OptAI®
DE

Artikel Anwendungen

Warum die meisten KI-Pilotprojekte versanden

Das MIT fand heraus, dass 95% der Pilotprojekte mit generativer KI in Unternehmen keinen messbaren Einfluss auf den Gewinn haben. Der Fehler liegt auf der letzten Meile, wo die Software auf den Betrieb trifft.

Ein kleines weisses Modellflugzeug, an einem Prüfstand festgebunden, auf gelbem Hintergrund

Im Sommer 2025 veröffentlichte ein Team am MIT einen Bericht mit einer unangenehmen Zahl. Von den untersuchten Pilotprojekten mit generativer KI hatten rund 95% keinen messbaren Effekt auf die Erfolgsrechnung. Die Forscher interviewten 150 Führungskräfte, befragten 350 Angestellte und analysierten 300 öffentlich bekannte Einsätze. Die Firmen gaben das Geld aus und bekamen nichts zurück.

Der Befund verbreitete sich schnell, auch weil er zu sagen schien, dass die Technologie nicht funktioniert. Das sagt er keineswegs. Die Autoren machten eine «Lernlücke» verantwortlich. Die Tools passten nicht zur Arbeitsweise der Firmen, merkten sich nicht, was man ihnen sagte, und wurden mit der Nutzung nicht besser. Ein Chatbot, der in der Demo beeindruckt und am Montag alles vergessen hat, ist ein Spielzeug mit Budget.

Die jährliche Umfrage von McKinsey zeigt von der anderen Seite her in dieselbe Richtung. 2025 nutzten 88% der befragten Firmen KI in mindestens einem Bereich. Nur rund 6% sagten, KI habe ihnen erheblichen Nutzen und 5% oder mehr ihres operativen Gewinns gebracht. Die Ausgabe 2026, veröffentlicht im August, kam auf dieselben 6%. Die meisten Firmen nutzen also KI, und nur sehr wenige verdienen daran.

Wohin das Geld floss

Das MIT untersuchte auch, wofür die Firmen Geld ausgaben. Mehr als die Hälfte der Budgets für generative KI floss in Tools für Verkauf und Marketing, die sich leicht kaufen und dem Verwaltungsrat leicht vorführen lassen. Die besten Renditen kamen aus dem Backoffice, wo KI ausgelagerte Prozesse und Agenturarbeit ersetzte. Praktisch heisst das: Rechnungen, Verträge, Schadenfälle und Beschaffung. Das ist unspektakuläre Arbeit mit klaren Regeln, sauberen Eingangsdaten und Kosten, die jeder messen kann. Darum fängt man am besten dort an.

Der zweite Befund ist für grosse IT-Abteilungen unbequemer. Tools, die von spezialisierten Anbietern gekauft und mit Partnern gebaut wurden, hatten in rund 67% der Fälle Erfolg. Systeme, die komplett intern gebaut wurden, waren nur ein Drittel so oft erfolgreich.

Ein Pilotprojekt ist auf sein Ende angelegt

Die meisten Pilotprojekte scheitern, weil sie als Pilotprojekte gebaut werden. Sie laufen mit einer sauberen Datenstichprobe, neben den echten Systemen statt in ihnen, mit ein paar begeisterten Nutzern und ohne jemanden, der für das Ergebnis verantwortlich ist. Endet das Pilotprojekt, muss jemand es ans ERP anbinden, durch den Datenschutz bringen, die übrigen 300 Leute schulen und für seine Fehler geradestehen. Diese Arbeit stand nie im Plan, also passiert sie nie.

Der produktive Einsatz beginnt mit anderen Fragen. Welche Aufgabe kostet die meisten Stunden? Wo liegen die Daten, und wer darf sie sehen? Was kostet eine falsche Antwort, und wer bemerkt sie? Was spart das pro Monat, in Franken? Ein Projekt, das diese Fragen in der ersten Woche nicht beantworten kann, beantwortet sie auch im sechsten Monat nicht.

So arbeiten wir

Bei OptAI® bauen wir die erste Version mit den echten Daten des Kunden, in den Systemen, die er schon nutzt. In der ersten Woche ist das langsamer, ab der achten viel schneller, weil nichts neu gebaut werden muss. Wir messen die Aufgabe, bevor wir sie automatisieren, damit die Einsparung eine Zahl ist und kein Gefühl. Und wir legen am Anfang fest, wann wir aufhören würden.

Die 5% in der MIT-Studie hatten keine besseren Modelle als alle anderen. Sie wählten eine Aufgabe, die wehtat, banden sie richtig an und blieben dran, bis es sich lohnte. Das ist weniger aufregend als eine Demo. Es ist aber das Einzige, was in der Jahresrechnung auftaucht.

Quellen

  1. Fortune: MIT report, 95% of generative AI pilots at companies are failing, 18 August 2025
  2. Computing: MIT report, 95% of corporate generative AI pilots fail to deliver returns
  3. Virtualization Review: MIT report finds most AI business investments fail, 19 August 2025
  4. McKinsey: The state of AI in 2025, agents, innovation and transformation, 5 November 2025
  5. McKinsey: The state of AI in 2026, on the road to ROI, 25 August 2026

Weitere Artikel