Warum die meisten KI-Projekte im Mittelstand scheitern – und was die anderen anders machen

Es liegt fast nie an der Technik. Wenn ein KI-Projekt im Mittelstand versandet, dann selten, weil das Modell zu schwach war oder die Schnittstelle nicht hielt. Es liegt daran, dass niemand vorher festgelegt hat, welche Entscheidung oder welcher Arbeitsschritt danach anders laufen soll.

Das ist eine unbequeme Erkenntnis, weil sie den Aufwand dorthin verlagert, wo er unbeliebt ist: in die Vorarbeit. Aber sie ist auch eine gute Nachricht. Denn die Ursachen für ein gescheitertes KI-Projekt sind erstaunlich wenige, sie wiederholen sich, und man kann sie vorher abstellen.

Muster 1: Das Projekt hat kein Vorher

Die häufigste Variante klingt so: „Wir wollen KI im Kundenservice einsetzen.“ Darauf folgt ein Pilot, ein Chatbot, ein Demotermin — und danach die Frage, ob sich das gelohnt hat. Die Frage ist nicht beantwortbar, weil niemand gemessen hat, wie lange eine Anfrage vorher gedauert hat, wie viele Anfragen überhaupt eingehen und welcher Anteil davon wiederkehrend ist.

Ohne Ausgangswert gibt es kein Ergebnis, nur ein Gefühl. Und Gefühle setzen sich in Budgetrunden nicht durch.

Was hilft: Bevor die erste Zeile Code geschrieben wird, zwei Wochen lang messen. Wie viele Vorgänge, welche Bearbeitungszeit, welche Fehlerquote, welche Kosten pro Vorgang. Das ist unspektakulär und dauert vierzehn Tage. Es entscheidet aber darüber, ob das Projekt später verlängert oder eingestellt wird.

Muster 2: Der Anwendungsfall ist zu groß gewählt

„KI für den Vertrieb“ ist kein Anwendungsfall, das ist ein Bereich. Ein Anwendungsfall ist: „Aus einem eingehenden Ausschreibungs-PDF die zwölf Felder ziehen, die unser Angebotstool braucht.“ Der zweite ist in acht Wochen erledigt und messbar. Der erste läuft zwei Jahre und endet in einer Präsentation.

Die Versuchung, groß anzufangen, ist verständlich — groß klingt strategisch. Praktisch funktioniert es umgekehrt: Der kleine, klar umrissene Fall liefert das Vertrauen und die internen Fürsprecher, aus denen das große Vorhaben überhaupt erst finanzierbar wird.

Unsere Faustregel: Ein erster Anwendungsfall sollte einen Arbeitsschritt betreffen, der mindestens wöchentlich vorkommt, heute manuell läuft und ein überprüfbares Ergebnis hat. Kommt der Schritt nur quartalsweise vor, lohnt die Automatisierung selten. Ist das Ergebnis nicht überprüfbar, merkt niemand, wenn die KI falsch liegt.

Muster 3: Die Daten liegen nicht dort, wo alle glauben

In fast jedem Vorprojekt kommt der Moment, in dem sich herausstellt: Die Information, auf der alles aufbauen sollte, liegt nicht im CRM. Sie liegt in einer Excel-Datei auf einem Netzlaufwerk, wird von einer Person gepflegt und hat drei Schreibweisen für denselben Kunden.

Das ist kein Grund, das Projekt abzubrechen. Es ist ein Grund, den Aufwand realistisch einzuplanen. Datenaufbereitung ist bei Automationsprojekten regelmäßig der größere Teil der Arbeit — nicht das Modell, nicht die Integration.

Wer diesen Posten im Angebot nicht sieht, bekommt ihn später als Nachtrag. Wir schreiben ihn deshalb offen hinein, auch wenn das die erste Zahl unattraktiver macht.

Muster 4: Niemand ist zuständig, wenn die KI falsch liegt

Jedes KI-System liegt manchmal falsch. Die entscheidende Frage ist nicht, wie man das verhindert — sondern was dann passiert. Wer sieht es? Wer korrigiert? Fließt die Korrektur zurück ins System oder verschwindet sie in einem Ticket?

