Scheitern KI-Projekte öfter als gedacht? Wir sagen: Ja. Unsere Recherchen zeigen, dass viele Unternehmen technische Lösungen kaufen, bevor sie das Problem verstehen. Ein Fall: Ein Industrieunternehmen setzt auf ein Automatisierungssystem für die Qualitätssicherung. Die Idee: Weniger Fehler, geringerer Kontrollaufwand. Das Ergebnis? Das System erkennt Abweichungen, aber niemand weiß, wie man die Ergebnisse nutzt. Die Produktion läuft weiter wie zuvor. Kosten sind gestiegen, der Nutzen bleibt unsichtbar.

Unser Team arbeitet nach der Devise: Erst Hypothesen prüfen, dann Systeme testen. Zu viele Projekte starten mit Erwartungen an eine „KI“, ohne dass die Abläufe analysiert wurden. Ein Beispiel aus dem Handel: Ein Modell sollte Preisaktionen automatisieren. Doch das System bewertete Aktionen nach historischen Daten – und ignorierte Feiertagseffekte. Am Ende mussten Mitarbeitende manuell nachsteuern. Der Automatisierungseffekt blieb aus.

Was lernen wir? Technik ersetzt keine Prozessanalyse. Jedes System braucht Zielvorgaben. Ohne Klarheit entsteht Aufwand, nicht Effizienz. Wir dokumentieren, wo Erwartungen und Ergebnisse auseinanderdriften. Wer Automatisierung plant, sollte zuerst verstehen, was genau verbessert werden muss – nicht nur, was technisch möglich ist.

Wer übernimmt Verantwortung, wenn ein KI-Projekt floppt? Wir sehen oft: Die IT-Abteilung wird verantwortlich gemacht, obwohl die Ursachen tiefer liegen. In einer Versicherungsfirma wurde ein automatisiertes Schadensmodell eingeführt. Das Ziel: Schnellere Bearbeitung. Die Folge: Beschwerden von Kunden, weil Einzelfälle durchs Raster fielen. Das Modell war nicht auf Sonderfälle trainiert. Die IT wurde kritisiert, doch das Problem lag in der fehlenden Abstimmung mit den Fachabteilungen.

Unsere Methode: Alle Beteiligten müssen Annahmen und Ziele gemeinsam festlegen. Ohne Einbindung der Praxis bleiben Projekte an der Oberfläche. In einem anderen Fall prüfte ein Mittelständler jede Regel im System. Ergebnis: Die Einführung verzögerte sich, aber es wurden viele Fehlerquellen gefunden. Am Ende funktionierte das System – mit klaren Grenzen. Wir setzen darauf, dass Teams frühzeitig kritisch hinterfragen. Nicht alles, was technisch möglich ist, ist auch praktisch sinnvoll.

Was bleibt nach einer gescheiterten Einführung? Unser Team zieht Bilanz: Die teuersten Fehler entstehen durch fehlende Kommunikation und unklare Ziele. Automatisierung lohnt sich nur, wenn sie den Alltag vereinfacht. Wir dokumentieren nicht nur funktionierende Modelle, sondern auch Fehlversuche. Ein Fall: Eine Spedition testete ein automatisiertes Tourenplanungssystem. Die Einführung dauerte Monate. Nach dem Rollout wurde das Tool selten genutzt, weil Fahrpläne in der Realität flexibler sind als die Software zulässt.

Unser Vorschlag: Unternehmen sollten regelmäßig prüfen, wo Automatisierung wirklich hilft – und wo nicht. Wir hinterfragen jeden Anwendungsfall. Wer sich für Technik entscheidet, sollte vorher Klarheit über Prozesse und Ziele haben. Fragen bleiben: Was soll automatisiert werden, warum und mit welchem Ergebnis? Wer darauf keine Antwort findet, sollte Systeme kritisch prüfen.