Digitale Sättigung: Warum mehr Tools Unternehmen nicht produktiver machen
Gastbeitrag von Alexander Hofmann, Chief Technology Officer und Partner bei MaibornWolff
Über ein Jahrzehnt digitaler Transformation hat in vielen Unternehmen das Gegenteil dessen erzeugt, was beabsichtigt war. Statt Beschleunigung bremst die schiere Menge installierter Software die operative Wertschöpfung. Für dieses Phänomen hat sich der Begriff der digitalen Sättigung etabliert: ein Zustand, in dem jede zusätzliche Anwendung die Komplexität schneller erhöht als den Output. Aus dem Hebel ist die Bremse geworden. Und jetzt kommt noch die riesige Menge an neuen KI Werkzeugen auf diese gewachsenen IT-Strukturen zu.
Vom Tool-Versprechen zum Sättigungsphänomen
Die heutige Situation hat einen klaren Ursprung. Lange galt das Best-of-Breed-Prinzip als überlegene Architekturlogik: Für jede Funktion das passgenaue Spezialwerkzeug, verbunden über Schnittstellen, betreut von dedizierten Teams.
Die Cloud-Revolution der 2010er Jahre hat diese Logik massiv beschleunigt. Neue SaaS-Anwendungen ließen sich ohne klassische Investitionsentscheidung direkt aus den Fachbereichen beschaffen.
Die Pandemie hat den Mechanismus zur Spitze getrieben. Innerhalb weniger Monate kamen Remote-Tools, Collaboration-Suiten und erste KI-Assistenten flächendeckend in den Einsatz. Übrig blieb eine Architektur mit hunderten Anwendungen pro Konzern. Internationale Erhebungen ordnen Großunternehmen heute zwischen 200 und 350 SaaS-Anwendungen zu.
„Digitale Sättigung ist kein Endzustand, sondern der Übergang in eine neue Phase der Digitalisierung. In dieser Phase kommt Aufräumen vor Skalieren“, erläutert Alexander Hofmann.
Wenn der Tool-Stack zur Wachstumsbremse wird
In dieser Lage hilft kein weiteres Tool. Wer heute mit der richtigen Technologie effizienter werden will, beginnt mit einer ehrlichen Bestandsaufnahme dessen, was bereits installiert ist.
Die wirtschaftliche Folge des Wildwuchses lässt sich beziffern. IT-Budgets fließen zunehmend in den Betrieb vorhandener Anwendungen statt in Innovation oder Wachstum. Die MaibornWolff Technologieeffizienz-Studie von 2026 belegt die Schieflage mit Befragungsdaten von 305 IT-Verantwortlichen.
52 Prozent berichten von weiter zunehmender ineffizienter Software in den vergangenen drei bis fünf Jahren. 61 Prozent geben an, dass zu komplexe Software ihre Produktivität spürbar senkt. Nur 25 Prozent der befragten IT-Verantwortlichen schätzen den Nutzen ihrer aktuellen IT-Projekte als deutlich höher ein als den betriebenen Aufwand.
Wo die Reibung im Tagesgeschäft entsteht
Die Reibungspunkte lassen sich auf zwei Ebenen sortieren. Die Software-Landschaft selbst entwickelt eine Eigendynamik der Komplexität. Darüber liegt nun die KI-Schicht, die das Bild zusätzlich verkompliziert.
Komplexität als strukturelle Eigendynamik
Auf der Software-Ebene zeigt sich, wie aus einzelnen Tool-Entscheidungen ein systemisches Problem wird. Anwendungen wachsen über die Jahre, übernehmen Funktionen anderer Tools, werden mit Sonderlösungen umbaut.
Häufig sind es Architekturentscheidungen aus der Vergangenheit, die im Tagesgeschäft niemand mehr in Frage stellt. Sie werden zur Hypothek jeder Modernisierung. Gartner kommt in seiner aktuellen Analyse zum Umgang mit technischen Schulden zu einer alarmierenden Einschätzung: Rund 40 Prozent der Infrastruktur-Systeme sind über alle Asset-Klassen hinweg von Tech-Debt-Problemen betroffen.
Welche Formen ineffizienter Software in deutschen Unternehmen am häufigsten vorkommen, zeigt die zuvor genannte Studie von MaibornWolff deutlich:
- 44 Prozent: unnötig komplexe Anwendungen mit Funktionen, die niemand braucht
- 41 Prozent: verschachtelte Systeme, in denen Änderungen kaum möglich sind
- 41 Prozent: redundante Lösungen neben funktional vergleichbaren Tools
- 35 Prozent: schlecht konzipierte Software ohne erkennbaren Mehrwert
Komplexität beginnt oft schon im Design der Anwendungen. (© maibornwolff.de )
KI als Verstärker statt als Lösung
Auf der zweiten Ebene wirkt die KI-Welle. Generative KI ist im operativen Einsatz angekommen, ohne dass Datenstrukturen oder Prozesse mitgewachsen bzw. darauf vorbereitet wären.
