Warum 95 Prozent der KI-Projekte scheitern – und was die anderen 5 Prozent richtig machen

Eine Zahl geistert gerade durch jede Wirtschaftsredaktion: 95 Prozent der KI-Pilotprojekte in Unternehmen bringen keinen messbaren Ertrag. Die Studie dahinter hat Investitionen von 30 bis 40 Milliarden US-Dollar in generative KI untersucht – und kommt zu dem Schluss, dass nur eine Handvoll Unternehmen daraus tatsächlich Wert zieht. Parallel wackeln die Börsen: Anfang Juli gab es einen spürbaren Einbruch bei KI-nahen Aktien, weil Anleger anfangen, die immensen Infrastruktur-Investitionen der Hyperscaler gegen den bisher mageren wirtschaftlichen Nutzen aufzurechnen.

Die Schlagzeile klingt nach einem Gegenbeweis zu allem, was ich in den letzten Monaten über KI-Einführung geschrieben habe. Tatsächlich ist sie das Gegenteil: eine Bestätigung.

Was die Studie wirklich zeigt

Wer genauer hinschaut, findet keine Absage an KI, sondern eine Liste sehr konkreter, sehr vermeidbarer Fehler. Die häufigsten Gründe fürs Scheitern: fehlende Integration in bestehende Systeme, starre Workflows ohne Lernfähigkeit aus dem eigenen Kontext, eine wuchernde Schatten-Nutzung privater KI-Tools neben den offiziellen Systemen, und veraltete IT-Infrastruktur, die nie für KI-Anwendungen gebaut wurde. Nur 45 Prozent der Unternehmen haben KI überhaupt über einzelne Abteilungen hinweg integriert – der Rest steckt in isolierten Pilotprojekten fest, die nie den Sprung in den echten Betrieb schaffen.

Keiner dieser Gründe hat etwas mit der Qualität der KI-Modelle zu tun. Das ist der eigentlich bemerkenswerte Befund: Erfolg hängt weniger vom Modell ab als von Mitarbeiterkompetenz, Lernkultur und Change-Management im Unternehmen selbst.

Warum mich das nicht überrascht

Genau diesen Punkt mache ich seit Monaten in der eigenen KI-Beratung: Der häufigste Fehler ist, mit der Frage „Welches Tool?" statt mit dem Prozess anzufangen, der wirklich Reibung erzeugt. Ein Pilotprojekt, das nicht eng umrissen ist, nicht mit den Menschen entwickelt wird, die die Arbeit tatsächlich machen, und nicht nach vier bis acht Wochen ein messbares Ergebnis liefert, ist strukturell auf dem Weg zu genau den 95 Prozent. Die Studie beschreibt im Grunde von außen, was in der eigenen KI-Beratung von innen längst Praxis ist: Ein KI-Projekt scheitert selten am Modell, sondern daran, dass niemand die Prozessarbeit davor gemacht hat.

Die „Schatten-KI" aus der Studie kenne ich ebenfalls aus der Praxis – Mitarbeiter, die längst privat mit ChatGPT oder Claude arbeiten, während die offizielle Unternehmenslösung ungenutzt verstaubt. Das ist kein Sicherheitsproblem allein, sondern ein Signal: Die Menschen haben die für sie nützlichen Werkzeuge selbst gefunden, das Unternehmen hat nur noch nicht nachgezogen.

Der Unterschied zwischen den 5 und den 95 Prozent

Was die erfolgreichen Projekte von den gescheiterten unterscheidet, deckt sich mit einer Beobachtung, die ich beim Bau von Individualsoftware gemacht habe: Sobald die technische Umsetzung billig wird, verschiebt sich der Engpass zum Wissen darüber, was überhaupt gebaut werden soll. Die 5 Prozent, die messbaren Wert aus KI ziehen, haben nicht die besseren Modelle – sie haben die genauere Vorstellung davon, welcher Prozess sich lohnt, wie er in bestehende Systeme eingebettet wird, und wer im Team dafür Verantwortung übernimmt.

Das ist auch der Grund, warum wir bei unseren KI-Seminaren für Unternehmen nie mit einem Werkzeug anfangen, sondern mit einer Bestandsaufnahme: Welche Prozesse laufen bereits informell mit KI, wo fehlt die Integration, wer im Team hat die Kompetenz schon aufgebaut, ohne dass es irgendwo dokumentiert wäre? Genau diese Fragen entscheiden über Erfolg oder Frust – lange bevor ein einziges neues Tool eingeführt wird.

Was das für die KI-Blase-Debatte bedeutet

Die Börsenreaktion Anfang Juli und die 95-Prozent-Zahl gehören zusammen, sollten aber nicht gleichgesetzt werden. Dass milliardenschwere Infrastruktur-Wetten der Hyperscaler den erhofften Ertrag noch nicht liefern, ist eine Frage von Kapitalmärkten und Zeithorizonten. Dass einzelne Unternehmen mit ihren KI-Piloten scheitern, ist eine Frage von Prozessdisziplin – lösbar, und zwar mit Mitteln, die es schon lange gibt: sauberes Change-Management, echte Integration, eine ehrliche Bestandsaufnahme statt Buzzword-Enthusiasmus.

Fazit

95 Prozent gescheiterte KI-Piloten sind kein Argument gegen KI, sondern gegen die Art, wie die meisten Unternehmen sie bisher eingeführt haben. Wer die Studie als Bestätigung liest, dass KI überbewertet ist, übersieht die eigentliche Botschaft: Die Technologie ist selten das Problem. Das Problem ist, KI wie ein fertiges Produkt zu behandeln, das man kauft, statt wie einen Prozess, den man gestaltet.