KI-Projekt gescheitert? Die 6 häufigsten Gründe in kleinen Betrieben – und die Gegenmittel

6 Prozent der Unternehmen haben KI erprobt und wieder eingestellt – und unter allen Betrieben ohne aktuellen KI-Einsatz planen 71 Prozent keinen neuen Anlauf. Die belegten Abbruchgründe, die sechs häufigsten Fehler mit konkretem Gegenmittel und fünf Fälle, in denen Du ein KI-Projekt besser gar nicht erst startest.

· Thomas Draxler · KI für KMU

Du hast ein Werkzeug getestet, drei Wochen lang war Begeisterung im Haus, und heute nutzt es niemand mehr. Oder Du hast nie angefangen, weil Du genau das befürchtest. Beides ist häufiger, als die Erfolgsgeschichten in Deinem Feed vermuten lassen.

Dieser Artikel nennt die Gründe, aus denen KI-Vorhaben in Betrieben mit 5 bis 100 Mitarbeitenden auseinanderfallen – mit Zahlen aus amtlichen und verbandsseitigen Erhebungen, nicht aus Anbieter-Werbung. Und er sagt Dir, wann Du ein Projekt besser gar nicht erst startest. Das ist die unbequemste, aber ehrlichste Empfehlung, die es zu dem Thema gibt.

Wie oft scheitern KI-Projekte in kleinen Betrieben wirklich?

Eine saubere Abbruchquote gibt es für den deutschsprachigen Raum nur an einer Stelle: In der Erhebung der Bundesnetzagentur (n=808 Unternehmen ab einem Beschäftigten, befragt von Oktober bis Dezember 2024) sagen 29 Prozent, sie setzen KI aktuell ein, 65 Prozent haben es nie getan – und 6 Prozent haben es erprobt und wieder eingestellt. Gemessen an allen, die es überhaupt versucht haben, entspricht das rund jedem sechsten Versuch (eigene Berechnung: 6 von 35).

Die zweite Zahl aus derselben Erhebung wird oft zu scharf gelesen: Von den Unternehmen, die aktuell keine KI (mehr) nutzen, planen 71 Prozent auch keinen erneuten Einsatz. Diese Gruppe umfasst allerdings Abbrecher und Nie-Nutzer gemeinsam; eine gesonderte Quote für die Abbrecher weist die Erhebung nicht aus. Was sich sagen lässt: Ein misslungener erster Anlauf kostet nicht nur Geld, sondern auch die Bereitschaft, es noch einmal zu versuchen. Sorgfalt beim ersten Projekt zahlt sich deshalb mehr aus als Tempo.

Und eine dritte Zahl relativiert alle Adoptionsmeldungen: Sechs von zehn KI-nutzenden Unternehmen erproben KI laut Bundesnetzagentur lediglich in Pilotprojekten oder einzelnen Prozessen. Nur für 6 Prozent spielt KI eine zentrale Rolle im Geschäftsmodell. Wenn Du also das Gefühl hast, alle anderen seien viel weiter – das stimmt in dieser Form nicht.

Fehler 1: Niemand hat wirklich Zeit für das Projekt

Zeitmangel ist in Deutschland der Hemmnisgrund Nummer eins (66 Prozent, Bundesnetzagentur) und zugleich der häufigste Abbruchgrund (59 Prozent). Nicht Geld: Fehlendes Budget nennen nur 23 Prozent. In Österreich sieht es ähnlich aus – laut Statistik Austria (Erhebung 2025) nennen 15 Prozent der Nicht-Nutzer fehlendes internes Fachwissen, aber nur 6 Prozent zu hohe Kosten.

Der Denkfehler: KI-Projekte werden nebenbei vergeben. "Der Michael schaut sich das mal an." Michael hat aber eine Vollzeitstelle.

Das Gegenmittel: Schreib vor dem Start eine Zahl auf – wie viele Stunden pro Woche eine namentlich benannte Person für die nächsten acht Wochen hat. Als Erfahrungswert reichen zwei bis vier Stunden pro Woche für einen ersten Anwendungsfall, aber sie müssen im Kalender stehen und dürfen nicht die erste Position sein, die bei Auftragsspitzen gestrichen wird. Findest Du diese Person nicht, hast Du gerade Geld gespart.

Fehler 2: Es gibt keinen Vorher-Wert – der Nutzen lässt sich nie belegen

"Ziele nicht erreicht" ist mit 58 Prozent der zweithäufigste Abbruchgrund. Das Tückische daran: In vielen Fällen wurden die Ziele vermutlich erreicht, nur konnte es niemand zeigen. Laut Bitkom messen nur 52 Prozent der KI-nutzenden Unternehmen überhaupt den Beitrag von KI zum Unternehmenserfolg.

