Warum 70 % der KI-Pilotprojekte scheitern — und wie Ihr KMU zu den 30 % gehört

Die oft zitierte Zahl stammt aus verschiedenen Quellen und variiert je nach Studie zwischen 60 und 85 Prozent: die Mehrheit der KI-Pilotprojekte in Unternehmen erreicht nicht den produktiven Betrieb. Das ist für Enterprise-Projekte erhoben, aber die Muster übertragen sich direkt auf KMU — teilweise verstärkt, weil kleinere Betriebe weniger Puffer haben, um ein gescheitertes Projekt zu kompensieren.

Die gute Nachricht: die Gründe für das Scheitern sind bekannt, dokumentiert und vermeidbar. Es liegt fast nie an der Technik. Es liegt an fünf organisatorischen Fehlern, die alle mit Entscheidungen zu tun haben, die vor dem ersten Prompt getroffen werden.

Grund 1: Das falsche Problem gewählt

Wie es passiert

Ein KMU-Chef liest einen Artikel, sieht eine Demo, besucht ein Seminar. Er kommt zurück und sagt: “Wir machen jetzt was mit KI.” Das Team nickt. Aber niemand stellt die entscheidende Frage: Welches konkrete Problem lösen wir damit?

Was stattdessen passiert: man wählt ein Thema, das technisch spannend klingt (“Wir bauen einen Chatbot!”) oder das gerade in der Branche gehyped wird (“Alle machen Dokumentenanalyse!”). Der Use Case wird nicht danach priorisiert, wo der grösste Schmerz liegt, sondern wo die grösste Faszination liegt.

Warum es scheitert

Faszination ist ein schlechter Projektmanager. Ein Chatbot, den niemand im Betrieb wirklich braucht, wird nach vier Wochen nicht mehr genutzt — egal wie gut er technisch funktioniert. Ein Dokumentenanalyse-System für einen Prozess, der nur zweimal im Monat vorkommt, amortisiert sich nie.

Der Gegenentwurf

Starten Sie mit einem Potenzial-Check, der nicht bei der Technologie anfängt, sondern bei Ihren Prozessen. Die Frage lautet nicht “Was kann KI?” sondern “Wo verliere ich heute am meisten Zeit, die nichts mit meiner eigentlichen Wertschöpfung zu tun hat?” Aus der Antwort ergibt sich der Use Case — nicht umgekehrt. Der KMU-Leitfaden vertieft diesen Punkt im Detail.

Grund 2: Kein klarer Verantwortlicher

Wie es passiert

Das KI-Projekt wird als “Gemeinschaftsaufgabe” deklariert. Alle finden es gut, niemand fühlt sich persönlich zuständig. Der externe Berater baut die Lösung, präsentiert sie, und fährt nach Hause. Drei Wochen später benutzt niemand das System mehr, weil die eine Person, die es hätte einführen sollen, auch noch fünf andere Projekte hat.

Warum es scheitert

KI-Lösungen im KMU brauchen einen Owner — eine einzelne Person, die dafür verantwortlich ist, dass die Lösung im Alltag genutzt wird, dass Probleme gemeldet und gelöst werden, dass neue Mitarbeitende eingearbeitet werden. In der Praxis ist das oft der Sachbearbeiter oder Teamleiter, der den automatisierten Prozess am besten kennt. Nicht der Chef selbst (der hat andere Prioritäten), und nicht der IT-Dienstleister (der ist zu weit weg vom Alltagsbetrieb).

Der Gegenentwurf

Vor dem Projektstart benennen: wer ist der interne Owner? Wer ist die Person, die nach dem Go-Live die erste Ansprechstelle für “das KI-Ding funktioniert nicht” ist? Diese Person wird geschult, bekommt Zeitbudget und hat eine direkte Linie zum externen Partner. Ohne Owner kein Projekt.

Grund 3: Die Daten sind nicht bereit

Wie es passiert

Das Versprechen: “Wir analysieren Ihre bestehenden Daten mit KI.” Die Realität: die “bestehenden Daten” sind 4’000 PDFs in verschiedenen Formaten, 12 Excel-Sheets ohne einheitliche Struktur, ein CRM mit 60 % Leer-Feldern und ein E-Mail-Archiv, das seit 2018 nie aufgeräumt wurde.

Warum es scheitert

Moderne KI-Modelle sind erstaunlich robust bei unstrukturierten Daten — aber “robust” heisst nicht “magisch”. Wenn 40 % der Belege handschriftlich sind und die Kontonummern in drei verschiedenen Formaten vorkommen, dann produziert die KI in 40 % der Fälle Fehler. Das Team verliert das Vertrauen, das System wird als “unzuverlässig” abgestempelt, und der Pilot stirbt leise.

