95 % der KI-Pilotprojekte scheitern. Das haben wir bei der KI-Einführung in einem regulierten Unternehmen gelernt.

Autoren: Niccolò Baldoni, Patrick Reiter

Die KI-Branche redet für ihr Leben gern über Modelle. Jede Woche bringt eine neue Ankündigung, einen neuen Benchmark oder eine neue Prognose, wie KI unsere Arbeit verändern wird.

Doch nachdem wir in den vergangenen Monaten die KI-Einführung in einer regulierten, globalen Organisation vorangetrieben haben, sind wir zu einem anderen Schluss gekommen: Die meisten KI-Initiativen scheitern nicht an der Technologie. Sie scheitern, weil Organisationen KI wie einen Software-Rollout angehen statt wie ein Transformationsvorhaben.

Laut einer MIT-Studie liefern bis zu 95 % der KI-Pilotprojekte keinen nennenswerten Geschäftsnutzen. Im Rückblick verstehen wir, warum. Wir hatten das Glück, dass die Nutzung bei uns schon in den ersten 90 Tagen steil nach oben ging. Nicht, weil wir Zugang zu besserer Technologie gehabt hätten als alle anderen, sondern weil sich etliche unserer Annahmen als komplett falsch herausstellten.

Hier sind sieben Lektionen, die uns unterwegs überrascht haben.

1. Neugier skaliert. Pflichtprogramme nicht.

Wie viele Organisationen hatten wir zunächst den üblichen Ansatz im Kopf: Lizenzen verteilen, verpflichtende Workshops ansetzen, Teilnahmen nachverfolgen und hoffen, dass die Nutzung von selbst folgt.

Stattdessen taten wir das Gegenteil. Unternehmensweit starteten wir kurze, freiwillige „AI Espresso“-Sessions: fünfzehn Minuten, mit praktischen Beispielen, ohne Teilnahmepflicht. Ehrlich gesagt waren wir unsicher, wie groß das Interesse sein würde.

Was dann passierte, hat uns überrascht. Die Leute kamen, weil sie kommen wollten. Sie brachten Kolleginnen und Kollegen mit. Diskussionen liefen nach dem Ende der Sessions weiter. Teams begannen von sich aus, Ideen und Use Cases auszutauschen.

Wir haben über die Jahre an etlichen Trainings- und Transformationsinitiativen mitgewirkt. Eine solche organische Dynamik haben wir bei Pflichtveranstaltungen selten erlebt. Das war vermutlich der erste Moment, in dem uns klar wurde: Das könnte tatsächlich funktionieren.

2. Trennen Sie Einsteiger nicht von Experten

Eine unserer ersten Ideen war, verschiedene Tracks für verschiedene Zielgruppen aufzusetzen: Grundlagentraining für Einsteiger, komplexe Use Cases für Fortgeschrittene.

Das klang vernünftig. Wir entschieden uns trotzdem, beide Gruppen zusammenzubringen. Das Ergebnis war weit besser als erwartet.

Einsteiger stellten Fragen, über die Experten seit Monaten nicht mehr nachgedacht hatten. Erfahrene Nutzer zeigten praktische Use Cases, die der KI den Schrecken nahmen. Beide Gruppen lernten voneinander.

Sessions zu gestalten, die für alle funktionieren, war nicht leicht. Mehr als einmal fragten wir uns, ob wir es uns unnötig kompliziert gemacht hatten. Rückblickend hat es sich absolut gelohnt. Denn einige der wertvollsten Diskussionen entstanden gerade deshalb, weil Menschen mit völlig unterschiedlichem Erfahrungsstand im selben Raum saßen.

3. Das Modell ist nicht das Wichtigste

Diese These ist womöglich kontrovers. Die meisten Gespräche über KI landen früher oder später bei den Modellen. Welches Modell ist das beste? Welche Plattform liegt vorn? Welcher Anbieter ist am schnellsten? Diese Fragen sind nicht unwichtig - aber sie waren deutlich weniger wichtig, als wir erwartet hatten.

Die Gespräche, die tatsächlich über den Erfolg entschieden, drehten sich meist um etwas ganz anderes: um Workflows, Datenzugriff, Kontext, Verantwortlichkeiten - und darum, wie Menschen die Technologie in ihrer täglichen Arbeit nutzen können.

In Anbieter-Demos wirkt die Umsetzung oft ganz einfach. Die Realität ist unordentlicher - gerade in großen Organisationen mit regulatorischen Anforderungen, etablierten Prozessen und vielen Stakeholder-Gruppen.

Rückblickend waren operative Fragen durchweg wichtiger als technische.

4. Compliance wurde zum Beschleuniger

Das war wohl die größte Überraschung: Wir waren davon ausgegangen, dass Compliance alles verlangsamen würde. In einem regulierten Umfeld berührt jede KI-Interaktion Datenklassifizierung, Governance-Anforderungen, Sicherheitsrichtlinien und Fragen des Risikomanagements. Also rechneten wir naturgemäß mit Widerstand.

Stattdessen half Compliance, Vertrauen aufzubauen. Sobald die Menschen verstanden, wo Leitplanken existieren, welche Daten genutzt werden dürfen und wer wofür verantwortlich ist, verschwand ein Großteil der Zurückhaltung.