Die Bitkom-Studie zu Künstlicher Intelligenz in Deutschland dokumentiert die Schlagzahl der Einführung: Der Anteil aktiver KI-Nutzer:innen unter deutschen Unternehmen ist binnen eines Jahres von 17 auf 41 Prozent gesprungen.
Die MaibornWolff-Daten liefern dazu zwei sprechende Zahlen. 47 Prozent der Befragten fühlen sich durch die Flut neuer KI-Anwendungen zusätzlich verwirrt oder überfordert. 59 Prozent befürchten, dass digitaler Ballast durch KI weiter zunehmen wird.
Eine schwache Datenbasis wird durch KI nur schneller falsch. Erst wenn das Fundament aus Daten und Verantwortlichkeiten steht, kann KI ihre Wirkung in der Breite entfalten.
Die versteckten Kosten der Sättigung
Die Komplexitätsfalle wirkt nicht nur auf Prozesse, sondern direkt auf Bilanz und Belegschaft. Drei Kostenarten überlagern sich dabei und werden in der klassischen IT-Steuerung selten sauber getrennt voneinander erfasst.
Die direkten Lizenzkosten sind nur die sichtbare Spitze. Gartner beziffert den Anteil verschwendeter SaaS-Ausgaben auf rund 30 Prozent, verursacht durch ungenutzte Lizenzen, Schatten-IT und redundante Funktionen. Bei dreistelligen Anwendungszahlen pro Konzern wird daraus schnell ein achtstelliger Posten.
Schwerer wiegen die Opportunitätskosten. Jede Stunde, die IT-Teams für die Pflege überflüssiger Systeme aufwenden, fehlt bei wertschöpfenden Projekten. Damit verschiebt sich das Verhältnis zwischen „Run“ und „Change“ zugunsten der reinen Betriebssicherung.
Schließlich gibt es eine kognitive Dimension. Mitarbeitende, die ständig zwischen Tools wechseln, verlieren Fokuszeit und entwickeln Workarounds, die wiederum neue Schatten-IT erzeugen. Ein Teufelskreis entsteht.
Wege aus der Sättigung
Die Antwort auf digitale Sättigung ist unspektakulär und seit Jahren bekannt. Sie verläuft entlang zweier Achsen: einer strukturellen Aufräumarbeit am Portfolio und einer kulturellen Verankerung der Konsolidierung im Unternehmensalltag.
Portfolio konsolidieren statt Tools ergänzen
Der erste Hebel heißt Application Rationalization: strukturierte Bewertung des Anwendungsportfolios nach Geschäftswert und Wartungskosten. Daraus folgt die Entscheidung über Konsolidierung, Modernisierung oder Außerbetriebnahme einzelner Anwendungen.
37 Prozent der deutschen Unternehmen haben in den letzten drei bis fünf Jahren keinerlei dedizierte Maßnahmen zur Reduktion von IT-Komplexität ergriffen. Dazu gehört auch die Automatisierung wiederkehrender Konfigurations- und Wartungsroutinen, die IT-Teams Zeit für strategische Arbeit zurückgibt.
Ohne durchgängige Integration wirkt jeder Konsolidierungsschritt halbherzig. 56 Prozent beklagen einen spürbaren Zeitverlust durch mangelnde Integration.
Kultur und Anwender:innen einbeziehen
Eine kulturelle Dimension wird häufig unterschätzt. 54 Prozent der Befragten geben an, dass sie ihre Arbeitsprozesse an die eingesetzten Systeme anpassen müssen, statt umgekehrt.
Konsolidierung gelingt also nur, wenn die operativen Anwender:innen früh eingebunden werden – und wenn die integrierten Lösungen den gewachsenen Insellösungen spürbar überlegen sind. Wer hier strategisch vorgeht, schafft auch die Grundlage für die erfolgreiche Umsetzung von KI-Projekten im Anschluss.
Fazit
Digitale Sättigung ist kein Endzustand, sondern der Übergang in eine neue Phase der Digitalisierung. In dieser Phase kommt Aufräumen vor Skalieren. Wer Tool-Wildwuchs als Strukturproblem versteht und konsequent angeht, gewinnt operatives Tempo zurück und schafft zugleich die Voraussetzung für tragfähige KI-Investitionen.
Über unseren Autor:
Als Chief Technology Officer und Partner gestaltet Alexander Hofmann seit 2012 maßgeblich die technologische Ausrichtung von MaibornWolff. Der Münchner IT-Dienstleister entwickelt mit mehr als 800 Digital Expert komplexe Softwaresysteme für Kunden wie BMW, Deutsche Bahn und Miele. Für Alex und sein Team ist AI im Softwareengineering bereits seit drei Jahren gelebte Praxis. Unter anderem initiierte er mit der AI Trusted Zone eine geschützte Infrastruktur für den KI-Einsatz in Kundenprojekten. Seine technologische Vision teilt der CTO regelmäßig in Vorträgen, Diskussionsrunden und Fachbeiträgen – unter anderem im Buch „Generative and Agentic AI for IT Managers“.
