Warum ein erfolgreicher KI-Pilot noch keine Investitionsentscheidung ist

95 Prozent der von MIT NANDA untersuchten Pilotprojekte mit generativer KI erzielen keinen messbaren Ergebnisbeitrag. Das ist die zentrale Zahl einer Untersuchung von über 300 öffentlich dokumentierten KI-Initiativen, ergänzt um 52 strukturierte Interviews und 153 Befragungen von Führungskräften zwischen Januar und Juni 2025 (MIT Project NANDA, 2025). Für Geschäftsführer im Mittelstand heißt das: Ein Pilot, der intern gut lief, sagt noch nichts darüber aus, ob sich die Investition in den Regelbetrieb lohnt. Die entscheidende Frage lautet deshalb nicht „Funktioniert die KI?“, sondern „Reicht das als Grundlage für die Investitionsentscheidung?“. Die Antwort ist in der Regel: noch nicht.

Warum reicht ein erfolgreicher Pilot allein nicht als Entscheidungsgrundlage?

Ein Pilot läuft unter Bedingungen, die im Alltag selten vorkommen: ausgewählte Daten, engagierte Testnutzer, ein enger Anwendungsfall ohne Reibung mit bestehenden Systemen. Technisch funktioniert das oft zuverlässig. Ob sich der Einsatz wirtschaftlich trägt, beantwortet der Pilot in aller Regel nicht.

Dabei hilft eine saubere Begriffstrennung. Eine Demo zeigt, dass sich eine Funktion vorführen lässt. Ein Proof of Concept prüft eine technische Annahme unter Laborbedingungen. Ein Pilot testet den Anwendungsfall mit echten Nutzern, aber in begrenztem Umfang und mit Sonderbetreuung. Produktivbetrieb heißt: volle Datenmenge, alle Nutzer, definierte Verantwortlichkeiten und ein System, das auch dann laufen muss, wenn niemand mehr besonders hinschaut. Jede Stufe beantwortet eine andere Frage. Die Investitionsentscheidung fällt auf der letzten Stufe, nicht auf der dritten.

Gartner prognostizierte 2024, dass mindestens 30 Prozent der Projekte mit generativer KI bis Ende 2025 nach dem Proof of Concept abgebrochen werden (Gartner, Pressemitteilung vom 29.07.2024). Als Gründe nennt die Prognose schlechte Datenqualität, unzureichende Risikokontrollen, steigende Kosten und einen unklaren Geschäftswert. In der Praxis zeigt sich dazu ein wiederkehrendes Muster: Die technische Machbarkeit ist selten das Problem. Das Problem entsteht, wenn niemand die Kostenseite und die organisatorische Seite mit derselben Sorgfalt geprüft hat wie die technische.

Was kostet die Lösung über drei Jahre wirklich?

Der Pilot zeigt ein Preisschild: Lizenzkosten oder Projektpreis für die getestete Funktion. Für die Investitionsentscheidung zählen die Vollkosten über die Laufzeit. Dazu gehören:

• Integration in bestehende Systeme, insbesondere Schnittstellen zu ERP, Warenwirtschaft oder Fachanwendungen. Sie sind in vielen Projekten wirtschaftlich bedeutender als die einzelne KI-Funktion, weil sie den laufenden Aufwand bestimmen.
• Schulung und Einarbeitung, die im Pilot oft nur ein Team betrifft, im Betrieb aber die ganze Abteilung.
• laufender Betrieb: Wartung, Support, Anpassung an neue Datenlagen.
• Abhängigkeit von einem Anbieter oder Modell, die bei Preiserhöhungen oder Funktionsänderungen wirksam wird.
• Erweiterbarkeit, also das, was ein zweiter Anwendungsfall zusätzlich kostet.

Erst die gemeinsame Prüfung von Technik, Kosten und Risiken ergibt eine tragfähige Entscheidungsgrundlage.

Woran lässt sich der Erfolg nach zwölf Monaten messen?

Ein System zeigt seinen tatsächlichen Nutzen erst über Monate im Alltag: produktiver Betrieb, Wartungsaufwand, Datenqualität und organisatorische Einführung entscheiden mehr als die Abnahme am Ende des Pilotprojekts.