Der Gegenentwurf

Der Potenzial-Check muss die Datenqualität als erstes prüfen — nicht als letztes. Die ehrliche Frage: “Ist die Datengrundlage gut genug für den gewählten Use Case, oder müssen wir zuerst 2 Wochen aufräumen?” Aufräumen ist keine Schwäche, sondern Investition. In vielen Fällen lohnt es sich, mit dem zweitbesten Use Case zu starten, wenn dessen Datenqualität deutlich besser ist.

Grund 4: Zu schnell zu viel

Wie es passiert

Das Management sieht das Pilotprojekt als “Basis für die vollständige Digitalisierung des Unternehmens”. Statt eines Use Cases werden drei parallel gestartet. Statt eines Teams wird die ganze Firma einbezogen. Statt 6 Wochen Pilot werden 3 Monate Strategie-Phase eingeplant, mit Steering-Committee, Projektcharter und monatlichen Fortschrittsberichten.

Warum es scheitert

Komplexität multipliziert Risiken. Drei parallele Use Cases bedeuten drei parallele Fehlerquellen, dreifachen Koordinationsaufwand und — in einem KMU mit begrenzten Ressourcen — Aufmerksamkeitsverteilung, die keinem Projekt genug Fokus gibt. Am Ende läuft nichts richtig, und das Urteil lautet: “KI funktioniert bei uns nicht.”

Der Gegenentwurf

Ein Use Case. Ein Team. Sechs bis acht Wochen. Danach messen: hat es funktioniert? Wenn ja: nächsten Use Case. Wenn nein: verstehen warum, anpassen, nochmal. Die erfolgreichsten KMU-KI-Einführungen laufen sequentiell, nicht parallel. Jeder abgeschlossene Pilot baut das organisatorische Vertrauen auf, das den nächsten Schritt ermöglicht.

Grund 5: Kein Schatten-Modus vor dem Go-Live

Wie es passiert

Die KI-Lösung wird gebaut, getestet (“funktioniert in der Demo!”), und dann am Montag morgen für alle eingeschaltet. Das Team bekommt eine 30-Minuten-Schulung und soll ab sofort damit arbeiten. Am Mittwoch beschwert sich die erste Mitarbeiterin, dass die KI “Mist baut”. Am Freitag nutzt die Hälfte des Teams wieder die alten Excel-Sheets.

Warum es scheitert

Vertrauen entsteht nicht über Nacht. Mitarbeitende, die ein System zum ersten Mal produktiv nutzen, sind extrem empfindlich gegenüber Fehlern. Ein einziger falsch klassifizierter Beleg in der ersten Woche kann das Urteil “die KI taugt nichts” für Monate zementieren — auch wenn die Fehlerrate bei 3 % liegt und der Mensch vorher eine von 8 % hatte.

Der Gegenentwurf

Schatten-Modus ist nicht verhandelbar. Das bedeutet: die KI läuft 1–2 Wochen parallel zum bestehenden Prozess. Beide produzieren Ergebnisse, die verglichen werden. Die Mitarbeitenden sehen mit eigenen Augen, wie oft die KI richtig liegt, wo sie Fehler macht und wie diese Fehler aussehen. Erst wenn das Vertrauen da ist — messbar an der sinkenden Korrekturquote — wird auf den KI-gestützten Prozess umgestellt.

Jedes einzelne unserer erfolgreichen KMU-Projekte hatte eine Schatten-Modus-Phase. Kein einziges der gescheiterten Projekte, die wir beobachtet haben, hatte eine.

Die versteckten Warnsignale

Neben den fünf Hauptgründen gibt es Warnsignale, die im Vorfeld anzeigen, ob ein Pilot in Gefahr ist:

“Das machen wir dann nebenbei”

Wenn das KI-Projekt keinen dedizierten Zeitslot und kein Budget hat, sondern “nebenbei” zum Tagesgeschäft laufen soll, ist es zum Scheitern verurteilt. Ein Pilot braucht realistische 10–20 Stunden interne Aufmerksamkeit über 6–8 Wochen — verteilt auf Workshops, Datenbereitstellung, Testing und Feedback-Runden.

”Der Chef findet’s gut, aber das Team weiss nichts davon”

KI-Projekte, die am Team vorbei lanciert werden, erzeugen Abwehr statt Begeisterung. Die Mitarbeitenden fragen sich, ob sie ersetzt werden. Die ehrliche Kommunikation — “wir automatisieren die monotone Arbeit, damit ihr die anspruchsvolle machen könnt” — muss vor dem Projektstart stattfinden.

