Alle paar Wochen spreche ich mit einem Unternehmen, das KI "schon ausprobiert" hat. Irgendwo existiert ein Proof of Concept — ein Chatbot, der einmal in einem Meeting Fragen beantwortet hat, ein Skript vom Neffen eines Kollegen, ein ChatGPT-Workflow, der im Browser einer einzelnen enthusiastischen Mitarbeiterin lebte. Er hat einen Tag lang beeindruckt und ist dann still gestorben.
Das Muster ist so konsistent, dass ich nicht mehr glaube, dass es ein Technologieproblem ist. Woran diese Projekte wirklich scheitern:
1. Die Demo hat die falsche Frage beantwortet
Eine Demo beweist, dass das Modell die Aufgabe erledigen kann. Produktion verlangt, dass es die Aufgabe am schlechtesten Tag erledigt — die mehrdeutige E-Mail, das um 45 Grad schief gescannte PDF, der Kunde, der im Dialekt schreibt. Wenn niemand die hässlichen 20 % der echten Eingaben getestet hat, zerstört der erste schlechte Output das Vertrauen — und Vertrauen kommt nicht zurück.
2. Niemand besaß den Workflow, also besaß niemand die Automatisierung
Eine Automatisierung, die dem Support-Team zehn Stunden pro Woche spart, stirbt trotzdem, wenn keine konkrete Person zuständig ist, sobald ein Ticket falsch geroutet wird. Software braucht einen Besitzer; eine Demo nicht. Dieser Unterschied wird erst nach dem Go-live sichtbar.
3. Sie hat ein Tool ersetzt, statt Arbeit zu entfernen
Der Friedhof ist voll mit "KI-Portalen", die von Mitarbeitenden verlangten, an einen neuen Ort zu gehen. Die Automatisierungen, die überleben, sind unsichtbar: Sie leben im Postfach, im CRM, in der Telefonanlage, die Menschen ohnehin nutzen. Wenn die Einführung eine Schulung braucht, ist das Design falsch.
4. Niemand hat für Monat zwei budgetiert
Modelle ändern sich, Prompts driften, Sonderfälle sammeln sich an. Ein Workflow, der im März mit 95 % lief, läuft im Juni mit 80 %, wenn niemand hinschaut. Die Wartung ist nicht teuer — aber es muss sie geben, und fast kein POC plant sie ein.
Nichts davon wird durch ein besseres Modell gelöst. Es wird gelöst durch kleineren Zuschnitt (ein Workflow, Ende zu Ende), durch Tests auf echten Daten, bevor man irgendetwas glaubt, durch Integration in bestehende Tools — und indem man den Go-live als Anfang der Arbeit behandelt statt als Ende.
Genau deshalb verkauft modernagents einen Sprint mit festem Umfang und einen unaufgeregten monatlichen Retainer statt "KI-Transformation". Die Demo ist der einfache Teil.