Forrester rechnet mit einem Fünftel der Tech-Budgets für KI, die Rendite hinkt hinterher

Forrester erwartet, dass 2027 rund 20 % aller Business-Technology-Ausgaben auf KI entfallen, bei weltweit 6,1 Billionen US-Dollar Technologieausgaben. Das ist eine Analystenprognose, keine gemessene Größe, und die 20 % stehen in der Pressemitteilung vom 21. Oktober 2026 nur in der Überschrift. Zahlen zur Rendite stammen aus Forresters „State Of AI Survey 2026“, über den The Register berichtet.

Für Ihre Planung heißt das: Die Budgetrichtung ist von Analysten vorgezeichnet, ob sich das Geld auszahlt, ist offen. Wer ein Budget verteidigen muss, sollte beides getrennt belegen: Was ein Analysehaus für den Markt erwartet und was im eigenen Haus nachweislich Ertrag bringt.

Was Forrester für das kommende Jahr vorhersagt

Die Zahlen stammen aus Forresters „2027 Technology And Security Predictions“, veröffentlicht am 21. Oktober 2026. Die Überschrift der Pressemitteilung lautet: „AI Will Account For 20% Of All Business Technology Spend“. Im Text der Mitteilung taucht die 20-Prozent-Angabe nicht noch einmal auf. Eine Herleitung, also welche Ausgabenkategorien dazählen, ist dort nicht dokumentiert.

Als zweite Kerngröße nennt Forrester, dass die weltweiten Technologieausgaben 2027 auf 6,1 Billionen US-Dollar steigen sollen. Das ist eine Prognose für den Gesamtmarkt. Ebenso wenig liegen Angaben für Deutschland oder Europa vor.

Forrester formuliert auch eine Erwartungshaltung an Führungskräfte. CIOs und CISOs, also die Verantwortlichen für IT beziehungsweise Informationssicherheit, würden wachsendem Druck ausgesetzt sein, Erträge aus KI-Investitionen in Infrastruktur, Sicherheit, digitale Souveränität und neue Technologien nachzuweisen. Zugleich müssten sie KI-Governance und Kontrolle mit Innovation und geschäftlicher Beweglichkeit ausbalancieren.

Sharyn Leaver, Chief Research Officer bei Forrester, wird in der Mitteilung wörtlich so zitiert: „AI will command an unprecedented share of technology budgets in 2027, intensifying pressure on leaders to prove its value while maintaining control over costs, infrastructure, and risk.“ Beachten Sie die Wortwahl: „prove its value“ ist eine Forderung an die Verantwortlichen, keine Feststellung, dass der Wert bereits belegt wäre.

dm-Einordnung: Für die Budgetplanung ist eine Prognose dieser Art ein Argument für Gespräche mit der Geschäftsführung, aber kein Nachweis für den eigenen Bedarf. Ein Branchenanteil von 20 % sagt nichts darüber, ob Ihr Unternehmen ebenso viel braucht. Sinnvoller ist es, den eigenen KI-Anteil am IT-Budget heute zu beziffern und mit der Prognose als Vergleichsgröße zu lesen, nicht als Ziel. Wie Unternehmen KI-Agenten bereits in Abläufe einbauen, zeigt agentic AI in Unternehmen an konkreten Einsatzfeldern.

Eine Analystenprognose ist eine begründete Erwartung eines Researchhauses, keine Erhebung bereits geflossener Ausgaben. Forrester legt in der Pressemitteilung weder Methode noch Abgrenzung offen. „Business Technology Spend“ meint nach dem Wortlaut die Ausgaben von Unternehmen für Technologie. Ob darin Hardware, Software, Cloud-Dienste und externe Beratung enthalten sind, geht aus der Mitteilung nicht hervor. Ebenso unklar ist, ob private Konsumausgaben oder staatliche Budgets dazuzählen. Behandeln Sie die 20 % deshalb als Größenordnung für den Markt und nicht als belastbare Kennzahl für eine einzelne Branche.

