Pilot-Friedhof: Warum 70 % der KI-Initiativen nie skalieren
Was vier Konzern-Pilotprojekte gemeinsam haben — und wo der eigentliche Bruch passiert.
Ich sitze in einem Steering-Komitee. Fünfzehn Leute. Drei Monate Pilotprojekt. Ein Modell läuft, ein PowerPoint ist fertig, eine Zahl steht auf der letzten Folie: 38 % Effizienzgewinn. Alle nicken. Niemand fragt nach.
Sechs Monate später frage ich nach. Was ist aus dem Piloten geworden? — „Ehrlich gesagt: nichts." Das Modell läuft noch, aber nur, weil niemand es abschaltet. Genutzt wird es nicht. Die 38 % stehen weiterhin in der PowerPoint. Die Folie wird beim nächsten Townhall gezeigt.
Das ist kein Einzelfall. Das ist der Pilot-Friedhof, und er sieht in jedem Konzern, mit dem ich gearbeitet habe, ziemlich gleich aus. Lasst uns reinschauen, woran das eigentlich liegt — und was ihr ändern könnt, bevor ihr den nächsten Piloten aufsetzt.
Was ich in vier Projekten gesehen habe
Zwischen 2024 und 2026 habe ich vier KI-Pilotprojekte aus der Nähe begleitet: zwei in der Versicherung, eins im Mittelstand-Maschinenbau, eins in der Logistik. Unterschiedliche Use-Cases — von Vertragsanalyse über Schaden-Triage bis Wartungs-Forecast. Alle waren technisch erfolgreich. Drei davon stehen heute auf dem Friedhof.
Das Muster:
- Niemand war wirklich verantwortlich. Es gab Sponsor:innen, eine Projektleitung, ein KI-Center-of-Excellence. Aber niemand, der gesagt hätte: Wenn das nicht produktiv geht, ist es mein Problem.
- Der eigentliche Prozess war ungelöst. Vor der KI war er chaotisch — und die KI hat das Chaos jetzt schneller produziert.
- Die Erfolgskriterien waren technisch, nicht geschäftlich. „Accuracy 92 %" stand auf der Folie. „Vertragsdurchlaufzeit" stand nirgends.
- Es gab keinen Plan für Tag 31. Pilotende war ein Stichtag, kein Übergabepunkt.
Die Frage, die niemand stellen will
„Ist das wirklich ein KI-Problem?" — diese Frage stelle ich in fast jedem Erstgespräch. Reaktion: kurzes Schweigen, dann meistens ein zögerliches „… vielleicht nicht."
Wenn der Pilot scheitert, hat das selten technische Gründe. Es hat meistens organisatorische Gründe: Wir haben eine Lösung gebaut, ohne das Problem ehrlich aufgemacht zu haben. Wir wollten KI — also haben wir uns einen KI-fähigen Anwendungsfall gesucht. Das ist die falsche Reihenfolge.
Drei Checks für den nächsten Piloten
Bevor ihr in die Implementierung geht, fragt euch drei Dinge — und beantwortet sie nicht im Workshop, sondern mit den Leuten, die am Tag 31 damit arbeiten sollen:
- Welche Entscheidung trifft sich durch das Modell anders? Wenn die Antwort „keine" oder „weiß ich nicht" ist — stop.
- Wer übernimmt das Ding nach dem Pilot? Namentlich. Kein „die Fachbereich" und kein „das KI-CoE".
- Was muss vorher organisatorisch stehen? Prozess, Rolle, Datenquelle, Eskalationsweg. Wenn da etwas fehlt, baut zuerst das.
Wenn ihr diese drei Fragen vor Pilot-Start ehrlich beantworten könnt, ist die Chance auf Skalierung schon deutlich höher. Wenn nicht — spart euch das Budget. Macht erst die Hausaufgaben.
Was ihr stattdessen tun könnt
Ich bin nicht KI-skeptisch. Ich bin Pilot-Friedhof-skeptisch. Es gibt KI-Projekte, die funktionieren — und sie haben eine Sache gemeinsam: Sie haben gar nicht erst als „KI-Projekt" begonnen. Sie haben mit einer Geschäftsfrage begonnen, einer klaren Verantwortung, und einem ehrlichen Blick auf den Prozess dahinter.
Das ist unromantisch. Es macht keine glänzenden Townhall-Folien. Aber es ist der Unterschied zwischen einem KI-Use-Case und einem PowerPoint-Use-Case.
Wenn ihr gerade in der Pilot-Phase steckt und das hier euch komisch bekannt vorkommt: Lass uns reden. 20 Minuten, ehrliche Diagnose, kein Verkaufstermin.