Herzlich Willkommen zu den AI FIRST Insights!

Ein aktueller Bericht des MIT schlägt hohe Wellen: Angeblich erzielen 95% der Unternehmen keinen positiven Return on Investment aus ihren GenAI-Initiativen.

Meine erste Reaktion? Ein kurzes Schmunzeln.

Nicht wegen der dramatischen Zahl, sondern weil die Studien-Grundlage mit 52 befragten Organisationen und 153 befragten Führungskräften doch eher überschaubar ist.

Meine zweite Reaktion: Die Zahl wundert mich überhaupt nicht. Im Gegenteil, sie ist die logische Konsequenz des Vorgehens, das ich bei den meisten Unternehmen am Markt beobachte.

Das Scheitern liegt nicht an der Technologie. Es liegt am Ansatz.

In dieser Ausgabe zeige ich dir die fünf pragmatischen Prinzipien, mit denen du GenAI nachhaltig und erfolgreich in deinem Unternehmen verankerst und eben nicht zu den 95% gehörst.

Los geht's!

Bringe dein Unternehmen erfolgreich in die KI-Ära

Vor 3 Monaten habe ich das AI Collective mit der Mission gegründet, Führungskräfte im Mittelstand fit für die KI-Ära zu machen.

Ab September öffenen wir das AI Collective für weitere Mitglieder, die die KI-Transformation in ihrem Unternehmen vorantreiben.

Wenn du bereit bist, die KI-Verantwortung in deinem Unternehmen zu übernehmen und deine Karriere auf die nächste Stufe zu heben, ist das deine Einladung.

👉 Mehr über das AI Collective erfahren

Warum 95% scheitern MÜSSEN

Das wirklich Interessante an der 95%-Zahl ist nicht die Zahl selbst, sondern das "Warum". Und wenn man sich die Gründe im Report anschaut, zeichnet sich ein Muster ab, das mir aus meiner täglichen Arbeit nur allzu bekannt vorkommt. Es ist im Grunde ein klassisches Drehbuch mit fünf Akten, das fast zwangsläufig zum Scheitern führt.

Alles beginnt meistens in einem Meetingraum, in dem die falsche Frage gestellt wird. Statt "Welches unserer dringendsten Probleme können wir mit KI lösen?" heißt es "Wir müssen jetzt auch was mit KI machen!". Der Report bestätigt: Es werden Initiativen ohne klare, strategische Ziele gestartet. Das ist der erste Dominostein, der fällt.

Wenn das strategische "Warum" fehlt, was ist die logische Konsequenz?

Man stürzt sich auf das, was am einfachsten messbar und am sichtbarsten ist. Der Bericht zeigt, dass deswegen rund 70% der Budgets in den Fokusbereich Sales & Marketing fließen. Man sürzt sich auf die beeindrucken Demo's von Sales und Marketing Agenten, während die wirklich großen (oft langweiligen) Hebel im Back-Office weniger Beachtung finden.

Gleichzeitig positionieren sich interne Innovationsabteilungen oder die IT mit einem "Do-it-yourself"-Ansatz. Man ist überzeugt, es selbst am besten zu können und beginnt, eigene Lösungen zu entwickeln. Dabei belegt der Report eindeutig, dass dieser Weg am häufigsten scheitert und externe Partnerschaften doppelt so erfolgreich sind. Der Markt für KI entwickelt sich so rasant, dass interne Teams kaum eine Chance haben, Schritt zu halten. Außerdem fehlen oft die zeitlichen Ressourcen und Kompetenzen, um produktionsreife Produkte zu entwickeln.

Stell dir nun vor, eine solche Lösung wird am grünen Tisch entwickelt, meist als reines IT-Projekt ohne echte Verantwortung in der Fachabteilung. Sie wird am Ende über den Zaun geworfen, passt aber nicht in die gelebten Prozesse der Mitarbeiter.

Das Ergebnis ist vorhersehbar: Ablehnung und Frustration.

Der letzte Akt in diesem Drama ist dann der massiv unterschätzte Change-Prozess. Man glaubt, mit einer zweistündigen Schulung sei es getan. Aber die Einführung eines KI-Tools bedeutet die Veränderung von jahrelang etablierten Gewohnheiten. Wenn dieser menschliche Faktor ignoriert wird, bleibt selbst die beste Software ungenutzt.

Diese fünf Punkte sind keine isolierten Fehler. Sie sind ein Domino-Effekt, der fast garantiert, dass am Ende kein messbarer Mehrwert entsteht.

Dies gilt übrigens nicht nur für GenAI, sondern würde bei jeder anderen Technologie ganz genauso verlaufen.

95% fehlgeschlagene GenAI Initiativen sind bei diesem Vorgehen also keine Überraschung.

Sie sind das logische Resultat.

Doch es geht auch anders.

