KI-Akzeptanz: Warum das stärkste Modell am Markt kaum genutzt wird

Es gibt in diesem Sommer einen Fall, der mehr über KI-Einführungen in Unternehmen erzählt als die meisten Studien: Das leistungsfähigste kommerziell verfügbare Sprachmodell wird kaum benutzt. Nicht, weil es zu schwach wäre. Sondern weil eine einzelne Regel dazu geführt hat, dass ganze Branchen daran vorbeiarbeiten.

Wer die KI-Einführung im eigenen Mittelstandsunternehmen verantwortet, findet in diesem Fall ein präzises Modell für das eigene Problem — unabhängig davon, ob es dort um KI, ein ERP-System oder eine Reorganisation geht.

Der Fall: Spitzenmodell, überschaubare Nutzung

Claude Fable 5 ist seit dem 9. Juni 2026 verfügbar und gilt technisch als führend. Zwei Monate später entfielen darauf rund elf Prozent dessen, was Unternehmen für Modelle dieses Anbieters ausgeben — auf Basis einer Auswertung des Zahlungsdienstleisters Ramp über rund 70.000 Firmen, über die die Financial Times berichtete. Beim reinen Token-Volumen liegt der Anteil noch niedriger. Der weitaus größere Teil der Arbeit läuft weiter über ältere, kleinere und günstigere Modelle.

Für ein Produkt, das als Bestes seiner Klasse gilt, ist das ein bemerkenswertes Ergebnis. Der Preis erklärt einen Teil davon: Die Input-Token kosten etwa das Doppelte der Hausalternative, und für das Tagesgeschäft reichen die Vorgängermodelle. Der interessantere Teil der Erklärung liegt woanders.

Warum der Anbieter speichert

Anthropic hat für diese Modellklasse eine eigene Regel gesetzt: Eingaben und Antworten werden 30 Tage gespeichert, auf allen Plattformen, auf denen das Modell angeboten wird, ohne Widerspruchsmöglichkeit. Bestehende Zero-Data-Retention-Vereinbarungen — also vertraglich zugesicherte Nichtspeicherung — gelten für diese Modelle ausdrücklich nicht.

Die Begründung ist im Privacy Center des Anbieters öffentlich dokumentiert und sie ist nicht trivial. Ein Sicherheitsfilter prüft immer nur eine einzelne Anfrage. Ernsthafte Missbrauchsmuster werden aber über viele getrennte Anfragen hinweg aufgebaut, und jede einzelne davon sieht für sich genommen harmlos aus. Genannt werden staatlich gestützte Spionage und Erpressungskampagnen sowie schrittweise zusammengesetzte Umgehungsversuche. Erkennbar wird so etwas nur, wenn die Anfragen gemeinsam ausgewertet werden können statt nacheinander. Auswerten lässt sich jedoch nur, was vorliegt.

Dazu gehört eine dokumentierte Schutzmechanik: kein Training auf diesen Daten, standardmäßig kein Lesezugriff durch Mitarbeitende, menschliche Einsicht ausschließlich über einen kontrollierten Pfad nach automatischer Kennzeichnung, jeder Zugriff in einem manipulationssicheren Protokoll, automatische Löschung nach 30 Tagen. Für alle übrigen Modelle des Anbieters bleibt Zero Data Retention verfügbar.

Das ist kein Datensammeln. Das ist der Versuch, bei einer Technologie mit deutlich gestiegenem Schadenspotenzial überhaupt ermittlungsfähig zu bleiben.

Warum der Markt trotzdem ausweicht

Nachvollziehbar heißt nicht akzeptiert. Kanzleien, Kliniken, Banken und Versicherer arbeiten unter Verschwiegenheitspflichten, die keine Ausnahme kennen und keine Abwägung vorsehen. Für diese Häuser ist die Frage nicht, ob die Speicherung gut begründet ist. Die Frage ist, ob Mandantendaten, Patientendaten oder Vertragsentwürfe überhaupt in einem System liegen dürfen, das sie 30 Tage vorhält.

Die Reaktion war entsprechend. Microsoft schränkte die interne Nutzung ein, GitHub lieferte das Modell in Copilot standardmäßig deaktiviert aus. Wer eine bestehende Zero-Retention-Vereinbarung hat, muss die Speicherung aktiv freischalten, um das Modell überhaupt nutzen zu können — eine Hürde, die in vielen Organisationen niemand allein überspringen darf.

Damit ist der Kern des Falls beschrieben: Eine sachlich gute, öffentlich begründete und sauber abgesicherte Regel wird umgangen, weil sie in der Realität der Anwender nicht aufgeht.

Die offene Frage hinter dem Fall

An dieser Stelle wird es grundsätzlich, und es lohnt sich, das offen auszusprechen statt es wegzudiskutieren.

Unser Datenschutzrecht ist in einer Zeit entstanden, in der das große Risiko im Missbrauch von Daten lag. Es schützt, indem es Speicherung begrenzt. Bei Modellen dieser Leistungsklasse kommt ein zweites Risiko hinzu: der Missbrauch ihrer Fähigkeiten. Dieses Risiko lässt sich ohne Speicherung kaum erkennen.

