KI-Strategie im Unternehmen: Warum viele KI-Projekte scheitern

Warum scheitert die Delegation an die IT?

Weil die IT-Abteilung Werkzeuge bereitstellen kann, aber nicht für die Geschäftsprozesse verantwortlich ist, in denen diese eingesetzt werden sollen. Am Ende stehen Lizenzen und ein Rollout – Veränderung sieht anders aus.

Der Ablauf wiederholt sich in vielen Unternehmen fast identisch. Die Geschäftsführung beauftragt die IT, KI einzuführen, ohne Ziel oder Kriterien zu benennen. Die IT-Abteilung ist kompetent, hat aber kein Mandat für Prozessentscheidungen – sie bucht ein paar Copilot-Lizenzen, rollt sie aus, hält eine Schulung ab. Damit gilt das Projekt formal als abgeschlossen.

Das erleben wir in Erstgesprächen regelmäßig: Ein Unternehmen hat längst Zugänge zu ChatGPT oder Copilot verteilt, doch die einzelnen Mitarbeitenden nutzen sie nach eigenem Gutdünken. Niemand hat vorher festgelegt, welches Problem damit gelöst werden soll. Die IT hat ihren Auftrag erfüllt, sobald der Zugang steht – ob er zur Vertriebspipeline, zur Reklamationsbearbeitung oder zum Angebotsprozess passt, stand nie zur Debatte.

Das liegt nicht an der IT selbst. Es liegt daran, dass eine Abteilung, die für Betrieb und Sicherheit zuständig ist, eine strategische Entscheidung treffen soll – die dafür nötige Prozesskenntnis liegt aber in den Fachabteilungen.

Der eigentliche Denkfehler

Technologie soll ein Business-Problem lösen. Wer stattdessen zuerst eine Lösung auswählt und sich danach einen Einsatzzweck dafür überlegt, hat die Reihenfolge vertauscht.

Wer fragt „wo setzen wir KI ein", landet fast immer bei Insellösungen. Wer fragt „wo verlieren wir heute am meisten Zeit, und könnte KI das ändern", landet bei etwas, das sich refinanziert.

Warum sind KI-Projekte auch Change-Projekte?

Weil Führungskräfte lernen müssen, Aufgaben an ein System abzugeben, dem sie noch nicht vollständig vertrauen. Das braucht Zeit – mehr Zeit, als eine gewöhnliche Software-Einführung normalerweise bekommt.

Ein Beispiel: Ein Vertriebsleiter formuliert seit zwanzig Jahren jedes Angebot selbst. Ein verfügbares System allein bringt ihn nicht dazu, diese Aufgabe abzugeben. Das passiert erst, wenn er weiß, was das System kann, was es nicht kann, und wo er trotzdem noch draufschauen muss. Diese Lernkurve lässt sich nicht durch eine einmalige Schulung abkürzen.

Der EU AI Act macht daraus inzwischen mehr als eine Empfehlung: Nach Art. 4 müssen Anbieter und Betreiber von KI-Systemen seit Februar 2025 sicherstellen, dass ihre Mitarbeitenden über ausreichende KI-Kompetenz verfügen – abgestimmt auf deren technisches Wissen, Erfahrung, Ausbildung und den konkreten Einsatzkontext. Für die meisten Unternehmen ist das aktuell die konkreteste regulatorische Pflicht im Zusammenhang mit KI, deutlich greifbarer als die oft zitierten Hochrisiko-Vorgaben.

Praktisch heißt das: KI-Kompetenz ist für alle Mitarbeitenden Pflicht, nicht nur für die besonders interessierten – und sie sollte dokumentiert werden. Am einfachsten gelingt das, wenn Schulung von Anfang an eingeplant wird, anstatt sie im Nachhinein zu rechtfertigen.

Warum wird zusammengekaufte KI-Architektur teuer?

Weil jede einzeln eingeführte KI-Anwendung ihr eigenes Login, ihre eigene Datenhaltung und ihre eigene Integration mitbringt. Was im ersten Jahr pragmatisch wirkt, wird im dritten Jahr zur Konsolidierungsbaustelle.

Der Vertrieb hat seine eigene KI-Anwendung für Angebote, der Kundenservice eine andere für Support-Antworten, das Marketing eine dritte für Texte – jede für sich sinnvoll gewählt, aber nicht aufeinander abgestimmt. Nach ein bis zwei Jahren stehen die Unternehmen dann vor genau dem Wildwuchs, den sie eigentlich vermeiden wollten: doppelt gepflegte Daten, uneinheitliche Ergebnisse und eine IT, die für jede Anwendung eine eigene Ausnahme im Sicherheitskonzept pflegen muss.

Eine durchdachte Architektur denkt das von vornherein mit: eine gemeinsame Datenbasis, einheitliche Zugriffsrechte und eine Integrationsschicht, an die sich neue Anwendungsfälle andocken lassen, statt für jeden ein neues Silo zu bauen.

Was am Ende dabei herauskommt

Drei Wirkungsebenen, mit steigender Ambition: Automatisierung einzelner Abläufe, freigesetzte Kapazität für wertvollere Arbeit und – seltener, aber am wertvollsten – neue Geschäftsmodelle.

Kein Hype-Appell, sondern eine nüchterne Aufgabe

Fünf Jahre KI-Experimente ohne echten Sprung heißen nicht, dass KI für ein Unternehmen nicht funktioniert. Meistens zeigen sie nur, dass Strategie, Change und Architektur nie zusammengedacht wurden. Der erste Schritt dahin ist unspektakulär: eine ehrliche Liste der größten Engpässe im eigenen Unternehmen – lange bevor über eine einzelne Lösung gesprochen wird.

Wie ein strukturierter Einstieg konkret aussieht, beschreiben wir in unserem Leitfaden zur KI-Beratung.