Warum 90% der KI-Einführungen scheitern – und wie Ihres nicht dazugehört

Ich spreche regelmässig mit Geschäftsführern von KMU, die mir dasselbe erzählen: «Wir haben ChatGPT ausprobiert. Ein paar Leute im Team nutzen es. Aber irgendwie hat sich nichts verändert.»

Das ist kein Einzelfall. Das ist der Normalfall.

Laut der KI-Studie 2025 von maximal.digital haben 68 Prozent der befragten KMU keine ausgearbeitete KI-Roadmap. 82 Prozent berichten von einer erheblichen Kompetenzlücke. Und 81 Prozent messen den Erfolg ihrer KI-Projekte nicht systematisch. Die Tools sind da. Die Strategie fehlt.

In diesem Artikel gehe ich die fünf häufigsten Gründe durch, warum KI-Einführungen in KMU scheitern. Nicht theoretisch, sondern aus dem, was ich in Beratungsprojekten und in meiner eigenen Firma erlebt habe. Am Ende finden Sie einen konkreten Fahrplan, der funktioniert.

1. Kein Problem definiert – nur ein Tool installiert

Der häufigste Fehler, den ich sehe: Ein Unternehmen kauft eine KI-Lizenz, weil «man da jetzt was machen muss». Microsoft Copilot wird ausgerollt, ein paar Leute probieren ChatGPT, jemand generiert Bilder für Social Media. Alles gleichzeitig, nichts koordiniert.

Das Problem: Es wurde nie definiert, welches konkrete Geschäftsproblem gelöst werden soll.

KI ist kein Selbstzweck. Sie ist ein Werkzeug. Und ein Werkzeug braucht eine Aufgabe. «Wir wollen effizienter werden» ist keine Aufgabe. «Wir wollen die Bearbeitungszeit von Kundenanfragen von 48 auf 4 Stunden reduzieren» – das ist eine.

Bevor Sie ein einziges KI-Tool evaluieren, stellen Sie sich die Frage: Welcher Prozess in unserem Unternehmen kostet uns am meisten Zeit, Geld oder Nerven? Dort fangen Sie an.

2. Kein Mensch ist verantwortlich

Die KI-Studie 2025 zeigt: Nur 19 Prozent der KMU haben einen dedizierten KI-Verantwortlichen. In den meisten Fällen ist KI «irgendwie Chefsache» – was in der Praxis bedeutet, dass sich niemand darum kümmert.

Ich habe das in einem Beratungsprojekt erlebt: Ein Unternehmen mit 35 Mitarbeitenden hatte drei verschiedene KI-Tools im Einsatz. Der CEO hatte Copilot gekauft, die Marketingleiterin nutzte Jasper, der IT-Leiter experimentierte mit einem internen Chatbot. Keiner wusste, was die anderen machen. Kein Austausch, keine gemeinsamen Standards, kein Überblick über die Kosten.

Die Lösung muss nicht «KI-Abteilung» heissen. Aber es braucht eine Person, die das Thema koordiniert. Jemand, der weiss, welche Tools im Einsatz sind, wer sie nutzt, was sie kosten und ob sie Ergebnisse liefern. In einem KMU kann das der Geschäftsführer selbst sein, eine Teamleiterin oder eine externe Begleitung. Hauptsache, es gibt einen Ansprechpartner.

3. Die Mitarbeitenden werden nicht mitgenommen

Das ist der Punkt, den die meisten unterschätzen. Und der am härtesten zuschlägt.

Nur 28 Prozent der KMU haben eine Change-Management-Strategie für die KI-Einführung. Das heisst: In 72 Prozent der Fälle werden neue Tools eingeführt, ohne dass jemand erklärt, warum. Ohne Schulung, ohne Raum für Fragen, ohne Begleitung.

Was dann passiert, ist vorhersehbar: Die technikaffinen Mitarbeitenden rennen los und nutzen alles, was sie finden – oft ohne Richtlinien, oft mit sensiblen Daten. Die skeptischen ignorieren die Tools komplett. Die verunsicherten fragen sich leise, ob ihr Job noch sicher ist. Und die Führung wundert sich, warum «KI bei uns nicht funktioniert».

Ich sage in jedem Erstgespräch: KI-Einführung ist zu 30 Prozent Technik und zu 70 Prozent Mensch. Wenn Ihre Mitarbeitenden nicht verstehen, warum ein Tool eingeführt wird und wie es ihnen konkret hilft, werden sie es nicht nutzen. Oder falsch nutzen. Beides ist teuer.

Was hilft: Ein kurzer Workshop am Anfang, in dem Sie offen kommunizieren. Was ändert sich? Was bleibt gleich? Welche Aufgaben werden leichter? Und ganz wichtig: Welche Ängste sind berechtigt und welche nicht? Dieser Schritt kostet einen halben Tag und spart Monate an Widerstand.

