Warum viele KI-Projekte wirklich scheitern - und wie Sie es ändern

Nicht die Leistungsfähigkeit der Modelle, sondern fehlende Geschäftsziele, Datenstrukturen und Verantwortlichkeiten bremsen derzeit den produktiven Einsatz von Künstlicher Intelligenz im Unternehmen - darin stimmen die Referenten der HighText-Konferenz Daten & KI 26 weitgehend überein. Die aktuelle Generation der Systeme kann bereits sehr gut Texte erzeugen, Daten auswerten, Gespräche führen und eigenständig einzelne Prozessschritte auslösen, wie sich in Demonstrationen leicht beweisen lässt. Und doch ist der folgende Schritt zu einer produktiven Anwendung meist schwieriger als gedacht.

Wie groß diese Lücke ist, zeigen Zahlen des Marktforschungsunternehmens Gartner   . Mehr als 40 Prozent der Projekte mit autonomen Software-Agenten könnten demnach bis Ende 2027 wegen steigender Kosten, unklaren Nutzens oder unzureichender Kontrolle eingestellt werden.

Ein guter Prototyp ist noch kein produktiver Prozess

Das hat auch Christian Seifert  , Vorstand der Digitalagentur avenit  , beobachtet. "Ein guter Prototyp ist noch kein produktiver Prozess", warnt er. Viele Unternehmen behandelten Künstliche Intelligenz als isoliertes Informationstechnik-Projekt. Dabei müsse die Arbeit mit einer nüchternen Frage beginnen: Welche Aufgabe soll schneller, besser oder günstiger erledigt werden? Erst danach lasse sich klären, welche Daten benötigt werden, wie die Anwendung in bestehende Systeme passt und wer den Betrieb verantwortet.

Jan Fischer  , Experte für Datenräume und Manufacturing-X   beim Verband Deutscher Maschinen- und Anlagenbau  , formuliert es noch grundsätzlicher: "Am häufigsten scheitern Unternehmen, weil sie beim Modell beginnen, nicht beim Geschäftsproblem." Ein Projekt werde erst tragfähig, wenn es etwa Maschinenstillstände reduziere, Qualität verbessere, Energie spare oder einen neuen datenbasierten Service ermögliche. Wo Daten verteilt liegen, unterschiedlich beschrieben sind und Verantwortlichkeiten ungeklärt bleiben, helfe auch das leistungsfähigste Modell wenig. "So bleibt technisch Machbares wirtschaftlich folgenlos", fasst Fischer zusammen.

Erst der Rahmen, dann die Autonomie

Noch herausfordernder werden die Anforderungen bei Software-Agenten, die selbst handeln, Daten verändern oder weitere Systeme bedienen - schließlich wird hier direkt Verantwortung abgegeben. Henryk Liebezeit  , Mitgründer und geschäftsführender Gesellschafter der Digitalagentur tripuls   , verlangt, dass Unternehmen drei Fragen beantworten können: Welche Daten gelangen wohin? Wer trägt die Verantwortung? Wie lassen sich Fehler korrigieren? "Die Leistungsfähigkeit darf keinesfalls zu Lasten der Verantwortbarkeit gehen", betont er. "Die Priorität muss von Anfang an auf der Beherrschbarkeit der Risiken sowie der Handlungsfähigkeit liegen."

Daniel Kalkowski  , Gründer und Geschäftsführer der Digitalagentur LifeStyle Webconsulting    sowie des Softwareunternehmens swoox.io  , geht noch einen Schritt weiter. Neben klaren Grenzen, menschlichen Freigaben und nachvollziehbaren Entscheidungen fordert er ein prinzipielles Umdenken. Geschwindigkeit und Kontrolle sind nach seiner Meinung gar nicht als Zielkonflikt zu betrachten: "Wer Nachvollziehbarkeit als Bremse behandelt und hinten anstellt, rüstet sie später teuer nach. Wer sie von Anfang an in die Architektur legt, wird schneller - weil jedes Ergebnis erklärbar ist und sich Fehler direkt finden lassen.", sagt er.