5 Prinzipien, um zu den 5% zu gehören

Wenn die meisten also scheitern, weil sie kopflos der Technologie nachjagen, wie sieht der Gegenentwurf aus? Es ist kein Geheimnis, sondern eine Rückbesinnung auf das, was schon immer funktioniert hat: Pragmatismus und ein klarer Fokus auf das eigentliche Problem.

Diese 5 Prinzipien haben mir dabei geholfen, GenAI in dutzenden Unternehmen in die produktive Nutzung zu bringen:

1. GenAI-Fähigkeiten gezielt auf Probleme anwenden

Auch ich stand schon mit meinen Mitarbeitern vor einem Whiteboard und habe in einer wilden Post-It-Session nach Ideen gesucht, wofür man denn LLMs und Co. einsetzen könnte. Aber so funktioniert das nicht.

Klarheit über die passenden Anwendungsfällen hatten wir erst, als wir systematisch unsere Prozesse, Aufgaben und Probleme dokumentiert haben.

Daher mein Tipp: Starte bei den "Jobs to be Done", den Aufgaben, die in deinen Fachbereichen erledigt werden müssen.

Wo sind die Flaschenhälse, wo die größten Schmerzen?

Erst wenn du das Problem glasklar vor dir hast, prüfst du, wo die konkreten Fähigkeiten von GenAI sinnvoll eingesetzt werden können. Und ob überhaupt GenAI notwendig ist.

Wir starten die Umsetzung immer in bewährten Feldern mit hohem Potenzial:

• Content-Erstellung im Marketing
• Automatisierung einfacher Anfragen im Customer Support
• Beschleunigung von Routine-Aufgaben im Coding
• Intelligentes Durchsuchen von Dokumenten
• Transkription & Verarbeitung von Meetings

→ Für all diese Anwendungsfelder gibt es Enterprise-Ready Standardlösungen, die du sofort nutzen kannst.

2. Erweiterung vor Automatisierung

Ich sehe viele KI-Projekte scheitern, weil sie direkt den großen "Moonshot" der Vollautomatisierung anstreben:

• "Der Sales Agent, der automatisch den Kalender der Account Executives füllt"
• "Der Support Agent, der automatisch alle Anfragen bearbeitet"
• "Der Coding Agent, der neue Features entwickelt"

Das funktioniert nicht, weil Daten + Systeme + Prozesse + Kultur + KI-Lösungen nicht bereit sind. Das gilt insbesondere für Mittelständler und Corporates mit langjähriger Legacy. Für Start-Ups sieht es oft anders aus, weil sie interne Strukturen schneller umstellen können.

(Die Werbung hat anscheinend funktioniert...)

Ich starte immer mit der Erweiterung von Mitarbeitern, statt zu versuchen, den Prozesse komplett mit KI zu automatisieren.

Dafür identifiziere ich zeitaufwändige, monotone Aufgaben und setze KI als Assistenten ein, der diese Aufgaben beschleunigt. Ich trainiere das Team umfangreich, um diese Assistenten produktiv in ihrem Arbeitsalltag einzusetzen.

Im Schnitt sehen wir nach 2-3 Monaten einen Produktivitätsanstieg von 10% über alle Menschen, die im Training waren und am PC arbeiten.

So baust du schrittweise Vertrauen und Kompetenzen im Team auf. Außerdem lernst du auf diesem Weg, welche Daten und Prozesse erforderlich sind, um GenAI maximal produktiv zu nutzen. Wenn dieses Fundament steht und die Akzeptanz im Team da ist, kannst du den Automatisierungsgrad sukzessive und gezielt erhöhen.

3. Mit dem anfangen, was da ist

GenAI ist eine Evolution. Keine Revolution.

Organisation sind schnell überfordert, wenn sämtliche Prozesse, Systeme und Job-Profile neu gedacht werden müssen. Diese Veränderung benötigt Zeit.

Ich verzichte lieber auf die beeindruckende Demo des Multi-Agenten-Systems, was in der realen Welt des Unternehmens mit eingeschwungenen Prozessen, Routinen und Legacy-Systemen nicht funktionieren wird.

Stattdessen setze ich auf konsequente Umsetzung dessen, was da ist und funktioniert.

Ich starte damit, die Systeme, Daten und Menschen zu heben, die heute da sind.

Ich stelle mir vier simple Fragen, um einen Startpunkt zu finden:

1. Wo habe ich einen klaren Business Need?
2. Wo gibt es bereits dokumentierte Standardabläufe?
3. Wo liegen zugängliche Daten (notfalls per Export)?
4. Wo sind ambitionierte Kollegen, die Lust auf die Umsetzung haben?

Für einige mag das vielleicht unambitioniert erscheinen, aber es funktioniert.

Das unterscheidet die 5% von den 95%.

