95 Prozent der KI-Pilotprojekte bringen keinen Ertrag: was die anderen 5 Prozent anders machen

KI ist eine Führungsaufgabe, keine IT-Anschaffung

KI gehört auf den Tisch der Geschäftsführung, weil sie Arbeitsweisen, Entscheidungswege und Geschäftsmodelle verändert. Das ist die kurze Antwort. Wer KI an die IT-Abteilung delegiert, bekommt Technik ohne Richtung.

Meine These nach 35 Jahren in Digitalprojekten: KI ist zu wichtig, um sie der IT zu überlassen. Die spannenden Fragen sind keine technischen. Es sind Führungsfragen. Welche Arbeit wollen wir Menschen abnehmen? Welche Entscheidungen geben wir aus der Hand, welche nie? Woran erkennen wir Erfolg? Das Wort Transformation ist mir dabei zu groß. Es klingt nach einem einmaligen Kraftakt. In Wahrheit ist es Führungsarbeit in kleinen, überprüfbaren Schritten.

Damit diese Arbeit gelingt, nutze ich drei Denkwerkzeuge. Sie ziehen sich durch diese ganze Seite.

Diese drei greifen ineinander. Wie genau, zeigt die folgende Übersicht.

Kurz gesagt: Behandeln Sie KI als Führungsthema mit IT-Anteil. Alles Weitere folgt aus dieser einen Entscheidung.

KI-Strategien aus dem Konzern lassen sich im Mittelstand nicht kopieren

Der Mittelstand braucht eine eigene KI-Strategie, weil einzelne Tools ohne gemeinsamen Rahmen zu Insellösungen, doppelten Kosten und geringer Akzeptanz führen. Das ist die kurze Antwort. Hier die längere.

Mittelständische Unternehmen ticken anders als Konzerne wie Siemens oder die Deutsche Telekom. Kürzere Wege, schnellere Entscheidungen, aber knappere Ressourcen und kein zwanzigköpfiges Data-Science-Team. Was im Konzern über Monate an Governance-Runden entsteht, muss im Mittelstand in wenigen Wochen tragen und mit den Systemen laufen, die schon da sind, etwa der Buchhaltungssoftware von DATEV oder einem ERP-System von SAP.

Ich sage es unbequem: Die meisten Papiere, die mir als KI-Strategie vorgelegt werden, sind gar keine Strategien. Es sind Wunschlisten mit Werkzeugnamen. Eine Strategie trifft Entscheidungen und lässt bewusst Dinge weg.

Das Interesse ist längst da. Der Digitalverband Bitkom berichtet für 2025, dass 81 Prozent der Unternehmen in Deutschland Künstliche Intelligenz für die wichtigste Zukunftstechnologie halten, aber erst 36 Prozent sie tatsächlich einsetzen. Zwischen diesem Interesse und einer schriftlichen Strategie klafft im Mittelstand eine große Lücke. Genau dort entstehen die teuren Fehlversuche.

Kurz gesagt: Schreiben Sie eine echte Strategie mit zwei oder drei priorisierten Problemen. Nach dem Lembke-Prinzip steht das Problem immer vor dem Werkzeug.

Drei Führungsfragen entscheiden, ob Ihr KI-Budget Wirkung zeigt

Bevor in meinen Projekten irgendjemand über Modelle oder Lizenzen spricht, stelle ich immer dieselben drei Fragen. Sie prüfen die drei Bedingungen, unter denen KI überhaupt Wirkung entfaltet. Ich beobachte seit Jahren: Fällt eine der drei Antworten negativ aus, scheitert das Projekt.

Diese drei Ecken bilden das Diagnosewerkzeug des Lembke-Prinzips.

Die erste Ecke ist das Problem. Die Frage lautet nie "Was kann ChatGPT?". Sie lautet: Wo verlieren wir heute messbar Zeit, Geld oder Qualität? KI ohne benanntes Problem bleibt eine Lösung auf der Suche nach einer Aufgabe.

Die zweite Ecke sind die Daten. Liegen sie verteilt und ungepflegt in CRM, ERP und drei Excel-Ordnern, liefert auch das teuerste System Unbrauchbares.

Die dritte Ecke sind die Menschen. Kein System wird genutzt, das die Belegschaft als Bedrohung erlebt. Wer die Mitarbeiter früh einbindet und befähigt, legt das Fundament. Damit ist die dritte Ecke zugleich die schwierigste, weil sie von Führung abhängt, nicht von Technik.

Kurz gesagt: Prüfen Sie jedes Vorhaben am Wirkungsdreieck. Sobald eine Ecke wackelt, reparieren Sie zuerst diese, bevor Sie Geld für Werkzeuge ausgeben.

Fünf Fehler bringen KI-Projekte im Mittelstand zu Fall

Die meisten KI-Vorhaben scheitern, bevor sie Wirkung entfalten könnten. Das Analystenhaus Gartner geht davon aus, dass mehr als 40 Prozent der Projekte mit KI-Agenten bis Ende 2027 wieder eingestellt werden, vor allem wegen unklarer Geschäftsziele, ausufernder Kosten und unzureichender Risikokontrollen. Alle fünf Fehler, die ich am häufigsten sehe, sind Führungsfehler, keine technischen.

