Das Pilotprojekt scheitert nicht am Ende. Es scheitert in der ersten Sitzung.

Reihe «KI verstehen», Notiz 8 von 12. Notiz 6 gab die Reihenfolge der Schritte vor, Notiz 7 setzte auf jeden einen Preis. Diese erklärt, was geschieht, wenn man sie nicht einhält, mit dem, was jene gemessen haben, die Hunderte gescheiterter Projekte untersucht haben.

Donnerstag, 17.30 Uhr, eine Hotelgruppe mit Sitz in Davos. Der Verwaltungsrat prüft das KI-Projekt, das er vor vierzehn Monaten genehmigt hat. Es gab ein Pilotprojekt in einem Hotel, mit einem Assistenten, der Gästen per Chat antwortete. Der damalige Bericht sprach von 92 Prozent Zufriedenheit. Seither gab es ein zweites Pilotprojekt in einem anderen Hotel, einen Anbieterwechsel und die Einstellung einer Person, die «die KI koordiniert». Es gibt kein Hotel, in dem das System in Produktion läuft. Der Geschäftsführer schlägt ein drittes Pilotprojekt vor, «diesmal mit Agenten». Das für die Finanzen zuständige Verwaltungsratsmitglied fragt, wie viel ausgegeben wurde. Niemand hat die Zahl zur Hand.

Die Szene ist fiktiv. Das Muster, das Pilotprojekt, das sich an ein weiteres Pilotprojekt reiht, wiederholt sich in so vielen Unternehmen, dass es eigene Studien dazu gibt. In dieser Notiz gebe ich Ihnen die Zahlen, die fünf Ursachen, die diese Studien immer wieder finden, die Symptome, die ein Verwaltungsrat ohne Technikverständnis erkennen kann, und den Ausweg. Wenn Sie die vorigen Notizen gelesen haben, werden Sie jede Ursache wiedererkennen: Es ist der Schritt, der übersprungen wurde.

Ein Pilotprojekt ohne Produktionsdatum ist kein Pilotprojekt. Es ist eine teure Vorführung, die jedes Jahr verlängert wird.

Die Zahlen.

Im August 2024 veröffentlichte die RAND Corporation einen Bericht auf der Grundlage von 65 Interviews mit Datenwissenschaftlern und Ingenieuren mit mindestens fünf Jahren Erfahrung in KI-Projekten. Ihr Ausgangspunkt war eine Schätzung, die sie mit Vorsicht wiedergibt: Nach manchen Schätzungen scheitern mehr als 80 Prozent der KI-Projekte, doppelt so viele wie bei Technologieprojekten ohne KI. Ein Jahr später, im August 2025, mass es der Bericht des NANDA-Projekts des MIT, den ich in Notiz 6 zitiert habe, aus einem anderen Winkel: 95 Prozent der Pilotprojekte mit generativer KI hatten keine messbare Wirkung auf die Erfolgsrechnung erzielt. Und Gartner sagte im Juni 2025 voraus, dass mehr als 40 Prozent der Agentenprojekte vor Ende 2027 abgebrochen würden.

Es sind drei verschiedene Messungen derselben Sache, und man sollte sie mit Sorgfalt lesen: «Scheitern» bedeutet in jeder etwas anderes, und keine ist ein kontrolliertes Experiment. Aber der Schluss, den sie teilen, lässt keinen Zweifel. Der Normalfall ist 2026, dass ein KI-Projekt nicht in Produktion geht. Wenn Ihres es schafft, dann nicht wegen der Technologie. Sondern weil fünf Dinge vermieden wurden.

Ursache 1. Niemand hat das Problem verstanden.

Es ist die erste, die RAND findet, und die, die ich am häufigsten sehe. Das Projekt beginnt bei der Technologie, «machen wir etwas mit KI», und sucht danach ein Problem, auf das man sie anwenden kann. Oder es beginnt bei einem schlecht verstandenen Problem: Die Führung will die Anrufe beim Support verringern, das technische Team baut einen Assistenten, der sie schneller beantwortet, und niemand hat bemerkt, dass die Anrufe existierten, weil die Rechnung verwirrend war. Ein Assistent, der eine verwirrende Rechnung sehr gut erklärt, verringert die Anrufe nicht. Das tut eine klare Rechnung, also gewöhnliche Software, oder Papier.

Das Symptom, von der Führung aus: Niemand kann in einem Satz sagen, welche Zahl sich ändern muss und um wie viel. Wenn die Antwort auf «Was messen wir?» «die Zufriedenheit» oder «die Effizienz» lautet, ist das Problem nicht verstanden. In der IBM-Umfrage unter 2000 Geschäftsführenden vom Mai 2025 räumten 64 Prozent ein, aus Angst, den Anschluss zu verlieren, in Technologie investiert zu haben, bevor sie deren Wert richtig verstanden hatten. Das ist Ursache 1 von oben gesehen.

