Warum KI-Projekte scheitern: Die Falle des wissenschaftlichen Experiments und wie man sie vermeidet

Man kann es sich leicht vorstellen: Ein einsamer Wissenschaftler schließt sich wochenlang in einer Garage ein und kommt dann mit einer Entdeckung heraus, die die Welt verändert. Oder eine geheimnisvolle, unternehmenseigene Skunkwork-Gruppe, die nur alle paar Monate ihre Gesichter zeigt, um ihre neueste bahnbrechende Erfindung zu präsentieren.

Innovation im Vakuum – brillante Köpfe, die isoliert arbeiten – hatte ihre Momente, und die Idee hat sicherlich ihren Platz im öffentlichen Bewusstsein.

Aber ich nenne Ihnen eine Situation, in der es nicht funktioniert und tatsächlich mehr schaden als nützen kann: die Einführung von KI in Unternehmen.

Der Versuch, die KI-Transformation in einem Unternehmen in einem Vakuum zu implementieren, wird mit Sicherheit scheitern. Wenn Sie Ihre strategischen Stakeholder, Geschäftsbereichs- und Unternehmensbereichsleiter sowie Ihre Mitarbeiter ausschließen, bedeutet das letztendlich, dass Sie die Perspektiven und Ressourcen vernachlässigen, die Sie für Ihren Erfolg benötigen.

Dieser Ansatz könnte der Grund sein, warum laut der CEO-Studie 2025 des IBM Institute for Business Value (IBV) nur 16 % der KI-Initiativen auf Unternehmensebene skaliert wurden. Ein aktueller Bericht der NANDA-Initiative des MIT präsentierte noch düsterere Ergebnisse – nämlich, dass 95 % der Pilotprojekte für generative KI scheitern.

In zu vielen Fällen führen Unternehmen mehrere Proof of Concept (POCs) durch, die auf kaum mehr als unpraktische wissenschaftliche Experimente hinauslaufen. Sie mögen zunächst Ehrfurcht einflößen (oder FOMO, wie IBV anmerkte), bringen aber letztendlich nur einen vernachlässigbaren Nutzen. Als jemand mit fundiertem Hintergrundwissen im Finanzbereich weiß ich, dass Unternehmen es besser machen können – viel besser –, als sich mit einer so mageren Kapitalrendite abzufinden.

KI-Initiativen, die skaliert werden, können über einen kleinen Teil des Unternehmens hinaus Wirkung erzielen und auf dem Markt einen echten Gewinn erzielen. Doch die Überwindung von Silos geschieht nicht zufällig. Sie erfordert eine Abstimmung und Unterstützung durch das Management, einschließlich der Vorstandsebene.

Führungskräfte und Manager können dabei helfen, Zusammenarbeit und Systeme zu orchestrieren, die Effizienz fördern und die Wirkung steigern. Wenn beispielsweise mehrere Abteilungen an ihren eigenen, unterschiedlichen Anwendungsfallen für KI arbeiten, investieren separate Teams Zeit in redundante Aufgaben, von der Forschung der zu verwendenden KI-Modelle bis hin zur Entwicklung von Governance-Programmen. Wenn Teams hingegen zusammenkommen, können sie Ressourcen kombinieren und einen einheitlichen Ansatz entwickeln, der skalierbar ist und dem gesamten Unternehmen einen größeren Nutzen bringt.

Ein Unternehmen, das sich durch diesen einheitlichen Ansatz auszeichnet, ist PepsiCo. In den letzten Jahren hat PepsiCo mit IBM Consulting zusammengearbeitet, um eine einheitliche Technologieplattform zu schaffen, die etwa 100 Anwendungsfälle für generative KI bietet. Wir haben uns mit den Teams von PepsiCo zusammengesetzt, um ihre Daten- und KI-Architektur zu planen, Lücken zu identifizieren und wiederverwendbare Dienste für ihre wichtigsten Anwendungsfälle für generative KI zu entwickeln.

