Warum die meisten KI-Projekte in Unternehmen scheitern und wie man das behebt

Laut Gartner und McKinsey werden die Unternehmensausgaben für generative KI im Jahr 2025 auf 644 Milliarden US-Dollar geschätzt, doch über 80 Prozent der Projekte verfehlen ihre erklärten Ziele, und nur etwa 15 Prozent erreichen eine nachhaltige Produktion. Die Studie von MIT NANDA zu über 300 Initiativen ergab, dass 95 Prozent der GenAI-Pilotprojekte keine messbare Auswirkung auf Gewinn oder Produktivität zeigen. Gartner ordnet generative KI im Trog der Ernüchterung ein, während agentische KI sich auf dem Gipfel der überhöhten Erwartungen befindet. Der Artikel identifiziert fünf Hauptursachen für das Scheitern: fehlende messbare Geschäftsziele, Automatisierung kaputter Prozesse (GIGO), unvollständige Gesamtbetriebskosten (TCO), Werkzeugauswahl vor der Problemdefinition und das Fehlen eines persönlichen Verantwortlichen für Geschäftsergebnisse. Um diese zu mildern, beschreibt der Autor einen Auswahltrichter mit drei Filtern: messbare finanzielle Auswirkung, Notwendigkeit von KI und solide Architektur mit TCO. Der Artikel diskutiert auch die ‚GenAI-Kluft‘ und die ‚Lernlücke‘, wie von MIT NANDA beschrieben, und hebt das Problem der Schatten-KI hervor. Als Lösung präsentiert der Autor die KI-Plattformstrategie seines Unternehmens, die Ebenen für Agentenkonstruktion, Integration, Unternehmenswissen und einen Governance-Rahmen mit KI-Governance- und Risikorahmen umfasst. Er erwähnt auch ein Multi-Agenten-Vertriebssystem, das aus acht spezialisierten Agenten besteht, um frühe Initiativen zu beschleunigen.