95% der KI-Projekte in Unternehmen scheitern

Die überwiegende Anzahl der KI-Projekte erzeugt keinen ROI. Das hat zumindest das MIT herausgefunden.

Auf dieses Thema bin ich zufällig gestoßen. Bei der Recherche für unsere zukünftige KI-Landingpage spuckte mir Gemini eine Scheiter-Quote von 80% aus. Was ich, ehrlich gesagt, beim Gegenlesen für eine Halluzination hielt.

Also bin ich tiefer in das Thema gegangen. Und fand eine Vielzahl von Studien, die diese 80% bestätigten. Sie sind sogar noch optimistisch. Wie oben geschrieben, geht das MIT von einer noch sehr viel höheren Zahl aus.

Natürlich ist „scheitern“ nicht gleich „scheitern“. Es hängt von der Definition ab. Im Business-Bereich sehe ich jedoch finanzielle Vorteile als essentiell für die Bewertung von Projekten.

Die Gründe dafür werden in anderen Studien ebenfalls genannt: Probleme in den Bereichen Daten, Prozesse und Organisation. Führung und Management sind die Schlüssel zum KI-Erfolg.

Ohne tiefe digitale Kultur, saubere Prozesse und Führung des Veränderungsprozesses scheitert am Ende auch die beste Technologie. KI ist nichts, was man in Aktionismus mal eben so nebenbei einführen sollte.

Dort setzt übrigens meine bzw. unsere KI-Beratung an: Risikominimierung. Direkte Ergebnisse mit geringem Aufwand. Was mit Chatbots „von der Stange“ erledigt werden kann, muss nicht kostenintensiv durch eigene Entwicklungen kopiert werden. Dort, wo es Sinn ergibt, können Automatisierungen und KI-Agenten Prozesse unterstützen oder sogar übernehmen. Schritt für Schritt, statt alles auf einmal.

Quellen:

https://www.rand.org/pubs/research_reports/RRA2680-1.html

https://www.rand.org/content/dam/rand/pubs/research_reports/RRA2600/RRA2680-1/RAND_RRA2680-1.pdf

https://www.forbes.com/sites/jaimecatmull/2025/08/22/mit-says-95-of-enterprise-ai-failsheres-what-the-5-are-doing-right

https://mbs.edu/-/media/PDF/Centres/CfBA/Research/White-Papers/2407_CfBA_Why-do-AI-projects-fail_FINAL.pdf?rev=4dbbb78fd6104c1e8a1d3c91ceddf20b

https://www.forbes.com/councils/forbestechcouncil/2024/11/15/why-85-of-your-ai-models-may-fail