Erstens: ohne Business Case starten. Wer vorher nicht durchrechnet, ob sich eine Lösung trägt, zahlt am Ende mehr für Lizenzen und Integration, als die Automatisierung einspart.

Zweitens: die Datenqualität unterschätzen. KI ist nur so gut wie ihre Datenbasis. Im Mittelstand liegen Daten häufig verteilt und in unterschiedlicher Güte vor. Ohne saubere, zusammengeführte Grundlage bleibt jedes Ergebnis wackelig. Das ist die zweite Ecke des Wirkungsdreiecks.

Drittens: die Mitarbeiter nicht mitnehmen. KI-Projekte scheitern selten an der Technik. Sie scheitern an der Akzeptanz. Die Studie "Künstliche Intelligenz im Mittelstand" der Förderinitiative Mittelstand-Digital des Bundeswirtschaftsministeriums (2023) nennt fehlende Kompetenzen und Fachkräftemangel als größte Hürde, daneben Datenschutzbedenken und mangelnde Akzeptanz.

Viertens: zu groß anfangen. Wer gleich die unternehmensweite Plattform ausrollt, verliert sich in Komplexität. Besser ist der Start mit einer klar umrissenen Anwendung, an der das Team Erfahrung sammelt.

Fünftens: Compliance ignorieren. Der EU AI Act, die KI-Verordnung der Europäischen Union, setzt klare Grenzen, ergänzt um die Vorgaben der Datenschutz-Grundverordnung (DSGVO). Verstöße können laut Artikel 99 des EU AI Act mit Bußgeldern von bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes geahndet werden, je nachdem, welcher Betrag höher ist. Was das konkret für die Haftung bedeutet, zeige ich in Wer haftet, wenn Ihr Chatbot sich irrt?

Kurz gesagt: Hängen Sie diese fünf Punkte als Checkliste in jede Projektfreigabe. Vier der fünf Fehler entscheidet die Führung, nicht die IT.

Diese KI-Anwendungen rechnen sich im Mittelstand zuerst

Am schnellsten rechnen sich Anwendungen mit hohem Volumen, klaren Regeln und vorhandenen Daten. Kundenservice, Rechnungsverarbeitung und vorausschauende Wartung stehen bei mir ganz oben. Die belegten Zahlen zeigen, warum.

Die Kundenservice-Automatisierung bringt oft den schnellsten Rückfluss. Generative KI übernimmt wiederkehrende Anfragen, sortiert E-Mails vor und entlastet das Team für die kniffligen Fälle. Laut einer Capterra-Befragung nutzen bereits 55 Prozent der befragten Servicekräfte in Deutschland KI-Funktionen in ihrer Kundenservice-Software.

Die Rechnungsverarbeitung ist ein klassischer Quick Win. KI erfasst, prüft und verbucht Belege automatisch und übergibt sie an Systeme wie DATEV. Eine Analyse des Finanzsoftware-Anbieters Moss zeigt, dass Automatisierung in der Finanzabteilung bis zu 15 Arbeitstage pro Monat einsparen kann. Trotzdem haben bislang erst 49 Prozent der deutschen Finanzabteilungen ihre Prozesse weitgehend digitalisiert.

Vorausschauende Wartung, im Fachjargon Predictive Maintenance, zeigt in der Produktion Wirkung. Sensordaten und KI erkennen einen drohenden Defekt, bevor eine Maschine stillsteht. Die Unternehmensberatung McKinsey beziffert die Effekte vorausschauender Wartung auf 30 bis 50 Prozent weniger ungeplante Stillstände und eine um 20 bis 40 Prozent längere Maschinenlebensdauer.

Kurz gesagt: Wählen Sie zwei Quick Wins aus der oberen linken Ecke der Matrix und lassen Sie die großen, unklaren Vorhaben zunächst liegen.

Eine KI-Roadmap für den Mittelstand in sechs Phasen

Eine praxistaugliche Roadmap führt in sechs Phasen vom ersten Kassensturz zur breiten Nutzung. Ich habe sie mit Unternehmen aus meinem Netzwerk entwickelt und immer wieder nachgeschärft. Jede Phase hebt das Unternehmen auf die nächste Reifegradstufe. Wie der Einstieg empirisch aussieht, zeigt die Studie Europe 2031 zur KI-Einführung.

Phase vier verdient besondere Aufmerksamkeit, weil hier die Governance entsteht. Genau an dieser Stelle verbinden sich die Bausteine: Was in den Piloten funktioniert hat, wird zur Regel, und die Regel schützt das Unternehmen, wenn die Anwendung wächst.

Kurz gesagt: Bestimmen Sie zuerst Ihren Reifegrad, dann gehen Sie genau eine Phase weiter. Der Sprung über zwei Stufen ist der häufigste Grund für teure Rückschläge.

