Warum 72 % der KI-Projekte ihren ROI verfehlen und was Gartners Zahlen nicht erklären

Die Symptome sind richtig benannt. Die Ursache liegt eine Ebene tiefer.

Wenn KI-Projekte scheitern, schauen Unternehmen zuerst auf ihre IT. Das ist bereits der erste Fehler. Nicht weil die IT nicht fähig wäre, sondern weil das Problem nicht dort sitzt, wo man es vermutet.

Gartner hat Zahlen veröffentlicht, die jede Führungskraft mit einer KI-Initiative auf der Roadmap gelesen haben sollte. In einer Befragung von 782 Infrastruktur- und Operations-Verantwortlichen erreichten nur 28 % der KI-Anwendungsfälle vollständig ihre ROI-Erwartungen. 20 % scheiterten vollständig. 57 % hatten mindestens einen Fehlschlag erlebt.

Das sind keine Ausreißer schlecht ausgestatteter Firmen. Das ist der aktuelle Stand von KI im Betrieb, mit echten Budgets und echten Abläufen.

Die Frage, die diese Daten aufwerfen: Wenn die Technologie wirklich so transformativ ist, warum ist die Fehlerquote so hoch, und warum so konstant?

Was Gartner als Ursache benennt

Die Diagnose lautet: überzogene Erwartungen, schlechtes Scoping und vor allem Integrationslücken. 48 % der Befragten nannten Integrationsschwierigkeiten als größte Hürde.

Die Empfehlung ist ebenso klar: KI in bestehende Systeme und Prozesse einbetten, KI-Anwendungsfälle wie Produkte mit klarem Owner führen, gemeinsame Bewertungskriterien über IT, Daten, Security, Recht und Finanzen hinweg schaffen.

Die Diagnose ist korrekt. Die Empfehlung ist notwendig. Aber sie ist nicht ausreichend, weil beide eine Annahme teilen, die nie geprüft wird.

Die Annahme, die niemand hinterfragt

Man begreift KI als Systemproblem: das richtige Modell kaufen, die richtige Infrastruktur konfigurieren, die richtigen Tools integrieren. Das klingt nach IT-Aufgabe.

Aber das Scheitern, das Gartner dokumentiert, passiert nicht in der Infrastrukturschicht. Es passiert dort, wo KI auf die betriebliche Realität trifft: die Übergaben, die nie sauber definiert wurden. Die Ausnahmen, die im Postfach einer einzelnen Person leben. Die Freigaben, für die man wissen muss, wen man anruft. Die Prozesse über Unternehmensgrenzen hinweg, die verschwinden, sobald sie die eigenen Systeme verlassen.

Das ist kein IT-Problem. Das ist ein Operations-Problem im IT-Kostüm.

Und so läuft die Fehlerschleife: Operations hat einen Ablauf, der bei wachsendem Volumen nicht funktioniert. Das Unternehmen sieht KI als Lösung. Der Auftrag geht an die IT. Die IT setzt KI in eine Umgebung, die nie darauf ausgelegt war, sie aufzunehmen. Das Projekt stockt. Die IT wird für schlechte Integration kritisiert. Die eigentliche Ursache, ein nicht digitalisierter Prozess, bleibt ungeprüft. Der Zyklus wiederholt sich. Das Budget wächst. Der ROI kommt nicht.

Die unausgesprochene Voraussetzung

„KI in bestehende Prozesse einbetten." Diese Empfehlung setzt voraus, dass der Prozess als strukturiertes, ausführbares Artefakt existiert. Bei den meisten wachsenden Unternehmen existiert er so nicht.

Der Prozess existiert als Wissen in den Köpfen bestimmter Personen. Als Mail-Verläufe, die zugleich der Freigabe-Nachweis sind. Als manuelle Einträge im System eines Partners. Als Tabellen, die zum System of Record wurden. Als Meetings, die es nur gibt, um fehlende Struktur auszugleichen.

In nichts davon lässt sich KI einbetten. Nicht verlässlich, nicht in der Breite, nicht so, dass konsistente, nachvollziehbare Ergebnisse entstehen. Die Integrationshürde, die 48 % nennen, ist kein technisches Problem. Sie ist ein Problem fehlender Prozess-Infrastruktur. Die KI hat keinen strukturierten Ort, an dem sie landen kann.

Der übersprungene Schritt in jeder KI-Roadmap

Automatisierung läuft in Phasen. Jede baut auf der vorigen auf. Überspringt man eine, kippt der Rest.

1. Den Prozess digitalisieren.
2. Den Kontext integrieren.
3. Die Routinearbeit automatisieren.
4. KI für den Rest einsetzen.

Gartners Forschung, und das meiste Denken über KI-Einführung, adressiert Phase drei und vier. Der Grund, warum 72 % der Projekte stocken, ist nicht die falsche Modellwahl oder zu wenig Budget, sondern dass Phase eins und zwei nie abgeschlossen wurden. Der Prozess wurde nie digitalisiert, der Kontext nie integriert. Die KI kam in eine von Hand orchestrierte Umgebung, und die Probleme vervielfachten sich.

Die Infrastrukturlücke, über die niemand spricht

Jede kritische Geschäftsfunktion hat ihre eigene Infrastruktur. Ressourcen haben ERP. Kunden haben CRM. Dokumente haben ein DMS. Identität hat IAM.

Prozesse haben nichts.

Prozesse durchziehen jedes System. Sie spannen sich über interne Teams und externe Organisationen. Sie beziehen Menschen, KI-Agenten, Partnersysteme und Altsysteme gleichzeitig ein. Und in den meisten Unternehmen laufen sie noch immer vollständig von Hand. KI schafft diese Lücke nicht. Sie macht sie nur teurer und sichtbarer.

Bevor du das nächste KI-Budget freigibst

Die ehrliche Frage ist nicht „welches Modell", sondern „läuft der Prozess, den wir automatisieren wollen, überhaupt auf einem System, oder auf Zuruf und im Postfach?" Wer das für einen konkreten Ablauf nicht beantworten kann, steht mit hoher Wahrscheinlichkeit vor Phase eins, nicht vor Phase vier.

Genau da lohnt sich ein Blick von außen. In einem kurzen Gespräch gehen wir einen deiner Prozesse durch: wo er steht, was ihn ausbremst und was zuerst aufgesetzt werden müsste, bevor das nächste Budget in Phase vier fließt.