4. Keine Datengrundlage – oder zu viel Chaos

76 Prozent der KMU kämpfen laut der Studie mit unzureichender Datenqualität und Datensilos. Das klingt technisch, ist aber ganz praktisch: Ihre Kundendaten liegen in drei verschiedenen Systemen. Ihre Projektdaten sind in E-Mails verstreut. Ihre Wissensdatenbank existiert in den Köpfen von zwei Mitarbeitenden, die nächstes Jahr in Pension gehen.

KI braucht Daten, um nützlich zu sein. Nicht Big Data – das ist ein Missverständnis. Aber saubere Daten. Wenn Ihr CRM veraltet ist, Ihre Ablage chaotisch und Ihre Prozesse nicht dokumentiert sind, wird kein KI-Tool der Welt das kompensieren.

Das Gute: Sie müssen nicht erst ein perfektes Datensystem aufbauen, bevor Sie mit KI starten. Aber Sie sollten ehrlich hinschauen. Oft reicht es, einen Bereich sauber aufzusetzen – zum Beispiel die Kundenkommunikation oder die Angebotserstellung – und dort zuerst mit KI zu arbeiten. Klein anfangen, sauber anfangen.

5. Kein Messen, kein Lernen

81 Prozent der KMU messen den KI-ROI nicht systematisch. Und 54 Prozent wissen nicht einmal, welche Use Cases für ihr Unternehmen relevant sind.

Das führt zu zwei Problemen: Erstens können Sie nicht beurteilen, ob sich ein Tool lohnt. Zweitens können Sie gegenüber Ihrem Team, Ihrem Verwaltungsrat oder sich selbst nicht begründen, warum Sie weiter investieren sollten.

Mein Ansatz: Definieren Sie vor jedem KI-Projekt eine messbare Erwartung. Nicht «wir wollen effizienter werden», sondern: «Wir erwarten, dass die Erstellung von Angeboten von 3 Stunden auf 45 Minuten sinkt.» Oder: «Wir erwarten, dass die Social-Media-Produktion mit halbem Zeitaufwand gleich viel Output liefert.»

Nach vier Wochen messen Sie. Stimmt die Erwartung? Dann weiter. Stimmt sie nicht? Dann anpassen oder stoppen. Kein Drama – aber eine bewusste Entscheidung statt Hoffnung.

Der Weg, der funktioniert

Aus meiner Erfahrung – sowohl in meiner eigenen Firma als auch in Beratungsprojekten – gibt es einen Ablauf, der für KMU zuverlässig funktioniert:

Schritt 1: Ein Problem wählen. Nicht drei, nicht fünf. Eins. Das schmerzhafteste, das repetitivste, das mit dem klarsten Ergebnis.

Schritt 2: Eine Person benennen. Jemand, der das Projekt verantwortet, Ergebnisse trackt und Ansprechpartner für das Team ist.

Schritt 3: Das Team einbeziehen. Ein halber Tag reicht. Offen kommunizieren, Fragen beantworten, Ängste ernst nehmen.

Schritt 4: Klein starten. Ein Tool, ein Workflow, ein Team. Vier Wochen Testphase mit klaren Erwartungen.

Schritt 5: Messen und entscheiden. Hat es funktioniert? Dann ausweiten. Hat es nicht funktioniert? Dann war es ein Experiment für unter 500 Franken und eine wertvolle Erkenntnis.

Schritt 6: Wiederholen. Nächstes Problem, nächster Zyklus. Nach drei bis vier Durchläufen haben Sie eine KI-Strategie – nicht auf Papier, sondern in der Praxis.

Dieser Weg ist nicht spektakulär. Er braucht kein Millionenbudget und keine KI-Abteilung. Aber er funktioniert. Weil er beim Problem anfängt, nicht beim Tool. Weil er die Menschen einbezieht, nicht nur die Technik. Und weil er Ergebnisse misst, nicht Hoffnungen.

Was das für Sie bedeutet

Die Zahlen sind eindeutig: Die meisten KI-Einführungen in KMU scheitern nicht an der Technologie. Sie scheitern an fehlender Strategie, fehlender Verantwortung und fehlender Kommunikation. Das sind keine technischen Probleme. Das sind Führungsaufgaben.

Die gute Nachricht: Diese Fehler sind vermeidbar. Jeder einzelne. Und der richtige Zeitpunkt, um es besser zu machen, ist jetzt – nicht wenn die Konkurrenz es schon getan hat.

Sie möchten wissen, wo KI in Ihrem Unternehmen den grössten Hebel hat? In einem kostenlosen Erstgespräch finden wir es heraus – konkret, unverbindlich, ohne Verkaufsdruck.

Quellen und weiterführende Links:

• KI-Studie 2025: KI im Mittelstand und KMU – maximal.digital
• KMU und KI: Kein Wachstum – aber bis 2026 unverzichtbar – für-gründer.de / ZEW
• Künstliche Intelligenz – Chancen und Herausforderungen für den Mittelstand – Mittelstand-Digital Zentrum Hamburg
• KI im Mittelstand – Chancen erkennen, Herausforderungen meistern – Fraunhofer

Hinweis: Die zitierten Studien beziehen sich auf den DACH-Raum. Die Erfahrungswerte aus meiner Beratung bestätigen, dass die Muster in der Schweiz sehr ähnlich sind.