Kaum eine KI- oder Business-Keynote, die inzwischen ohne diese Zahl auskommt: 95 Prozent KI-Projekte scheitern angeblich in Unternehmen. Herausgefunden haben will das das Massachusetts Institute of Technology (MIT), also eine der vertrauenswürdigsten Institutionen im Bereich Technologie. Doch wer die MIT-Studie kritisch liest, stellt fest: Die Methodik ist fragwürdig.
Die Datenbasis besteht aus gerade einmal 52 Interviews, Erfolg ist definiert als alles, was nach nur sechs Monaten profitabel war – das ist in Unternehmen eine extrem kurze Zeit. Unklar ist auch, was überhaupt als KI zählt. Und: Wenn Prozesse, Daten und Zuständigkeiten nicht stimmen, heißt es am Ende trotzdem: „Die KI hat nicht funktioniert“. Fakt ist: Ja, es hakt an der KI in Unternehmen. Ob 95 Prozent der Projekte scheitern, lässt sich bezweifeln. Aber: Warum hakt es eigentlich?
KI ist nicht einfach „Software wie jede andere“
Ein Kernproblem: Unternehmen behandeln KI häufig wie klassische Software. Tool einkaufen, ausrollen, kurze Schulung – fertig. Das klappt aber nur bedingt. Denn generative Modelle arbeiten nicht wie ein Tabellenprogramm. Sie reagieren auf Kontext, Datenzugang, Einstellungen – und auf die Art, wie wir mit ihnen interagieren. Viele Mitarbeiter müssen erst einmal umdenken. Und genau da beginnen die typischen Probleme.
Niemand weiß, wo anfangen mit der KI
In vielen Unternehmen ist KI längst ein strategisches Thema – aber es fehlt die Übersetzung in den Alltag. Der deutsche Unternehmer und Pionier im Bereich Data Science und KI, Alexander Thamm, beschreibt das so: Viele wüssten nicht, was sie „am Montag um 8 oder 9 Uhr“ als erstes tun sollen, wenn die Führung ausgerufen hat, „mehr mit KI zu machen“. Damit bleibe KI entweder ein Experiment für Einzelne – oder versande nach kurzer Euphorie.
Die Tool-Falle: Im Job ist KI oft schlechter als zu Hause
Mitarbeitende probieren privat die modernsten KI-Modelle aus – stoßen in ihrer Firma aber auf weniger leistungsstarke Varianten. Hintergrund sind Datenschutz, Compliance, Betriebsrat und Einkauf. Firmen können aus guten Gründen oft nicht mit dem Besten arbeiten, das gerade verfügbar ist, sondern mit abgesicherten, teils abgespeckten Versionen. Elisabeth L’Orange, AI-Partnerin bei Deloitte, sagt: Bevor Tools im Unternehmensalltag angekommen sind, seien sie schon wieder veraltet. Für Mitarbeitende wirke KI dann wie ein Versprechen, das im Alltag nicht eingelöst wird – das Vertrauen sinke.
Warum KI oft nicht an der Technik scheitert
Selbst wenn die KI-Tools dann da sind, hakt es gern mal an der Organisation. L’Orange verweist auf Studien, nach denen Mitarbeitende teils „abgestraft“ werden, wenn sie KI nutzen – etwa durch weniger Anerkennung oder schlechtere Karrierechancen.
Und dann ist da noch das Qualitätsproblem, das viele aus dem Büroalltag kennen: Kollegen schicken KI-Ergebnisse ungeprüft weiter. L’Orange zufolge zahlen große Unternehmen Millionen für die Reparatur der Ergebnisse – weil irgendwo in der Kette jemand die schlecht formulierten Mails, unpassenden Dokumente oder halbfertigen Entwürfe ausbügeln muss. Das sorgt für Frust – und prägt das Image von KI als „macht nur mehr Arbeit“.
Wie es besser geht: Drei Hebel, die Experten empfehlen
Bleibt also die Frage: Wie geht’s besser? Das raten die beiden Experten:
- Klare Einstiege statt KI-Visionen: Thamms „Montagmorgen“-Punkt lässt sich simpel übersetzen: Unternehmen sollten klar festlegen, welche Aufgabe Teams ab morgen anders mit KI lösen könnten. Kleine, konkrete Use-Cases mit Vorlagen und Beispielen bringen mehr als ein großes Projekt im Ungefähren.
- Zuständigkeiten bündeln, Entscheidungen beschleunigen: L’Orange beschreibt, wie KI in vielen Firmen zwischen den verschiedenen Abteilungen hängen bleibt – und am Ende unklar ist, wer verantwortlich ist. Klare Rollen und ein gemeinsamer Prozess helfen, Tools und Regeln schneller in den Alltag zu bekommen.
- Nutzung belohnen, Qualität absichern: L’Orange verweist darauf, dass Mitarbeitende KI-Nutzung teils als Karriererisiko erleben – und dass Unternehmen viel Geld in die „Reparatur“ schlechter, ungeprüft weitergeleiteter KI-Ergebnisse stecken. Heißt: KI darf Entwürfe liefern, aber es braucht klare Checks, damit aus Zeitgewinn nicht Nacharbeit wird.
Fazit: Die 95 Prozent sind ein Warnsignal, kein Urteil über KI
Die oft zitierte „95-Prozent“-Zahl ist vor allem ein Warnsignal: Nicht, dass KI grundsätzlich nutzlos ist – sondern dass Unternehmen sie zu oft falsch einführen und bewerten. Wer KI wie ein normales Software-Update behandelt, erlebt schnell Frust. Wer dagegen Ziele klärt, Verantwortung festlegt und Mitarbeitenden sichere Einstiege gibt, hat deutlich bessere Chancen, dass KI Arbeit wirklich erleichtert – statt im Pilot stecken zu bleiben.
