Warum KI-Projekte scheitern: fünf typische Ursachen
Fünf Ursachen lassen KI-Projekte im Mittelstand scheitern: eine unklare Aufgabe, fehlende Daten, Prozesse ohne Platz für Fehler, ungerechnete Betriebskosten und ein Pilot ohne Weg in den Alltag. Am Modell liegt es selten.
Eine gelungene Vorführung beweist, dass ein Modell eine Aufgabe lösen kann. Ob es das im eigenen Betrieb jeden Tag tut, ist eine andere Frage. Zwischen der Vorführung und einem Werkzeug, das Mitarbeiter jeden Tag verwenden, liegen Fragen, die mit dem Modell wenig zu tun haben: Was genau soll es tun, mit welchen Daten, was passiert bei einem Fehler, was kostet es im Monat und wer kümmert sich darum?
Die fünf Ursachen unten sind keine Statistik. Es sind die Stellen, an denen Vorhaben hängen bleiben können, und alle lassen sich vor dem Start prüfen. Ob eine Aufgabe überhaupt zu einem Sprachmodell passt, ist eine eigene Frage; die beiden Seiten dazu sind bei Ursache 1 und 3 verlinkt. Hier geht es um Vorhaben, die zu einem Sprachmodell passen und trotzdem stecken bleiben.
Ursache 1
Unklare Aufgabe statt klarer Frage
„Wir wollen etwas mit KI machen“ ist keine Aufgabe. Ein Projekt braucht einen Satz, der Eingabe, Ergebnis und Maßstab nennt: „Aus eingehenden Lieferantenrechnungen sollen Rechnungsnummer, Betrag und Fälligkeit gelesen werden, bei mindestens 98 von 100 Rechnungen korrekt.“ An so einem Satz lässt sich messen, ob das Ergebnis taugt.
Fehlt dieser Satz, wird der Pilot an Eindrücken gemessen. Die Vorführung wirkt gut, also geht es weiter, bis im Betrieb jemand feststellt, dass die Ergebnisse nicht verlässlich genug sind. Anthropic empfiehlt in der Dokumentation zur Bewertung von Sprachmodellen Erfolgskriterien, die spezifisch und messbar sind, und Tests, die die echte Verteilung der Aufgaben abbilden, einschließlich der schwierigen Fälle.
Oft zeigt der Satz außerdem, dass gar kein Sprachmodell nötig ist. Feste Formate, klare Regeln und strukturierte Daten löst ein Skript oder eine Datenbankabfrage schneller und günstiger. Die Seite Wann KI bei Ihnen Quatsch ist sammelt solche Fälle.
Ursache 2
Daten, die es nicht gibt
Viele Vorhaben setzen Daten voraus, die nur in der Vorstellung existieren: ein vollständiges Archiv aller Angebote, gepflegte Produktdaten, ein Wiki, das stimmt. In der Praxis liegen Angebote verstreut in Postfächern, das Wiki wurde vor drei Jahren zuletzt gepflegt, und das Wissen steckt in den Köpfen von zwei Mitarbeitern.
Ein Assistent, der Fragen aus internen Dokumenten beantworten soll, ist mit RAG technisch schnell gebaut. Er antwortet aber nur so gut, wie die Dokumente sind. Veraltete oder widersprüchliche Unterlagen führen zu sicher klingenden, falschen Antworten.
Zu den Daten gehört auch die Frage, ob sie die Organisation überhaupt verlassen dürfen. Personenbezogene Daten bei einem externen KI-Anbieter brauchen einen Auftragsverarbeitungsvertrag und eine Prüfung, wo die Daten verarbeitet werden. Was ein solcher Vertrag nach Art. 28 DSGVO regeln muss, steht im Gesetz selbst: Gegenstand und Dauer, Art der Daten, Weisungsbindung, Unterauftragnehmer, Löschung nach Ende des Auftrags. Wenn eine Übermittlung nicht geht, bleibt ein Modell auf eigener Hardware; die Kosten dafür rechnet Self-Hosted KI durch.
Ursache 3
Fehlende Fehlertoleranz im Prozess
Sprachmodelle machen Fehler, auch gute. Entscheidend für das Projekt ist, was nach einem Fehler passiert. Ein Prozess, der jedes Ergebnis ungeprüft weitergibt, verträgt keine KI. Ein Prozess mit Prüfschritt verträgt sie, aber der Prüfschritt kostet Zeit.
Eine Rechnung mit angenommenen Werten zeigt, wo der Haken liegt: Bei 400 Dokumenten im Monat und 95 korrekten von 100 sind 20 Ergebnisse falsch. Wenn das System nicht anzeigt, welche 20 das sind, muss jemand alle 400 prüfen. Die versprochene Entlastung schrumpft dann auf die Differenz zwischen Abtippen und Kontrollieren.
Projekte, die tragen, bauen deshalb drei Dinge ein:
Prüfbare Ergebnisse: Das Modell gibt an, woher eine Angabe stammt, etwa die Seite im Dokument.
Sortierung nach Sicherheit: Eindeutige Fälle gehen durch, unsichere landen bei einem Menschen. Gegenprüfungen helfen, zum Beispiel, ob Nettobetrag plus Steuer den Bruttobetrag ergibt.
Folgenabschätzung: Ein falsch einsortierter Newsletter-Abmelder ist ärgerlich, eine falsche Zahlungsfreigabe ist teuer. Wo ein Fehler Geld oder Rechte kostet, entscheidet weiter ein Mensch.
Aufgaben, die mit dieser Toleranz gut zurechtkommen, sammelt Wann ein LLM den Tag rettet.
