Häufige Fehler bei der Einführung von KI

Künstliche Intelligenz hält derzeit in nahezu allen Branchen Einzug. Kaum ein Unternehmen beschäftigt sich nicht mit ChatGPT, Copilot, KI-Assistenten, Automatisierungen oder datenbasierten Entscheidungsmodellen.

Dabei beginnt die Einführung häufig unkompliziert: Eine Abteilung testet ein neues KI-Tool, Mitarbeitende experimentieren mit Prompts, erste Prozesse werden automatisiert und die Resultate wirken vielversprechend.

Genau darin liegt jedoch eine oft unterschätzte Gefahr.

Während frühere Softwareeinführungen primär technische oder prozessuale Anpassungen erforderten, verändert Künstliche Intelligenz die Art und Weise, wie Entscheidungen getroffen, Informationen verarbeitet und Wissen genutzt werden. Dadurch entstehen neue organisatorische Grundvoraussetzungen, die viele Unternehmen zunächst nicht erkennen.

Die Folge: Zahlreiche KI-Projekte bleiben hinter den Erwartungen zurück oder werden nach der Pilotphase wieder eingestellt. Aktuelle Studien auch in der Schweiz, dass die Ursachen dafür selten technischer Natur sind.

Immer mehr Führungskräfte erkennen zwar die strategische Bedeutung von KI, zögern jedoch bei der Einführung. Zu gross sind die Unsicherheiten bezüglich Governance, Haftung, Datenschutz und zukünftiger regulatorischer Anforderungen.

Gleichzeitig fehlt vielen Mitarbeitenden die notwendige Orientierung. Sie wissen oft nicht, welche KI-Anwendungen zulässig sind, wie diese eingesetzt werden sollen und welche Auswirkungen die Technologie auf ihre zukünftige Rolle haben wird. Die grösste Herausforderung liegt deshalb häufig nicht in der Technologie selbst, sondern im fehlenden organisatorischen Rahmen für deren verantwortungsvollen Einsatz.

Die Realität: Viele KI-Projekte erreichen ihre Ziele nicht

Ein ernüchterndes Bild geben unabhängige Studien für D-A-CH: 

• Gartner prognostizierte bereits 2024, dass rund 30 % aller Generative-AI-Projekte nach der Pilotphase wieder eingestellt werden.
• RAND identifizierte in einer umfassenden Untersuchung eine Ausfallquote von über 80 % bei KI-Projekten – rund doppelt so hoch wie bei klassischen IT-Projekten.
• Studien und Marktanalysen zeigen auch, dass viele Organisationen zwar KI-Piloten starten, diese jedoch nicht nachhaltig in Prozesse und Organisation integrieren können.
• Auch in der Schweiz zeigt sich ein ähnliches Bild. Die Nutzung von KI nimmt zwar deutlich zu, viele Unternehmen befinden sich jedoch weiterhin in Pilotphasen oder experimentellen Anwendungen. Strategische KI-Governance und organisatorische Verankerung fehlen häufig und werden als Grund für Verzögerungen genannt.

Die 5 häufigsten Fehler bei KI-Einführungen

1. KI wird als Tool statt als Veränderung der Organisation betrachtet

Viele Unternehmen behandeln KI wie eine klassische Softwareeinführung.

Dabei verändert KI nicht nur Werkzeuge, sondern Arbeitsweisen, Verantwortlichkeiten, Entscheidungsprozesse und Zusammenarbeit.

Wer KI lediglich installiert, ohne Führungsstrukturen, Rollen oder Prozesse mitzudenken, erzeugt häufig Unsicherheit, Parallelstrukturen oder Widerstand. Studien zeigen, dass fehlende Führungsausrichtung und mangelnde organisatorische Verankerung zu den häufigsten Ursachen für gescheiterte KI-Projekte gehören.

2. Fehlende Governance und unklare Verantwortlichkeiten

In vielen Unternehmen wird KI genutzt, ohne festzulegen:

• Wer KI-Anwendungen freigibt,
• welche Daten verwendet werden dürfen,
• wer Risiken bewertet,
• wer Entscheidungen überprüft,
• welche Anwendungen zulässig sind.

Dadurch entstehen Datenschutzrisiken, Sicherheitsprobleme und Haftungsfragen oder diesbezügliche Unsicherheiten.

