Warum KI-Piloten scheitern: 5 Ursachen und das 6-Wochen-Gegenmodell

Die Lizenzen sind gekauft, das Projekt hat einen Namen, in der ersten Woche probieren es alle aus. Drei Monate später öffnet das Werkzeug niemand mehr. So enden auffällig viele KI-Pilotprojekte im Mittelstand: still, ohne Beschluss, einfach durch Nichtbenutzung. Woran das liegt, ist inzwischen gut untersucht. Die Technik ist es fast nie.

Die Zahlen und was sie bedeuten

Anfang 2025 kam eine IDC-Untersuchung im Auftrag von Lenovo zu einem ernüchternden Ergebnis: 88 Prozent aller KI-Pilotprojekte erreichten nie den breiten Einsatz. Von 33 gestarteten Piloten gingen im Schnitt vier in Produktion. Das MIT legte im Sommer 2025 nach und stellte fest, dass 95 Prozent der untersuchten Piloten mit generativer KI keinen messbaren Beitrag zum Geschäftsergebnis lieferten.

Seitdem hat sich einiges getan. Die Neuauflage der Lenovo-Studie vom Januar 2026 zählt bereits 46 Prozent der Pilotprojekte im Produktivbetrieb, die Unternehmen lernen also dazu. Trotzdem bleibt mehr als die Hälfte auf der Strecke. Und wer die Untersuchungen liest, findet dort kaum Technikprobleme. Es sind immer wieder dieselben fünf organisatorischen Ursachen.

Ursache 1: Spektakulär statt nützlich

Viele Piloten starten mit dem beeindruckendsten Anwendungsfall statt mit dem nützlichsten. Ein KI-System, das Marketingtexte schreibt, macht in der Vorführung mehr her als eines, das Lieferscheine abgleicht. Nur: Der Betrieb verdient sein Geld nicht mit Vorführungen.

Der bessere Startpunkt ist die unspektakuläre Aufgabe, die jede Woche Stunden frisst. Wo suchen Mitarbeiter regelmäßig nach Informationen? Welche Anfragen werden dreimal angefasst, bevor sie erledigt sind? Dort ist der Nutzen sofort spürbar, und genau das trägt einen Piloten durch die ersten Wochen.

Ursache 2: Niemand ist verantwortlich

Ein Pilot ohne Verantwortlichen ist ein Pilot ohne Fortschritt. In vielen Betrieben wird KI „nebenbei" eingeführt: Die IT stellt etwas bereit, die Geschäftsführung wünscht sich Ergebnisse, und dazwischen fühlt sich niemand zuständig.

Was fehlt, ist eine Person, die den Piloten treibt: Rückfragen bündelt, Hindernisse meldet, Zwischenstände einfordert. Das muss kein KI-Experte sein. Es muss jemand sein, der den betroffenen Arbeitsablauf kennt und die Rückendeckung der Geschäftsführung hat. Die MIT-Untersuchung zeigt übrigens auch: Teams, die interne Verantwortung mit externer Begleitung kombinieren, waren dreimal so erfolgreich wie reine Eigenbau-Projekte. Genau diese Kombination ist der Kern einer KI-Beratung für den Mittelstand: jemand im Betrieb trägt den Piloten, jemand von außen kennt die Fallstricke.

Ursache 3: Die Datenfrage kommt zu spät

Der Pilot läuft, die ersten Ergebnisse enttäuschen, und erst jetzt stellt sich heraus, dass die KI auf veraltete Preislisten, doppelte Kundendatensätze oder verstreute Dokumente zugreift. Die Datenfrage gehört an den Anfang, nicht in die Krisensitzung.

Vor dem Start reichen drei Fragen: Welche Daten braucht der Anwendungsfall? Wo liegen sie, und in welchem Zustand? Und: Dürfen sie überhaupt verwendet werden, Stichwort Datenschutz und personenbezogene Daten? Wer diese Fragen in Woche null beantwortet, erspart sich in Woche vier die Ausreden.

Ursache 4: Kein messbares Kriterium

„Wir schauen mal, was die KI so kann" ist kein Projektziel. Ohne messbares Kriterium gibt es am Ende nur Meinungen: Der eine fand es hilfreich, die andere umständlich, die Geschäftsführung findet vor allem die Rechnung. Ob der Pilot erfolgreich war, lässt sich so nicht entscheiden.

Ein brauchbares Kriterium ist eine einzige Zahl, vorher festgelegt: Minuten pro Suchvorgang, Anteil der beim ersten Kontakt erledigten Anfragen, Durchlaufzeit eines Angebots. Eine Zahl, ein Vorher-Wert, ein Zielwert. Mehr braucht es nicht, weniger geht nicht.

Ursache 5: Kein Enddatum

Piloten ohne Enddatum werden zu Dauerprovisorien. Das Projekt läuft „noch", seit Monaten, niemand erklärt es für gescheitert, niemand baut es aus. Dieser Zustand ist teurer als ein ehrliches Scheitern, denn er bindet Aufmerksamkeit und verbrennt das Vertrauen der Mitarbeiter in das nächste Vorhaben.

Ein Pilot braucht ein Enddatum mit eingeplanter Entscheidung. Nicht als Drohung, sondern als Entlastung: Bis dahin wird ausprobiert, danach wird entschieden. Das nimmt allen Beteiligten den Druck, das Projekt schönreden zu müssen.

