Die anonymen Erfolge

Es gibt eine Sache, die in fast keinem KI-Praxisbeispiel vorkommt: ein Misserfolg.

Ich habe nach einem gesucht. Nach einem abgebrochenen Projekt, einer Implementierung, die mehr gekostet hat als geplant, einem Team, das sich geweigert hat. Ich habe nichts gefunden.

In den Ratgebern und Whitepapers der KI-Branche gibt es Dutzende Fallbeispiele über Branchen und Anwendungen hinweg. Sie beschreiben ausschließlich Erfolge. Die Verbesserungen liegen bei 25, 35, 40, 60 Prozent. Die Implementierung dauert drei bis sechs Monate. Jeder ist begeistert und die Zahlen sprechen für sich. Ist das die Realität?

In der echten Praxis scheitern Projekte. Nicht alle, aber einige. McKinsey beziffert die Misserfolgsquote bei KI-Implementierungen auf über 50 Prozent. Gartner sagt, dass die meisten KI-Projekte den Pilotbetrieb nie verlassen. Die Beratungshäuser, deren Kunden diese Ratgeber lesen, wissen das also.

Aber in den veröffentlichten Beispielen existiert diese Realität nicht. Darin gibt es nur die Erfolgsgeschichte, in der alles aufgeht.

Was mich nun interessiert, ist nicht die Frage, ob die Verfasser dieser Berichte lügen, denn ich kann mir nicht vorstellen, dass sie lügen. Ich glaube eher, dass sie ein tief eingebranntes Muster reproduzieren, das in der Tech-Beratungsbranche Standard ist.

In der Realität funktioniert das so: Ein Beratungshaus begleitet eine KI-Implementierung und wenn sie funktioniert, wird ein Case daraus. Wenn nicht, wird nichts daraus und der Misserfolg verschwindet. Nicht aktiv unterdrückt, aber stillschweigend unter den Teppich gekehrt.

Das Ergebnis ist eine Branche, die nur Erfolgsgeschichten kennt. Nicht weil es nur Erfolge gibt, sondern weil Misserfolge kein erzählbares Geschäftsmodell sind. Kein Berater gewinnt einen Auftrag, indem er erzählt, dass der letzte Kunde gescheitert ist. Also wird selektiert. Und die Selektion erzeugt ein Bild, das nicht unbedingt falsch ist, aber eben unvollständig. Unvollständigkeit in der Beratung kann neutral gewertet werden.

Aber wer nur Erfolge sieht, schätzt das Risiko falsch ein und plant mit Zahlen, die nicht repräsentativ sind. Wer dann scheitert, hat kein Referenzmaterial, um zu verstehen, was schiefgelaufen ist, weil es nirgends dokumentiert ist.

Die Anonymität der Beispiele verschärft das Problem. Wenn kein Name genannt wird, gibt es keine Überprüfung. Denn man kann beim Unternehmen nicht nachfragen, ob die Zahlen zwei Jahre später noch stimmen oder ob sich die Kosten gerechnet haben. Die Anonymität schützt nicht die Unternehmen, sie schützt die Behauptung oder die Nicht-Behauptung.

Ich kenne Berater, die mir unter vier Augen erzählen, dass die meisten KI-Projekte deutlich hinter den Erwartungen bleiben. Dass die Datenqualität nicht gereicht hat, der Widerstand in den Teams unterschätzt wurde und die Kosten nach dem Piloten explodierten, wird abends beim Bier erzählt.

Was sagt das über eine Branche, die nur eine Hälfte ihrer Erfahrung publiziert? Dass sie mit einer Illusion verkauft, nicht durch ehrliche Einschätzung als Grundlage für echte Beratung. Beratung heißt eigentlich, die ganze Wahrheit zu sagen. Denn wer sich nur von der einen Seite der Medaille überzeugen lässt, entscheidet blind.