Projekte ohne beantwortete Fehlerfrage laufen nach dem Go-live in ein vorhersehbares Muster: Zwei, drei sichtbare Fehler, danach umgehen die Mitarbeitenden das System und arbeiten wieder wie vorher. Technisch läuft alles, genutzt wird nichts.

Was hilft: Ein sogenannter Human-in-the-loop-Schritt an genau der Stelle, an der ein Fehler teuer wäre. Bei einer Angebotsvorbefüllung ist das die Freigabe vor dem Versand. Bei einer Textproduktion die redaktionelle Endabnahme. Dieser Schritt kostet Zeit — und ist genau der Grund, warum das System benutzt wird statt umgangen.

Muster 5: KI wird als Projekt behandelt, nicht als Fundament

Der häufigste strukturelle Fehler: KI bekommt ein eigenes Budget, ein eigenes Team, eine eigene Roadmap — und steht damit neben allem anderen. Das führt dazu, dass die Ergebnisse nirgends anschließen.

Wir denken KI deshalb nicht als vierte Leistung neben Web, Branding und Marketing, sondern als Schicht darunter. Sie taucht im Content-Prozess auf, im Support, in der Angebotserstellung, in der Pflege der Website. Nicht als Produkt, sondern als Art zu arbeiten.

Praktisch bedeutet das: Der Anwendungsfall gehört in das Team, das den Prozess heute besitzt. Nicht in ein Innovationslabor.

Was die anderen anders machen

Die Projekte, die halten, sehen in der Vorbereitung ziemlich ähnlich aus. Vier Dinge stehen fest, bevor gebaut wird:

• Ein Prozess, nicht ein Bereich. Benennbar in einem Satz, mit Anfang und Ende.
• Eine Zahl von vorher. Bearbeitungszeit, Menge, Fehlerquote oder Kosten pro Vorgang — gemessen, nicht geschätzt.
• Eine Person, die entscheidet. Nicht ein Gremium. Jemand, der den Prozess kennt und die Freigabe hat.
• Ein Abbruchkriterium. Was muss nach acht Wochen erreicht sein, damit weitergemacht wird? Und was passiert, wenn nicht?

Das letzte klingt defensiv, ist aber der wirksamste Punkt der Liste. Ein Projekt mit definiertem Abbruchkriterium wird ehrlich bewertet. Eines ohne läuft weiter, bis das Budget aufgebraucht ist, und hinterlässt die Überzeugung, KI funktioniere im Mittelstand eben nicht.

Der ehrliche Teil: Wann wir abraten

Nicht jeder Prozess sollte automatisiert werden. Wir raten regelmäßig ab, und zwar in drei Fällen:

Wenn der Prozess selbst kaputt ist. Automatisierung beschleunigt, was da ist. Ein schlecht definierter Ablauf wird dadurch nicht besser, sondern schneller falsch. Dann gehört zuerst der Prozess aufgeräumt — das ist billiger und wirkt sofort.

Wenn die Menge zu klein ist. Zwanzig Vorgänge im Monat rechtfertigen selten eine Integration mit Wartungsaufwand. Manchmal ist die richtige Antwort eine gute Vorlage und eine halbe Stunde Schulung.

Wenn die Fehlertoleranz bei null liegt und keine Prüfinstanz vorgesehen ist. Dann ist das Projekt entweder teurer als geplant oder riskanter als vertretbar. Beides sollte man vorher wissen.

Wie du das für dein Unternehmen prüfst

Du brauchst dafür keine Beratung. Nimm die drei Arbeitsschritte, über die sich dein Team am häufigsten beschwert. Prüfe für jeden: Kommt er mindestens wöchentlich vor? Läuft er heute manuell? Ist das Ergebnis überprüfbar? Liegen die nötigen Daten an einem Ort?

Was bei allen vier Fragen ein Ja bekommt, ist ein Kandidat. Was zweimal ein Nein bekommt, ist keiner — jedenfalls noch nicht.

Wenn du bei dieser Prüfung eine zweite Meinung willst: Genau dafür ist unsere kostenlose Potenzialanalyse gedacht. Wir sehen uns deine Prozesse an, benennen die zwei oder drei Stellen mit dem besten Verhältnis von Aufwand zu Wirkung — und sagen dir auch, wo sich der Einsatz nicht lohnt. Als staatlich akkreditierter BAFA-Förderberater können wir eine anschließende Beratung außerdem förderfähig machen.