Warum KI-Piloten nach zwölf Monaten tot sind

Die meisten Unternehmen haben inzwischen ein KI-Projekt intern gestartet. Die Wenigsten haben jedoch noch eins, das noch läuft. Woran das liegt, lässt sich sagen; Spoiler: Es ist nicht die Technik. 

Ein Muster ergibt sich aus Gesprächen mit unseren Kunden. Vielleicht kennen Sie es, Anfang des Jahres wird ein KI-Pilot gestartet, mit Begeisterung und Zuversicht. Im Frühling gibt es eine Demo, die alle beeindruckt. Im Sommer nutzen es noch eine Hand voll Leute. Im Herbst wenn das Budget fürs nächste Jahr geplant wird, fragt man sich: "Was hat uns das eigentlich gebracht?" Niemand kann es beziffern. Das Projekt wird eingestampft. 

Zwölf Monate sind unsere Beobachtung. Keine offizielle Zahl, aber die Zahlen, die es gibt, zeigen genau dieses Muster. 

Was sagen die Zahlen? 

Das MIT hat 2025 rund 300 KI-Einführungen in Unternehmen untersucht. Ergebnis: 95% der Pilotprojekte hatten keinen messbaren Effekt auf die Erfolgsrechnung. Es heisst nicht, dass die Technik versagt hat, es heisst, dass nach rund sechs Monaten niemand belegen konnte, obes einen Mehrwert hat. 

Wie auch S&P Global schreibt, welche über 1000 Firmen in Nordamerika und Europa befragt haben. 42% der Befragten haben 2025 den Grossteil ihrer KI-Initiativen eingestellt. Ein Jahr davor waren es 17%. Noch interessanter: Die durchschnittliche Firma hat fast die Hälfte ihrer Projekte in der Testphase gestrichen, bevor sie je produktiv liefen. 

Gartner hatte 2024 vorausgesagt, dass 30% der KI-Projekte nach dem Testzeitraum aufgegeben werden. Die Realität war schlimmer. Es waren über 50%. 

Und McKinsey zeigt in seiner Umfrage von diesem Sommer die Schere, die dahintersteckt: 80% der Befragten sagten, KI mache sie persönlich produktiver. Aber nur 37% sagten auch KI habe nachweislich auch zu einem höheren Unternehmensgewinn beigetragen. Diese Zahl ist seit einem Jahr unverändert. 

Aber was ist mit der Schweiz ? 

Nicht besser. Das Schweizer Daten- und KI-Observatorium 2026 der Hochschule für Wirtschaft Genf zeigt: Erst 16% der Schweizer Unternehmen haben KI breit eingeführt. 49% davon haben Pilotprojekte laufen und bei KI-Agenten, also Systemen, die selbständig Aufgaben erledigen, sind davon 69% derjenigen noch am Ausprobieren. Nur 3% setzen sie auch wirklich im Alltag ein. 

Die Hürden, die die befragten Firmen nennen, sind immer dieselben: Qualität der Daten, unklare Verantwortlichkeiten, fehlendes Wissen im Haus, Vertrauen und die Frage, wie man den Nutzen überhaupt misst. 

Warum sterben die Piloten ? 

Die RAND Corporation hat 65 erfahrene KI-Ingenieure gefragt, woran ihre Projekte gescheitert sind. Von den fünf Hauptursachen war genau eine technisch. Die anderen vier hatten mit Menschen, Führung und Betrieb zu tun. 

Erstens: Niemand ist verantwortlich. Wer kennt es Ein Pilot wurde von jemandem gestartet, der begeistert war. Nach drei Monaten hat diese Person wieder ihren normalen Alltag. Der Agent läuft, aber niemand pflegt ihn, niemand prüft nach einem Update, ob noch alles funktioniert und das entscheidene niemand schult die neuen Mitarbeitenden.  

