Warum KI-Projekte scheitern: Es liegt fast nie an der KI

Montagmorgen, Geschäftsleitungsrunde. Tagesordnungspunkt vier: „KI-Pilot, Zwischenstand“. Die Folien sind gut gemacht, die Begeisterung im Projektteam ist echt. Dann geht es um die Ziele und die Ergebnisse.

Immer noch zu oft kommt dann eine Pause. Es ist nicht ganz klar, es lässt sich noch nicht messen. Man hat das Gefühl, dass es in die richtige Richtung geht, aber harte Fakten fehlen.

Wenn Ihnen diese Szene bekannt vorkommt, sind Sie in guter Gesellschaft. PwC hat Anfang 2026 weltweit 4.450 CEOs befragt.

• 56 Prozent sehen aus ihren KI-Projekten bisher weder mehr Umsatz noch weniger Kosten.
• Beides geschafft haben 12 Prozent.
• Und das bei Budgets, die sich gerade verdoppeln.
• Andere Befragungen zeigen dasselbe Bild: Von knapp 6.000 Führungskräften in den USA, Großbritannien, Deutschland und Australien sehen 89 Prozent bisher keinen Effekt von KI auf die Produktivität ihres Unternehmens (NBER, Februar 2026).

Meine eigene Schätzung aus Projekten und Gesprächen liegt bei 75 bis 80 Prozent der KI-Vorhaben, die (noch) nicht das liefern, was man sich von ihnen erwartet hat.

Liegt es an den KI-Modellen?

Das wäre die bequemste Erklärung. Nur passt sie nicht. Die Modelle werden seit drei Jahren von Woche zu Woche besser. Läge das Problem bei ihnen, müssten die Erfolgsquoten mitwachsen. Sie tun es nicht.

Wir haben unser eigenes Vorgehen im Sommer gegen neun Enterprise-Playbooks gespiegelt, unter anderem von Stanford, McKinsey, BCG, Microsoft und Anthropic. Ein Satz zog sich durch fast alle Quellen: Der Engpass war selten das Modell und fast immer die Organisation drumherum.

Was heißt „Organisation drumherum“ konkret? In unseren Projekten sehen wir immer wieder dieselben drei Hürden.

Hürde 1: Die KI kennt Ihr Unternehmen nicht

Eine KI liefert in Sekunden ein Ergebnis, das richtig aussieht. Ein Angebotstext, eine Kundenantwort, eine Zusammenfassung. Was fehlt, ist alles, was die KI über Ihre Firma nicht wissen kann: welche Kunden Sie haben, wie Sie mit ihnen sprechen, welche Rabattregel gilt und welche Ausnahme der Vertrieb seit Jahren stillschweigend macht.

Also wird nachgearbeitet. Jedes Mal, von jedem.

Eine US-Befragung von WalkMe mit gut 2.000 Beschäftigten kam zu einem Ergebnis, das vielen in letzter Zeit auch so passiert ist: Die Hälfte hat zuletzt mehr Zeit mit dem Nachbessern von KI-Ergebnissen verbracht, als die Aufgabe von Hand gedauert hätte. Auf den genauen Wert kommt es nicht an, die Zahl stammt aus den USA. Die Richtung kennt aber jeder, der KI im Alltag nutzt.

Hier liegt übrigens auch ein Gesundheitsthema, das kaum jemand auf dem Schirm hat. KI, die ständig korrigiert werden muss, entlastet nicht. Sie verdichtet Arbeit. Der Stress entsteht dann weniger durch die Nutzung selbst als durch das dauernde Prüfen und Nachbessern.

Was hilft: Geben Sie der KI den Kontext, den ein neuer Kollege in seinen ersten Wochen bekommt. Wir nennen das ein Company Brain: das Wissen Ihres Unternehmens, so aufbereitet, dass eine KI es nutzen kann. Baustein für Baustein, angefangen bei dem, was täglich gebraucht wird.

Hürde 2: Das Projekt startet bei null

Die typische Startsequenz sieht oftmals immer noch so aus: Ein paar Enthusiasten starten und probieren KI aus, und irgendwann soll daraus ein Projekt werden. Ziel, Messgröße und Rahmen werden nachträglich gesucht.

