Warum über 80 Prozent der KI-Projekte scheitern – und was das mit Organisationsentwicklung zu tun hat
Kevin Rassner
Artikel anhören — barrierefreie Audio-Version, KI-vorgelesen
In einem Kundengespräch erzählte mir kürzlich ein Mittelständler von seinem ersten Automatisierungserfolg. Der Angebotsprozess: Kundendaten in ein Word-Dokument übertragen und verschicken. Manuell und stupide – ein No-Brainer für die Automatisierung. Seitdem können die Vertriebler das Angebot in wenigen Sekunden erstellen, noch im Kundentermin.
Dann wurde es interessant. Plötzlich kamen Diskussionen auf: Wer darf ein Angebot in dieser Höhe freigeben? Wer verantwortet die Konditionen, wenn niemand mehr dazwischen sitzt? Nach welchen Kriterien entsteht überhaupt der Preis?
Diese Fragen waren vorher auch schon offen. Der alte Prozess war nur so lang, dass unterwegs immer genug Leute Bescheid wussten. Die Länge des Prozesses hatte kaschiert, dass die Organisation nie geklärt hatte, nach welchen Faktoren sie welche Entscheidungen trifft. Die Automatisierung hat das Problem sichtbar gemacht. Verursacht hat sie es nie.
Hinter dem Einzelfall steckt ein bekanntes Muster
Was ich dort im Kleinen gesehen habe, beschreibt ein aktuelles Whitepaper im Großen: „Die KI-Transformation verantwortungsvoll gestalten” von Simon Berkler (TheDive), Karoline Rütter (Inspiring Minds) und Dr. Sevda Helpap (Leuphana Universität Lüneburg). Grundlage sind 13 qualitative Interviews mit Führungskräften, Organisationsentwicklern und Arbeitswissenschaftlern plus eine breite Auswertung aktueller Studien.
Der zentrale Befund: In Deutschland werden über 80 Prozent der KI-Implementierungsprojekte in früher Phase als nicht erfolgreich wahrgenommen. Als Ursache nennen die Autoren selten technische Mängel. Es hakt an der organisationalen Vorbereitung, also an Prozessen und Verantwortlichkeiten, oft auch an der Kultur.
Dazu passt ein zweiter Befund: Die Nutzung ist breit, aber flach. Rund 41 Prozent der deutschen Unternehmen setzen KI in Geschäftsprozessen ein, Führungskräfte nutzen sie im Schnitt aber nur etwa 1,5 Stunden pro Woche. Trainings und Richtlinien sind vielerorts vorhanden, Tools auch. In die Wertschöpfung eingebettet ist KI damit noch lange nicht.
KI als Brennglas
Die erste der sieben Thesen des Whitepapers erklärt meine Anekdote fast wörtlich: KI wirkt in Organisationen wie ein Brennglas. Sie macht vorhandene Stärken und Defizite sichtbarer. KI-Projekte brechen an Sollbruchstellen, die den Betrieb lange vor der KI belastet haben: Datensilos, ungeklärte Schnittstellen oder Entscheidungen, für die niemand die Kriterien benennen kann.
Der Effekt wirkt in beide Richtungen. Organisationen mit klaren Prozessen und lernförderlicher Kultur profitieren überdurchschnittlich von KI. Der Ertrag der Technologie hängt an den organisationalen Voraussetzungen.
Aus systemischer Sicht ist das wenig überraschend. Ein Werkzeug, das Durchlaufzeiten von Tagen auf Sekunden verkürzt, entfernt genau die Puffer, in denen eine Organisation ihre ungeklärten Fragen bisher versteckt hat. Beim Angebotsprozess meines Gesprächspartners war der Puffer der lange Weg über viele Schreibtische. Fällt er weg, stehen die Fragen im Raum – und zwar sofort.
Arbeit im System, Arbeit am System
Das Whitepaper unterscheidet zwei Ebenen, die ich für die treffendste Kurzformel des ganzen Themas halte: Die meisten Organisationen arbeiten mit KI im System. Sie rollen Tools aus, schulen Mitarbeitende, verabschieden Richtlinien und beschleunigen bestehende Abläufe. Wirksam wird KI erst durch Arbeit am System: Entscheidungen neu verorten, Rollen neu schneiden, klären, was die Maschine vorbereitet und was der Mensch verantwortet.
Das ist der Punkt, an dem KI-Einführung zur Organisationsentwicklung wird. Sobald ein KI-System Aufgaben übernimmt oder Entscheidungen vorbereitet, verschieben sich Verantwortlichkeiten und Führungslogiken – ob man das gestaltet oder nicht. Die Autoren leiten daraus ein erweitertes Mandat für die OE ab: weg von der begleitenden Unterstützerin, hin zur aktiven Mitgestalterin. Sie beschreiben dafür sechs Gestaltungsdimensionen, von Entscheidungsarchitekturen über Rollen und Strukturen bis zu Kultur und Lernprozessen. Die Letztverantwortung bleibt dabei durchgängig beim Menschen.
Was das für den Mittelstand heißt
Für mittelständische Unternehmen lese ich daraus drei praktische Konsequenzen:
Rahmen Sie KI-Einführung als Organisationsvorhaben mit IT-Anteil. Wer sie als IT-Projekt aufsetzt, bekommt IT-Ergebnisse: laufende Systeme, die niemand in die Wertschöpfung integriert. Das Whitepaper zeigt übrigens auch, dass in rund 40 Prozent der kleineren Unternehmen jegliche Rollen und Zuständigkeiten für KI fehlen – im Mittelstand ist die Frage nach dem Wer also noch offener als anderswo.
Klären Sie Entscheidungslogiken, bevor Sie automatisieren. Die Frage „nach welchen Kriterien entscheiden wir das eigentlich?” kostet vor der Automatisierung einen Workshop. Danach kostet sie Vertrauen, weil sie unter Druck und im Konflikt beantwortet werden muss.
Und drittens: Schaffen Sie Räume für die Arbeit am System. Rollendiskussionen wie beim Angebotsprozess oben gehören zum Kern der Transformation. Wer sie unterdrückt, verschiebt sie ins nächste Projekt.
Die Firma aus dem Kundengespräch hat ihre Automatisierung übrigens behalten. Die Angebotserstellung in Sekunden war zu wertvoll, um sie zurückzudrehen. Die Klärung, wer was nach welchen Kriterien entscheidet, holt sie jetzt nach – mit ein paar Jahren Verspätung und unter Zeitdruck. Es geht auch in dieser Reihenfolge. Die andere ist billiger.
Quelle und Leseempfehlung: Simon Berkler, Karoline Rütter, Sevda Helpap: Die KI-Transformation verantwortungsvoll gestalten (Whitepaper, TheDive / Inspiring Minds / Leuphana Universität Lüneburg). Die Zahlen und Thesen in diesem Artikel stammen aus dem Whitepaper; die Einordnung für den Mittelstand ist meine.
Wie wir den organisationalen Teil der KI-Transformation begleiten, steht auf unserer Seite zur KI-Transformation . Zum Weiterlesen aus unserem Wissensbereich: Psychologische Sicherheit als kritischer Faktor der KI-Transformation und Führung im Zeitalter von Mensch und KI .
