Warum die meisten KI-Projekte im Mittelstand scheitern

Die Geschichte läuft fast immer gleich ab. Ein Geschäftsführer besucht eine Messe oder ein Webinar, sieht eine beeindruckende Demo und beschließt: Wir brauchen auch KI. Ein halbes Jahr später existiert ein Chatbot, den niemand benutzt, ein Lizenzvertrag, der weiterläuft, und die stille Übereinkunft, das Thema nicht mehr anzusprechen.

Wir haben in den letzten Jahren viele dieser Projekte gesehen, von innen und von außen. Das Muster ist erstaunlich stabil. Und es hat fast nie mit der Technologie zu tun.

Das Modell war nie das Problem

Die Sprachmodelle, die heute verfügbar sind, sind gut. Sie fassen zusammen, sie übersetzen, sie beantworten Fragen, sie strukturieren Text. Für die allermeisten Aufgaben im Mittelstand ist die Modellqualität längst kein Engpass mehr.

Trotzdem reden alle über Modelle. Welches ist das beste, welches das neueste, welches das deutsche. Das ist eine bequeme Diskussion, weil sie sich wie Fortschritt anfühlt und keine unbequemen Fragen stellt. Die unbequemen Fragen lauten anders: Womit soll das Modell eigentlich arbeiten? Und wer soll es wann benutzen?

Erster Grund: Die Datenbasis ist leer

Eine KI, die Fragen zu Ihrem Unternehmen beantworten soll, braucht Wissen über Ihr Unternehmen. Genau da bricht es.

Denn dieses Wissen liegt in den meisten Betrieben nicht in Systemen. Es liegt in Köpfen. Wie die alte Anlage bei Feuchtigkeit reagiert, warum der Kunde Meier nur mit Herrn Schulz spricht, welche Ausnahme bei welchem Lieferanten gilt. Nichts davon steht in einem Dokument, das man einer KI geben könnte.

Was stattdessen in den Systemen liegt: veraltete Handbücher, halbgepflegte Wikis, Ordnerstrukturen, in denen sich seit Jahren niemand zurechtfindet. Wer darauf eine KI setzt, bekommt eine Maschine, die veraltetes Wissen schneller ausliefert. Das Ergebnis wirkt kompetent und ist falsch. Nach der dritten falschen Antwort ist das Vertrauen weg, und zwar dauerhaft.

Das Projekt scheitert dann scheinbar an der KI. Tatsächlich ist es an einer Frage gescheitert, die vorher niemand gestellt hat: Haben wir überhaupt dokumentiertes, aktuelles Wissen, mit dem eine Maschine arbeiten kann?

Zweiter Grund: Niemand nutzt es

Der zweite Killer ist unspektakulärer und mindestens genauso häufig. Das Werkzeug funktioniert, die Datenbasis ist brauchbar, und trotzdem passiert nichts. Weil Nutzung nicht von allein entsteht.

Ein neues Werkzeug konkurriert immer gegen die alte Gewohnheit. Die alte Gewohnheit heißt: den Kollegen fragen. Das ist schneller, vertrauter und funktioniert seit zwanzig Jahren. Solange der Kollege da ist.

Wer Nutzung will, muss sie in den Arbeitsalltag einbauen, nicht daneben. Ein System, für das man sich extra einloggen, extra denken, extra Zeit nehmen muss, verliert gegen den Zuruf über den Schreibtisch. Immer. Deshalb entscheidet sich der Erfolg eines KI-Projekts nicht am Tag der Einführung, sondern in den Wochen danach: Taucht das Werkzeug dort auf, wo die Leute ohnehin arbeiten? Gibt es einen Anlass, es täglich zu benutzen? Merkt jemand, wenn die Nutzung einschläft?

In den meisten gescheiterten Projekten lautet die ehrliche Antwort dreimal Nein.

Dritter Grund: Das Projekt hat keinen Besitzer

KI-Projekte werden gern beschlossen und selten verantwortet. Der Geschäftsführer will es, die IT soll es einrichten, die Fachabteilung soll es nutzen. Zwischen diesen drei Sätzen liegt das Niemandsland, in dem Projekte sterben.

Wenn niemand die Frage beantworten kann, wer nach drei Monaten auf die Nutzungszahlen schaut und Konsequenzen zieht, dann gibt es dieses Projekt nicht wirklich. Es gibt nur eine Lizenz.

Woran Sie vorher erkennen, ob Ihr Projekt eine Chance hat

Drei Fragen, vor dem ersten Euro:

Erstens: Welches konkrete Problem lösen wir, und woran messen wir in drei Monaten, ob es gelöst ist? „Wir wollen KI einsetzen“ ist kein Problem, sondern ein Mittel auf der Suche nach einem Zweck.

Zweitens: Woher kommt das Wissen, mit dem das System arbeitet, und wer hält es aktuell? Wenn die Antwort auf einen Ordner zeigt, den seit 2019 niemand gepflegt hat, ist das Projekt an dieser Stelle bereits gescheitert.

Drittens: Wo im Arbeitsalltag taucht das Werkzeug auf, und wer verantwortet die Nutzung? Ein Name, keine Abteilung.

Wer diese drei Fragen sauber beantworten kann, hat die Hauptrisiken im Griff. Wer es nicht kann, spart sich mit dem Verzicht auf das Projekt viel Geld und, wichtiger, die kollektive Enttäuschung, die das nächste Digitalprojekt gleich mit beerdigt.

Die eigentliche Reihenfolge

Aus unserer Sicht ist die Reihenfolge fast immer dieselbe, und sie beginnt nicht bei der KI. Sie beginnt beim Wissen. Erst wenn das Wissen eines Unternehmens erfasst, aktuell und zugänglich ist, wird eine KI darauf wertvoll. Vorher automatisiert sie nur die Auskunftslosigkeit.

Das ist unbequemer als eine Demo auf der Messe. Aber es ist der Unterschied zwischen einem Werkzeug, das nach sechs Monaten still abgeschaltet wird, und einem, das bleibt.