Die Gespräche wurden leichter, weil die Mitarbeitenden sicher sein konnten, sich nicht allein auf unbekanntem Terrain zu bewegen.

Viele Organisationen sehen Compliance als Reibungsverlust. Unsere Erfahrung: Sie lieferte ein Fundament, dem die Menschen vertrauen konnten.

5. Communities treiben den Wandel

Technologieprojekte konzentrieren sich oft auf Plattformen, Trainingspläne und Implementierungs-Meilensteine. Den größten Unterschied machte bei uns aber die Community.

Wir bauten ein Netzwerk freiwilliger KI-Champions auf - unsere „AI Baristas“ -, die Kolleginnen und Kollegen halfen, Use Cases zu erkunden, Fragen zu beantworten und Ideen zu teilen. Was als kleine Gruppe begann, gewann schnell an Fahrt. Unsere interne KI-Community wurde zu einem der größten Kollaborationsräume im Unternehmen. Man teilte Prompts, diskutierte Herausforderungen, tauschte Ideen aus und half sich gegenseitig beim Lernen. Selbst Mitglieder des Führungsteams machten regelmäßig mit.

Einige der denkwürdigsten Momente hatten mit Technologie gar nichts zu tun: Hackathons, informelle Meetups, Pizza vom Laden um die Ecke, Craft-Bier aus der Brauerei eines Kollegen und hausgemachtes Tiramisu von unserem CISO.

Niemand musste teilnehmen. Aber ab dem zweiten Monat hatten wir Wartelisten. Darüber schmunzeln wir noch heute.

6. Auf die Skeptiker kommt es am meisten an

Jede Transformationsinitiative hat ihre Skeptiker. Das ist kein Problem. Inzwischen glauben wir sogar: Es ist ein gutes Zeichen.

Der Moment, der uns überzeugte, dass wir echte Fortschritte machten, war keine Adoption-Kennzahl und kein Dashboard-Report. Es war der Anblick, wie einer unserer schärfsten Kritiker zu einem der aktivsten Mitwirkenden in der Community wurde. Wir erinnern uns noch an den Gedanken: Wenn wir diese Person gewonnen haben, passiert hier etwas Substanzielles.

Der Grund war einfach: Diese Person machte nicht mit, weil es jemand angeordnet hatte, sondern weil sie selbst einen Nutzen für sich entdeckt hatte. Wenn das passiert, beginnt die Dynamik, sich selbst zu tragen.

7. KI-Transformation gleicht eher einer Kampagne als einem Rollout

Die größte Lektion von allen? Erfolgreiche KI-Einführung hat viel mehr mit einer internen Kampagne gemein als mit dem Ausrollen von Software. Man braucht Rückhalt der Geschäftsführung, Kommunikation, Menschen, die Erfolgsgeschichten teilen, regelmäßig frische Ideen und neue Beispiele - und vor allem braucht man Beständigkeit.

Wir hatten erwartet, dass die Begeisterung nach ein paar Monaten abflaut. So läuft es bei internen Initiativen normalerweise. Sie flaute nicht ab. Nicht, weil wir die perfekte Technologie gefunden hätten, sondern weil die Menschen immer wieder neue Wege entdeckten, sie nutzbringend einzusetzen.

Für Patrick, der Project Management Director ist und kein KI-Engineer, war das vielleicht die wichtigste Erkenntnis: Die Technologie zählt, aber sie gibt nicht den Ausschlag.

Verantwortung entscheidet nach wie vor über das Ergebnis

Sobald Organisationen vom Experimentieren in den operativen Einsatz übergehen, taucht die nächste Herausforderung auf: Governance. Technologie kann Bemerkenswertes ermöglichen. Doch der langfristige Erfolg hängt davon ab, wie Organisationen sie managen, absichern und in den Arbeitsalltag einbetten.

Markus Ehrenmann, CTO bei Open Systems, bringt es auf den Punkt:

„Die meisten Organisationen investieren viel Zeit in die Bewertung von Technologie. Die schwierigere Frage ist, wie diese Technologie tatsächlich genutzt, gesteuert und betrieben wird, wenn die anfängliche Begeisterung nachlässt. Genau dort entscheidet sich meist Erfolg oder Misserfolg.“

KI kann die Produktivität steigern, Entscheidungen beschleunigen und Teams helfen, wirksamer zu arbeiten. Doch nichts davon macht klare Zuständigkeiten, Verantwortung und belastbare operative Rahmenwerke überflüssig. Im Gegenteil: Sie werden dadurch nur noch wichtiger.

Fazit

Im Rückblick ist die überraschendste Lektion, wie wenig diese Geschichte eigentlich von KI handelt. Sie handelt von Menschen, von Vertrauen und davon, ein Umfeld zu schaffen, in dem Experimentieren sich sicher und sinnvoll anfühlt. Und sie handelt von der Einsicht, dass erfolgreiche Transformation selten deshalb gelingt, weil eine neue Technologie auftaucht.

Sie gelingt, weil Menschen sich entscheiden, sie anzunehmen. Die Technologie mag das Gespräch eröffnen. Aber wie die Geschichte ausgeht, bestimmen die Menschen.

Weitere Informationen: