Warum die meisten KI-Projekte in KMU scheitern, und wie es besser geht

TL;DR: Laut McKinsey scheitern über 70% aller KI-Projekte. Die drei häufigsten Ursachen: Technologie vor Bedürfnis, zu grosser Scope, und fehlende Einbindung der Mitarbeitenden. Der Gegenentwurf: ein Projekt, ein Ziel, maximal 3 Monate, eine verantwortliche Person.

Laut einer Studie von McKinsey scheitern über 70% aller KI-Projekte in Unternehmen. Bei KMU dürfte die Quote noch höher liegen. Nicht weil die Technologie nicht funktioniert. Der Ansatz ist falsch.

Aus meiner Erfahrung als Digital Leader und KI-Berater sehe ich immer wieder die gleichen drei Muster.

Falle 1: Das Technologie-First-Problem

«Wir brauchen KI!» «Wofür?» «Das finden wir dann schon.»

Klingt absurd, passiert aber ständig. Ein Geschäftsführer liest über ChatGPT, besucht eine Messe, hört einen Vortrag, und kommt zurück mit dem Auftrag: «Wir müssen etwas mit KI machen.»

Was passiert: Ein teures Tool wird angeschafft, ein Pilotprojekt ohne klares Ziel gestartet. Nach 6 Monaten hat niemand einen messbaren Nutzen gesehen. Das Budget ist weg, die Motivation auch.

Ein typisches Beispiel: Ein Zürcher Dienstleistungsunternehmen mit 80 Mitarbeitenden kaufte eine KI-Plattform für CHF 45.000 im Jahr. Nach 8 Monaten nutzten sie die Plattform nur für einfache Textformatierungen. Dieselbe Funktionalität hätte ein ChatGPT-Plus-Abonnement für CHF 240 im Jahr geleistet.

Wie es besser geht: Starten Sie nie mit der Technologie. Starten Sie mit dem Problem:

Wo verliert Ihr Unternehmen Zeit oder Geld?
Welche Prozesse sind repetitiv und fehleranfällig?
Wo treffen Mitarbeitende Entscheidungen auf Basis unvollständiger Daten?

Erst wenn Sie ein konkretes Problem haben, prüfen Sie, ob KI die richtige Lösung ist. Manchmal ist ein einfaches Excel-Makro besser als ein KI-System.

Falle 2: Der Big-Bang-Ansatz

«Wir transformieren jetzt alles auf einmal.»

Das KMU beauftragt einen Berater, der eine umfassende KI-Strategie entwirft: Chatbot für den Kundenservice, Predictive Analytics für den Einkauf, automatisierte Qualitätskontrolle, KI-gestütztes Marketing. Alles gleichzeitig.

Was passiert: Das Team ist überfordert. Die Systeme sind nicht integriert. Kein einzelnes Projekt bekommt genug Aufmerksamkeit. Nach einem Jahr gibt es viele angefangene und keine abgeschlossenen Projekte.

Hier die typische Eskalationskurve beim Big-Bang-Ansatz:

Monat 1-2:  Hohe Energie, viele Ideen, Kick-off-Meetings
Monat 3-4:  Erste Schwierigkeiten, Verzögerungen, Scope Creep
Monat 5-6:  Team-Frustration, Budget-Druck
Monat 7-8:  "Wir brauchen mehr Zeit / mehr Budget"
Monat 9-12: Projekt wird auf Eis gelegt oder stark reduziert
Ergebnis:   Hohe Kosten, kaum messbarer Nutzen, KI-Skepsis im Unternehmen

Wie es besser geht: Der Ein-Projekt-Ansatz:

Wählen Sie ein Projekt mit klarem, messbarem Ziel
Definieren Sie einen Zeitrahmen von maximal 3 Monaten
Bestimmen Sie eine verantwortliche Person (nicht ein Komitee)
Messen Sie den Erfolg an einer konkreten Kennzahl (Zeitersparnis, Fehlerquote, Kosten)

Erst wenn dieses Projekt erfolgreich ist, starten Sie das nächste. Jedes abgeschlossene Projekt baut Kompetenz und Vertrauen auf.

Falle 3: Die Mitarbeitenden vergessen

«Die KI macht das jetzt für euch.»

Die Technologie wird implementiert, aber niemand erklärt dem Team, warum. Mitarbeitende fürchten um ihre Jobs, boykottieren das Tool oder nutzen es halbherzig.

Was passiert: Die KI-Lösung wird technisch eingeführt, aber menschlich abgelehnt. Adoption-Rate: unter 20%. Der ROI bleibt aus.

Laut einer Studie von Gartner (2024) scheitern 87% aller Digital-Transformation-Projekte an mangelnder Nutzerakzeptanz, nicht an technischen Problemen. Bei KI-Projekten ist die Quote ähnlich.

Wie es besser geht:

Früh kommunizieren: KI ersetzt nicht Jobs, sondern nervige Aufgaben. Zeigen Sie konkret, was sich für jeden Einzelnen verbessert.
Schulen, schulen, schulen: Nicht einmal, sondern kontinuierlich. Menschen brauchen Wiederholung und Praxis.
Champions identifizieren: Finden Sie 2-3 begeisterte Mitarbeitende, die als interne Botschafter fungieren.
Feedback ernst nehmen: Wenn das Team sagt «das funktioniert so nicht», hat es meistens recht.

Ein Berner Handwerksbetrieb mit 25 Personen hat das richtig gemacht: Bevor das neue KI-gestützte Angebotssystem eingeführt wurde, haben drei Mitarbeitende aus dem Verkauf das Tool 6 Wochen lang mitgestaltet. Die Adoption-Rate bei der Einführung: über 90%. Das Ergebnis: Angebotserstellung von 45 Minuten auf 12 Minuten reduziert.

Der Ansatz, der funktioniert

Ich nenne ihn den Pragmatischen KI-Kreislauf:

1. PROBLEM IDENTIFIZIEREN
   Ein konkretes, messbares Geschäftsproblem
          |
          v
2. QUICK WIN FINDEN
   Die einfachste KI-Lösung, die einen Unterschied macht
          |
          v
3. PILOTIEREN (4-8 Wochen)
   Kleines Team, klarer Scope, feste Deadline
          |
          v
4. MESSEN
   Harte Zahlen: Vorher vs. Nachher
          |
          v
5. SKALIEREN ODER STOPPEN
   Ehrlich bewerten, dann entscheiden
          |
          v
6. NÄCHSTES PROBLEM
   Zurück zu Schritt 1 -- mit mehr Kompetenz und Vertrauen

Kein 100-Seiten-Strategiepapier. Kein Millionenbudget. Kein externer Berater, der 6 Monate analysiert und dann wieder geht.

Sondern: Pragmatisch starten, schnell lernen, messbar verbessern.

Vergleich: Big-Bang vs. Pragmatischer Kreislauf

Kriterium	Big-Bang-Ansatz	Pragmatischer Kreislauf
Zeitrahmen	12-18 Monate	3 Monate pro Zyklus
Investition (Start)	CHF 50.000+	CHF 500-5.000
Messbare Ergebnisse	Nach 12+ Monaten	Nach 8 Wochen
Team-Belastung	Sehr hoch	Moderat
Risiko bei Misserfolg	Sehr hoch	Niedrig
Lernkurve	Steil, am Ende	Kontinuierlich

Fazit

KI im KMU scheitert nicht an der Technologie. Sie scheitert an:

Fehlendem Problembezug (Technologie vor Bedürfnis)
Zu grossem Scope (alles auf einmal statt eins nach dem anderen)
Vernachlässigten Menschen (Tool einführen ohne Begleitung)

Die gute Nachricht: Alle drei Fallen sind vermeidbar. Es braucht keinen Data Scientist und kein Millionenbudget. Nur einen klaren Kopf, ein konkretes Problem und den Mut, klein anzufangen.

Die KMU, die das verstanden haben, gewinnen heute schon messbare Wettbewerbsvorteile, ohne grosse Risikowetten zu setzen.

Sie möchten KI in Ihrem KMU pragmatisch einführen, ohne in diese Fallen zu tappen? Sprechen wir darüber.