Zwei legitime Schutzziele, die in entgegengesetzte Richtungen zeigen. Für ihre Abwägung ist der Rechtsrahmen schlicht älter als das Problem. Das ist kein Vorwurf an den Datenschutz und keine Forderung, ihn zu lockern — es ist eine Beobachtung, für die es derzeit keine saubere Antwort gibt.

Entscheiden müssen Unternehmen trotzdem, und zwar jetzt. Wer eine rechtssichere KI-Einführung anstrebt, kommt an dieser Abwägung nicht vorbei und sollte sie mit der eigenen Rechtsabteilung oder externem Rechtsrat führen, bevor Lizenzen gezeichnet werden. Nicht danach.

Was das für die KI-Einführung im Mittelstand bedeutet

Der praktisch verwertbare Teil dieses Falls hat mit KI wenig zu tun. Er beschreibt ein Muster, das in Organisationen jeder Größe auftritt.

Eine Vorgabe wird auf Führungsebene gut begründet. Sie ist durchdacht, sie ist verantwortbar, sie hat gute Gründe. Und dann wird sie im Arbeitsalltag umgangen. Nicht aus Trotz, sondern weil sie ein Problem löst, das jemand anderes hat, und ein neues schafft, das niemand adressiert hat.

Genau so entsteht fehlende KI-Akzeptanz. Nicht als Verweigerungshaltung, sondern als stille Ausweichbewegung: Die Lizenz ist bezahlt, das Werkzeug ist freigegeben, und die Arbeit läuft weiter über den alten Weg. Wer das als Widerstand von Mitarbeitern liest, verkennt die Ursache. Es ist eine Rückmeldung darüber, dass die Bedingungen der Nutzung im Arbeitsalltag nicht aufgehen.

Vier Konsequenzen für den KI-Rollout im Unternehmen:

Die Bedingungen vor dem Kauf klären. Recht, Datenschutz und Betriebsrat kommen in jedem Fall ins Spiel. Die Frage ist nur, ob vor der Lizenzentscheidung oder danach. Kommen sie danach, wurde unter Annahmen gekauft, die nicht mehr gelten.

Den Grund in der Sprache der Anwender erklären. Eine Regel, die nur im Führungskreis begründet wurde, existiert im Arbeitsalltag nicht. Wer den Grund nicht kennt, kann ihn nicht gegen den eigenen Aufwand abwägen — und entscheidet sich im Zweifel für den bekannten Weg.

Nicht das leistungsfähigste, sondern das passende Werkzeug wählen. Das stärkste Modell ist nicht automatisch das wirksamste. Wirksam ist, was unter den geltenden Bedingungen tatsächlich eingesetzt werden darf und eingesetzt wird.

Nutzung messen statt Zugriffe zählen. Freigeschaltete Lizenzen sagen nichts. Umgehung ist die ehrlichste Kennzahl, die eine Organisation über ihre eigenen Vorgaben hat — und die einzige, die früh genug warnt.

Fazit

Der Fall Fable 5 ist keine Anbieterpanne. Er ist ein sauber dokumentiertes Beispiel dafür, dass Leistungsfähigkeit und Nutzung zwei verschiedene Größen sind, und dass die Lücke dazwischen fast nie technisch ist.

Ein guter Grund ersetzt keine Akzeptanz. Das gilt für den Anbieter einer Spitzentechnologie ebenso wie für die Geschäftsführung, die eine neue Software im eigenen Haus einführt. Wer die Menschen mitnimmt, für die die Regel gilt, gewinnt beides: die Regel und ihre Wirkung.

Häufige Fragen

Was bedeutet Zero Data Retention? Eine vertragliche Zusicherung, dass Eingaben und Ausgaben eines KI-Systems nicht gespeichert werden. Sie ist in regulierten Branchen häufig Voraussetzung für den Einsatz überhaupt.

Warum ist fehlende KI-Akzeptanz kein Schulungsproblem? Weil Akzeptanz nicht am Wissen scheitert, sondern an den Bedingungen der Nutzung. Wenn ein Werkzeug im konkreten Arbeitskontext nicht eingesetzt werden darf oder mehr Aufwand erzeugt als es spart, ändert auch ein Training daran nichts.

Woran erkennt man frühzeitig, dass ein KI-Rollout nicht trägt? An der Differenz zwischen freigeschalteten Zugängen und tatsächlicher Nutzung, und an den Umgehungen: Wenn parallel weiter über den alten Weg gearbeitet wird, ist das die belastbarste Frühwarnung.

Ist die Speicherfrist ein DSGVO-Verstoß? Das ist eine Einzelfallfrage und keine, die sich pauschal beantworten lässt. Sie gehört vor der Lizenzentscheidung in die Hände der eigenen Rechtsabteilung oder eines Fachanwalts.

Quellen

• Anthropic Privacy Center: Data retention practices for Covered Models (Stand: Juni 2026)
• Financial Times, Bericht vom 23.08.2026, auf Basis der Ramp-Auswertung über rund 70.000 Unternehmen
• Clouded Judgement, Jamin Ball, Ausgabe vom 28.08.2026

Michael Urban · Digital Horizon Architect · CEO NxtLvlOrg UG People · Technology · Growth