Ohne Vorher-Wert entscheidet nach drei Monaten das Bauchgefühl – und Bauchgefühl verliert gegen den nächsten dringenden Auftrag.

Das Gegenmittel: Miss zwei Wochen lang den Ist-Zustand, bevor irgendein Werkzeug angeschafft wird. Das kostet fast nichts und ist der einzige Schritt, den fast alle überspringen.

AnwendungsfallMessgröße vor dem StartSo erhebst Du sie
AngebotserstellungMinuten je Angebot, Angebote pro WocheZwei Wochen Stoppuhr-Stichprobe bei zwei Personen
Anfragen per E-MailAnfragen pro Tag, Stunden bis zur ersten AntwortExport aus dem Postfach
BelegerfassungBelege pro Monat, Minuten je Beleg, NachbearbeitungsquoteAuszug aus der Buchhaltung
Suche nach FirmenwissenSuchvorgänge pro Woche, Minuten je SucheEine Woche Strichliste im Team
Telefon und Terminvereinbarungverpasste Anrufe pro Woche, RückrufdauerAuswertung der Telefonanlage

Wie Du daraus einen belastbaren ersten Anwendungsfall machst, steht im Leitfaden KI für Unternehmen.

Fehler 3: Der erste Anwendungsfall ist zu groß

Wer mit "wir digitalisieren die gesamte Auftragsabwicklung" startet, misst nach sechs Monaten immer noch nichts. Die Erhebungen stützen den kleinen Zuschnitt: Laut Statistik Austria (Erhebung 2024) nutzen 65 Prozent der KI-anwendenden Betriebe in Österreich Texterkennung und -verarbeitung, 41 Prozent Sprachgenerierung – aufwendigere Anwendungen wie Datenanalyse liegen bei 34 Prozent, im deutschen Mittelstand laut KfW-Mittelstandspanel sogar nur bei 3 Prozent aller Betriebe. Was funktioniert, ist sprach- und textnah und schmal geschnitten.

Das Gegenmittel: Nimm einen Prozess, der täglich oder wöchentlich vorkommt, klare Regeln hat und dessen Ergebnis eine Person in unter fünf Minuten prüfen kann. Ein erster Anwendungsfall, der nach vier Wochen kein Ergebnis zeigt, war zu groß geschnitten. Welche Prozesse sich dafür eignen, ist in 10 Prozesse, die jedes KMU sofort automatisieren kann aufgeschlüsselt.

Fehler 4: Das Werkzeug kommt, die Einschulung nicht

Das ist die auffälligste Lücke der gesamten Datenlage. Laut Bundesnetzagentur bieten 57 Prozent der Unternehmen, die KI nutzen oder planen, überhaupt keine Kompetenzmaßnahmen an. Bei kleinen Betrieben (10–49 Beschäftigte) schulen nur 17 Prozent alle betroffenen Mitarbeitenden, bei mittleren (50–249) nur 14 Prozent – deutlich weniger als bei Großunternehmen mit rund einem Drittel.

Die Folge steht in derselben Erhebung: Ein Drittel der KI-nutzenden Betriebe gibt an, dass die meisten oder fast alle Mitarbeitenden noch Schwierigkeiten mit den eingesetzten Anwendungen haben. Nur 16 Prozent sagen, ihre Leute kämen gut zurecht und schöpften die Möglichkeiten aus.

Wichtig für die Einordnung: Es ist kein Motivationsproblem. 64 Prozent der Betriebe schätzen die Lernbereitschaft ihrer Belegschaft als eher oder sehr hoch ein, und fehlende Akzeptanz ist nur bei 9 Prozent der Abbrecher ein Grund.

Das Gegenmittel: Plane pro Person zwei Stunden angeleitete Übung an echten Fällen aus dem eigenen Betrieb – nicht an Beispielen aus einem Handbuch. Danach eine gemeinsame Sammlung der Anweisungen, die tatsächlich funktioniert haben. Welche Werkzeuge im Betrieb überhaupt freigegeben sein sollten und was passiert, wenn diese Frage offenbleibt, ordnet Shadow AI im Unternehmen ein.

Fehler 5: Es gibt kein Abbruchkriterium

Projekte ohne Enddatum sterben nicht, sie versickern. Und sie binden Aufmerksamkeit, die dem zweiten, besseren Anwendungsfall fehlt.

Das Gegenmittel: Leg vor dem Start drei Dinge schriftlich fest: das Datum der Entscheidung (typisch acht bis zwölf Wochen nach Start), die Messgröße, die sich verbessern muss, und den Schwellenwert, unter dem Du beendest. Beispiel: "Am 31. Oktober muss die Bearbeitungszeit je Angebot von 40 auf unter 28 Minuten gesunken sein, sonst stoppen wir." Ein geordnetes Ende nach acht Wochen ist ein Erfolg, kein Scheitern – es hat einen Bruchteil dessen gekostet, was ein halbes Jahr Weiterwursteln kostet.

