Das Muster taucht in Gesprächen immer wieder auf, und die Erhebungen dieses Frühjahrs bestätigen es: Eine Firma startet ein KI-Pilotprojekt. Es gibt einen Kick-off, einen Dienstleister, ein paar Steering-Meetings. Sechs Monate später redet niemand mehr davon. Kein Abbruch-Entscheid, kein Learnings-Dokument. Das Projekt ist einfach versandet.
Die Statistik sagt: Das ist der Normalfall. Rund zwei Drittel der KI-Projekte werden nach der Pilotphase wieder abgebrochen. So steht es im GenAI Impact Report 2026 von Adesso, einer Befragung von 100 Führungskräften (via Netzwoche, Juni 2026). Die Stichprobe ist klein, der Befund deckt sich aber mit allem, was dieses Frühjahr sonst erhoben wurde.
Die Pilotfalle, dreifach vermessen
Drei Erhebungen aus den letzten Wochen zeichnen dasselbe Bild:
- EY AI Survey 2026 (Mai 2026, 604 Befragte aus Schweizer Unternehmen): 31 Prozent der Firmen stecken in Pilot- oder Proof-of-Concept-Phasen. 55 Prozent setzen KI bereits gezielt ein, doch nur 9 Prozent, als Teilmenge dieser 55, haben KI so verankert, dass sie das Geschäftsmodell verändert hat. Zur Einordnung: Die Stichprobe ist grossfirmenlastig, über die Hälfte der Befragten arbeitet in Unternehmen mit mehr als 1000 Mitarbeitenden. In KMU dürfte die strategische Verankerung eher tiefer liegen.
- NZZ-KMU-Barometer 2026 (Kalaidos-Fachhochschule im Auftrag der NZZ, 495 befragte Führungskräfte, März/April 2026): 87 Prozent experimentieren mit KI oder bauen Kompetenzen auf. Gleichzeitig nutzen nur 27 Prozent Daten systematisch für strategische Entscheide.
- Adesso GenAI Impact Report 2026 (siehe oben): Rund zwei Drittel der Piloten erreichen den Produktivbetrieb nie.
Experimentiert wird also fast überall. Produktiv wird es selten. Dazwischen liegt die Pilotfalle.
Woran es nicht liegt: am Geld
Der aufschlussreichste Einzelbefund steckt in der Hürdenliste der EY-Umfrage. Als grösstes Hindernis nennen die Befragten Datenqualität und Datensilos (20 Prozent), danach Sicherheits- und Datenschutzbedenken (19 Prozent) und fehlende Fachkräfte (18 Prozent). Budgetrestriktionen nennen gerade mal 9 Prozent, fehlende Use Cases 10 Prozent.
Das widerspricht der verbreiteten Annahme, KI-Projekte würden am Budget scheitern. Die echten Hürden sind operativ: Die Daten sind nicht bereit, die Zuständigkeit ist unklar, das Wissen fehlt im Haus. Ein grösseres Budget löst davon nichts. Es finanziert nur einen längeren Piloten.
Warum Piloten versanden
Aus meiner Sicht scheitern die meisten Piloten nicht an der Technik, sondern an ihrer Anlage. Vier Konstruktionsfehler tauchen immer wieder auf:
- Sie starten beim Werkzeug. «Wir sollten etwas mit KI machen» ist ein Beschaffungswunsch, kein Problem. Wenn am Anfang das Tool steht statt ein Prozess, der heute nachweislich Zeit frisst, gibt es am Ende nichts zu messen.
- Sie laufen mit geschonten Daten. Der Pilot bekommt einen sauberen Beispieldatensatz. Die echten Daten, mit Lücken, Formatwildwuchs und drei verschiedenen Excel-Ständen, sieht er nie. Genau daran stirbt später der Produktivbetrieb.
- Erfolg ist nicht definiert. Wenn vorher niemand festlegt, welche Zahl sich um wie viel verbessern soll, endet der Pilot in Geschmacksurteilen. «Ganz beeindruckend» ist kein Entscheidungskriterium.
- Das Resultat gehört niemandem. Ohne eine Person, die den Prozess besitzt und das Ergebnis in ihren Alltag übernehmen will, bleibt jeder Pilot ein Fremdkörper.
