Warum KI-Projekte im Mittelstand scheitern

Warum KI-Projekte im Mittelstand scheitern, hat selten mit der Technik zu tun. Die Sprachmodelle sind leistungsfähig, die Werkzeuge verfügbar, die Anbieter zahlreich. Trotzdem landen viele Vorhaben nach einigen Monaten in der Schublade. Der Testzugang läuft aus, das Pilotprojekt wird nicht verlängert, und im Betrieb bleibt alles, wie es war.

Aus unserer Arbeit kennen wir sechs Ursachen, die immer wieder auftauchen. Keine davon ist ungewöhnlich, und gegen jede gibt es ein Mittel. In diesem Artikel beschreiben wir beides.

Ursache 1: Das Werkzeug kommt vor dem Prozess

Die Geschäftsführung hat auf einer Messe eine beeindruckende Vorführung gesehen. Kurz darauf gibt es Lizenzen für ein KI-Werkzeug, und die Abteilungen sollen „mal schauen, wofür man das nutzen kann“. Nach drei Monaten nutzen es zwei Kollegen gelegentlich für Mailentwürfe.

Das Problem: Niemand hat vorher geklärt, welcher Ablauf eigentlich verbessert werden soll. Wer ein Werkzeug sucht und dann ein Problem dafür, automatisiert im besten Fall Nebensachen und im schlechtesten ein bestehendes Durcheinander.

Gegenmittel: Erst den Ablauf verstehen

Beginnen Sie mit der Frage, wo im Alltag Zeit verloren geht. Wo wird abgetippt, gesucht, nachgefragt, doppelt erfasst? Schreiben Sie den Ablauf auf, so wie er tatsächlich läuft, nicht wie er im Handbuch steht. Erst dann stellt sich die Frage, welches Werkzeug dazu passt. Oft ist die Antwort eine einfache, regelbasierte Automatisierung und gar keine KI.

Ursache 2: Die Datenlage wird unterschätzt

Montagmorgen, der neue Wissensassistent soll Fragen zu Maschinentypen beantworten. Er findet drei verschiedene Versionen derselben Wartungsanleitung, eine davon veraltet. Die Antwort ist plausibel formuliert und trotzdem falsch. Nach zwei solchen Erlebnissen vertraut niemand mehr dem System.

KI arbeitet mit dem, was sie vorfindet. Liegen Unterlagen verstreut auf Netzlaufwerk, in persönlichen Ordnern und in Mailpostfächern, in mehreren Versionen und ohne klare Zuständigkeit, dann spiegelt das Ergebnis genau diesen Zustand.

Gegenmittel: Datenqualität vor KI

Klären Sie vor der Umsetzung, welche Quellen gelten, welche Version maßgeblich ist und wer für welche Unterlagen verantwortlich ist. Das ist unspektakuläre Arbeit, aber sie entscheidet über den Erfolg. Wie sich Unternehmenswissen durchsuchbar machen lässt, beginnt deshalb immer mit dem Aufräumen, nicht mit der Software.

Ursache 3: Niemand ist verantwortlich

Das Projekt wurde von der IT angestoßen, die Fachabteilung soll es nutzen, die Geschäftsführung hat es genehmigt. Wenn Fragen auftauchen, fühlt sich keiner zuständig. Entscheidungen bleiben liegen, Rückfragen des Dienstleisters werden nicht beantwortet, der Zeitplan rutscht.

Ein KI-Projekt ist kein IT-Projekt. Es verändert, wie Menschen in einer Abteilung arbeiten. Dafür braucht es jemanden aus dieser Abteilung, der Entscheidungen treffen darf.

Gegenmittel: Einen Verantwortlichen benennen

Bestimmen Sie vor dem Start eine Person aus dem Fachbereich, die das Vorhaben verantwortet. Sie muss nicht technisch versiert sein, aber den Ablauf kennen, Zeit dafür bekommen und Entscheidungen treffen dürfen. Ohne diese Person sollten Sie nicht beginnen.

Ursache 4: Der erste Schritt ist zu groß

„Wir wollen eine KI, die unser gesamtes Firmenwissen kennt und alle Fragen beantwortet.“ Ein verständlicher Wunsch, aber als erster Schritt fast immer zu groß. Das Projekt zieht sich, die Kosten steigen, und bevor irgendjemand einen Nutzen sieht, ist das Budget aufgebraucht.

Große Vorhaben haben viele Abhängigkeiten: mehrere Systeme, viele Abteilungen, unterschiedliche Berechtigungen. Jede davon kann das Ganze verzögern.

Gegenmittel: Klein anfangen, schnell messen

Wählen Sie für den Anfang eine Aufgabe, die häufig anfällt, klare Regeln hat und deren Ergebnis sich leicht prüfen lässt. Gute Kandidaten sind zum Beispiel:

• Kundenanfragen automatisch erfassen und strukturiert ins System übernehmen
• ein Sammelpostfach automatisch sortieren und an die richtigen Ansprechpartner verteilen
• Daten zwischen ERP, Excel und Fachsystemen übertragen, statt sie von Hand zu kopieren

Legen Sie vorher fest, woran Sie den Erfolg messen. Nach dem ersten Schritt entscheiden Sie mit echten Erfahrungen, ob und wie es weitergeht.