So machen Sie den Ertrag Ihrer KI-Strategie messbar

Messbar wird der Ertrag nur, wenn Sie den Erfolg vor dem Start definieren. Zwei bis drei Kennzahlen genügen, wenn sie zur Aufgabe passen. Alles andere bleibt Bauchgefühl.

Gute Kennzahlen sind eingesparte Stunden pro Woche, die Durchlaufzeit eines Vorgangs, die Fehlerquote oder die Antwortzeit im Service. Die 95-Prozent-Zahl vom Anfang hat einen Kern: Zu viele Projekte messen ihren Erfolg nie und können ihn deshalb auch nicht belegen.

Diese Zeitspanne ist ein Erfahrungswert aus meinen Projekten, keine Studienzahl. Aus meinen Projekten erkenne ich immer wieder dasselbe Muster: Wer nach vier Wochen den großen Sprung erwartet, wird enttäuscht und beendet oft genau das Vorhaben, das gerade Fahrt aufnimmt.

Kurz gesagt: Definieren Sie zwei Kennzahlen und einen ehrlichen Zeithorizont, bevor das Projekt startet. Kein Erfolg ohne vorher vereinbarten Maßstab.

Praxisbeobachtung: zwischen KI-Hype und Betriebsalltag klafft eine Lücke

In den meisten Betrieben liegt der tatsächliche KI-Einsatz deutlich unter dem technisch Möglichen. Das ist eine meiner wichtigsten Beobachtungen aus Lehre und Beratung. Ich beobachte seit Jahren: Der Markt redet lauter über KI, als er sie tatsächlich einsetzt.

Als Studiengangsleiter für Digitale Medien an der DHBW Mannheim betreue ich duale Studierende, die parallel in ihren Unternehmen arbeiten. Über die Branchen hinweg sehe ich dasselbe Muster: großes Interesse, wenig strukturierter Einsatz. Gerade in kleinen und mittleren Betrieben bremsen Datenschutz, Sicherheitsbedenken und fehlende Anwendungsfälle, und oft fehlt es an Zeit und Anleitung, um die nötigen KI-Kompetenzen im Mittelstand aufzubauen.

Einer meiner Studierenden, der in einem mittelständischen Betrieb arbeitet, bringt die Lage aus seinem Arbeitsalltag auf den Punkt:

In unserem Betrieb ist KI bislang kaum angekommen. Wir stellen das Thema vor allem aus Datenschutz- und Sicherheitsgründen zurück, und uns fehlen die klaren Anwendungsfälle. Und wenn wir KI einsetzen, muss ein Mensch jedes Ergebnis prüfen. Nichts geht ungeprüft raus. Dafür braucht es Change-Management und Schulungen, und das ist ein enormer Aufwand.

Diese Beobachtung steht für viele Organisationen. Sie benennt drei Hürden, die ich fast überall sehe: rechtliche Unsicherheit, fehlende Anwendungsfälle und die Notwendigkeit menschlicher Kontrolle. Alle drei sind Führungsaufgaben.

Kurz gesagt: Planen Sie den Kompetenzaufbau als eigene Phase ein. Wer diesen Aufwand einplant, kommt weiter als der Betrieb, der 200 Lizenzen kauft und auf ein Wunder hofft.

Der blinde Fleck der KI-Euphorie ist der Mensch

Viele Beratungsansätze versprechen dem Mittelstand eine schnelle KI-Transformation. Das halte ich für gefährlich. KI verändert Arbeitsweisen, Entscheidungswege und manchmal ganze Geschäftsmodelle. Das braucht Zeit, Führung und die Bereitschaft, unbequeme Fragen zu stellen. Genau diese Haltung nenne ich Digitalrealismus.

Eine Geschichte dazu. In den späten Neunzigern war ich Digitalmanager beim Medienkonzern Bertelsmann und durfte laut Firmenpolitik nicht im Internet surfen. Ich tat es trotzdem, weil ich wissen wollte, wohin sich diese Technologie entwickelt. Ich wurde gefeuert. Fast dreißig Jahre später sehe ich dasselbe Muster wieder, nur unter neuem Namen. Mitarbeitende bekommen ein schwächeres, "sicheres" Werkzeug und kaum Zeit, es zu lernen. Wer ernsthaft vorankommen will, organisiert sich seinen Zugang eben selbst.

Mein Fazit als Digitalrealist: Ein Rechenzentrum baut keine Kompetenz auf. Führung tut das. Bildung tut das. Klare Entscheidungen für echte Prozessveränderung tun das. Die entscheidende Frage lautet daher nicht "Welches Tool?". Sie lautet: Was verändert sich für meine Mitarbeiter, und wie führe ich sie da durch? Wer KI als reines Effizienzprojekt behandelt, unterschätzt den Menschen. Und der Mensch ist im Mittelstand der stärkste Hebel, den Sie haben.

Kurz gesagt: Führen Sie zuerst die Menschen, dann die Technik. Das ist der Kern des Digitalrealismus und der rote Faden dieser ganzen Seite.