Fast jedes Unternehmen hat inzwischen KI-Projekte gestartet, Werkzeuge eingeführt oder erste Piloten durchgeführt. Die Erwartungen sind groß: mehr Effizienz, bessere Entscheidungen, neue Geschäftsmodelle.
Die Realität sieht nüchterner aus. Ein vielzitierter Bericht einer Initiative am MIT Media Lab kam im Sommer 2025 zu dem Ergebnis, dass fünfundneunzig Prozent der befragten Organisationen keine messbare Rendite aus ihren KI-Vorhaben zogen — gemessen an einer „deutlichen und anhaltenden“ Wirkung binnen sechs Monaten. Die Zahl ist nicht begutachtet und wird häufig als Scheiterquote missverstanden (siehe Nachtrag oben). Aus meiner Arbeit weiß ich: Die Gründe liegen selten in der Technik. Sie liegen in der Organisation.
Drei Kernprobleme, die sich gegenseitig verstärken
Überzogene Erwartungen
KI ist kein Allheilmittel. Ohne klaren Anwendungsfall, ohne präzise formulierte Zielgrößen und ohne Messbarkeit bleibt es bei hohen Versprechen und geringer Wirkung. Wie weit Erwartung und Nachweis auseinanderliegen, zeigt eine Erhebung von McKinsey unter 1.719 Befragten aus 97 Ländern: Acht von zehn sagen, KI habe ihre persönliche Produktivität verbessert — aber nur 37 Prozent führen überhaupt eine Wirkung auf das Betriebsergebnis auf KI zurück. Beide Zahlen stammen aus derselben Befragung. Der Grund ist meist derselbe — Erwartungen werden nicht mit Strategie und Realität synchronisiert.
Daten- und Prozesschaos
„Garbage in, garbage out“ gilt bei KI stärker denn je. Daten liegen in Silos, sind unvollständig, historisch gewachsen oder schlicht nicht zugänglich. Wie schwer das wiegt, hat die RAND Corporation 2024 in 65 Interviews mit erfahrenen Praktikern untersucht. Datenprobleme wurden dort von 30 der 50 befragten Fachleute genannt — die häufigste Ursache war jedoch eine andere: 84 Prozent nannten Führung und Problemstellung, also Vorhaben, bei denen von Anfang an falsch verstanden oder falsch weitergegeben wurde, welches Problem eigentlich zu lösen ist. Das größte Hindernis ist damit weder die Rechenleistung noch allein die Datenstrategie.
Fehlende Befähigung
Selbst wenn Anwendungsfall und Datenlage passen, bleibt KI wirkungslos, wenn die Menschen nicht mitgenommen werden. Das ist ein Menschen-Thema, kein IT-Thema. Wie viel Entscheidungsgewalt Menschen einer Maschine zugestehen, hängt stark davon ab, worum es geht. Das Pew Research Center hat 2022 gut elftausend Erwachsene in den USA befragt: 71 Prozent lehnen ab, dass KI die endgültige Einstellungsentscheidung trifft — bei Beförderungen sind es nur noch 47 Prozent, bei der Leistungsbewertung 39 Prozent. Der Widerstand richtet sich also nicht gegen KI in der Führung überhaupt, sondern gegen die Endgültigkeit der Entscheidung. Für Deutschland zeigt eine repräsentative Bitkom-Befragung vom Frühjahr 2025: 70 Prozent der Beschäftigten wird von ihrem Arbeitgeber keine KI-Fortbildung angeboten, nur 20 Prozent wurden bereits geschult. Rechnet man die 6 Prozent hinzu, die ein vorhandenes Angebot nicht wahrnehmen, haben rund drei Viertel keine Schulung durchlaufen.
Das Ergebnis: Schatten-IT, Misstrauen, Unsicherheit. Mitarbeitende greifen privat längst zu KI-Werkzeugen, im Arbeitsalltag fehlt ihnen die Orientierung.
Was die Unternehmen anders machen, bei denen es funktioniert
Sie starten beim Geschäft, nicht beim Werkzeug. Die Frage lautet nicht „Welches Modell nehmen wir?“, sondern „Was wollen wir für unsere Kunden bewirken, und was können wir intern verbessern?“
Sie behandeln Daten als Produkt. Immer mehr Organisationen schaffen Rollen wie AI-Data-Stewards oder Compliance-Spezialisten, um Daten als strategisches Gut zu führen statt als Nebenprodukt.
Sie verbinden Stabilität mit Anpassungsfähigkeit. Deloitte nennt das „Stagility“. Hier zahlen sich Jahre agiler Arbeit aus — Prozesse pragmatisch beweglicher machen, ohne den Fokus zu verlieren.
Drei Beispiele aus der Praxis
Automobilkonzern: Selbstbedienung statt Zentralprojekt
Ein internationaler Hersteller stand vor hunderten potenzieller Anwendungsfälle aus den Fachbereichen. Statt zentraler Projekte entstand eine Plattform, auf der Teams eigene Anwendungen entwickeln konnten — vom Qualitätscheck in der Fertigung bis zur automatisierten Dokumentation. Dazu klare Leitplanken: Datenzugang, Compliance-Regeln, Governance für Nachvollziehbarkeit. Innerhalb weniger Monate liefen über zehn produktive Lösungen im Alltag, nicht als Pilot.