Fehler 6: Kostenüberraschungen und der falsche Erwartungshorizont

Ein Drittel der von Bitkom befragten Unternehmen (Erhebung Anfang 2026) berichtet, KI habe zu deutlich höheren Kosten geführt als erwartet. Gleichzeitig zeigt die Bundesnetzagentur: KI-nutzende Unternehmen investieren im Schnitt rund 2 Prozent ihres Nettoumsatzes in KI, und knapp die Hälfte hat im letzten Geschäftsjahr gar nichts investiert, weil sie kostenlose oder ohnehin vorhandene Werkzeuge nutzt.

Beides zusammen heißt: Die Einstiegskosten sind oft niedrig, die Folgekosten selten kalkuliert – Nutzungsentgelte pro Kopf, Schnittstellen, Nacharbeit, Betreuung.

Dazu kommt der Zeithorizont. Das IW-Gutachten für die DIHK stellt fest, dass neue Technologien erst zeitverzögert wertschöpfend wirken und anfangs sogar Zeit für wertschöpfende Tätigkeiten verloren geht – ausdrücklich beobachtet bei der Einführung von Texterkennung und Spracherkennung. Auf gesamtwirtschaftlicher Ebene projiziert dasselbe Gutachten 0,9 Prozent Produktivitätswachstum pro Jahr für 2025 bis 2030 und formuliert wörtlich, ein Produktivitätswunder werde nicht gesehen. KfW Research fasst den Forschungsstand mit einer Studienbandbreite von 0,05 bis 2,8 Prozentpunkten pro Jahr zusammen – eine belastbare Punktprognose existiert schlicht nicht.

Das Gegenmittel: Rechne mit einer Delle in den ersten vier bis sechs Wochen und kalkuliere die laufenden Kosten für zwölf Monate, bevor Du unterschreibst. Vereinbare außerdem einen Fixpreis je Ausbaustufe statt eines offenen Stundenbudgets – dann ist die Kostenfrage vor dem Start beantwortet und nicht danach.

Wann Du ein KI-Projekt besser NICHT startest

Diese fünf Fälle sind Abbruchgründe vor dem ersten Euro:

  1. Der Prozess kostet weniger als zwei Stunden pro Woche. Eigene Beispielrechnung, keine Erhebung: 2 Std/Woche × 4,3 Wochen × 60 € interner Kostensatz = rund 516 € Prozesskosten pro Monat. Bei 50 Prozent Zeitersparnis bleiben 258 € pro Monat. Kostet die Lösung 200 € monatlich plus 15 Stunden Einrichtung (15 × 60 € = 900 € einmalig), bleiben 58 € Netto-Effekt pro Monat – die Amortisation dauert über 15 Monate. Das ist kein gutes erstes Projekt.
  2. Der Prozess ist ungeklärt. Wenn drei Leute den Ablauf unterschiedlich beschreiben, automatisierst Du Chaos. Erst aufräumen, dann automatisieren.
  3. Das Ergebnis muss ohne Prüfmöglichkeit hundertprozentig stimmen – Lohnverrechnung, rechtsverbindliche Zusagen, sicherheitsrelevante Angaben. Ohne eingebaute Kontrolle durch einen Menschen wird das kein gutes Ende nehmen.
  4. Die Daten liegen auf Papier oder in Köpfen. Passend dazu: Laut KMU-Bericht des österreichischen Wirtschaftsministeriums setzen nur 25 Prozent der heimischen KMU Data-Analytics-Technologien ein, EU-Schnitt 39 Prozent. Bei KI liegt Österreich über dem EU-Schnitt, bei der Datengrundlage darunter.
  5. Der Auslöser ist eine Förderung, kein Problem. Ein Projekt, das ohne Förderung nicht sinnvoll wäre, ist auch mit Förderung nicht sinnvoll.

Die gute Nachricht: Scheitern ist die Ausnahme, nicht die Regel

Bei allem Realismus – die Erwartungen werden häufiger erfüllt als enttäuscht. Laut Bundesnetzagentur sagen 75 Prozent der KI-nutzenden Unternehmen, ihre Erwartungen hätten sich erfüllt (55 Prozent) oder übertroffen (20 Prozent); nur 4 Prozent sagen "fast überhaupt nicht erfüllt". Keine nennenswerten Unterschiede nach Betriebsgröße.

Der entscheidende Befund kommt vom KfW-Mittelstandspanel: Ausschlaggebend ist weniger die Unternehmensgröße als der Digitalisierungsgrad und – besonders eng korreliert – die Nutzung niedrigschwelliger Informationsangebote wie Fachzeitschriften, Messen und Beratung. Die KfW liest das als Hinweis darauf, dass das Erkennen des ersten praxistauglichen Anwendungsfalls die zentrale Hürde ist, nicht die Technik. Dazu passt, dass sich laut Bundesnetzagentur 78 Prozent der Unternehmen vor allem Erfahrungen anderer Betriebe wünschen.

