Warum euer erstes KI-Projekt am Fundament scheitert

Die meisten KI-Projekte scheitern nicht an der KI, sondern am Fundament darunter. Wir haben das in unseren eigenen Unternehmen erlebt, bevor wir daraus ein Vorgehen für andere gemacht haben. Die Technik ist selten das Problem – das Problem ist, dass die KI auf ein Haus trifft, dessen Keller nie aufgeräumt wurde. Drei Dinge müssen vor dem ersten Prompt stehen.

1. Die KI muss an die Daten herankommen

Ein Modell kann nur so gut sein wie sein Zugang zu euren Zahlen. Wenn Bestellungen, Belege und Kundendaten in getrennten Systemen ohne Schnittstellen liegen, hilft auch das beste Modell nicht – es sieht schlicht nicht, was es beurteilen soll. Bei uns lag genau hier die erste Arbeit: nicht ein cleverer Prompt, sondern das Andocken an sechs Systeme, damit überhaupt eine gemeinsame Datengrundlage entsteht. Erst andocken, dann automatisieren. Wer diese Reihenfolge umdreht, baut auf Sand.

2. Der Prozess muss aufgeräumt sein

KI beschleunigt, was schon da ist. Wer einen chaotischen Ablauf automatisiert, bekommt keine Ordnung – nur schnelleres Chaos, und zwar mit höherem Durchsatz. Vor der Automatisierung steht deshalb immer die unbequeme Frage: Ist dieser Prozess es überhaupt wert, beschleunigt zu werden? Oft ist die ehrlichste erste KI-Maßnahme, einen Prozess zu streichen, nicht ihn zu automatisieren. Das klingt paradox, spart aber mehr Geld als jedes Modell.

3. Es braucht einen Menschen mit Freigaberecht

Gerade am Anfang erzeugt KI auf Freigabe, nicht autonom. Jemand muss die ersten Ergebnisse prüfen, korrigieren – und aus genau diesen Korrekturen lernt das System. Wir fahren das in Stufen: von „System schlägt vor“ über „Mensch gibt frei“ bis, bei belegter Qualität, „läuft autonom mit Stichprobe“. Vertrauen wird verdient, nicht vorausgesetzt. Wer eine KI am ersten Tag unbeaufsichtigt auf seine Kunden loslässt, verwechselt Mut mit Leichtsinn.

Das Muster dahinter

Datenzugang, sauberer Prozess, menschliche Freigabe – klingt unspektakulär? Ist es auch. Genau deshalb funktioniert es. Die spannenden KI-Demos scheitern im Betrieb an genau diesen drei langweiligen Punkten. Wer sie vorher klärt, braucht am Ende weniger KI, um mehr zu erreichen.