Kontrolle und Nachvollziehbarkeit sind unternehmenskritisch. Aber bedeutet das auch, dass jede Komponente selbst entwickelt werden muss?

Nein, findet Michael Maschke  , SEO Experte beim Softwareanbieter XOVI  . Er warnt zwar ebenfalls eindringlich vor der Abhängigkeit von wenigen großen Plattformen. Seine Empfehlung: Unternehmen brauchen Ausweichpläne und interne ExpertInnen, die Produkte und KundInnen kennen und die Ausgaben der Systeme bewerten können. "KI soll unterstützen und nicht ersetzen; Prozesse müssen auch dann weiterlaufen können, wenn KI und entsprechende Systeme ausfallen", fordert Maschke. Wer dagegen auf eine intransparente Lösung setzt, erhält vielleicht kurzfristig eine bequeme Lösung, geht aber langfristig ein hohes Geschäftsrisiko ein.

Datensouveränität ist keine Ausrede zum Abwarten

Damit rückt die Regulierung ins Zentrum. Seit dem 2. August 2026 gelten weitere Teile der europäischen Verordnung über Künstliche Intelligenz. Bestimmte interaktive Systeme müssen Nutzerinnen und Nutzer darüber informieren, dass sie mit einer Maschine kommunizieren; auch für künstlich erzeugte oder veränderte Inhalte greifen Transparenzanforderungen. Die Europäische Kommission   hat zugleich die Anwendung zentraler Regeln für Hochrisikosysteme zeitlich nach hinten verschoben. Unternehmen erhalten dadurch mehr Vorbereitungszeit - sollten dies aber keineswegs als Freibrief begreifen, Verantwortung aufzuschieben. Genauso gilt allerdings der Umkehrschluss, betont Avenit-Vorstand Seifert: "Datensouveränität darf auch nicht zur Ausrede werden, KI nicht einzusetzen." Gesucht ist eine Architektur, die Tempo ermöglicht, ohne die Kontrolle über Wissen, Entscheidungen und KundInnenschnittstellen aufzugeben.

Der Spannungsbogen zwischen technischer Machbarkeit, unternehmerischer Realität und zukunftssicherer Umsetzung zieht sich durch gesamten ersten Tag der "Daten & KI 26". Das Programm reicht mit insgesamt zehn Vorträgen von Datenräumen, Regulierung und transparenten Systemen über agentenbasierte Prozesse und automatisierte Dokumentation bis zu Unternehmensarchitekturen, Produktdatenmanagement, deutschem Hosting und Context Engineering.

Deutschlands Aufholjagd beginnt in den Unternehmen

Bundesdigitalminister Karsten Wildberger   hat Deutschland Ende August bei einer Kabinettsklausur eine Aufholjagd bei Künstlicher Intelligenz verordnet. Als Zwischenziel nannte er gegenüber der Nachrichtenagentur Reuters   einen dritten oder vierten Platz im weltweiten Wettbewerb; besondere Chancen sieht er bei industriellen Anwendungen. Deutschland besitzt dafür eine breite industrielle Basis und umfangreiches Prozesswissen. Allerdings liegt ein großer Teil davon in den Köpfen von MitarbeiterInnen, in Dokumenten oder in abgeschotteten Systemen.

Für Industrie-Experten Fischer entscheidet sich der Wettbewerb deshalb nicht allein bei Modellen und Rechenleistung, sondern beim Zugang zu Maschinen-, Prozess-, Produkt- und Servicedaten. Deutschland brauche eine skalierbare Dateninfrastruktur, gemeinsame Standards und klare Nutzungsrechte. Statt isolierte Versuche zu fördern, sollten Politik und Wirtschaft wiederverwendbare Lösungen und Datenökosysteme schaffen. Die deutsche Stärke liegt nicht im nächsten allgemeinen Sprachmodell, sondern in Daten, die anderswo nicht vorhanden sind - sofern Unternehmen sie nutzbar machen.