Wenn Du wissen willst, ob für Deinen Fall ein fertiges Werkzeug reicht oder ein Agent, der eigenständig einen Prozess übernimmt, hilft KI-Agent vs. Chatbot bei der Abgrenzung. Und wenn Du prüfen willst, was das realistisch kostet, findest Du die Zahlen in Was kostet KI-Automatisierung.

Wie es weitergeht

Die Gegenprobe zu diesem Artikel ist der Einstieg in fünf Schritten — dort steht derselbe Weg aus der positiven Richtung. Welcher Prozess sich dafür eignet, klärt Welcher Prozess zuerst dran ist.

Stand und Quellen

Stand: 6. August 2026. Alle genannten Prozentwerte stammen aus den unten verlinkten Primärquellen. Eigene Berechnungen sind an zwei Stellen im Text ausgewiesen: die Ableitung "rund jeder sechste Versuch" (6 von 35 Betrieben, die KI erprobt haben) und die Beispielrechnung im Abschnitt "Wann Du ein KI-Projekt besser NICHT startest". Beide sind keine Erhebungswerte.

Häufige Fragen

Wie oft scheitern KI-Projekte in kleinen Betrieben?

Laut der Umfrage der deutschen Bundesnetzagentur (n=808, Erhebung Oktober bis Dezember 2024) haben 6 Prozent aller Unternehmen KI erprobt und wieder eingestellt, während 29 Prozent sie aktuell einsetzen. Gemessen an allen, die es überhaupt versucht haben, ist das rund jeder sechste Versuch (eigene Berechnung: 6 von 35). Dieselbe Erhebung zeigt außerdem: Von allen Betrieben ohne aktuellen KI-Einsatz planen 71 Prozent keinen erneuten Anlauf. In dieser Gruppe stecken allerdings sowohl Abbrecher als auch Betriebe, die nie gestartet sind – eine reine Abbrecher-Quote weist die Erhebung nicht aus.

Warum scheitern KI-Projekte am häufigsten?

Der häufigste Abbruchgrund ist Zeitmangel (59 Prozent), gefolgt von nicht erreichten Zielen (58 Prozent) und fehlenden Fachkräften (50 Prozent) – so die Bundesnetzagentur. Die Technik ist praktisch nie das Problem: mangelnde technische Ausstattung nennen nur 5 Prozent der Abbrecher, fehlende Akzeptanz der Mitarbeitenden nur 9 Prozent. Auch bei den Hemmnissen insgesamt liegt fehlendes Budget mit 23 Prozent weit hinten – hinter Zeitmangel (66 Prozent), fehlenden Fachkräften (59 Prozent) und Rechtsunsicherheit (54 Prozent).

Woran erkenne ich, dass ich ein KI-Projekt besser nicht starte?

An fünf Punkten: Der Prozess kostet weniger als rund zwei Stunden pro Woche, der Ablauf ist ungeklärt und wird von drei Leuten unterschiedlich beschrieben, das Ergebnis muss ohne Prüfmöglichkeit hundertprozentig stimmen, die nötigen Daten liegen nur auf Papier oder in Köpfen, oder der Auslöser ist eine Förderung statt eines echten Problems. In allen fünf Fällen sparst Du Geld, indem Du nicht startest.

Wie messe ich, ob ein KI-Pilot etwas gebracht hat?

Indem Du zwei Wochen vor dem Start den Ist-Zustand erhebst: Minuten je Angebot, Anfragen pro Tag, Belege pro Monat, Nachbearbeitungsquote. Ohne diesen Vorher-Wert entscheidet nach drei Monaten das Bauchgefühl. Laut Bitkom (Erhebung Anfang 2026, n=604 ab 20 Beschäftigten) messen nur 52 Prozent der KI-nutzenden Unternehmen überhaupt den Beitrag von KI zum Unternehmenserfolg – und ohne Messung lässt sich ein Projekt weder verteidigen noch ehrlich beenden.

Wie lange dauert es, bis ein KI-Projekt Wirkung zeigt?

Rechne mit einer Delle in den ersten vier bis sechs Wochen (Erfahrungswert, keine Erhebung). Das IW-Gutachten für die DIHK stellt fest, dass neue Technologien erst zeitverzögert wertschöpfend wirken und zunächst sogar Zeit für wertschöpfende Tätigkeiten verloren geht – ausdrücklich beobachtet bei der Einführung von Texterkennung und Spracherkennung. Setz einen Entscheidungstermin acht bis zwölf Wochen nach Start und lege vorher fest, welche Messgröße sich bis dahin um wie viel verbessert haben muss.