Ursache 4
Kosten, die erst im Betrieb sichtbar werden
Ein Pilot mit 200 Anfragen kostet bei Abrechnung nach Token wenige Euro. Der Betrieb sieht anders aus. Angenommen, eine Anfrage kostet 2 Cent und der Betrieb bringt 20.000 Anfragen im Monat, dann sind das 400 Euro im Monat nur für das Modell. Dazu kommen Posten, die im Pilot fehlen:
Speicherung und Aufbereitung der Dokumente, wenn das System auf eigene Unterlagen zugreift,
Überwachung der Antwortqualität, weil Anbieter Modelle ändern und ältere Versionen abschalten,
Anpassungen, wenn sich Formulare, Vorlagen oder Abläufe ändern,
die Zeit der Mitarbeiter für Prüfungen und Rückfragen.
Wie Modellwechsel und Preisänderungen eines Anbieters die Rechnung verschieben, steht unter Vendor-Lock-in bei OpenAI. Ob sich das Vorhaben trotzdem rechnet, lässt sich mit der Rechnung für Automatisierungen prüfen, mit den Prüfzeiten aus Ursache 3 als festem Posten.
Ursache 5
Ein Pilot ohne Weg in den Alltag
Viele Piloten laufen in einem eigenen Chatfenster neben den Programmen, mit denen die Mitarbeiter wirklich arbeiten. Dann muss jemand Texte hineinkopieren und Ergebnisse wieder herauskopieren. Nach ein paar Wochen nutzt es kaum noch jemand. Die Ergebnisse können dabei gut sein; der Umweg kostet mehr Zeit, als er spart.
Ein Vorhaben braucht deshalb von Anfang an zwei Zuständige: jemanden aus dem Fachbereich, der beurteilt, ob die Ergebnisse stimmen, und jemanden, der die Anbindung an die bestehenden Systeme verantwortet, etwa an Postfach, Warenwirtschaft oder Dokumentenablage. Für überschaubare Abläufe reichen Werkzeuge wie n8n (Vergleich unter n8n, Make oder Zapier). Für Abläufe mit Prüfschritten, Rechten und Protokoll braucht es eine Anwendung.
Wie die Einbindung aussieht, wenn sie mitgeplant ist, zeigt Cardeleine, eine Plattform für digitale Visitenkarten, die wir seit November 2021 entwickeln. Die KI-Digitalisierung von Visitenkarten ist dort kein eigenes Chatfenster: Die App liest die Karte zuerst auf dem Gerät per Texterkennung, die KI-Auswertung läuft auf dem Server, und Großkunden rufen die Digitalisierung über eine eigene, mit OpenAPI beschriebene Schnittstelle aus ihren Systemen auf. Das Ergebnis landet dort, wo die Kontakte ohnehin gepflegt werden.
Vor dem Start
Was Sie vor dem Start prüfen sollten
Die folgenden Fragen passen auf eine Seite und sparen oft Wochen. Wer nicht alle beantworten kann, startet besser mit der Klärung als mit dem Piloten:
Welcher Satz beschreibt Eingabe, Ergebnis und Erfolgsmaßstab?
Gibt es mindestens 50 echte Beispiele aus dem Alltag, auch schwierige, mit bekannter richtiger Lösung?
Dürfen diese Daten zu einem externen Anbieter, und wenn nicht, welche Alternative gibt es?
Wer prüft welche Ergebnisse, und wie viel Zeit ist dafür eingeplant?
Was kostet der Betrieb bei realer Menge pro Monat, mit Prüfzeit?
In welches bestehende Programm gehört das Ergebnis?
Bei welchem Ergebnis nach welcher Zeit wird das Vorhaben beendet?
Die 50 Beispiele sind eine Daumenregel, kein Grenzwert aus der Statistik: Darunter fallen seltene Sonderfälle kaum auf.
Kurz beantwortet
Häufige Fragen
-
So lange, bis das Ergebnis an echten Fällen messbar ist. Für überschaubare Aufgaben rechnen wir mit vier bis acht Wochen, weil in dieser Zeit auch seltene Fälle wie Monatsabschlüsse oder Sonderformate einmal durchlaufen. Wichtiger als die Dauer ist ein vorher festgelegter Maßstab, an dem am Ende gemessen wird. Ohne diesen Maßstab verlängern sich Piloten, ohne dass klarer wird, ob sie tragen.
-
Wenn die vereinbarte Qualität an echten Beispielen nach der Testzeit nicht erreicht ist, wenn die Prüfzeit die gesparte Zeit auffrisst oder wenn die Daten nicht verwendet werden dürfen. Ein Abbruch nach acht Wochen ist günstiger als ein Werkzeug, das niemand nutzt. Oft bleibt eine schlankere Lösung ohne KI, die einen Teil des Problems löst.
Erst die Frage, dann das Modell
Gehen Sie die sieben Fragen oben mit uns durch, bevor Geld in einen Piloten fließt: ob Ihr Vorhaben eine KI braucht, welche Daten es voraussetzt und was der Betrieb kostet.
Nachweise
Quellen und Stand
Stand: 27.05.2026. Die Erfolgskriterien und Testgrundsätze stammen aus der Dokumentation von Anthropic. Die Rechnungen zu Fehlerquote und Betriebskosten beruhen auf angenommenen Werten, Pilotdauer und Mindestzahl an Beispielen sind Daumenregeln. Es werden bewusst keine Quoten gescheiterter Projekte genannt. Der Fall Cardeleine stammt von der Projektseite.
Weiterlesen: KI-Kompetenz nach AI Act vom 27.07.2026, was die KI-Verordnung zur Schulung von Mitarbeitern verlangt.
Artikel teilen