Kapital, Glasfaser und Daten: An Engpässen fehlt es nicht

tripuls-Chef Liebezeit setzt an einer anderen Stelle an: "Als eines der größten Hindernisse für eine deutsche Aufholjagd bei KI sehe ich das Thema der Kapitalbeschaffung." Während Unternehmen in den Vereinigten Staaten Risikokapital in Milliardenhöhe einwerben könnten, versuche Europa die Lücke mit vergleichsweise kleinen Förderprogrammen zu schließen. Ambitionierte Start-ups suchten deshalb amerikanische Geldgeber oder verlagerten ihr Wachstum ins Ausland.

Der Bericht von Mario Draghi   zur europäischen Wettbewerbsfähigkeit stützt diese Diagnose. Der frühere Präsident der Europäischen Zentralbank   zeigt darin, wie der fragmentierte Binnenmarkt und das Fehlen eines integrierten Kapitalmarktes innovative Unternehmen beim Wachstum behindern. Zwischen 2008 und 2021 verlegten demnach fast 30 Prozent der in Europa gegründeten Einhörner ihren Hauptsitz ins Ausland. Europa mangelt es weniger an Ideen als an der Fähigkeit, daraus Unternehmen globaler Größe zu formen.

Maschke hält den flächendeckenden Glasfaserausbau für noch grundlegender. Kalkowski fordert Planungssicherheit und eine öffentliche Beschaffung, die europäischen Anbietern reale Aufträge verschafft. Die Aufholjagd beginnt daher nicht mit einer einzelnen Maßnahme: Benötigt werden Datenzugang, Kapital, leistungsfähige Netze, verständliche Regeln und Unternehmen, die ihr Wissen in skalierbare Anwendungen übersetzen.

Wenn die Künstliche Intelligenz mit KundInnen spricht

Spätestens an der Kundenschnittstelle endet die Debatte über Künstliche Intelligenz als reines Technikthema. Am zweiten Tag widmet sich die "Daten & KI 26" deshalb der Kommunikation: Sprachagenten im Kundenservice, künstlich unterstützten Gesprächstrainings, der künftigen Rolle von Kommunikationsagenturen und der Reputation von Marken in generativen Antwortsystemen. Dabei geht es um mehr als die Frage, ob eine Maschine einen Anruf bearbeiten kann. Entscheidend ist, ob KundInnen die Automatisierung überhaupt als Verbesserung erleben - oder als Hindernis auf dem Weg zu einem Menschen.

Sarah Rajic  , Senior Business Development Managerin und Qualitätsleiterin beim Kundenserviceanbieter davero dialog  , formuliert dafür einen einfachen Maßstab: "KI ist für mich dann ein Fortschritt, wenn der Kunde oder die Kundin den Mehrwert tatsächlich spürt - und nicht nur das Unternehmen die Einsparung." Kürzere Wartezeiten, schnellere Lösungen und situationsgerechte Antworten seien echte Verbesserungen. Problematisch werde es, wenn Automatisierung zum Selbstzweck werde und KundInnen sich mit Bots abquälen müssten, obwohl sie menschliche Hilfe benötigten. Der Erfolg zeige sich nicht an der Automatisierungsquote, sondern an der Qualität des Kundenerlebnisses.

Miriam Schwellnus  , Gründerin und Geschäftsführerin der Agentur Mashup Communications  , warnt allerdings vor einer zu einfachen Gegenüberstellung. Auch ein Mensch sei nicht automatisch die bessere Lösung. Lange Warteschleifen, schlechte Erreichbarkeit oder unverständliche Gespräche könnten ebenso frustrieren. Sinnvoll sei daher ein hybrides Modell: Die Maschine übernimmt Routineanfragen und sorgt für unmittelbare Erreichbarkeit; bei komplexen oder sensiblen Anliegen wechselt der Dialog ohne Bruch zu MitarbeiterInnen. Die eingesparte Zeit sollte nicht nur als Einsparung verstanden, sondern in bessere Beratung und menschlichere Kontakte investiert werden.