Das Gegenmodell: 6 Wochen, ein Anwendungsfall, eine Zahl

Aus diesen fünf Ursachen ergibt sich das Gegenmodell fast von selbst. Es passt auf eine Karteikarte:

• Woche 1: Anwendungsfall auswählen (nützlich, nicht spektakulär), Verantwortlichen benennen, Messgröße mit Vorher-Wert festhalten
• Woche 2: Datenlage klären, Werkzeug einrichten, Datenschutz prüfen
• Woche 3 und 4: Betrieb mit einer kleinen Nutzergruppe, wöchentliche Kurzrunde zu Hindernissen
• Woche 5: Nutzerkreis erweitern, Messwerte erheben
• Woche 6: Auswertung und Entscheidungsvorlage für die Geschäftsführung

Sechs Wochen sind lang genug, um echte Arbeitsroutine zu erzeugen, und kurz genug, um die Kosten überschaubar zu halten. Vor allem aber zwingt der enge Rahmen zu dem, woran große Piloten scheitern: Fokus.

Praxisbeispiel: So kann ein 6-Wochen-Pilot aussehen

Ein typisches, bewusst vereinfachtes Szenario: ein Handelsbetrieb in Rheinhessen mit 40 Mitarbeitern, drei Standorten und einem gewachsenen Ablagesystem. Wer eine technische Auskunft, eine Lieferantenvereinbarung oder eine alte Kalkulation sucht, fragt Kollegen oder klickt sich durch Ordner. Im Schnitt kostet das 20 bis 30 Minuten pro Vorgang — eine Situation, wie sie auch Einzelhandelsbetriebe mit gewachsenen Strukturen häufig kennen.

Der Pilot dazu: eine interne Wissensdatenbank, die die vorhandenen Dokumente durchsuchbar macht und Antworten mit Quellenangabe liefert. Messgröße: Minuten bis zur verlässlichen Antwort. Nach sechs Wochen steht der Vergleich: aus 20 bis 30 Minuten Sucherei wird eine Antwort in unter einer Minute, nachprüfbar anhand der protokollierten Suchvorgänge. Mit so einer Zahl fällt die Ausbau-Entscheidung nicht schwer. Wie eine solche Wissensdatenbank technisch funktioniert, erklärt der Artikel RAG einfach erklärt.

Entscheidung an Tag 42: ausbauen oder sauber beenden

Am Ende des Piloten stehen drei mögliche Entscheidungen: ausbauen, anpassen oder beenden. Alle drei sind legitim. Ein sauber beendeter Pilot ist kein Misserfolg: er hat für wenig Geld eine Antwort geliefert, die sonst ein teures Dauerprojekt gegeben hätte.

Wichtig ist nur, dass die Entscheidung tatsächlich fällt und dokumentiert wird: Was hat funktioniert, was nicht, was folgt daraus? So wird selbst ein abgebrochener Pilot zum Fundament für den nächsten, und der startet dann nicht bei null.

Dass KI-Piloten scheitern, liegt selten an der KI. Es liegt an fehlendem Fokus, fehlender Verantwortung und fehlender Messbarkeit. Alle drei kosten kein Geld, sondern nur Entscheidungen, und die fallen vor dem Start.

FAQ

Woher stammen die Zahlen zu gescheiterten KI-Piloten?

Aus zwei Quellen: einer IDC-Untersuchung im Auftrag von Lenovo (CIO Playbook 2025 und 2026) und dem MIT-Bericht „The GenAI Divide" vom Sommer 2025. Die vollständigen Verweise stehen im Quellen-Abschnitt am Ende des Artikels.

Was ist ein realistischer erster Anwendungsfall?

Eine wiederkehrende Aufgabe mit klarem Zeitfresser: die interne Suche nach Dokumenten und Auskünften, das Vorsortieren von Anfragen oder die Entlastung des Telefons bei Routineanliegen. Entscheidend ist, dass sich der Effekt in einer Zahl messen lässt.

Wie viel Zeit muss der Betrieb selbst investieren?

Überschaubar viel: eine verantwortliche Person mit wenigen Stunden pro Woche, eine kleine Nutzergruppe, die das Werkzeug im Alltag verwendet, und eine wöchentliche Kurzrunde. Ohne diese Eigenbeteiligung funktioniert allerdings auch der beste Pilot nicht.

Was passiert, wenn der Pilot scheitert?

Dann hat er seinen Zweck erfüllt: Er hat für begrenzte Kosten gezeigt, dass dieser Anwendungsfall in seiner jetzigen Form nicht trägt. Die Auswertung zeigt fast immer, woran es lag, und liefert damit die Grundlage für einen besseren zweiten Anlauf.

Quellen

• Lenovo/IDC: CIO Playbook 2025 — 88 % der KI-Piloten erreichten keinen Breiteneinsatz
• Lenovo/IDC: CIO Playbook 2026 — 46 % der Piloten inzwischen in Produktion
• MIT NANDA: The GenAI Divide — State of AI in Business 2025 (PDF)

---

Ich bin Ulli Albrecht, KI-Berater aus Mettenheim in Rheinhessen, TÜV-zertifiziert. Das Erstgespräch ist kostenlos und dauert 30 Minuten.

→ Kostenloses Erstgespräch vereinbaren