RAND nennt den Grund direkt, Führungsversagen. Ein Beispiel: Ein Betrieb mit rund 30 Mitarbeitenden richtet einen Assistenten ein, der Kundenmails vorsortiert und Antwortvorschläge macht. Drei Monate läuft das gut. Dann wechselt der Anbieter im Hintergrund das KI-Modell. Die Vorschläge werden schlechter, förmlicher, an einer Stelle sogar falsch. Niemand merkt es, weil niemand es mehr prüft. Erst als sich die ersten Kunden beschweren, fragt der Chef nach. Zu diesen Zeitpunkt ist der Assistent jedoch seit vier Wochen kaputt. Kein technisches Problem, das nicht in zehn Minuten lösbar gewesen wäre. Es hat nur niemand gewusst, dass er zuständig ist. 

Zweitens: Der Nutzen wurde nie gemessen. Vor dem Start hat niemand aufgeschrieben, wie lange eine Offerte bisher dauert oder wie viele Kundenmails pro Tag liegenbleiben. Somit kann nach einem Jahr niemand sagen, ob es besser wurde. Die Leute fühlen sich schneller aber ein Gefühl steht in keiner Budgetsitzung. 

Drittens: Das Werkzeug lernt nicht dazu. Das MIT nennt dies als Hauptgrund, warum Piloten stecken bleiben. Die meisten Tools merken sich nichts, passen sich nicht an und werden mit der Zeit nicht besser. Ein Assistent, dem man jede Woche dasselbe erklären muss, wird irgendwann nicht mehr benutzt. 

Viertens: Der Betrieb wurde nicht budgetiert. Der Pilot wurde für die Demo gebaut, nicht für den Montagmorgen. Sicherheit, Datenschutz, Zugriffsrechte, Kosten für die laufende Nutzung, das alles kam erst, als der Pilot schon lief. S&P Global nennt genau diese drei Punkte, Kosten, Datenschutz und Sicherheit, als häufigste Gründe für einen Abbruch. 

Was hierbei auffällt: 

Keiner dieser vier Gründe hat etwas mit der Frage zu tun, welches KI-Modell eingesetzt wird oder welcher Anbieter besser ist. Darüber wird am meisten diskutiert. Entschieden wird das Projekt woanders. 

Das MIT hat noch etwas gefunden, das für kleinere Firmen besonders interessant ist: In über 90 Prozent der untersuchten Unternehmen nutzen Mitarbeitende private KI-Tools, auch wenn der offizielle Pilot gescheitert ist. Die Leute wollen KI. Sie brauchen jedoch einen Piloten der mit ihnen arbeitet, statt gegen sie. 

Was wir daraus mitnehmen: 

Wer einen KI-Piloten startet, sollte vor dem ersten Tag drei Dinge geklärt haben. 

1. Wer ist auch in einem Jahr noch dafür zuständig. 

2. Welche Zahl soll sich verbessern und wie hoch ist sie heute.  

3. Was kostet der Betrieb im Monat, nicht nur die Einführung. 

Wer diese drei Fragen nicht beantworten kann, sollte einen Pilot nicht vorher starten. Nicht weil KI nicht funktioniert, sondern weil er sonst in zwölf Monaten mit anderen abgebrochenen Projekten in einer Schublade liegt. 

Wenn Sie einen Piloten am laufen haben und nicht sicher sind, ob er das Jahr überlebt oder einen starten möchten der erfolgreich umgesetzt wird, kommen Sie gerne auf uns zu. Meistens fehlt nicht viel. Oft fehlt nur jemand, der sich darum kümmert. 

Stand: September 2026. Quellen: MIT NANDA, "The GenAI Divide: State of AI in Business 2025"; S&P Global Market Intelligence, "Voice of the Enterprise: AI & Machine Learning 2025"; Gartner, Pressemitteilungen Juli 2024 und 2026; McKinsey, "The State of AI 2026"; RAND Corporation, "The Root Causes of Failure for Artificial Intelligence Projects" (2024); Colombus Consulting mit Oracle und HEG Genf, "Schweizer Daten- und KI-Observatorium 2026". Die Studien arbeiten mit unterschiedlichen Methoden und Stichproben, die Zahlen sind deshalb nicht direkt vergleichbar. Das Muster ist es.