
Bulgarien ist bei generativer KI Schlusslicht in der EU – und die meisten Unternehmen sagen, sie brauchen sie nicht
Vier von zehn bulgarischen Unternehmen nutzen generative KI. Das klingt nach Fortschritt, bis man den Rest der Grafik sieht: Jedes andere EU-Land liegt höher. In der EIB Group Investment Survey 2026, veröffentlicht von der Europäischen Investitionsbank am 9. November, liegt Bulgarien auf Platz 27 von 27: 40 % der Unternehmen nutzen bereits Tools wie ChatGPT, Gemini, Claude oder Copilot. Griechenland liegt bei 45 %, Italien bei 48 %, der EU-Durchschnitt bei 67 % und Dänemark bei 89 %.
Das Ranking ist die Schlagzeile. Aussagekräftiger ist eine Frage, die die Umfrage den Unternehmen gestellt hat, die überhaupt keine KI nutzen: Warum nicht? Ihre Antwort ist nicht das, was die meisten erwarten.
Was die Umfrage gemessen hat
Die EIB führt diese Umfrage seit 2016 jedes Jahr gemeinsam mit Ipsos durch. Die Welle 2026 umfasst rund 12.000 Unternehmen in der EU sowie eine Vergleichsstichprobe von 800 Unternehmen in den Vereinigten Staaten. Die KI-Frage ist spezifisch: Nutzt das Unternehmen generative KI-Tools systematisch, um Prozesse zu verbessern, und in welchen Bereichen? Ein Unternehmen, in dem eine Person gelegentlich einen Chatbot um Hilfe bei einer E-Mail bittet, wird hier nicht gezählt.
Für Bulgarien zeigt der EU-Überblicksbericht:
- 40 % der Unternehmen nutzen bereits generative KI;
- 23 % tun dies nicht, planen oder prüfen aber eine Einführung in den nächsten 12 Monaten;
- 32 % haben keine Pläne, sie zu nutzen.
Vor einem Jahr lag die bulgarische Nutzung laut Länderüberblick 2025 bei 22 %, gegenüber einem EU-Durchschnitt von 37 %. Die Verbreitung ist also gestiegen, aber der EU-Durchschnitt ist schneller gewachsen, und der Abstand zum Durchschnitt ist größer geworden.
Das Muster auf EU-Ebene erklärt einen Teil davon. EU-weit haben 27 % der kleinen und mittleren Unternehmen keine Pläne, generative KI einzuführen, verglichen mit 9 % der großen Unternehmen.
Die Antwort auf „Warum nicht?“
Unter den bulgarischen Unternehmen, die keine generative KI nutzen, sind laut demselben Bericht die wichtigsten Gründe:
- Sie sehen keinen Bedarf dafür (35 %);
- sie sind unsicher hinsichtlich des potenziellen Nutzens (32 %);
- ihnen fehlt qualifiziertes Personal (16 %).
Zusammen machen die ersten beiden Gründe zwei Drittel der Nichtnutzer aus. Das EU-Bild ist ähnlich: 43 % sehen keinen geschäftlichen Bedarf, und 28 % sind unsicher, was es bringen würde. Das ist vor allem keine Geschichte über Geld, Infrastruktur oder Zugang zu Tools. Die meisten dieser Unternehmen könnten morgen ein ChatGPT- oder Copilot-Konto eröffnen. Was ihnen fehlt, ist ein klares Bild davon, was es für ihr Geschäft leisten würde.
Das ist wichtig, weil die beiden Probleme sehr unterschiedliche Lösungen haben. Einen Geldmangel löst man mit Finanzierung. Ein Verständnisdefizit braucht etwas anderes: Jemand muss an der eigenen Arbeit des Unternehmens zeigen, was sich verändert.
KI zu nutzen ist nicht dasselbe, wie etwas daraus zu gewinnen
Die zweite Grafik, die Aufmerksamkeit verdient, betrifft Unternehmen, die bereits KI nutzen. Die Umfrage fragte, wann sie erwarten, dass der Großteil des Nutzens sichtbar wird.
EU-weit sagen 21 % der Nutzer, dass der Nutzen bereits sichtbar ist. In den Vereinigten Staaten liegt der Wert bei 35 %. In Bulgarien sind es 16 %, und weitere 31 % erwarten, den Nutzen innerhalb eines Jahres zu sehen.
Mit anderen Worten: Selbst unter den bulgarischen Unternehmen, die als KI-Nutzer gezählt werden, kann nur etwa jedes sechste sagen, dass sich der Einsatz bereits auszahlt. Der Rest wartet noch.
Der EIB-Bericht ergänzt ein Muster, das einen Teil der Lücke erklären könnte. Europäische Unternehmen nutzen generative KI überwiegend für interne Prozesse (50 % aller EU-Unternehmen) und deutlich weniger für wachstumsbezogene Aufgaben wie Marketing und Vertrieb (34 % in der EU gegenüber 50 % in den USA) oder Produktentwicklung (17 % gegenüber 23 %). Und 69 % der EU-Nutzer sagen, der wichtigste erwartete Nutzen sei operative Effizienz, während nur 11 % erwarten, dass sie Umsatz- und Erlöswachstum antreibt (19 % in den USA).