Auch das Zitat von Sharyn Leaver lässt sich genauer einordnen. Leaver beschreibt den Spagat zwischen KI-Governance und Kontrolle auf der einen Seite sowie Innovation und geschäftlicher Beweglichkeit auf der anderen. Das beschreibt einen Zielkonflikt: Mehr Kontrolle verlangsamt oft Projekte, mehr Tempo schwächt die Kontrolle. dm-Einordnung: Für Sie folgt daraus, dass Freigabeprozesse für KI-Vorhaben ausdrücklich geregelt sein sollten, etwa mit schlanken Verfahren für risikoarme Anwendungen und strengeren für kritische.

Warum Ausschreibungen für KI-Infrastruktur sich ändern

Forrester sagt voraus, dass ein Viertel der Ausschreibungen für KI-Infrastruktur Optionen mit Nicht-NVIDIA-Beschleunigern verlangen wird. Eine Ausschreibung (englisch RFP, Request for Proposal) ist das förmliche Verfahren, in dem Anbieter auf einen Anforderungskatalog hin Angebote abgeben. Ein Beschleuniger ist der Spezialchip, auf dem KI-Modelle trainiert oder betrieben werden; NVIDIA ist der in diesem Markt bekannte Hersteller.

Die Begründung liefert die Pressemitteilung selbst: Unternehmen wollten Kosten senken sowie Risiken in Lieferkette, Souveränität und Geopolitik abmildern. Deshalb würden Organisationen zunehmend alternative KI-Beschleuniger neben NVIDIA verlangen. Das Wort „neben“ ist wichtig. Gemeint ist ausdrücklich nicht, dass NVIDIA ersetzt wird, sondern dass Alternativen zur Auswahl stehen müssen.

Für die Praxis heißt das, dass sich Anforderungskataloge verändern könnten. Wer bisher Leistung und Preis eines bestimmten Systems abfragte, müsste künftig herstellerneutral formulieren: welche Modelle in welcher Latenz laufen sollen, welche Software-Schnittstellen nötig sind, wie Wechselkosten aussehen. Forrester nennt diese Details nicht. Es handelt sich um dm-Einordnung, wie eine solche Anforderung operativ aussehen könnte.

Zwei Einschränkungen gehören dazu. Erstens ist „ein Viertel der Ausschreibungen“ eine Vorhersage, keine erhobene Quote, und die Mitteilung liefert keine Stichprobe oder Region dazu. Zweitens bezieht sich die Aussage auf Ausschreibungen für KI-Infrastruktur, also nicht auf jede KI-Beschaffung. Wer lediglich Software-Dienste einkauft, ist davon zunächst nicht betroffen.

Relevant wird die Frage vor allem dort, wo Modelle im eigenen Rechenzentrum oder am Rand des Netzes betrieben werden sollen. Wie sich lokale Ausführung von KI-Funktionen technisch einrichten lässt, beschreibt der Beitrag zu Foundry Local und Azure Local. Dort wird deutlich, dass die Hardwarewahl an Laufzeitumgebungen und Modellformate gekoppelt ist.

dm-Einordnung: Prüfen Sie vor der nächsten Ausschreibung, ob Ihre Workloads überhaupt hardwareabhängig sind. Läuft ein Modell nur auf einer Chipfamilie, ist die Alternativ-Klausel auf dem Papier wertlos. Verlangen Sie in diesem Fall von Anbietern einen Leistungsnachweis auf Ihren eigenen Beispieldaten, statt Datenblattwerte zu vergleichen.

Die Pressemitteilung nennt drei Gründe für Alternativen: Kosten, Lieferkette und Souveränität, ergänzt um geopolitische Risiken. dm-Einordnung: Jeder davon lässt sich als Beschaffungskriterium formulieren. Beim Kostenkriterium vergleichen Sie nicht den Anschaffungspreis, sondern die Gesamtkosten über die geplante Nutzungsdauer, einschließlich Energie, Betrieb und Softwareanpassung. Beim Lieferkettenkriterium fragen Sie nach verbindlichen Lieferzeiten und danach, was geschieht, wenn Liefertermine reißen.

