95 % der KI-Piloten gehen nie in Produktion: was die übrigen 5 % anders machen

Die Zahlen: was MIT und Gartner gefunden haben

Die meistzitierte Schlagzeile des vergangenen Jahres stammt aus dem Bericht The GenAI Divide: State of AI in Business von MIT NANDA, gestützt auf über dreihundert geprüfte Initiativen, rund fünfzig Interviews und etwa hundertfünfzig Antworten von Führungskräften. Sein Befund: 95 % der Organisationen erzielten keinen messbaren Ertrag aus ihren Piloten mit generativer KI.

Das verdient eine genaue Lesart, denn die Nuance ist alles. Es heißt nicht, dass die Werkzeuge nicht funktionieren. Es heißt, dass sie sich nicht in eine sichtbare Zahl in der Bilanz übersetzt haben. Das meiste blieb bei individueller Produktivität stehen — dass jemand seine E-Mail schneller schreibt, taucht in keiner Kennzahl auf — und erreichte nie den Prozess, der fakturiert, kassiert oder liefert.

Gartner kommt von der anderen Seite zum selben Punkt. Im Juni 2025 prognostizierte das Haus, dass über 40 % der agentischen KI-Projekte vor Ende 2027 abgebrochen werden — wegen steigender Kosten, unklaren Geschäftsnutzens oder unzureichender Risikokontrollen. Zwei Monate später schätzte es, dass 40 % der Unternehmensanwendungen bis Ende 2026 aufgabenspezifische KI-Agenten enthalten werden, gegenüber weniger als 5 % im Jahr 2025.

Die fünf Gründe, warum ein Pilot stirbt

Keiner davon betrifft die Modellqualität. Alle betreffen die Umgebung, in der das Modell arbeiten sollte.

1. Er lebte neben dem Prozess, nicht darin. Der Pilot war ein eigener Bildschirm, in den Dokumente von Hand hochgeladen und aus dem Ergebnisse herauskopiert wurden. Das trägt bei zwanzig Testfällen und wird bei zweihundert aufgegeben, weil das Hin- und Herschieben die Ersparnis auffrisst.
2. Niemand entschied über das Ungewöhnliche. KI trifft den Standardfall; der Wert steckt darin, was mit den 8 % geschieht, die es nicht sind. Ohne ausdrückliche Regel — an wen, mit welcher Priorität, in welcher Frist — landet die Ausnahme wieder in der E-Mail und der Prozess ist keiner mehr.
3. Es gab keinen Ausgangswert. Wurde nicht gemessen, wie lange der Prozess vorher dauerte und was er kostete, lässt sich die Verbesserung nicht belegen. Und was nicht belegt ist, wird im Folgejahr nicht budgetiert. Das ist der am billigsten vermeidbare und zugleich häufigste Fehler.
4. Der Eigentümer war technisch. Überlebende Piloten fordert an, wer das Problem erleidet — Verwaltungs-, Einkaufs- oder Personalleitung —, denn diese Person verteidigt das Budget, wenn entschieden wird. Ein IT-Sponsor kann bauen, aber nicht rechtfertigen.
5. Die Kosten pro Fall wurden nie hochgerechnet. Modellverbrauch, menschliche Prüfung, Wiederholungen und Wartung sind bei hundert Dokumenten im Monat belanglos und bei hunderttausend entscheidend. Diese Rechnung gehört vor die Unterschrift, nicht danach.

Die MIT-Untersuchung ergänzt eine Ursache, die zu allen fünf passt: Die eingeführten Systeme lernen nicht aus der Nutzung. Sie behalten das Urteil der prüfenden Person nicht, passen sich dem Unternehmenskontext nicht an und werden mit der Zeit nicht besser. Sie starten mit einer vertretbaren Trefferquote und bleiben dort, während das Team eine steigende Kurve erwartet hatte.

Was eine Demo von einem laufenden Prozess trennt

Der Abstand zwischen den beiden Spalten ist der Ort, an dem die 95 % verloren gehen. Die Tabelle lohnt sich vor der Demo, nicht danach.