Die breitere Schlussfolgerung der EIB betrifft Einführung allgemein, nicht nur KI: 20 % der EU-Unternehmen berichten von erheblichen Investitionen in Innovationen, die für das Unternehmen neu sind, verglichen mit 44 % in den USA. Europa hat keinen Mangel an Erfindungen. Es ist langsam darin, das, was bereits existiert, aufzugreifen und praktisch einzusetzen.
Meine Einordnung
Hier wechsle ich von den Daten zur Interpretation.
Wenn ein Drittel der bulgarischen Nichtnutzer sagt: „Wir brauchen das nicht“, und ein weiteres Drittel sagt: „Wir wissen nicht, was es uns bringen würde“, dann wird eine Kampagne, die ihnen sagt, sie sollten „KI einführen“, sie nicht bewegen. „KI einführen“ ist keine Entscheidung, die irgendjemand an einem Montagmorgen treffen kann. Sie hat keinen Verantwortlichen, keine Frist und keine Möglichkeit festzustellen, ob sie funktioniert hat.
Dasselbe gilt für viele Unternehmen, die bereits als Nutzer gelten. Ein paar Lizenzen und einige begeisterte Mitarbeitende bringen ein Unternehmen in einer Umfrage in die Spalte „nutzt bereits“. Sie bringen es aber nicht in die Spalte „Nutzen bereits sichtbar“.
Was funktioniert, ist enger gefasst. Wählen Sie eine wiederkehrende Aufgabe aus, die jede Woche spürbar Zeit kostet, messen Sie, wie lange sie heute dauert, verändern Sie die Durchführung mithilfe von KI und messen Sie nach einigen Wochen erneut. Wenn sich die Zahl bewegt hat, haben Sie einen Business Case, geschrieben mit Ihren eigenen Daten. Wenn nicht, haben Sie ein paar Wochen verloren, kein Budget.
Ein hypothetisches Beispiel
Stellen Sie sich einen bulgarischen Baustoffhändler mit einem kleinen Vertriebsbüro vor. Jeden Tag senden Kunden Anfragen per E-Mail und Telefon: Ist ein Produkt auf Lager, wie lang ist die Lieferzeit, können sie ein Angebot für eine Artikelliste erhalten? Zwei Personen im Büro verbringen einen großen Teil ihres Tages damit, im Lagersystem zu suchen und dieselben Informationen in Antworten neu einzutippen.
Würde der Eigentümer in der EIB-Umfrage gefragt, könnte die ehrliche Antwort durchaus lauten: „Wir brauchen keine KI.“ Das Geschäft funktioniert. Niemand hat versucht, diese Büroarbeit als einen Prozess zu beschreiben, der sich verändern ließe.
Nehmen wir nun an, das Unternehmen greift genau diese eine Aufgabe auf. Zwei Wochen lang protokolliert das Team einfach, wie lange die Beantwortung jeder Anfrage dauert. Dann richtet es einen Assistenten ein, der aus der Anfrage und den Lagerdaten eine Antwort entwirft, und eine Person prüft und versendet sie. Nach weiteren vier Wochen vergleichen sie. Der Eigentümer hat nun eine konkrete Antwort auf die Frage „Was würde uns KI bringen?“ für einen Prozess – und einen Grund, über den nächsten zu entscheiden oder aufzuhören.
An dieser Stelle wird auch der Grund „Mangel an qualifiziertem Personal“ kleiner, als er aussieht. Das Team muss nicht zu KI-Ingenieuren werden. Es muss lernen, die eigene Arbeit klar zu beschreiben – genau darauf sollte sich KI-Schulung für ein bestimmtes Team konzentrieren.
Was uns die Zahlen nicht sagen
Die Umfrage ist repräsentativ und die Stichprobe ist groß, aber der EU-Überblick zeigt die bulgarischen Ergebnisse überwiegend in Grafiken, nicht in einer detaillierten Ländertabelle. Die EIB veröffentlicht üblicherweise später separate Länderüberblicke, und die bulgarische Ausgabe 2025 enthielt Details nach Sektoren, etwa die geringe Nutzung im Baugewerbe. Wenn der Länderüberblick 2026 erscheint, wird es sich lohnen zu prüfen, welche Sektoren den Durchschnitt nach unten ziehen.
Die Umfrage sagt uns auch nicht, wie gut Unternehmen KI nutzen, sondern nur, ob sie sie systematisch nutzen und wo. Ein Unternehmen, das als Nutzer zählt, kann sie schlecht einsetzen, und ein Nichtnutzer kann für den Moment eine vollkommen vernünftige Entscheidung getroffen haben.
Trotzdem ist das wichtigste Signal klar genug. Für die meisten bulgarischen Unternehmen, die sich von KI fernhalten, ist die wichtigste von ihnen genannte Hürde nicht der Preis und nicht die Technologie. Es ist das Fehlen eines konkreten, gemessenen Beispiels aus der eigenen Arbeit. Das ist ein deutlich günstigeres Problem, das sich lösen lässt.