Ursache 2. Es gab keine Daten, oder sie waren schlecht.

Die zweite Ursache bei RAND ist das Fehlen der Daten, die nötig sind, um das System zu trainieren oder zu speisen. Bei der generativen KI von heute muss man fast nie etwas trainieren, aber man muss dem Modell die richtigen Dokumente geben, und hier kehren die 3 Prozent der Harvard Business Review aus Notiz 6 zurück: Die meisten Unternehmen haben ihre Daten nicht in Ordnung. Der Assistent des Hotels in Davos antwortete mit den Stornierungsbedingungen von 2022, weil jemand diese hochgeladen hatte. Als sich ein Gast beschwerte, gab das Team dem Modell die Schuld.

Das Symptom: Der Anbieter verlangt die Dokumente, und das Unternehmen braucht Wochen, um sie zusammenzutragen, oder liefert sieben Versionen. Schritt 2 aus Notiz 6 wurde nicht gemacht, und kein Modell macht ihn für Sie.

Ursache 3. Man hat die Technologie gebaut und nicht die Infrastruktur.

RAND beschreibt es als Konzentration auf die neueste Technologie statt auf das, was das Modell umgibt: die Verbindung mit den Systemen des Unternehmens, die Protokollierung, die Versionsverwaltung, den Unterhalt. Es ist Posten 6 aus Notiz 7, den niemand budgetiert. Das Pilotprojekt lief auf dem Laptop des Anbieters; Produktion verlangte, dass es mit dem Reservationssystem spricht, dass es von jeder Antwort eine Spur behält und dass jemand es unterhält. Das war ein anderes Projekt, und niemand hatte es genehmigt.

Das Symptom: Die Vorführung ist beeindruckend, und die Frage «Wie wird das mit unserem Reservationssystem verbunden?» erhält ein «Das kommt in der nächsten Phase». Die nächste Phase ist das eigentliche Projekt. Das Pilotprojekt war der einfache Teil.

Ursache 4. Das Problem war zu schwer für die KI von heute.

Die vierte Ursache bei RAND ist die unbequemste: Es gibt Probleme, die die heutige KI nicht löst, und die Organisationen wählen sie, weil sie die attraktivsten sind. Sie erinnern sich an die gezackte Grenze aus Notiz 4 und den Horizont von einer Stunde aus Notiz 5. Ein Assistent, der die häufigen Fragen eines Hotels beantwortet, liegt innerhalb der Grenze. Einer, der mit einem Gast eine Entschädigung für ein lautes Zimmer aushandelt, mit Urteilsvermögen, Richtlinien und Ton, liegt ausserhalb. Das Pilotprojekt in Davos mass die Zufriedenheit bei der ersten Art von Gespräch und scheiterte still bei der zweiten, wo die Gäste am Ende die Rezeption anriefen.

Das Symptom: Die gewählte Aufgabe ist die, die am meisten begeistert, nicht die, die sich am häufigsten wiederholt. Und die 92 Prozent Zufriedenheit sagen nicht, bei welchen Gesprächen sie gemessen wurden.

Ursache 5. Die Organisation hat sich nicht verändert.

Die fünfte Ursache, die RAND als Fehlen einer Infrastruktur aus Menschen und Prozessen formuliert, erklärt den grössten Teil der Pilotprojekte, die technisch funktionierten. Das System ist in Ordnung; niemand nutzt es, oder es wird ohne Vertrauen genutzt, oder es wird genutzt und niemand kontrolliert. Es sind die 50 Prozent Nutzung aus der Rechnung in Notiz 7, die aus sechs Monaten Amortisation dreizehn machten. Der Fall Klarna, den ich in Notiz 4 erzählt habe, ist die sichtbarste Version: Die Technologie tat ihren Teil, und das Unternehmen stellte im Jahr darauf fest, dass es die Menschen dort weggenommen hatte, wo sie gebraucht wurden.

Das Symptom: Das Projekt hat eine technische Leitung und keine Verantwortliche oder keinen Verantwortlichen aus dem Geschäft mit der Zahl in den Jahreszielen. Wenn das Pilotprojekt endet, geht die technische Leitung zum nächsten Pilotprojekt über, und der Prozess wird wieder wie früher gemacht.

Die Falle des ewigen Pilotprojekts.