Governance-Unsicherheiten führen zunehmend zu Projektabbrüchen und dem Rückbau von KI-Initiativen führen.

3. Schlechte Datenqualität und fehlende Datenstrukturen

KI ist nur so gut wie die Datenbasis, auf der sie arbeitet.

Viele Unternehmen stellen erst während der Einführung fest, dass Daten:

• unvollständig,
• widersprüchlich,
• dezentral abgelegt,
• nicht ausreichend dokumentiert

sind.

Die RAND-Studie nennt ausserdem Datenprobleme als eine der häufigsten Ursachen für das Scheitern von KI-Projekten.

4. Fehlender konkreter Geschäftsnutzen

Oft wird KI eingeführt, weil der Markt darüber spricht oder weil Wettbewerber erste Anwendungen testen.

Doch ohne klaren Nutzen bleibt KI ein Experiment.

Erfolgreiche Unternehmen definieren bereits vor Projektstart:

• welches Problem gelöst werden soll,
• welche Kennzahlen verbessert werden sollen,
• welchen Mehrwert Mitarbeitende und Kunden erhalten.

Unklarer Business Value zählt laut Gartner und weiteren Marktanalysen zu den wichtigsten Gründen für das Scheitern von KI-Initiativen.

5. Mitarbeitende werden nicht ausreichend eingebunden

Technologie allein schafft keine Akzeptanz.

Mitarbeitende stellen sich verständlicherweise Fragen:

• Wird meine Arbeit ersetzt?
• Wer kontrolliert die Ergebnisse?
• Darf ich KI überhaupt nutzen?
• Was passiert bei Fehlern?

Fehlt die Befähigung der Mitarbeitenden, entstehen Unsicherheit, Widerstand oder Schattenanwendungen ausserhalb definierter Regeln.

Gerade bei KI-Einführungen zeigt sich immer wieder, dass die menschliche Komponente über Erfolg oder Misserfolg entscheidet.

Die Herausforderungen werden künftig zunehmen

Der Trend deutet nicht auf weniger, sondern auf mehr Komplexität hin.

Agentische KI-Systeme treffen zunehmend eigenständig Entscheidungen, lösen Aufgaben automatisiert aus und greifen auf Unternehmensdaten zu. Das wird dazu führen, dass weitere Projekte eingestellt werden, weil die dafür erforderliche  Governance, Nutzen oder organisatorische Voraussetzungen fehlen.

Die Herausforderung liegt deshalb künftig nicht primär in der Auswahl des richtigen Tools, sondern in der Fähigkeit von Organisationen, KI kontrolliert und verantwortungsvoll in ihre bestehenden Strukturen zu integrieren. Eine Lösung  existiert bereits, ist international anerkannt und in Anwendung und auch für die Schweizer Unternehmen eine Orientierung, bis der Bund Antworten gibt. 

KI braucht einen unternehmerischen  Ordnungsrahmen – und den gibt es bereits für Schweizer Unternehmen

Zwar gibt es die eurpäische Regelung, das sog. EU AI Act. Doch der EU AI Act wird für Schweizer Unternehmen nur  dann verpflichtend, wenn sie KI-Systeme oder KI-Produkte in der Europäischen Union anbieten, KI-Dienstleistungen für Kunden in der EU erbringen oder die Ergebnisse ihrer KI-Anwendungen innerhalb der EU genutzt werden.
Darüber hinaus werden die Anforderungen des EU AI Act jährlich, d.h. schrittweise wirksam. Viele der betroffenen Handlungsfelder wie Governance, Risikomanagement, Transparenz, Datenschutz und Verantwortlichkeiten möchten  Unternehmen bereits bei der Einführung von KI Tools  organisatorisch regeln – unabhängig davon, ob eine direkte gesetzliche Verpflichtung besteht.

Genau hier setzt ein AIMS an – ein Artificial Intelligence Management System nach ISO/IEC 42001. Es ist international anerkannter Standard und bietet Schweizer Unternehmen einen regelkonformen Rahmen, bis nationale Regelungen entwickelt und eingeführt werden. 

Siehe auch unser Blogbeitrag zu ISO/IEC 42001:2023 für AIMS.