FOUNDER NOTE / THE BILLION
Warum die meisten KI-Projekte in Unternehmen scheitern
Was vor dem ersten Tool-Experiment geklärt sein muss, damit aus einem Versuch ein verlässlicher Prozess wird.
Technologie ist selten der Engpass. Unklare Verantwortlichkeiten, fehlende Datenqualität und ein zu grosser erster Scope bremsen Projekte aus, lange bevor das Modell die Chance bekommt, nützlich zu werden.
1. Das Tool kommt vor der Aufgabe
Ein neues Modell oder eine neue Plattform ist noch kein Geschäftsfall. Wenn zuerst das Tool und erst danach das Problem gesucht wird, bleibt am Ende oft eine beeindruckende Oberfläche ohne festen Platz im Alltag.
- mit einem konkreten Engpass starten
- ein sichtbares Ergebnis definieren
- erst danach die passende Technologie auswählen
2. Der erste Scope ist zu gross
„Wir automatisieren unsere Administration“ klingt nach Ziel, ist aber kein umsetzbarer Prozess. Ein guter Start hat einen klaren Eingang, einen klaren Ausgang und wenige Ausnahmen.
Nicht die gesamte Kundenkommunikation automatisieren — sondern eingehende Angebotsanfragen erkennen, zusammenfassen und als geprüften Entwurf vorbereiten.
3. Niemand besitzt das Ergebnis
Ein System braucht eine Person, die fachlich für das Ergebnis verantwortlich ist. Ohne diese Rolle bleiben Freigaben offen, Fehler werden nicht zurückgemeldet und das Team verliert Vertrauen.
- eine verantwortliche Person benennen
- Freigaben und Eskalationen festlegen
- Erfolg an der täglichen Arbeit messen
4. Daten und Freigaben werden unterschätzt
Ein Workflow kann nur so gut sein wie die Informationen, auf die er zugreift. Zugriffsrechte, Datenqualität und klare Grenzen gehören deshalb an den Anfang — nicht in die letzte Projektwoche.
- Quellen und Datenbesitzer dokumentieren
- Zugriff nach Rolle und Aufgabe begrenzen
- Fehlerfälle und menschliche Kontrolle einbauen
So wird aus dem Projekt ein verlässlicher Prozess
Ein kleiner Pilot schafft die Grundlage für eine belastbare Entscheidung. Nach einigen Wochen ist sichtbar, was funktioniert, wo Menschen eingreifen müssen und welcher nächste Ausbau wirklich sinnvoll ist.
- Ablauf beobachten und abgrenzen
- kleinen Piloten mit echten Fällen bauen
- Feedback, Qualität und Zeitaufwand messen
- erst dann skalieren