Ich kenne das aus eigener Erfahrung. Wir haben 2023 bei Gesundheit Bewegt genau so angefangen, mit dem Prinzip „Playing around“. Hier ein Tool, da ein Experiment. Es hat Spaß gemacht, ein paar Sachen verbessert und doch in den Kernprozessen nichts Grundlegendes geändert. Erst als wir KI-Arbeit als System verstanden haben, mit Re-think von Prozessen, neuen festen KI-unterstützten Abläufen, klareren Rollen und einem gemeinsamen Wissensstand, kamen Ergebnisse.

Starten bei null heißt auch: Jedes neue Projekt erfindet den Prozess neu. Wie wird priorisiert, wer prüft Ergebnisse, wann gilt etwas als fertig? Diese Fragen kosten beim ersten Projekt Wochen. Beim fünften sollten sie keine Rolle mehr spielen.

Was hilft: Bevor Sie über Tools sprechen, klären Sie, wo KI bei Ihnen den größten Hebel hat. Geht es darum, einen Prozess effizienter zu machen? Oder um ein neues Angebot für Ihre Kunden? Das sind unterschiedliche Projekte mit unterschiedlichen Erfolgsmaßstäben. Wie Sie das sortieren, beschreibe ich im Artikel über die vier Spielfelder einer KI-Strategie.

Hürde 3: Die Menschen kommen nach der Technik

Gallup hat im „State of the Global Workplace 2026“ eine Zahl veröffentlicht, die in keiner KI-Präsentation fehlen sollte: Nur 21 Prozent der Beschäftigten in Deutschland sagen, dass ihre Führungskraft sie aktiv bei der Nutzung von KI unterstützt. Anders gesagt: Vier von fünf Teams stehen mit den neuen Werkzeugen allein da.

Das passiert nicht aus bösem Willen. Führungskräfte haben selbst selten Zeit gehabt, KI zu lernen, bevor sie ihre Teams begleiten sollen. Das Ergebnis sind Unsicherheit, heimliche Nutzung privater Tools und Projekte, die formal laufen und praktisch niemand trägt.

Ehrlich gesagt überrascht an dieser Zahl weniger ihre Höhe als die Tatsache, wie selten sie in Projektplänen vorkommt. KI-Einführung wird als IT-Projekt geplant. In Wirklichkeit ist sie ein Veränderungsprojekt – Stichwort Change Management –, das eine IT-Komponente hat.

Was hilft: Schulen Sie Führungskräfte zuerst. Legen Sie fest, wo Menschen entscheiden und wo ein Agent arbeiten darf. Und fragen Sie regelmäßig nach, wie es den Leuten mit den neuen Werkzeugen geht. Ob sie sie nutzen, ist die kleinere Frage.

Woran erkennen Sie, ob Ihr KI-Projekt auf Kurs ist?

Fünf Fragen, die Sie in Ihrer nächsten Runde stellen können. Wenn Sie mehr als zwei davon nicht beantworten können, lohnt sich ein Schritt zurück.

1. Welches Geschäftsziel verfolgt das Projekt, in einem Satz?
2. Woran messen wir in drei Monaten, ob es funktioniert?
3. Welches Wissen über unser Unternehmen braucht die KI dafür, und wo liegt es heute?
4. Wer entscheidet, wenn die KI sich unsicher ist oder falsch liegt?
5. Welche Führungskraft begleitet das Team, und hat sie selbst mit dem Werkzeug gearbeitet?

Der einfachste erste Schritt: eine Woche Logbuch

Sie müssen nicht mit einer Strategie beginnen. Beginnen Sie mit einer Messung. Bitten Sie ein Team, eine Woche lang zu notieren, wie viele Minuten ins Nachbessern von KI-Ergebnissen gehen und was jeweils gefehlt hat.

Nach fünf Tagen haben Sie zwei Dinge: eine Zahl, die jeder in der Geschäftsleitung versteht. Und eine Liste mit dem Wissen, das Ihrer KI fehlt. Diese Liste ist der Bauplan für Ihren nächsten Schritt.

Vielleicht ist das alles nur die normale Lernkurve einer neuen Technologie. Kann sein. Nur: Wenn jeder einzeln lernt, was die Firma weiß, lernt die Firma nichts.