Deshalb gehört zu jeder Entscheidung, die ein Geschäftsführer gegenüber Gesellschaftern, Mitarbeitenden und Kunden sachlich vertreten kann, ein Satz an Messkriterien für einen Zeitraum von zwölf bis 24 Monaten, festgelegt vor dem Start. Wer erst nach der Einführung überlegt, woran er Erfolg erkennt, passt die Kriterien nachträglich an das an, was ohnehin vorliegt.

Zu den Messkriterien gehören auch Abbruchkriterien: ein vorher festgelegtes Ergebnis, bei dem das Projekt gestoppt oder zurückgebaut wird. Und der Betrieb braucht Zuständigkeiten. Wer beobachtet die Ergebnisqualität im Alltag, und wer trägt die Verantwortung, wenn das System falsche Ergebnisse liefert? Ein Pilot kommt ohne diese Antworten aus. Der Betrieb nicht.

Dass Ergebnisqualität ein reales Risiko ist, zeigt eine Bitkom-Befragung von Unternehmen ab 20 Beschäftigten aus dem September 2025: 36 Prozent nennen schlechte Ergebnisqualität als Hemmnis beim KI-Einsatz, neben rechtlicher Unsicherheit und fehlendem technischem Know-how mit je 53 Prozent (Bitkom, Presseinformation vom 15.09.2025). Das ist eine Selbstauskunft der befragten Unternehmen. Eine unabhängige Erfolgsmessung ersetzt sie nicht.

Wann rechnet sich Abwarten?

„Nichts verändern“ ist ein mögliches Ergebnis einer Prüfung. Vor jeder Lösungsentscheidung stehen fünf Fragen: Existiert das Problem überhaupt? Wie groß ist es wirklich? Was ist die eigentliche Ursache? Muss es überhaupt gelöst werden? Ist KI dafür überhaupt die richtige Antwort? Wenn eine dieser Fragen offenbleibt, ist Abwarten die wirtschaftlich sinnvollere Option.

Zur Einordnung: Nach der amtlichen Erhebung von Destatis nutzten 2024 20 Prozent der Unternehmen in Deutschland KI-Technologien, 2023 waren es 12 Prozent. Nach Größe unterschieden: 48 Prozent der Großunternehmen ab 250 Beschäftigten, 28 Prozent der mittleren Unternehmen mit 50 bis 249 Beschäftigten, 17 Prozent der kleinen Unternehmen mit 10 bis 49 Beschäftigten (Destatis, Pressemitteilung Nr. 444 vom 25.11.2024). Ein mittelständisches Unternehmen, das heute noch nicht investiert hat, befindet sich damit rechnerisch in der Mehrheit seiner Größenklasse. Das relativiert den Druck, aus einem erfolgreichen Pilot vorschnell eine Investitionsentscheidung abzuleiten.

Welche Pflichten entstehen, sobald aus dem Pilot Betrieb wird?

Ein Pilot läuft meist, ohne dass jemand die Sicherheits- und Rechtsfragen des Dauerbetriebs geprüft hat. Das BSI empfiehlt in seiner aktualisierten Einschätzung zu generativen KI-Modellen eine systematische Risikoanalyse als Grundlage des Informationssicherheitsmanagements, für den ordnungsgemäßen Betrieb ebenso wie für Fehlnutzung und gezielte Angriffe (BSI, Fassung vom 21.01.2025). Diese Prüfung gehört vor die Investitionsentscheidung.

Dazu kommt der europäische Rechtsrahmen: Die KI-Verordnung der EU gilt gestuft, die Pflichten für Betreiber hängen von der Risikoklasse des jeweiligen Einsatzes ab (Verordnung (EU) 2024/1689). Wer ein System aus dem Pilotstadium in den produktiven Einsatz überführt, übernimmt damit Betreiberpflichten, die im Test oft noch niemand geprüft hat. Welche das im Einzelfall sind, klärt sich nur am konkreten Anwendungsfall.

Ein erfolgreicher Pilot beantwortet die technische Frage. Die Investitionsentscheidung braucht zusätzlich eine geprüfte Kostenrechnung. Sie braucht außerdem festgelegte Messkriterien und eine geklärte Frage der Betreiberpflichten.