Ein Beispiel aus meinem Hauptjob in der produzierenden Industrie: Unsere interne Energie-Kostenumlage basierte auf monatlichen Handablesungen und einer über Jahre gewachsenen Excel-Datei. Statt eines grossen Digitalisierungs-Projekts habe ich mit KI-Unterstützung in rund zwei Wochen ein Vergleichs-Zahlenwerk aufgebaut: die alte Welt und die automatisch erfassten Messdaten Monat für Monat nebeneinander, jede Zahl gegen ihre Quelle belegt. Dabei kam zum Vorschein, was jahrelang niemand gesehen hatte, darunter eine Sammelposition, die zu vier Fünfteln etwas anderes enthielt, als ihr Name behauptete. Das Resultat ist keine fertige Integration, sondern eine belegte Entscheidungsgrundlage für die Finanzabteilung, ob und wie die Erfassung automatisiert wird. Genau das leistet ein Prototyp: Er beweist die Herleitung, bevor das grosse Projekt bewilligt ist.
Pilot und Prototyp beantworten verschiedene Fragen
Ein Pilot will beweisen, dass «KI bei uns funktioniert». Das ist eine grosse, unscharfe Frage, und sie lädt dazu ein, gross und unscharf zu starten.
Ein Prototyp beantwortet eine engere Frage: Lässt sich dieses eine Problem mit unseren echten Daten messbar lösen? Dafür braucht es keine sechs Monate. Zwei Wochen reichen, wenn vier Bedingungen erfüllt sind:
- Ein echtes Problem, das heute wiederkehrend Arbeitszeit kostet. Offertvergleiche, Monatsreports, das Zusammensuchen von Prozessdaten.
- Echte Daten vom ersten Tag an. Wenn die Daten zu chaotisch sind, ist genau das der Befund, und zwar nach zwei Wochen statt nach sechs Monaten.
- Eine Messgrösse, die vor dem Start feststeht. Stunden pro Monat, Fehlerquote, Durchlaufzeit.
- Ein klarer Entscheid am Ende: ausbauen, anpassen oder einstellen. Auch ein Stopp ist ein Ergebnis, es kostet dann einfach zwei Wochen statt ein Halbjahr.
Der Prototyp ist bewusst klein. Er darf hässlich sein, er darf Abkürzungen nehmen, er muss nicht skalieren. Er muss nur eine Zahl liefern, auf deren Basis man ehrlich entscheiden kann.
Die ehrliche Grenze
Zwei Wochen ersetzen keine Einführung. Integration in bestehende Systeme, Berechtigungen, Schulung, Betrieb: Das kommt danach und dauert länger. Der Prototyp beantwortet nur die Frage, ob sich dieser Weg lohnt, bevor das grosse Budget gesprochen wird.
Und es gibt Fälle, in denen auch der Prototyp nichts rettet: Wenn ein Prozess keinerlei digitale Datenspur hat, beginnt die Arbeit bei der Datenerfassung, nicht beim Modell. Das sage ich auch dann, wenn es das Projekt um Monate verschiebt.
Der Test für Ihr nächstes KI-Projekt
Bevor Sie den nächsten Piloten starten, stellen Sie intern vier Fragen: Welches Problem lösen wir? Mit welchen Daten? Woran messen wir den Erfolg? Wer übernimmt das Resultat? Wenn eine Antwort fehlt, ist das Projekt noch nicht startklar, egal wie gut die Demo aussah.
Genau nach diesem Muster baue ich Prototypen für Selbständige und kleine Betriebe: ein Prozess, echte Daten, zwei Wochen, eine messbare Zahl. Das Erstgespräch dazu kostet nichts, und wenn Ihr Prozess sich nicht eignet, sage ich Ihnen das im Gespräch statt nach einem halben Jahr Pilot.
Weiterführende Links
- Netzwoche: Zwei Drittel der KI-Pilotprojekte kommen nicht in den produktiven Betrieb: Bericht zum Adesso GenAI Impact Report 2026
- EY: Künstliche Intelligenz in Schweizer Unternehmen breit etabliert: die EY AI Survey 2026 mit Reifegrad- und Hürden-Zahlen
- Netzwoche: KMUs investieren in KI, treffen Entscheide aber oft aus dem Bauch: Bericht zum NZZ-KMU-Barometer 2026
- NZZ-KMU-Barometer 2026, Ergebnisbericht (PDF): die Primärquelle zur Studie