”Wir haben eine perfekte Lösung im Kopf”

Wenn das Management schon vor dem Potenzial-Check genau weiss, wie die Lösung aussehen soll, ist das meistens kein Zeichen von Klarheit, sondern von fehlendem Prozessverständnis. Die besten Projekte starten mit einer offenen Frage (“Wo ist der grösste Hebel?”), nicht mit einer vorgefassten Antwort.

”Unser IT-Dienstleister macht das”

IT-Dienstleister, die Server aufsetzen und Microsoft-365-Lizenzen verwalten, haben in den seltensten Fällen KI-Projekterfahrung. Die Kompetenzlücke wird oft erst nach 2–3 Monaten sichtbar, wenn das Projekt stagniert und der Dienstleister zugeben muss, dass er sich die Sache einfacher vorgestellt hat.

Der Gegenentwurf: Wie ein Pilot in einem KMU funktioniert

Die Projekte, die bei uns durchkommen und in den Produktivbetrieb münden, folgen alle demselben Muster:

1. Potenzial-Check (2 Wochen): Vor Ort im Betrieb, Shadowing der Mitarbeitenden, Identifikation des einen Use Cases mit dem besten Verhältnis aus Hebel und Machbarkeit. Schriftlicher Kurzbericht. Kosten: Fixpreis CHF 2’500.

2. Owner benennen (Tag 1 des Pilots): eine interne Person, die für den Pilot verantwortlich ist und als täglicher Kontaktpunkt fungiert.

3. Daten-Check (Woche 1): Ist die Datengrundlage gut genug? Wenn nicht: was muss aufgeräumt werden? Ehrliche Einschätzung, bevor Code geschrieben wird.

4. Aufbau (Woche 2–4): Implementierung der Lösung, Integration in bestehende Systeme, iterative Anpassung auf Basis des Feedbacks aus dem täglichen Testing.

5. Schatten-Modus (Woche 5–6): KI und Mensch arbeiten parallel. Ergebnisse werden verglichen, Fehler werden systematisch erfasst und behoben. Erst wenn die Korrekturquote unter ein definiertes Level sinkt (typischerweise <5 %), geht es in den produktiven Betrieb.

6. Go-Live mit Begleitung (Woche 7–8): Der Owner übernimmt, das Team ist geschult, die Dokumentation ist übergeben. Der externe Partner ist für 4 weitere Wochen erreichbar.

7. Messung (nach 3 Monaten): Wurde das Ziel erreicht? Welche Kennzahlen haben sich wie verändert? Was ist der nächste Use Case?

Dieses Muster dauert 8 Wochen und kostet CHF 15’000–35’000 für den Pilot — ein Bruchteil der Kosten eines gescheiterten Enterprise-Projekts.

Die ROI-Frage, die niemand stellt

Die meisten KMU-Chefs fragen: “Was kostet es?” Die richtige Frage wäre: “Was kostet es, wenn wir es nicht machen?”

Wenn Ihr Mitbewerber schneller Offerten schickt, effizienter dokumentiert, 24/7 erreichbar ist und seine Mitarbeitenden von Routine befreit — und Sie tun es nicht — dann ist das keine neutrale Position. Es ist ein wachsender Rückstand, der mit jedem Monat teurer wird. Nicht in Form einer Rechnung, sondern in Form von Aufträgen, die Sie nicht bekommen haben.

Die KMU, die heute erfolgreich KI nutzen, haben alle dieselbe Geschichte: sie haben irgendwann aufgehört zu warten und mit einem kleinen, fokussierten Piloten angefangen. Nicht mit einem Masterplan, nicht mit einem Berater-Workshop, nicht mit einer unternehmensweiten Strategie. Sondern mit der Frage: “Was ist der eine Prozess, der uns am meisten nervt?”

Der nächste Schritt

Wenn Sie das Risiko eines gescheiterten Pilots minimieren wollen, ist der pragmatischste Einstieg ein Potenzial-Check, der genau die fünf oben beschriebenen Risiken adressiert: den richtigen Use Case finden, den Owner benennen, die Datenqualität prüfen, den Scope begrenzen und den Schatten-Modus planen. In einem Erstgespräch klären wir in 30 Minuten, ob Ihr Betrieb dafür bereit ist — kostenlos und ohne Verpflichtung.

Erstgespräch vereinbaren →

---

Weiterführend: Der KMU-Leitfaden für den KI-Einstieg gibt den strategischen Rahmen, der Treuhand-Fahrplan und der Handwerk-Artikel zeigen branchenspezifische Beispiele, und der KI-Agent-Artikel erklärt die technologischen Möglichkeiten.

→ KI-Beratung für Schweizer KMU — zurück zur Startseite