Beim Souveränitätskriterium geht es darum, wo Daten verarbeitet werden und wer Zugriff auf Systeme und Updates hat. Das geopolitische Risiko schließlich betrifft die Frage, ob Exportbeschränkungen oder politische Entscheidungen einen Lieferanten treffen könnten. Forrester führt diese Punkte nicht weiter aus. Sinnvoll ist, sie in der Ausschreibung als gewichtete Bewertungsfelder aufzunehmen, damit Angebote vergleichbar werden und die Entscheidung später nachvollziehbar bleibt.

Wie es um die Rendite steht

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptFinance team at a desk comparing abstract spending and results charts on monitors, calculators and papers, serious expression. Photorealistic editorial magazine photo, 16:9. Absolutely no text, no letters, no numbers, no logos, no brand marks.

Die Renditezahlen stammen nicht aus der Forrester-Pressemitteilung. The Register berichtet am 21. Oktober 2026 über Forresters „State Of AI Survey 2026“, und nur in diesem Bericht stehen sie. Danach gilt: Mehr als die Hälfte der CIOs dürfte im kommenden Jahr ihre KI-bezogenen ROI-Ziele verfehlen („More than half of CIOs are likely to miss their AI-related ROI targets next year, according to Forrester“).

ROI steht für Return on Investment, also den Ertrag im Verhältnis zum eingesetzten Geld. Laut The Register ergab die Umfrage, dass 45 Prozent der KI-Verantwortlichen innerhalb eines Jahres einen positiven ROI brauchen, um ihre Investitionen als erfolgreich zu werten. Es geht also um die Erwartung an den Zeitraum, nicht um erzielte Erträge. dm-Einordnung: Die 45 % beschreiben eine Anspruchshaltung.

Die zweite Zahl misst dagegen eine Wirkung. Nur 22 Prozent der KI-Verantwortlichen berichten laut dem Register-Bericht über einen positiven KI-Einfluss auf das EBITDA in den vergangenen zwölf Monaten. EBITDA ist das Ergebnis vor Zinsen, Steuern und Abschreibungen, eine gängige Kennzahl für den operativen Ertrag. Es handelt sich um Selbstauskunft der Befragten, nicht um geprüfte Bilanzdaten.

Forrester erklärt die Lücke laut Register mit einem Missverhältnis: „This mismatch between the investment into technology adoption and organizational change will delay the realization of heightened ROI targets“. Gemeint ist, dass Geld in Technik fließt, aber weniger in die Veränderung von Abläufen und Zuständigkeiten. Zudem erwartet Forrester, dass Erfolge auf einzelne Anwendungsfälle beschränkt bleiben statt ganze Programme zu tragen, was laut Bericht nicht genügen wird.

Zusammen ergibt sich ein Bild mit zwei Zeitachsen: Die Erwartung ist ein Ertrag binnen zwölf Monaten, die berichtete Wirkung liegt bei 22 %. Eine Stichprobengröße, Branchen oder Länder nennt der Register-Auszug nicht, deutsche Werte fehlen. Verallgemeinern Sie die Zahlen deshalb nicht auf Ihr Unternehmen.

dm-Einordnung: Für Ihre Planung ist die Kernfrage, welche Ihrer Anwendungen einzeln messbar sind. Wenn Forrester erwartet, dass nur isolierte Fälle Erfolg zeigen, sollten Budgets an Einzelfallziele mit Kennzahl und Frist gebunden sein, bevor Programme skaliert werden. Ein Teil des Geldes gehört dann in Prozessumbau und Schulung, nicht allein in Lizenzen und Rechenleistung.

dm-Rechnung: Zwischen 45 % und 22 % liegen 23 Prozentpunkte. Die erste Zahl beschreibt, wie viele Verantwortliche binnen eines Jahres positiven ROI verlangen, die zweite, wie viele eine positive EBITDA-Wirkung berichten. Beide Werte messen Unterschiedliches, nämlich Anspruch und Selbstauskunft zur Wirkung, und stammen nicht zwingend aus derselben Gruppe. Sie zeigen deshalb keine exakte Erfüllungsquote. Sie machen aber plausibel, warum Forrester erwartet, dass viele Ziele verfehlt werden.

