Was passiert
Eine neue Umfrage unter Marketingentscheidern bringt eine unbequeme Wahrheit ans Licht: 85 Prozent der KI-Projekte in Unternehmen scheitern – oder genauer: Sie kommen nicht über den Pilotmodus hinaus. Das ist eine bemerkenswerte Quote, die sich deutlich von der öffentlichen Wahrnehmung unterscheidet, wonach KI ein Selbstläufer wäre, sobald man die richtige Technologie einsetzt.
Zu dieser Erkenntnis kommt die Studie, die mehrere hundert Marketing- und IT-Entscheider aus Deutschland, Österreich und der Schweiz befragt hat. Sie zeigt gleichzeitig, dass KI für diese Gruppe zu den wichtigsten strategischen Themen überhaupt zählt – KI-Initiativen stehen auf der Prioritätenliste ganz oben. Trotzdem mündet die Mehrheit dieser ambitionierten Projekte in einem Scheitern oder in einem Zustand zwischen Versuch und Vergessen ein.
Die Quote variiert je nach Industriesektor und Unternehmensgröße leicht, aber die Grundtendenz ist konsistent: Wo KI als reines Technologie-Problem verstanden wird, endet das Projekt typischerweise im Pilotmodus. Es bleibt bei einer Proof-of-Concept-Phase, die zwar interne Tests besteht, aber niemals in produktiven Betrieb überführt wird. Manche Projekte werden sogar ganz eingestellt, wenn die ersten Hürden überwunden sind.
Das ist insofern frustrierend, als dass die technologische Basis für viele dieser Projekte vorhanden wäre. Large Language Models, spezialisierte KI-Tools für Marketing Automation, Predictive Analytics und andere Lösungen sind marktreif, dokumentiert und einsatzbereit. Unternehmen greifen oft zu führenden Lösungen wie OpenAI GPT, Claude, Gemini oder brancheneigenen Systemen – und trotzdem funktioniert es nicht. Das deutet darauf hin, dass die Schuld nicht bei der Technologie liegt, sondern woanders zu suchen ist.
Einordnung
Der zentrale Unterschied zwischen erfolgreichen und gescheiterten KI-Projekten liegt in der organisatorischen Reife und der strategischen Positionierung. Unternehmen, die KI erfolgreich implementieren, unterscheiden sich fundamental von denen, bei denen die Pilots in der Schublade landen.
Zum einen ist es eine Frage der Governance und Verantwortung. Viele Unternehmen starten KI-Projekte, ohne eine klare Ownership-Struktur zu schaffen. Wer ist verantwortlich? Wer trifft Entscheidungen? Welches Budget ist verfügbar? Wenn diese Fragen nach dem Kickoff-Meeting ungeklärt sind, entstehen Zonen der Unklarheit, die Projekte lahm legen.
Zum anderen mangelt es häufig an einer genuinen Change-Management-Strategie. KI ist nicht einfach eine neue Software, die man installiert und die dann läuft. Sie verändert Workflows, Entscheidungsprozesse und teilweise auch Jobprofile. Wenn Mitarbeiter nicht verstehen, warum ein System eingeführt wird und wie es ihren Alltag verbessert oder verändert, entstehen Widerstände. Diese Widerstände sind oft subtil – Projekte werden nicht aktiv sabotiert, sondern einfach nicht priorisiert.
Auch die Datenverfügbarkeit spielt eine Rolle, aber nicht so sehr wie oft angenommen. Das eigentliche Problem ist eher: Unternehmen wissen nicht, welche Daten sie haben und wem diese gehören. Datensilo-Probleme, unklare Datenverantwortung und mangelnde Datenqualität sind häufig strukturelle Probleme, die älter sind als die KI-Initiative selbst – und die sind schwerer zu lösen als die KI-Integration selbst.
Erfolgreiche Unternehmen adressieren diese organisatorischen Hürden systematisch, bevor oder parallel zur technologischen Implementierung. Sie investieren in Schulung, schaffen Klarheit über Ownership und bauen Akzeptanz auf, indem sie Erfolgsgeschichten kommunizieren und Mitarbeiter in die Gestaltung einbinden.
Was das bedeutet
Die wichtigste Erkenntnis lautet: KI scheitert in Unternehmen nicht an der Technologie, sondern an der Organisationskultur und der strategischen Ernsthaftigkeit der Implementierung.
Das hat konkrete Konsequenzen. Zum einen sollten Entscheidungsträger ihre KI-Budget-Planung überdenken. Wenn bisher 80 Prozent des Budgets in Technologie und 20 Prozent in "Sonstiges" fließt, sollte dieser Mix deutlich ausbalanciert werden. Erfolgreiche KI-Transformationen investieren massiv in Change Management, Schulung, Prozessoptimierung und Governance – also in die "weichen" Faktoren, die technisch unsichtbar sind, aber praktisch entscheidend.
Zum anderen ist das ein Weckruf für Marketing- und IT-Führungskräfte: Die Pilot-Phase zu verlängern und zu verfeinern führt nicht zum Erfolg. Irgendwann muss die Organisation echte Verantwortung übernehmen und KI produktiv machen. Das erfordert Mut, weil es auch bedeutet, sich Fehler erlauben zu müssen. Aber ohne diesen Schritt bleibt KI ein Experiment, kein strategischer Wert.
