Blog · Strategie
KI-Projekte im Mittelstand scheitern selten an der Technologie. Sie scheitern an falschen Erwartungen, fehlender Vorbereitung und dem Versuch, Abkürzungen zu nehmen. Hier sind fünf Fehler, die wir in Projekten immer wieder sehen – und wie Sie es besser machen.
Das Management hört von ChatGPT, liest einen Artikel über KI-Produktivitätsgewinne und gibt den Auftrag: „Schaut euch mal an, was wir mit KI machen können." Das Ergebnis ist ein teurer Proof of Concept, der beeindruckt – aber keinen echten Geschäftsprozess verbessert.
Besser: Beginnen Sie nicht bei der Technologie, sondern beim Problem. Welcher Prozess kostet Sie am meisten Zeit, Geld oder Nerven? Unsere KI-Entscheidungs-Checkliste hilft, die richtigen Fragen zu stellen.
„Wir haben doch Daten" – ja, aber in welchem Zustand? Kundendaten in drei verschiedenen Excel-Tabellen, uneinheitliche Schreibweisen, fehlende Felder, Duplikate. KI-Modelle verstärken die Probleme in Ihren Daten, sie lösen sie nicht.
Besser: Investieren Sie in Datenbereinigung, bevor Sie in KI investieren. Ein strukturiertes Dateninventar zeigt Ihnen, was Sie haben, was fehlt und was bereinigt werden muss. Diese Investition zahlt sich auch ohne KI aus.
Ein KI-Tool wird eingekauft, vorgestellt und dann… ignoriert. Oder schlimmer: aktiv boykottiert, weil die Belegschaft befürchtet, ersetzt zu werden. Fehlende Akzeptanz im Team ist in vielen Projekten eine ernstzunehmende Hürde.
Besser: Kommunizieren Sie frühzeitig und ehrlich. Zeigen Sie, wie KI den Arbeitsalltag erleichtert, statt Arbeitsplätze zu bedrohen. Bilden Sie „KI-Champions" in den Teams aus, die als Multiplikatoren wirken. Schulung ist keine Nebensache: Art. 4 des EU AI Act verlangt Maßnahmen zur Unterstützung der Entwicklung der KI-Kompetenz („AI Literacy“).
Statt einen Prozess zu pilotieren, wird gleich eine unternehmensweite KI-Strategie ausgerollt – mit Dutzenden Use Cases, aufwändiger Infrastruktur und einem detaillierten 18-Monats-Plan ohne Pilot. Nach sechs Monaten ist das Budget aufgebraucht, die Ergebnisse enttäuschend, und KI wird als „Hype" abgestempelt.
Besser: Starten Sie mit einem konkreten, überschaubaren Pilotprojekt. Wählen Sie einen Use Case mit klarem ROI und kurzer Umsetzungszeit (4–8 Wochen). Erst wenn der Pilot messbare Ergebnisse liefert, skalieren Sie.
Das KI-System läuft, die Ergebnisse sind gut – und dann kommt die Frage: „Ist das eigentlich DSGVO-konform?" Nachträgliche Compliance ist teuer, schmerzhaft und manchmal unmöglich. Der EU AI Act macht das Risiko noch größer: Verstöße gegen die Verbote des AI Act können mit bis zu 35 Mio. Euro oder 7 % des weltweiten Jahresumsatzes geahndet werden, Verstöße gegen die meisten übrigen Pflichten mit bis zu 15 Mio. Euro oder 3 %. Für KMU gilt jeweils der niedrigere Betrag. Entscheidend ist, die Risikoklasse früh zu klären.
Besser: Datenschutz und Regulatorik gehören in die Planung, nicht in die Nacharbeit. Bewerten Sie die Risikoklasse jedes KI-Systems vor dem Einsatz. Unser EU AI Act Audit hilft Ihnen, die Risikoklasse einzuschätzen.
Alle fünf Fehler haben eine gemeinsame Ursache: KI wird als Technologieprojekt behandelt statt als Geschäftsprojekt. Die Technologie ist der einfache Teil. Die schwierigen Fragen sind strategisch: Welches Problem? Welche Daten? Welche Menschen? Welche Regeln?
Unternehmen, die diese Fragen zuerst beantworten, setzen KI erfolgreich ein. Nicht weil sie die bessere Technik haben, sondern weil sie die bessere Vorbereitung haben.
Wollen Sie es beim ersten Mal richtig machen?
Im kostenlosen Erstgespräch identifizieren wir den besten Einstieg für Ihr Unternehmen.
Erstgespräch vereinbaren →30 Minuten Erstgespräch – kostenlos und unverbindlich.
Erstgespräch vereinbaren →Dieser Beitrag wurde KI-gestützt erstellt und redaktionell geprüft (Art. 50 EU AI Act).