Es gibt eine sechste Ursache, die RAND nicht aufführt, weil sie keine technische ist, und die ich an die erste Stelle setze: Das Pilotprojekt hatte kein Produktionsdatum. Ein Pilotprojekt ist ein Experiment mit einer Frage, einer Frist und einer Entscheidung am Ende: Es geht in Produktion, es wird geändert oder es wird geschlossen. Ein Pilotprojekt ohne diese drei Dinge ist ein bequemer Ort, an dem eine Organisation sagen kann, sie «sei bei KI dabei», ohne etwas zu riskieren, und an dem ein Anbieter Phasen verrechnen kann. Vierzehn Monate und drei Pilotprojekte sind das vollständige Symptom.

Der Ausweg ist mechanisch und steht in Notiz 6: ein Prozess mit einer Zahl, die heute schlecht ist, fünfzig goldene Fälle, Schattenmodus mit Enddatum, gestaffelte Kontrolle und eine verantwortliche Person aus dem Geschäft. Der Schattenmodus ist das richtig gemachte Pilotprojekt: Er hat eine Frage («Wie viele von hundert trifft es richtig?»), er hat eine Frist («vier Wochen») und er hat eine Entscheidung («Wenn es bei den sicheren Fällen mehr als 90 Prozent richtig trifft und die zweifelhaften an Menschen schickt, wird am 1. des Monats eingeschaltet»). Er ist nicht teurer als ein Pilotprojekt. Er ist ein Pilotprojekt, das endet.

• Eine Zahl vor einer Technologie. Wenn niemand sagen kann, welche Zahl sich ändert und um wie viel, wird nicht genehmigt.
• Dokumente vor Vorführung. Solange das Archiv nicht sauber ist, misst jede Vorführung den Anbieter, nicht Ihr Unternehmen.
• Produktion vom ersten Tag an. Die Verbindung mit Ihren Systemen, die Protokollierung und der Unterhalt werden im Angebot budgetiert, nicht «in der nächsten Phase».
• Innerhalb der Grenze. Der am häufigsten wiederholte und langweiligste Prozess, nicht der auffälligste. Der auffällige kommt später, mit dem Gelernten.
• Eine verantwortliche Person mit der Zahl in ihren Zielen. Aus dem Geschäft, nicht aus der Technik. Mit der Befugnis, zu ändern, wie ihr Team arbeitet.
• Datum und Entscheidung. Jedes Pilotprojekt endet mit einem von drei Wörtern: einschalten, ändern oder schliessen. Und das Datum steht fest, bevor es beginnt.

1. Heute

   Verlangen Sie die Zahl, die niemand zur Hand hatte

   Wie viel in den letzten zwei Jahren für KI ausgegeben wurde, einschliesslich Lizenzen, Beratung und interner Stunden. Vergleichen Sie es mit dem, was in Produktion ist.

2. Diese Woche

   Machen Sie den Ein-Satz-Test

   Für jedes laufende Projekt: Welche Zahl ändert sich, um wie viel und bis wann. Was nicht in einen Satz passt, wird angehalten, bis es passt.

3. Diesen Monat

   Verwandeln Sie jedes Pilotprojekt in einen Schattenmodus mit Datum

   Vier Wochen, fünfzig Fälle, eine Trefferschwelle und am Ende eine von drei Entscheidungen.

4. Diesen Monat

   Ernennen Sie pro Prozess eine verantwortliche Person aus dem Geschäft

   Mit der Zahl in ihren Jahreszielen. Die technische Leitung hilft; sie entscheidet nicht.

Wie ich es angehe.

Ich mache keine Pilotprojekte. Ich mache Schattenmodi von vier Wochen, mit der vorher geschriebenen Zahl und der am Ende festgelegten Entscheidung, und das Projekt enthält vom ersten Tag an die Verbindung, die Protokollierung und den Unterhalt, denn ohne sie gibt es keine Produktion, sondern eine Vorführung. Wenn mir ein Unternehmen sein drittes Pilotprojekt zeigt, verlange ich als Erstes die Ausgabenzahl. Fast immer wäre mit dieser Zahl der erste Produktionsprozess schon zweimal bezahlt.

Denken Sie an das letzte Pilotprojekt Ihres Unternehmens, mit KI oder mit etwas anderem. Hat vor dem Start jemand aufgeschrieben, welche Zahl herauskommen musste, um weiterzumachen? Und erinnert sich jemand, welche es war?

Wenn nicht, ist der Pilot vielleicht gar nicht gescheitert. Vielleicht hatte er nie eine Möglichkeit, zu gelingen. Beunruhigend ist, dass diese Entscheidung in der ersten Sitzung fiel, und fast niemand erinnert sich, sie getroffen zu haben.

Nächste Notiz: das Recht. Was die europäische KI-Verordnung von Ihrem Unternehmen verlangt, was sich in der Schweiz ändert, was der Datenschutz dazu sagt, einen Bericht in einen Assistenten einzufügen, und die Daten, die Sie wirklich betreffen, ohne Alarm und ohne Rechtsberatung.