Keine dieser sechs Zeilen löst ein besseres Modell. Alle löst ein Prozess um das Modell herum: Weiterleitung, Ausnahmen, Berechtigungen, Protokoll und Messung. Genau das leistet ein BPM — und deshalb steht die KI, die sich rechnet, meist auf einem.

Agent Washing: Agent oder umbenannter Chatbot?

Gartner gab dem Phänomen einen Namen: Agent Washing, das Umetikettieren bestehender Produkte — Assistenten, RPA-Roboter, regelbasierte Chatbots — zu KI-Agenten. Die Schätzung aus derselben Mitteilung ist deutlich: Von Tausenden Anbietern, die sich als agentisch präsentieren, sind nur rund 130 es wirklich.

Vier Fragen genügen im Vertriebsgespräch, um Substanz von Verpackung zu trennen:

• Entscheidet es oder antwortet es nur? Ein Agent wählt je nach Zustand des Falls zwischen möglichen Wegen. Steht der Weg vorab fest, ist es ein Ablauf mit natürlicher Sprache obendrauf — durchaus nützlich, aber nicht dasselbe und nicht denselben Preis wert.
• Handelt es in einem echten System? Schreiben ins ERP, Buchung anlegen, Akte eröffnen. Gibt es nur Text zurück, den jemand kopiert, behält das Kopieren die Ersparnis.
• Hält es fest, warum es so gehandelt hat? Ohne Entscheidungsprotokoll keine Prüfbarkeit, und ohne Prüfbarkeit kein Einsatz in einem regulierten Prozess.
• Wo ist die Bremse? Was darf es nie, welcher Betrag löst eine menschliche Freigabe aus, wer entzieht ihm Rechte. Bleibt die Antwort vage, existiert die Risikokontrolle nicht — einer der drei Abbruchgründe, die Gartner nennt.

Den praktischen Weg in die Umsetzung beschreiben wir in wie sich die BPM-Einführung mit KI beschleunigen lässt.

Kaufen oder bauen: der unbequeme Befund

Es ist die Entscheidung, die in Gremien am meisten Zeit kostet, und die das MIT am eindeutigsten beantwortet: Einführungen mit spezialisierten Anbietern waren etwa doppelt so oft erfolgreich wie Eigenentwicklungen.

Das ist keine Frage des Talents, sondern des Umfangs. Wer baut, baut nicht „einen Modellaufruf"; er übernimmt auch laufende Bewertung, Versionsverwaltung, Zugriffskontrolle, Nachvollziehbarkeit, Ausnahmebehandlung und die Migration, wenn das genutzte Modell in achtzehn Monaten veraltet. Nichts davon steht in der Anfangsschätzung, und genau das verbraucht am Ende das Team.

Die Faustregel: Bauen Sie, was Sie unterscheidet; kaufen Sie, was Sie kostet. Ein eigenes Risikomodell auf Daten, die nur Sie haben, kann den Aufwand rechtfertigen. Lieferantenrechnungen klassifizieren, Felder aus einem Lieferschein ziehen oder Posteingänge verteilen nicht: Das ist längst Produktfunktion und kostet weniger als der erste Monat der Entwicklung.

Sieben Filter vor der nächsten Freigabe

Passiert ein Pilot nicht alle sieben, droht nicht, dass er schlecht ausgeht: Es droht, dass sich ein guter Ausgang nicht belegen lässt. Was schlimmer ist.

1. Fachlicher Eigentümer mit Namen. Die Person, die das Problem heute erleidet und morgen das Budget verteidigt.
2. Gemessener Ausgangswert. Fälle pro Monat, Minuten pro Fall, Kosten pro Fall und heutige Fehlerquote. Vor jedem Eingriff.
3. Schriftlich vereinbartes Erfolgskriterium. Eine Zahl und ein Datum: „Aktenschluss von 9 auf 3 Tage bis zum 30. November".
4. Echte, hässliche Daten. Die Fälle des letzten Quartals genau so, wie sie ankamen, inklusive der drei Lieferanten mit unmöglichen Rechnungsformaten.
5. Festgelegter Weg für Ausnahmen. An wen, mit welcher Frist, mit welcher Priorität. Ohne das keine Produktion.
6. Integration ab Tag eins vereinbart. Woher der Fall kommt und wohin das Ergebnis geht. Heißt es „das sehen wir in Phase zwei", kommt Phase zwei nicht.
7. Abschlussdatum. Vier bis acht Wochen, mit binärer Entscheidung: Produktion mit Budget — oder Abschluss mit dokumentierten Erkenntnissen.

