Es gibt Themen, die lassen einen nicht mehr los. Bei mir ist das gerade KI. Ich probiere Modelle aus, bastle an den technischen Möglichkeiten herum und diskutiere mit Kolleg:innen aus der Branche. Dabei stoße ich immer wieder auf zwei Lager:

Die einen sagen, KI wird alles ersetzen – von Planer:innen bis zu Kreativen. Die anderen und zu denen zähle ich mich inzwischen, sehen das differenzierter: Ja, KI verändert vieles. Aber nein, sie ersetzt nicht einfach den Kundendienst, den Einkauf oder gar das Bauchgefühl von Menschen.

Warum? Weil wir gerade denselben Fehler wiederholen, den wir schon bei der Digitalisierung und in der Digitalwerbung gemacht haben.

Technologie über Strategie

95 Prozent der KI-Pilotprojekte in deutschen Unternehmen scheitern (t3n, Handelsblatt).
Der Hauptgrund: Man glaubt, ein paar Tools über bestehende Systeme stülpen zu können, und schwupps, läuft’s. Spoiler: tut es nicht.

Das erinnert mich an die Digitalisierungswelle vor 10, 15 Jahren. Damals haben wir Software auf Silos gelegt und gehofft, dass daraus plötzlich ein integriertes System wird. Hat auch nicht funktioniert.

Das GIGO-Prinzip – Müll rein, Müll raus

Bei KI schlägt der alte Grundsatz „Garbage In, Garbage Out“ noch härter zu. 70 bis 80 Prozent der Projekte scheitern an schlechter Datenqualität (AP-Verlag,Tale of Data).
42 Prozent der Unternehmen berichten sogar, dass mehr als die Hälfte ihrer KI-Projekte wegen Datenproblemen verzögert oder gescheitert sind (Akaike).

Bias, Halluzinationen, falsche Entscheidungen im großen Stil – das alles passiert, wenn die Basis nicht stimmt (Vodworks, Integreon).

Von Digitalisierungsfehlern zu KI-Fehlern: die Déjà-vus der Branche

Tool-Stacking ohne Plan: Unternehmen packen KI-Tools übereinander, aber Prozesse und Organisation bleiben dieselben. Ergebnis: viele kleine Inseln ohne echten Mehrwert.

Daten in Silos: Weniger als ein Drittel der Firmen ist auf die Datenanforderungen vorbereitet (Heise).

Change-Management vergessen: Nur 32 Prozent der Mitarbeitenden fühlen sich sicher im Umgang mit KI.

Zusatzschwierigkeiten durch KI

Wartung: KI-Systeme brauchen ständiges Re-Training – das kostet und wird unterschätzt.

Blindes Vertrauen: Viele glauben KI-Ergebnissen einfach. Dabei sind sie oft nur so gut wie die Daten, die man reinschüttet.

Expertisemangel: Nur 40 Prozent der Unternehmen haben genug Fachpersonal, um KI wirklich zu betreiben (Zentrum Ilmenau).

Der Preis von schlechten Daten

Schlechte Datenqualität kostet Unternehmen im Schnitt 12,9 Millionen Dollar pro Jahr.
Unity Software hat einmal 110 Millionen durch eine einzige korrupte Datei verloren (Vodworks).

Mein Fazit

Wir stehen bei KI an einem ähnlichen Punkt wie damals bei der Digitalisierung. Viel Hype, viele Tools – aber die Basics fehlen: Datenqualität, klare Prozesse, Change-Management.

Die spannende Frage ist: Haben wir aus den Fehlern der Vergangenheit gelernt? Oder laufen wir sehenden Auges in dieselbe Wand?

Ich bin optimistisch. Aber nur, wenn wir uns trauen, die Grundlagen ernst zu nehmen – statt wieder zu hoffen, dass Technologie alles von selbst richtet.