Die wiederverwendbaren Dienste werden über die einheitliche Technologieplattform zur Verfügung gestellt, die den Teams im gesamten Unternehmen vorab genehmigte Modelle, Tools und Best Practices zur Verfügung stellt. Die Plattform ermöglichte auch eine zentralisierte Transparenz, die sicherstellte, dass die Projekte den PepsiCo-Standards entsprachen – etwas, das die Ad-hoc-Entwicklung durch Drittanbieter nicht bieten konnte.

Nachdem all diese Grundlagen abgedeckt waren, beschleunigten die PepsiCo-Teams die Experimente, die Entwicklung und schließlich die Markteinführungszeit. Die Ergebnisse waren KI-gestützte Lösungen, die von hyperpersonalisierten Gatorade-Flaschendesigns bis hin zu optimierten Produktpositionierungen in den Einzelhandelsregalen reichten.

Die richtigen Plattformen und Tools sind entscheidend für einen skalierbaren, einheitlichen KI-Ansatz. Aber zwei andere Elemente sind wohl genauso wichtig: Daten und Kultur.

Daten sind das Rückgrat eines erfolgreichen KI-Programms. Darauf werden KI-Modelle trainiert, und darauf stützen sich Unternehmen, um zu entscheiden, ob ein Anwendungsfall es wert ist, weiterverfolgt zu werden. Experten schätzen jedoch, dass bisher weniger als 1 % der Unternehmensdaten in KI-Modelle integriert wurden. Diese ungenutzten Daten stellen eine große Chance für Unternehmen dar.

Sie zu nutzen bedeutet, an der Konsolidierung ihrer Datengrundlagen zu arbeiten, d. h. sicherzustellen, dass ihre Daten sauber, organisiert und sicher sind, während sie KI-Pilotprojekte verfolgen. Im Fall von PepsiCo arbeitete das Unternehmen mit IBM Consulting an einer robusten Datenstrategie zur Verwaltung seiner über 60 Petabyte an Daten.

In der näheren Umgebung war die Organisation von Daten eine zentrale Komponente der IBM-Initiative,unsere eigenen Ressourcen mit agentischer KI zu transformieren. Das Training und die Feinabstimmung von Modellen anhand von bereichsspezifischen, hochwertigen Datensätzen halfen uns bei der Entwicklung eines virtuellen Agenten namens AskHR, der mehr als 80 HR-Aufgaben automatisiert hat und nun jährlich 1,5 Millionen Mitarbeitergespräche führt.

Mitarbeiter können AskHR verwenden, um Arbeitsbescheinigungen anzufordern, Urlaubsanträge abzusenden und wichtige Informationen zu allen Themen zu erhalten, von der Krankschreibung bis zur Entschädigung. Dies hat zur Folge, dass die Anzahl der Support-Tickets und die Betriebskosten im Vergleich zum letzten Jahr erheblich gesunken sind, während unsere Personalverantwortlichen mehr Zeit haben, sich auf strategische Prioritäten zu konzentrieren.

Natürlich hätte AskHR seine Größe nicht erreichen können, wenn unsere Mitarbeiter nicht bereit gewesen wären, es zu nutzen. Das gilt auch für fast alle anderen KI-Initiativen von Unternehmen. Führungskräfte in Unternehmen müssen darauf achten, den richtigen Ton und die richtige Kultur für die Einführung von KI zu finden.

Das bedeutet, offen darüber zu sein, wie KI die Arbeit der Mitarbeiter erweitert, und sie gleichzeitig darauf vorzubereiten, von diesen Vorteilen zu profitieren. Für Letztere sind Bildungs- und Qualifizierungsprogramme von entscheidender Bedeutung; zu verstehen, wie KI-gestützte Werkzeuge funktionieren und wie man sie am besten einsetzt.

In vielen Fällen lernen Manager direkt mit ihren Mitarbeitern, und das ist großartig – es unterstreicht die Tatsache, dass die erfolgreiche Einführung von KI im Unternehmen eine Teamleistung ist. Letztendlich lernen wir alle weiter, verbessern uns und verschieben gemeinsam unsere Grenzen. Skunkworks und Silos müssen nicht zutreffend sein.