Der siebte Filter ist der unbequemste und der wertvollste. Ein Pilot ohne Abschlussdatum scheitert nie: Er bleibt unbestimmt liegen und verbraucht Aufmerksamkeit. Genau das beschreiben die 95 %.

Wie Dokuflex das löst: KI als Prozessschritt, nicht als Projekt

Unsere Position ist die, die die Daten stützen: Das Problem ist fast nie das Modell, sondern alles drumherum. Deshalb ist KI in Dokuflex BPM low-code kein eigenes Produkt, sondern ein Aufgabentyp im Ablauf.

• Der Fall kommt von selbst herein. E-Mail, Portal, Schnittstelle oder Erfassung aus dem Dokumentenmanagement. Niemand lädt Dateien in einen separaten Bildschirm — die häufigste Abbruchursache.
• Die Ausnahme hat bereits einen Weg. Liegt die Konfidenz unter der Schwelle oder der Betrag über dem Limit, geht die Akte mit Frist an die zuständige Person. Weiterleitung ist Teil des Ablaufs, keine offene Aufgabe.
• Die Messung ist eingebaut. Jeder Schritt wird mit Zeitstempel protokolliert, der Vorher-nachher-Vergleich muss also nicht gebaut werden: Er wird abgelesen. Dieselbe Spur nutzt Process Mining.
• Ändern heißt konfigurieren. Eine Schwelle anpassen, eine Prüfung ergänzen oder den Empfänger einer Ausnahme ändern heißt: Prozess bearbeiten und Version veröffentlichen. Dieser kurze Zyklus bringt Sie in Woche acht zu Ergebnissen statt zu einem Statusbericht.

Und die intelligente Dokumentenverarbeitung löst die undankbarste Zeile der Tabelle: die wirklich hässlichen Dokumente, an denen Piloten scheitern, die auf zwanzig perfekten PDFs gebaut wurden.

Demo mit Ihren eigenen Dokumenten anfragen, nicht mit unseren →

Wie man den ersten Fall auswählt

Der Instinkt greift zum eindrucksvollsten Prozess. Widerstehen Sie: Der erste Fall soll nicht beeindrucken, er soll belegen, dass der ganze Zyklus funktioniert — in Ihrer Organisation. Vier Bedingungen:

• Hohes, wiederkehrendes Volumen. Ohne Volumen keine sichtbare Ersparnis, so gut die Technik auch ist.
• Klare Regeln. Wenn sich zwei interne Fachleute nicht einig sind, was richtig ist, ist das kein KI-Problem.
• Tragbarer, umkehrbarer Fehler. Ein falsch ausgelesenes Feld, das in der Prüfung korrigiert wird — keine Entscheidung, die ungefiltert beim Kunden landet.
• Verfügbare Historie. Sie erlaubt den Vergleich mit dem Ausgangswert und beendet die Debatte mit Daten.

Erfassung von Lieferantenrechnungen, Sortierung des Posteingangs, Dokumentenprüfung bei einer Kundenneuanlage. Langweilige Fälle — und deshalb gewinnen sie.

Häufige Fragen

Quellen

• MIT NANDA — The GenAI Divide: State of AI in Business 2025 (PDF): kein messbarer Ertrag bei 95 % der Organisationen, Lernlücke und Vorteil anbietergestützter Einführungen.
• Gartner, 25. Juni 2025: über 40 % der agentischen KI-Projekte werden vor Ende 2027 abgebrochen; Definition von Agent Washing.
• Gartner, 26. August 2025: 40 % der Unternehmensanwendungen mit aufgabenspezifischen KI-Agenten bis Ende 2026.