Ursache 5: Betrieb und Pflege sind nicht eingeplant

Das System läuft, die Einführung war ein Erfolg. Ein Jahr später sind neue Produkte dazugekommen, zwei Mitarbeiter haben gewechselt, das ERP hat ein Update bekommen. Niemand hat das System angepasst. Die Ergebnisse werden schlechter, die Nutzung lässt nach.

Viele Projekte werden kalkuliert, als wären sie mit der Übergabe abgeschlossen. Automatisierung ist aber kein Möbelstück, sondern eher eine Maschine: Sie braucht Wartung.

Gegenmittel: Betrieb von Anfang an mitdenken

Klären Sie schon vor dem Start, wer das System danach betreut, wie neue Dokumente hineinkommen und wie Fehler gemeldet werden. Planen Sie die laufenden Kosten in die Wirtschaftlichkeitsrechnung ein. Mehr dazu, welche Posten oft vergessen werden, lesen Sie in Was kostet KI-Automatisierung im Mittelstand?.

Ursache 6: Fehlende Akzeptanz

Der Vertriebsinnendienst wurde erst informiert, als das neue System fertig war. Die Kollegen haben das Gefühl, dass ihre Arbeit ersetzt werden soll. Sie nutzen das Werkzeug widerwillig, suchen nach Fehlern und finden sie auch. Nach einigen Wochen arbeiten alle wieder wie vorher.

Akzeptanz ist kein weiches Thema. Ein System, das niemand nutzt, hat keinen Nutzen, egal wie gut es technisch ist.

Gegenmittel: Früh beteiligen, ehrlich kommunizieren

Beziehen Sie die Menschen, die täglich mit dem Ablauf arbeiten, von Anfang an ein. Sie wissen am besten, wo es hakt, und erkennen Fehler schneller als jeder Dienstleister. Machen Sie klar, was automatisiert wird und was beim Menschen bleibt: Freigaben, Preise, technische Einschätzungen, die Beziehung zum Kunden. Gute Automatisierung nimmt lästige Arbeit ab, nicht die Verantwortung.

Die Ursachen auf einen Blick

Kurze Prüfliste vor dem Start

Bevor Sie ein Angebot unterschreiben oder Lizenzen kaufen, lohnt ein ehrlicher Blick auf diese Fragen. Wenn Sie mehr als zwei davon mit Nein beantworten, ist es sinnvoll, zuerst die Grundlagen zu schaffen.

1. Können Sie in einem Satz sagen, welcher Ablauf verbessert werden soll und warum?
2. Wissen Sie ungefähr, wie oft die Aufgabe anfällt und wie viel Zeit sie heute kostet?
3. Ist klar, wo die nötigen Unterlagen und Daten liegen und welche Version gilt?
4. Gibt es eine verantwortliche Person im Fachbereich, die dafür Zeit bekommt?
5. Ist der erste Schritt so klein, dass nach wenigen Wochen ein Ergebnis sichtbar ist?
6. Steht fest, wer das System nach der Einführung betreut und was das laufend kostet?
7. Wurden die künftigen Nutzer gefragt, wo sie der Schuh drückt?

Diese Fragen ersetzen keine Analyse, aber sie bewahren Sie vor den häufigsten Fehlstarts. Eine strukturierte Selbsteinschätzung bietet auch der KI-Schnellcheck.

Wann Sie lieber nicht anfangen sollten

Manchmal ist die beste Entscheidung, ein Projekt nicht zu starten. Das ist der Fall, wenn der Ablauf selbst noch im Umbruch ist, wenn niemand intern Zeit für die Betreuung hat oder wenn die Aufgabe so selten anfällt, dass sich der Aufwand nicht rechnet. Dann ist eine klare Regel im Team oft wirksamer als jede Software.

Unser Vorgehen ist genau auf diese Ursachen ausgerichtet: erst eine kurze Analyse, dann ein Readiness-Audit mit priorisiertem Fahrplan, dann Umsetzung in kleinen Bausteinen. Nach jedem Baustein entscheiden Sie, ob es weitergeht. Mehr dazu unter Vorgehen.

Fazit

KI-Projekte im Mittelstand scheitern selten an der Technik, sondern an fehlender Vorarbeit: unklare Abläufe, ungeordnete Daten, fehlende Verantwortung, zu große Schritte, kein Plan für den Betrieb und zu wenig Beteiligung der Mitarbeiter. Die gute Nachricht: All das liegt in Ihrer Hand. Wer erst Wissen bündelt und Abläufe versteht und dann klein und messbar anfängt, hat sehr gute Chancen, dass aus dem Pilotprojekt ein dauerhafter Nutzen wird.