Jahresrückblicke beginnen meist gleich: Was versprachen die Experten, was ist eingetroffen? Aber 2025 lohnt sich ein anderer Blick. Nicht: Was hat KI geschafft? Sondern: Was hat sich als falsch herausgestellt, über die Bedingungen unter denen KI-Vorsprung entsteht?
Die Antwort ist überraschend konsequent. Drei Annahmen, die 2024 noch als selbstverständlich galten, wurden 2025 nacheinander widerlegt.
Annahme 1: Wer das größte Budget hat, gewinnt
Am 20. Januar 2025 veröffentlichte das chinesische Labor DeepSeek sein Modell R1. Trainingskosten laut DeepSeek selbst: knapp 6 Millionen Dollar. Zum Vergleich: OpenAIs GPT-4-Training hatte schätzungsweise mehr als 100 Millionen Dollar gekostet. R1 erreichte in mehreren Standard-Benchmarks Ergebnisse auf GPT-4-Niveau.
Die Reaktion war unmittelbar: Am 27. Januar 2025 verlor Nvidia 589 Milliarden Dollar Marktkapitalisierung an einem einzigen Handelstag. Das war der größte Einzeltagsverlust in der Geschichte der US-Börse. Der Kurs fiel um knapp 17 Prozent.
Was der Markt einpreiste, war keine technische Überraschung. Es war eine strategische: Wenn ein Labor mit 6 Millionen Dollar ein Weltklasse-Modell trainieren kann, dann ist die Annahme falsch, dass schiere Rechenleistung und Kapital dauerhaft entscheidend sind. Effizienzinnovationen können Milliardenvorsprünge innerhalb von Monaten einholen.
DeepSeek R1 ist als Open-Source-Modell verfügbar. Es hat die Kostenannahmen der gesamten Branche verändert.
Annahme 2: Wer KI ausrollt, gewinnt damit
Microsoft hat 2025 massiv in Copilot investiert: Milliarden in Infrastruktur, tief integriert in Word, Excel, Teams, Outlook. 79 Prozent der befragten Unternehmen gaben in einer Erhebung von Worklytics (Oktober 2025) an, Microsoft Copilot eingeführt zu haben. Die Hälfte davon war über die Pilotphase hinaus.
Aber: Nur rund 34 Prozent der lizenzierten Nutzer verwendeten Copilot nach 90 Tagen noch täglich. In großen Unternehmen mit mehr als 1.000 Mitarbeitenden lag die wöchentliche Nutzungsrate bei etwa 55 Prozent der lizenzierten Nutzer, bei Unternehmen ohne strukturiertes Rollout-Programm sank sie auf 12 bis 22 Prozent.
Das ist kein Copilot-spezifisches Problem. Es ist das symptomatischste Muster des Jahres: Lizenzen verteilt, Deployment abgehakt, Produktivitätsgewinn ausgeblieben. Die Worklytics-Analyse zeigte, dass Unternehmen mit mindestens einem dezidierten KI-Champion pro 50 Nutzer eine um 22 Prozentpunkte höhere Adoptionsrate erreichten als Unternehmen ohne diese Rolle.
KI-Deployment und KI-Nutzung sind zwei verschiedene Dinge. Wer das verwechselt, kauft teure Lizenzen für ungenutzte Software.
Annahme 3: Autonome Agenten kommen, aber werden sie zuverlässig sein?
2025 war das Jahr, in dem KI-Agenten aus der Demo-Phase in erste Produktionsumgebungen rückten. Kundensupport, Softwareentwicklung, interne Rechercheprozesse. Der Proof of Concept ist erbracht.
Was sich aber gezeigt hat: Carnegie-Mellon-Forschende veröffentlichten im Juni 2025 mit TheAgentCompany einen Benchmark, nach dem führende Agenten in Multi-Step-Aufgaben nur 30 bis 35 Prozent der Aufgaben korrekt abschließen. Nicht in unrealistischen Testbedingungen, sondern in standardisierten, gut definierten Aufgabensets.
Das Problem ist nicht Intelligenz. Agenten können komplex denken. Das Problem ist Zuverlässigkeit in unerwarteten Situationen. Und bei Agenten ist der Unterschied zwischen 70 Prozent und 95 Prozent Zuverlässigkeit kein gradueller: Ein Agent, der Tickets öffnet, E-Mails sendet, Daten verändert und dabei zu 30 Prozent Fehler macht, erzeugt mehr Aufwand, als er abnimmt. Laut Fortune-Recherche vom Dezember 2025 nannten CIOs genau diesen Punkt als häufigsten Grund, Agenten-Deployments wieder zurückzuziehen.
Agentische KI funktioniert. Sie funktioniert noch nicht verlässlich genug für viele Anwendungsfälle. Das ist ein qualitativer Unterschied, kein quantitativer.
Was diese drei Punkte gemeinsam haben
Alle drei zeigen auf verschiedene Weisen, wie Organisationen KI-Vorsprung falsch eingeschätzt haben.
Budget als Moat: widerlegt durch DeepSeek. Deployment als Nutzung: widerlegt durch Copilots Adoptionslücke. Autonomie als zuverlässig: widerlegt durch Agenten-Benchmarks.
GPT-5.2, von OpenAI im Dezember 2025 veröffentlicht, löst laut Benchmark 40,3 Prozent der Aufgaben auf FrontierMath, einem Testset für Mathematik auf Expertenniveau: ein Wert, der vor zwei Jahren als mittelfristig unerreichbar galt. Die technischen Fähigkeiten wachsen schneller als erwartet.
Aber der Engpass hat sich verschoben. Nicht mehr: Haben wir Zugang zu leistungsfähiger KI? Sondern: Haben wir die Implementierungskompetenz und die richtigen Menschen, um daraus tatsächlich etwas zu machen?
Was 2026 damit anfangen
Wer die Lehren aus 2025 ernst nimmt, trifft im laufenden Jahr drei konkrete Entscheidungen anders.
Erstens: Effizienz vor Kapital. Open-Source-Modelle wie DeepSeek R1 oder Mistral Small 3 sind für viele Anwendungsfälle ausreichend leistungsfähig und kosten einen Bruchteil proprietärer Alternativen. Wer sich an einem teuren proprietären Anbieter festhält, ohne konkrete Anforderungen zu haben, die nur dieser erfüllen kann, zahlt für Prestige, nicht für Leistung.
Zweitens: Adoption als eigenständiges Projekt. Wer KI-Tools einführt, muss genauso planen, wie er Menschen dazu bringt, sie zu nutzen und anzupassen. Das ist Change Management, keine IT-Aufgabe.
Drittens: Agenten mit Aufsicht. Agenten, die autonom handeln, sollten zunächst in Umgebungen eingesetzt werden, in denen Fehler sichtbar, reversibel und gering in ihrer Wirkung sind. Volle Autonomie ist das Ziel für 2027 oder 2028, nicht heute.
Du willst keine Entwicklung verpassen, die wirklich zählt, ohne Hype und Panikmache? Im KI-Syndikat-Newsletter ordnen wir jede Woche ein, was für dich relevant ist und was du getrost ignorieren kannst.