KI-Projekte scheitern selten am Modell. Sie scheitern an dem, was vor dem Modell hätte stimmen müssen.

KI-Projekte scheitern selten am Modell. Sie scheitern an dem, was vor dem Modell hätte stimmen müssen. Das ist keine theoretische Beobachtung. Es ist das wiederkehrende Muster hinter den meisten KI-Einführungen, die nicht das liefern, was versprochen wurde. Das Modell ist gut. Die Daten dahinter sind veraltet, verstreut oder niemand weiß genau was sie bedeuten. Das Ergebnis: eine teure KI-Lösung, die zuverlässig das falsche produziert. Bevor ein Unternehmen in KI investiert, gibt es drei Fragen, die ehrlich beantwortet werden müssen. Die erste: Sind unsere Daten aktuell und verlässlich? Nicht ob Daten vorhanden sind – die sind fast überall vorhanden. Sondern ob sie stimmen. Ob sie aktuell sind. Ob verschiedene Systeme im Unternehmen dieselbe Information auf dieselbe Art erfassen. Wer drei verschiedene Definitionen von "Umsatz" in drei verschiedenen Systemen hat, bekommt von einer KI drei verschiedene Antworten – alle plausibel, keine davon verlässlich. Die zweite: Weiß jemand, was mit unseren Daten passiert? Wer erfasst was, wann, nach welchen Regeln? Wer darf auf welche Daten zugreifen? Was passiert wenn Daten falsch erfasst werden – wird das bemerkt, und von wem? Ohne diese Governance ist eine KI-Lösung nicht besser als die Prozesse, auf denen sie aufbaut. Sie macht diese Prozesse nur schneller. Die dritte: Haben wir definiert, was KI entscheiden darf – und was nicht? KI kann Empfehlungen geben, Muster erkennen, Prozesse beschleunigen. Sie kann aber nicht beurteilen ob eine Entscheidung für das Unternehmen strategisch richtig ist, ob ein Kunde eine Ausnahme verdient, oder ob ein Risiko akzeptabel ist. Wer diese Grenze nicht zieht, bevor er KI einführt, zieht sie irgendwann unter Druck – meistens nachdem etwas schiefgegangen ist. Diese drei Fragen sind keine Bremse für KI-Einführung. Sie sind die Voraussetzung dafür, dass eine KI-Einführung das leistet, was man sich davon erhofft. Wer sie vor dem Investment stellt, hat eine Chance auf ein funktionierendes System. Wer sie danach stellt, hat ein teures Lernprogramm.