Forrester führt die Lücke auf das Missverhältnis zwischen Investitionen in Technik und in organisatorischen Wandel zurück. Wenn Zuständigkeiten, Freigaben und Arbeitsabläufe unverändert bleiben, bleibt der Ertrag klein. dm-Einordnung: Legen Sie fest, wer im Fachbereich für das Ergebnis einer KI-Anwendung verantwortlich ist, und messen Sie dessen Kennzahl vor und nach dem Einsatz.

Was offene Modelle am Budget ändern

Als Weg zu mehr Wirkung pro Euro nennt Forrester laut The Register offene Modelle. Gemeint sind Open-Weight-Modelle: Die trainierten Parameter („Gewichte“) sind herunterladbar und lassen sich selbst betreiben, anders als bei rein über Schnittstellen angebotenen Systemen. Sie könnten laut Bericht ähnliche Leistung wie führende proprietäre Systeme erreichen, bei einem Bruchteil der Kosten.

Forrester sagt voraus, dass offene Modelle die Hälfte aller KI-Tokens ausmachen, aber nur „five percent of enterprise spend“. Ein Token ist die Abrechnungseinheit für Text, ungefähr ein Wortbaustein; Anbieter berechnen Nutzung meist pro Million Tokens. Die Prognose bedeutet also: viel Volumen, wenig Geld. Beachten Sie die Bezugsgröße: fünf Prozent der Unternehmensausgaben, nicht der KI-Ausgaben.

Welche Aufgaben gemeint sind, nennt Forrester konkret. Modelle wie Gemma, Llama oder Qwen seien „good enough“ für Arbeitslasten mit dem größten Tokenvolumen: Dokumentenverarbeitung, Kundendialoge, interne Wissenssuche und die Routineschritte innerhalb agentischer Abläufe. Spitzenmodelle blieben laut Forrester den wenigen anspruchsvollen Automatisierungen vorbehalten, bei denen Fehler teuer sind, „but the token count will tip toward open weight“.

Für Entscheider ist das eine Aufteilung der Last. Der Großteil des Volumens liefe auf günstigen Modellen, ein kleiner Teil auf teuren. Die Rechnung hängt dann weniger am Preis des besten Modells als am Mix. Preise und Leistung ändern sich bei proprietären Angeboten laufend, wie die Meldung zu Claude Sonnet 5.5 zeigt.

Ein Vorbehalt bleibt: „Fünf Prozent der Ausgaben“ ist eine Prognose und enthält keine Aussage darüber, was Betrieb, Personal und Sicherheit bei Selbsthosting kosten. Ob die Gesamtrechnung günstiger ausfällt, ist offen.

Forrester sieht Spitzenmodelle für wenige tiefe Wissensaufgaben und kritische Automatisierungen vor, bei denen Fehler teuer sind. Der Maßstab ist damit nicht die Modellgröße, sondern der Preis eines Irrtums. Eine fehlerhafte Zusammenfassung interner Dokumente kostet wenig, ein falsch ausgelöster Vorgang in einem geschäftskritischen Ablauf kann viel kosten. Die Quelle nennt keine Schwellenwerte, die Abgrenzung müssen Sie selbst ziehen.

Daraus folgt als dm-Einordnung: Sortieren Sie Ihre Anwendungen nach Fehlerfolgen und ordnen Sie erst danach Modelle zu. Rechnen Sie beim Selbstbetrieb offener Modelle Betriebsaufwand mit ein: Hardware oder Miete, Wartung, Updates, Überwachung, Sicherheitsprüfungen und Personal. Ob diese Posten in den fünf Prozent enthalten sind, die Forrester für offene Modelle prognostiziert, ist offen. Erst mit ihnen zeigt sich, ob der Preisvorteil pro Token auch in der Gesamtrechnung bleibt.

Ein konkreter Planungsschritt ist eine Vergleichsrechnung. Ermitteln Sie für zwei bis drei Ihrer volumenstärksten Anwendungen die Kosten pro eine Million Token, einmal mit einem proprietären Modell, einmal mit einem offenen Modell auf eigener oder gemieteter Hardware, inklusive Betriebsaufwand. Nehmen Sie diese Zahlen in die Ausschreibung mit Alternativ-Beschleunigern auf: Dann lässt sich Anbietern gegenüber prüfen, ob der versprochene Kostenvorteil auch in Ihrem Szenario eintritt.