann unter festgelegten Annahmen künftige Szenarien berechnen. Ändern sich Zeitraum, Population oder Methode, beweist eine Abweichung zwischen Ergebnissen für sich genommen nicht, dass die tatsächliche Nutzung zu- oder abgenommen hat.

Eine Erhebung, eine Prognose und eine Trendübersicht erfüllen unterschiedliche Aufgaben. Eine Erhebung sammelt Informationen über eine Population; eine Prognose schätzt modellabhängige Szenarien; eine Trendübersicht ordnet Themen, die ihre Verfasser für relevant halten. Das sind keine drei gleichwertigen Adoptionsmessungen.

Die Funcas-Studie beschreibt die Einführung von KI in Unternehmen der Europäischen Union und untersucht anhand von EU-ICT-Firm Unterschiede zwischen Ländern und Regionen. Außerdem schätzt sie Diffusionsverläufe und stellt Zukunftsszenarien dar. Diese Szenarien zählen nicht die Unternehmen, die die Technologie bereits eingeführt haben: Sie beruhen auf dem Modellierungsansatz und dessen Annahmen.

Eine Trendübersicht kann strategische Orientierung bieten, belegt aber keine flächendeckende Einführung einer Technologie. Revista Byte TI veröffentlichte beispielsweise 2023 eine Auswahl geschäftlicher Trends, darunter Automatisierung, KI, Cybersicherheit und Superapps. Diese Auswahl spiegelt eine Einschätzung von Prioritäten wider, keine Erhebung zur Verbreitung.

Entscheidend ist, welche Aussage sich mit dem jeweiligen Material stützen lässt: Eine Erhebung kann den Anteil einer Population schätzen, der eine Technologienutzung angibt; ein Modell kann Szenarien untersuchen; eine Liste kann interessante Themen einordnen. Die strategische Bedeutung einer Technologie beweist nicht, dass sie weit verbreitet genutzt wird.

Eine klar abgegrenzte Quote beschreibt den Anteil der Organisationen, die innerhalb der untersuchten Population und des untersuchten Zeitraums eine Technologie zu nutzen angeben. Die Funcas-Analyse stellt Unterschiede zwischen EU-Ländern fest und ordnet Spanien im untersuchten Zusammenhang im Mittelfeld ein. Das Ergebnis beschreibt Unterschiede bei der Verbreitung, nicht eine einheitliche Situation für alle spanischen Unternehmen.

Die von Funcas beschriebene Kennzahl gibt keine Auskunft über die Nutzungsintensität. Daraus lässt sich weder ableiten, wie viele Prozesse automatisiert wurden, noch wie viele Beschäftigte KI einsetzen. Sie ist auch keine Produktivitätsbewertung: Laut der Studie ist die Nutzungsintensität, etwa gemessen an Beschäftigten oder aufgewendeten Stunden, unbekannt.

Technologiekapital und angegebene Nutzung sind unterschiedliche Möglichkeiten, Digitalisierung zu beobachten. CaixaBank Research nutzte Kapitalkategorien, um die wirtschaftliche Bedeutung bestimmter Technologien näherungsweise zu erfassen; Funcas untersucht dagegen den Anteil der Unternehmen, die eine KI-Nutzung angeben. Die gewählte Kennzahl bestimmt, welche Schlussfolgerung zulässig ist.

Die Funcas-Studie zu KI im Bankwesen zeigt eine weitere Analyseeinheit: Sie basiert auf einer Befragung von 2.018 Bankkunden in Spanien und untersucht deren Wahrnehmung, Wissen und Aufgeschlossenheit gegenüber KI-basierten Bankdienstleistungen. Die Antworten beschreiben Kunden und ihren Bezug zu Bankangeboten; sie messen nicht den Anteil der Unternehmen, die KI integrieren.

Für ein Unternehmen kann eine Branchenquote einen hilfreichen Rahmen liefern, doch sie beschreibt nicht von selbst, wie eine konkrete Implementierung funktioniert. Bei der Entscheidung, ein Werkzeug auszuweiten, sind der betreffende Prozess, die nutzenden Personen und das angestrebte Ziel zu berücksichtigen. Eine allgemeine Kennzahl ersetzt keine Bewertung des konkreten Anwendungsfalls.

Die Funcas-Studie zeigt eine spezifische Grenze der EU-ICT-Firm-Statistik: Sie macht sichtbar, wie viele Unternehmen eine KI-Nutzung angeben, nicht aber deren Intensität. Für ein kleines oder mittleres Unternehmen, das ein Werkzeug prüft, beantwortet dieser Anteil weder die Frage nach der Eignung für die eigenen Aufgaben noch danach, ob die Implementierung das gesetzte Ziel erreicht.

Eine interne Bewertung kann konkretere Fragen stellen als eine nationale Quote: Welche Aufgabe wurde durch das Werkzeug ergänzt, wer nutzt es und welche Veränderung soll beobachtet werden? Solche Fragen helfen, den eigenen Einsatz zu beschreiben. Die Antworten sind jedoch nicht mit dem Ergebnis einer Erhebung über eine größere Unternehmenspopulation gleichzusetzen.

Der Nutzen jeder Kennzahl hängt von der jeweiligen Frage ab. Der Anteil der Unternehmen, die eine Nutzung angeben, beschreibt die gemeldete Verbreitung; eine Messung des Technologiekapitals bildet eine andere Dimension ab; eine Kundenbefragung betrifft Wahrnehmung und Aufgeschlossenheit. Vor einem Vergleich muss feststehen, dass die Zahlen dasselbe Phänomen beschreiben.

Bevor eine Adoptionsquote weitergegeben wird, sollten Population, Technologie, Zeitraum und Analyseeinheit bestimmt werden. Ebenso ist zu prüfen, ob es sich um eine Beobachtung oder eine Prognose handelt. Diese Angaben begrenzen die zulässige Aussage: Der Anteil der Unternehmen, die eine KI-Nutzung melden, misst für sich genommen weder Häufigkeit noch Umfang oder Integration.

Eine Zunahme der gemeldeten Nutzung bedeutet, dass der Anteil der nutzenden Unternehmen innerhalb der betreffenden Messung gestiegen ist. Sie belegt für sich genommen weder eine höhere Produktivität noch erklärt sie, wie die Technologie eingesetzt wird. Verbreitung und Wirkung der Nutzung sind unterschiedliche Fragen.

Um die Reichweite einer Kennzahl einzuordnen, sollten Messgrößen getrennt bleiben, die verschiedene Fragen beantworten: gemeldete Nutzung in Unternehmen, Technologiekapital, geschätzte Diffusionsverläufe und Antworten von Kunden. Sie können einander ergänzende Perspektiven bieten, haben jedoch jeweils eine eigene Population und einen eigenen Untersuchungsgegenstand.

Zusammenfassend ist eine Adoptionsquote dann nützlich, wenn sie an ihre Definition, Population und ihren Zeitraum gebunden bleibt. Die zentrale Regel lautet: Verfügbarkeit, Erprobung, regelmäßige Nutzung und Integration nicht gleichsetzen. So wird vermieden, ein Szenario als beobachtetes Ergebnis darzustellen oder aus einer Verbreitungskennzahl eine Aussage über Intensität oder Wirkung abzuleiten.