Logistik: Routen in Echtzeit
Ein europäischer Konzern wollte Lieferketten widerstandsfähiger machen. Die bestehende Tourenplanung arbeitete mit festen Regeln — zu langsam für die heutige Dynamik. Es entstand ein Agent, der Verkehrs-, Wetter- und Kundendaten zusammenführt. Ergebnis: messbar kürzere Lieferzeiten, zweistellig gesunkener Treibstoffverbrauch. Wichtig: Die Disponenten behielten die Entscheidung, das System schlug nur Optionen vor.
Mittelstand: Fehler erkennen, bevor sie teuer werden
Ein Maschinenbauer wollte Ausschuss und Energieverbrauch senken. Bisherige Systeme erkannten Probleme erst im Nachhinein. Mit Sensoren und laufender Auswertung ging der Ausschuss um fast zwanzig Prozent zurück, der Energieeinsatz pro Stück sank. Entscheidend: Die Fachkräfte am Shopfloor bestimmten mit, welche Kennzahlen überwacht und welche Schwellen gesetzt werden.
Alle drei Beispiele haben dasselbe gemeinsam: KI entfaltet Wirkung nur, wenn Organisation, Daten und Menschen zusammenspielen.
Was Führung, HR und Teams jetzt leisten müssen
Führung wird Rahmengeber statt Detailsteuerer. Erfolgreiche Organisationen zeigen: Es geht weniger darum, jede Entscheidung selbst zu treffen, als darum, den Rahmen zu setzen. Prioritäten definieren, Transparenz schaffen, Anwendungsfälle mit Unternehmenszielen verknüpfen — und Verantwortung für Datenqualität, Compliance und Ethik übernehmen.
HR wird Architekt der Befähigung. Standardisierte Großschulungen reichen nicht. Es braucht Reskilling, kurze Lerneinheiten und individuelle Lernpfade — und neue Rollenprofile, die im Zusammenspiel mit KI unverzichtbar werden.
Teams werden Gestalter statt Anwender. Teams, die eigene Ideen entwickeln, mit Daten arbeiten und Prozesse neu zuschneiden dürfen, sichern Akzeptanz und Innovationskraft. Autonomie im Handeln, eingebettet in einen stabilen Rahmen.
Fazit
KI ist kein Selbstläufer. Sie bringt erst dann Mehrwert, wenn Organisation, Daten und Menschen zusammenspielen. Führung muss Leitplanken setzen, HR muss Befähigung ermöglichen, Teams müssen gestalten dürfen.
KI ist ein Veränderungsthema, keine Werkzeugfrage. Alles andere bleibt Demo.
Quellen
- Ryseff, J. / De Bruhl, B. / Newberry, S.: The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed. RAND Corporation, RR-A2680-1, 2024 — 65 Interviews, davon 50 mit Praktikern aus über 50 Organisationen. rand.org
- McKinsey & Company: The State of AI in 2026: On the Road to ROI, August 2026 — 1.719 Befragte aus 97 Ländern. mckinsey.com (PDF)
- Pew Research Center: AI in Hiring and Evaluating Workers: What Americans Think, 20. April 2023 — 11.004 Erwachsene in den USA, American Trends Panel, Feldzeit Dezember 2022, Fehlermarge ±1,4 Prozentpunkte. pewresearch.org
- Bitkom e. V.: Ein Fünftel wurde im Job zu KI geschult, Presseinformation vom 7. Juli 2025 — Bitkom Research, telefonische Befragung von 1.005 Personen ab 16 Jahren, darunter 513 Erwerbstätige, Frühjahr 2025. Verbandsquelle. bitkom.org
- Challapally, A. / Pease, C. / Raskar, R.: The GenAI Divide: State of AI in Business 2025. MIT NANDA, Juli 2025 — nicht begutachtet; 52 Interviews, 153 Fragebögen. Die Aussage lautet „zero return“, nicht „gescheitert“.
- Deloitte Insights: Stagility: Creating stability for workers for organizations to move at speed. Reihe 2025 Global Human Capital Trends, 24. März 2025. deloitte.com
- Projekterfahrungen der CALADE GmbH — anonymisierte Praxisbeispiele aus den Jahren 2021 bis 2025
Korrekturhinweis, 10. September 2026. Die ursprünglich genannte Zahl war ungenau wiedergegeben: Der zugrundeliegende Bericht sagt nicht, dass 95 Prozent der Piloten scheitern, sondern dass 95 Prozent der befragten Organisationen keine Rendite erzielten. Er ist zudem nicht begutachtet und beruht auf 52 Interviews und 153 Fragebögen. Text und Überschrift sind entsprechend korrigiert. Bei der Gelegenheit sind drei weitere Zahlen geprüft; zwei hielten nicht stand und sind durch die RAND-Untersuchung von 2024 und die Werte des Pew Research Center ersetzt. Die Beobachtung des Beitrags bleibt davon unberührt.
Dieser Beitrag gibt eine fachliche Einordnung wieder und ersetzt keine Rechts- oder Unternehmensberatung.