Die Automatisierungsquote sagt wenig über guten Service

Genau hier liegt aber ein Zielkonflikt. Nicht alles, was automatisierbar ist, sollte auch automatisiert werden. Ein Sprachagent kann zwar rund um die Uhr erreichbar sein und tausende ähnliche Anliegen bearbeiten. Er kann aber auch Kundinnen und Kunden in vorgegebenen Dialogschleifen festhalten oder in einem sensiblen Moment die falsche Tonlage treffen - und diese Fehler dann zusätzlich sehr hoch skalieren. Der wirtschaftliche Nutzen entsteht deshalb nicht durch möglichst wenig menschlichen Kontakt. Er entsteht durch eine Arbeitsteilung, bei der für jedes Anliegen der passende Kontakt verfügbar ist.

Rajic sieht daher großes Potenzial darin, Gesprächssituationen mit Künstlicher Intelligenz zu simulieren und MitarbeiterInnen unmittelbar Feedback zu geben. Denn Service ist nicht nur Kostenblock, sondern Teil des Markenversprechens. Wer Reklamationen, Lieferprobleme oder Beratung ausschließlich unter Effizienzgesichtspunkten automatisiert, kann langfristig viel Vertrauen zerstören.

Der Standard wird billiger, das Besondere schwieriger

Mit generativen Systemen verschärft sich das Problem. Wenn zahlreiche Unternehmen dieselben Modelle mit ähnlichen Vorgaben nutzen, entstehen ähnliche Texte, Bilder und Dialogmuster. Schwellnus sieht Künstliche Intelligenz als Beschleunigerin einer Gleichförmigkeit, die bereits vorher existierte. "Der Standard wird leichter produzierbar, das Besondere dadurch anspruchsvoller", sagt sie. Eine eigene Haltung, echte Geschichten und Empathie gegenüber der Zielgruppe könne eine KI einer Marke nicht abnehmen. Marken müssten selbst wissen, wofür sie stehen, wie sie sprechen und wie sich ein Kontakt mit ihnen anfühlen soll. Wie reagiert das Unternehmen auf Ärger oder Unsicherheit? Wie verbindlich, humorvoll oder empathisch darf eine Antwort sein? Solche Entscheidungen lassen sich nicht an ein Sprachmodell delegieren.

Zudem formen Marken ihr Bild nicht mehr allein über eigene Inhalte. Generative Antwortsysteme setzen zahlreiche Quellen zu fertigen Aussagen zusammen. Eine Marke kann dort sichtbar und dennoch falsch oder veraltet dargestellt sein. Der zweite Konferenztag fragt deshalb auch, welche Aufgaben Kommunikations-, Suchmaschinen- und Digitalagenturen übernehmen müssen - und wie sich Reputation beobachten lässt, wenn Aussagen keine klar erkennbare Quelle mehr haben.

Beherrschen heißt auch, bewusst nicht zu automatisieren

Damit schließt sich der Kreis zwischen beiden Konferenztagen. Intern brauchen Unternehmen belastbare Prozesse, hochwertige Daten, klare Verantwortung und die Möglichkeit, Anbieter zu wechseln. Nach außen benötigen sie ebenso klare Grenzen: Welche Gespräche darf die Maschine führen? Wann muss ein Mensch übernehmen? Welche Haltung soll in jeder Antwort erkennbar bleiben? Und wer greift ein, wenn ein System zwar effizient arbeitet, aber der Marke schadet?

Die entscheidende Fähigkeit besteht nicht darin, möglichst schnell möglichst viel Künstliche Intelligenz einzusetzen. Erfolgreich werden Unternehmen sein, die unterscheiden, wo Automatisierung Nutzen erzeugt, wo Kontrolle unverzichtbar ist und wo ein menschlicher Kontakt mehr Wert schafft. Wettbewerbsvorteile entstehen durch das, was sich nicht einfach kopieren lässt: eigene Daten, eigenes Prozesswissen und eine erkennbare Haltung.

Die "Daten & KI 26" zeigt am 8. und 9. September 2026, wie Unternehmen diese Elemente zusammenbringen können. Ihre wichtigste Botschaft steht schon vor Beginn der Konferenz fest: Die deutsche Aufholjagd entscheidet sich nicht daran, wer die Künstliche Intelligenz am lautesten feiert. Sie entscheidet sich daran, wer sie zuerst zuverlässig beherrscht.