KI-Projekte, die scheitern: die typischen Muster
Die Fehler wiederholen sich erstaunlich zuverlässig. Sechs Muster, die man an einem Nachmittag erkennen kann – bevor sie ein Quartal kosten.
Wir sehen viele Projekte, die technisch funktionieren und trotzdem eingestellt werden. Die Ursachen liegen fast nie im Modell. Sie liegen in der Art, wie das Projekt aufgesetzt wurde.
Muster 1: Die Technologie sucht den Prozess
Das Projekt beginnt mit dem Satz »Wir wollen etwas mit KI machen«. Danach wird ein Anwendungsfall gesucht. Das Ergebnis ist regelmäßig ein Assistent, den niemand braucht. Der umgekehrte Weg funktioniert: Zuerst den Prozess benennen, der jeden Tag Zeit kostet, dann prüfen, ob KI dafür das richtige Werkzeug ist.
Muster 2: Die Demo läuft auf sauberen Daten
Die Vorführung nutzt drei gut gescannte Musterdokumente. Der Betrieb schickt schiefe Handyfotos, Durchschläge und Formulare mit handschriftlichen Ergänzungen. Wer nicht von Anfang an mit dem echten Datenmüll testet, misst die falsche Trefferquote.
Muster 3: Kein Kontrollpunkt
Das System entscheidet, niemand prüft. Nach dem ersten falsch zugeordneten Vorgang wird das Vertrauen der Belegschaft nicht mehr zurückgewonnen – auch wenn die Fehlerquote objektiv niedriger ist als vorher bei manueller Bearbeitung.
Muster 4: Keine Kennzahl vor dem Start
Wenn nicht vorher gemessen wurde, wie lange der Prozess dauert und wie viele Fehler er produziert, gibt es hinterher keinen Beweis für den Nutzen. Das Projekt wird dann nach Stimmung bewertet – und Stimmung verliert gegen Kosten.
Muster 5: Niemand ist für den Betrieb zuständig
Modelle ändern sich, Anbieter stellen Versionen ab, Eingangsformate wandeln sich. Eine Automatisierung ohne verantwortliche Person und ohne regelmäßige Stichprobe verfällt schleichend – und fällt erst auf, wenn ein Kunde sich beschwert.
Muster 6: Alles auf einmal
Statt einen Prozess sauber zu automatisieren, werden fünf gleichzeitig angefasst. Die Folge sind fünf halbfertige Lösungen, von denen keine den Kontrollpunkt erreicht. Ein abgeschlossener Anwendungsfall im Regelbetrieb ist mehr wert als fünf Piloten.
Die gute Nachricht: Alle sechs Muster lassen sich vor Projektbeginn prüfen. Ein ehrlicher Nachmittag mit den beteiligten Personen ersetzt regelmäßig ein Quartal Entwicklungsarbeit.
Klingt nach Ihrem Thema?
Wir bauen und betreiben Software für Branchen, die von großen Anbietern übersehen werden – und prüfen sie selbst auf Sicherheit. Schildern Sie uns Ihre Ausgangslage.
Projekt besprechenPassend dazu
KI-Automatisierung im Mittelstand: die fünf Prozesse, die sich zuerst lohnen
Nicht die spektakulärsten Anwendungsfälle rechnen sich, sondern die langweiligen mit hoher Wiederholung. Fünf Prozesse, die im Mittelstand fast immer tragen.
LLM-Kosten realistisch kalkulieren
Der Preis pro Anfrage ist selten das Problem. Teuer wird es durch Kontextlänge, Wiederholungen und Fehlversuche. Eine Rechnung, die vor der Rechnung kommt.