4. Das Rad nicht neu erfinden (oder selbst bauen)

Ich predige es schon lange: Baue niemals ein eigenes FirmenGPT.

Selbstgebaute KI-Plattformen werden reihenweise zurückgerollt, weil sie keine Chance haben mit dem Markt mitzuhalten und aufgrund unterlegener Features nicht von den Mitarbeitern genutzt werden.

ChatGPT ist immer die Benchmark.

Wer seinen Teams ein deutlich schwächeres Tool bereitstellt, kann nicht mit hoher Nutzung und daraus resultierenden Mehrwerten rechnen.

Das gilt auch für vertikale Use Cases im Sales, Support, Backoffice und Co.

Anstatt 10-20 Personen aus dem ohnehin überlasteten IT und Engineering Team für eigene KI-Lösungen und -Plattformen abzuziehen, kannst du mit etablierten Start-Ups zusammenarbeiten, die dir ein KI-Betriebssystem für dein Unternehmen liefern, auf dem du niedrigschwellig die ersten Use Cases umsetzen und die breite Adaption vorantreiben kannst.

Wir erzielen nach wenigen Monaten regelmäßig 50-70% tägliche Nutzungsraten aller PC-Mitarbeiter. Das geht aber nur mit einem anständigen Werkzeug.

5. Zentral befähigen, dezentral umsetzen

Wenn Technologieprojekte am Fachbereich vorbei entwickelt werden, scheitern sie an der Realität. Viel Zeit wurde in die Entwicklung von Produkten investiert, die am Ende niemand nutzt.

Been there, done that.

Heute bauen wir zentrale Standards auf, um die dezentrale Umsetzung zu ermöglichen. Dazu gehören zum Beispiel:

• Gemeinsames Leitbild und Richtlinie
• KI-Plattform & Tools
• Use Case Scorecard
• KI-Champions als Multiplikatoren
• KI-Spezialisten (In- und/oder Extern)

Diese Standards und Ressourcen können von allen Fachbereichen genutzt werden, um KI Use Cases zu identifizieren, zu bewerten und in die Umsetzung zu bringen. Die Verantwortung dafür liegt jedoch in den Fachbereichen.

So stellst du sicher, dass KI zur Lösung echter Business-Probleme beiträgt und nicht als Projekt aus dem Elfenbeinturm verpufft.

🏁 Fazit

Die 95%-Zahl des MIT-Reports ist für mich keine Schreckensmeldung, sondern eine Bestätigung:

Wer GenAI wie ein klassisches IT-Projekt angeht und dem Hype hinterherläuft, wird scheitern. Es ist das erwartbare Ergebnis eines falschen Ansatzes.

Der Erfolg liegt nicht in der neuesten Technologie oder dem größten Budget, sondern in der Rückbesinnung auf unternehmerischen Pragmatismus. Es geht darum, echte Probleme zu lösen, die eigenen Mitarbeiter schrittweise zu befähigen und mit dem zu starten, was heute schon da ist.

Wenn du diesen Weg wählst, wirst du erfolgreich sein.

Egal mit welcher Technologie.

Key Takeaways:

• Erweiterung vor Automatisierung: Starte damit, deine Mitarbeiter bei monotonen Aufgaben zu unterstützen, anstatt direkt die Vollautomatisierung anzustreben.
• Problem > Technologie: Beginne immer bei einem klaren Business-Problem, nicht bei der technischen Möglichkeit.
• Starte mit dem, was da ist: Warte nicht auf die perfekte Infrastruktur. Nutze die vorhandenen Systeme, Daten und motivierten Mitarbeiter.
• Baue kein eigenes FirmenGPT: Nutze etablierte Plattformen, anstatt zu versuchen, mit dem Markt mitzuhalten.
• Zentral befähigen, dezentral umsetzen: Gib die Leitplanken zentral vor, aber lege die Verantwortung für die Umsetzung in die Fachbereiche.

Abschließend möchte ich auch anmerken, dass es Zeit erfordert, bis sich die höhere Produktivität der Mitarbeiter oder Effizienzgewinne auf die P&L auswirken. Dafür müssen neben höheren Umsätzen auch Anpassungen in der Headcount-Planung vorgenommen werden. Nur so können die Mehrwerte am Ende auch realisiert werden.

Die entscheidende Frage, die du dir stellen solltest: Verfolgt unsere aktuelle KI-Strategie das Ziel, ein Problem zu lösen oder eine Technologie einzuführen?

Bis nächsten Sonntag,

Felix

P.S. Im AI Collective geben wir unser gesamtes Playbook raus, um GenAI in die breite, produktive Nutzung zu bringen. Mit allen Anleitungen, Templates und Tools.

Wir haben noch ein paar wenige Plätze für den Start im September und Oktober verfügbar. Hiererfährst du alles weitere und kannst dich bewerben.