Warum die meisten KI-Pilotprojekte scheitern, bevor sie beginnen

Etwa 5 % der KI-Pilotprojekte erzielen eine messbare Umsatzbeschleunigung. Die große Mehrheit bleibt stecken und liefert keinen messbaren Beitrag zur Ergebnisrechnung.¹ Der erste Reflex, wenn das passiert, ist die Technologie verantwortlich zu machen, meistens das Modell oder den Anbieter. Die Forschung zeigt in eine andere Richtung.

RAND-Forscher haben in ihrer Untersuchung zu gescheiterten KI-Projekten festgestellt, dass 84 % der Befragten Führungs- und Steuerungsursachen als Hauptgrund für das Scheitern nennen, nicht technische Ursachen.² Die meisten Pilotprojekte sind also verloren, bevor das erste Modell trainiert wird. Am Anfang wird die falsche Frage gestellt, daraufhin werden die falschen Daten herangezogen, die falsche Erfolgsmetrik wird vereinbart, und für das, was danach kommt, ist niemand verantwortlich. Keines dieser Probleme löst sich, indem man ein besseres Modell kauft.

Im Folgenden vier Fehlermuster, die wir in mittelständischen Unternehmen am häufigsten sehen.

1. Die falsche Frage

Pilotprojekte beginnen oft mit einer Variante von „Wir sollten mal etwas mit KI machen“ statt mit einem konkreten Geschäftsproblem, an das sich eine Zahl hängen lässt. Der Anwendungsfall wird gewählt, weil er modern klingt oder weil er zu dem passt, was ein Anbieter in der Woche gerade angeboten hat, nicht weil er das Unternehmen heute Geld kostet. Die RAND-Befragten beschrieben Führungskräfte, die annahmen, ihre vorhandenen Daten würden dem neuen Zweck genügen, einfach weil sie dem alten gedient hatten, und dann feststellten, dass die Daten nie für die Frage gebaut worden waren, die jetzt gestellt wurde.²

Ein nützlicher Test, bevor irgendein Pilot freigegeben wird: Wenn er deutlich besser läuft als erwartet, kann das Unternehmen vorher benennen, welche Position in der Ergebnisrechnung sich bewegt, und um wie viel? Wenn niemand im Raum diese Frage beantworten kann, ist die Frage noch nicht richtig formuliert. Ein Chatbot, der das „Kundenerlebnis verbessern“ soll, kann nicht scheitern, weil niemand definiert hat, wie Erfolg aussehen würde, was bedeutet, dass das Projekt bereits in die falsche Richtung läuft, bevor die technische Arbeit überhaupt beginnt.

2. Die falschen Daten

KI arbeitet mit den Daten, die das Unternehmen ohnehin hat, und die sind in der Praxis chaotischer, als man zugibt. Die RAND-Analyse benennt das Missverstehen oder die unklare Kommunikation des Problems, das die KI lösen soll, sowie das Fehlen ausreichender Daten als zwei der fünf Hauptursachen für das Scheitern von Projekten.²

Im Mittelstand zeigt sich das oft so: Ein Forecasting-Pilot wird auf Vertriebszahlen aufgesetzt, die in drei verschiedenen Systemen liegen, und keines dieser Systeme stimmt darin überein, was ein Kunde eigentlich ist. Der Pilot scheitert nicht, weil das Modell schwach ist. Er scheitert, weil die Datenbasis nie abgeglichen worden ist, und der Abgleich, wenn er nachträglich nachgeholt wird, entwickelt sich zu einer eigenen mehrmonatigen Übung, die niemand eingeplant hat. Die Arbeit muss vor dem Projekt geleistet werden, bevor das Budget überhaupt freigegeben wird.

3. Kein interner Treiber

Ein Pilot braucht eine Person, kein Lenkungsgremium. Genauer gesagt braucht er jemanden aus dem operativen Geschäft, nicht aus der IT, dessen eigene Arbeit leichter oder schwerer wird, je nachdem ob der Pilot funktioniert. Es ist ein Muster, das wir in mittelständischen Unternehmen immer wieder sehen: KI-Werkzeuge, die technisch funktionieren, aber ungenutzt bleiben, weil die operativen Teams, die ihr Verhalten hätten ändern müssen, nie Teil des Gesprächs waren, wie das Werkzeug in ihren Tag passen sollte.

Wenn die Verantwortung für ein KI-Projekt bei einem einzelnen technischen Treiber liegt, lebt das Projekt von der Aufmerksamkeit dieser Person und stirbt mit ihr. Sobald diese Aufmerksamkeit auf die nächste Initiative wandert, verliert das Projekt seinen institutionellen Halt, und die Dashboards und Modelle laufen weiter, ohne dass jemand auf das reagiert, was sie produzieren. Ohne eine operative Führungskraft, die bereit ist, die eigenen Quartalszahlen hinter den Piloten zu stellen, bleibt das, was gebaut wird, dekorativ, egal wie gut die zugrundeliegende Technologie ist.

4. Kein Plan für den Erfolgsfall

Das am wenigsten diskutierte Fehlermuster ist die Frage, was passiert, wenn der Pilot tut, was er tun sollte. Ein Modell, das 30 % mehr Rechnungsfehler aufdeckt, sieht auf einer Folie beeindruckend aus. In einer Buchhaltung, die nicht vorgewarnt, nicht geschult und nicht mit neuen Abläufen für das höhere Aufkommen an Ausnahmefällen ausgestattet wurde, ist es disruptiv. Brancheneinschätzungen finden konstant, dass die meisten Unternehmen im Pilotmodus feststecken und erfolgreiche Experimente nie unternehmensweit skalieren.³

Pilotprojekte ohne definierten Weg in den Produktivbetrieb sind keine wirklichen Pilotprojekte. Es sind Demonstrationen mit Budget, und sie enden meist auf dieselbe Weise: ein interessantes Ergebnis, eine wohlwollende Review-Sitzung, und keine operative Veränderung. Die Frage „Was ändert sich am Montag im Geschäft, wenn das funktioniert“ braucht eine Antwort vor Projektstart, nicht nachdem das Modell schon trainiert ist.

Wie ein gut aufgesetzter Pilot aussieht

Ein Pilot, der sich lohnt, hat fünf Dinge geklärt, bevor die technische Arbeit beginnt: ein einzelnes benanntes Geschäftsproblem mit einer Zahl dahinter; eine Datenquelle, die geprüft und für den Zweck als geeignet bestätigt wurde; einen operativen Verantwortlichen, der vom Erfolg tatsächlich profitiert; eine Erfolgsmetrik, schriftlich vereinbart; und einen Plan, was sich in der Organisation ändert, wenn der Pilot liefert.

Die Arbeit, diese fünf Dinge an die richtige Stelle zu bringen, ist unspektakulär, und es ist der Teil, den die meisten Unternehmen auslassen. Die Technologie ist seit Jahren nicht mehr der Engpass. Der Engpass ist die Disziplin, die langsamere, weniger interessante Arbeit zu erledigen, die geschehen muss, bevor die interessante Arbeit beginnen kann, etwas hervorzubringen, das es wert ist, behalten zu werden.