Teil 1: Fragen Sie nicht, was Sie mit KI machen können – sondern welches Problem Sie lösen wollen

Die AI Week Frankfurt 2025 hat gezeigt: KI ist längst zur zentralen Herausforderung für strategische Entscheider in Unternehmen geworden. Doch während der Hype ungebremst weiterrollt, bleibt eine unbequeme Wahrheit bestehen: Von den Milliarden-Dollar-Investitionen in KI-Projekte weltweit kommen nur 5% wirklich in die Produktion und erzeugen messbaren Mehrwert. 95% scheitern oder bleiben in der Pilotphase stecken. 

Warum ist das so? Und noch wichtiger: Was muss sich ändern, damit KI-Initiativen in Unternehmen endlich den Weg vom Hype zur Realität finden? 

Die Antwort liegt in einer fundamentalen Frage.  

Das Kern-Problem: Die falsche Fragestellung zu Beginn 

Das Kern-Problem vieler gescheiterter KI-Projekte liegt in der grundsätzlichen Herangehensweise an diese. So fragen sich Unternehmen oft zuerst: „Für was können wir generative KI nutzen?“ Doch das ist der falsche Ausgangspunkt – und damit der Anfang vom Ende für viele KI-Projekte.   

Denn: Wertschöpfung entsteht nicht einfach dadurch, dass man KI einsetzt. Wertschöpfung entsteht, indem man KI intelligent einsetzt, um das, was man heute macht, produktiver zu erledigen: mit weniger Personal, höherem Durchsatz oder um ganz neue Möglichkeiten, Produkte und Geschäftsmodelle zu erschließen. 

KI ist ein Werkzeug. Nicht mehr und nicht weniger.  
Und – das ist entscheidend – es ist nicht das Werkzeug für jedes Problem. 

Die richtige Logik: Problem ➔ Algorithmus ➔ Daten 

Deshalb sollten sich Verantwortliche in Unternehmen folgende drei Fragen stellen – in genau dieser Reihenfolge: 

1. Wo haben wir konkrete Herausforderungen oder Probleme?
   Genauer: Welche manuellen Prozesse kosten uns die meiste Zeit? Wo entstehen die häufigsten Fehler? Wo verschwenden wir aktuell Ressourcen? Oder auch: Wo fehlen uns Ressourcen? 
2. Für welche dieser Aufgaben kann Automatisierung einen echten Mehrwert bringen?
   Und: Welche Technologie passt zu diesem Problem? Ist es KI oder würde eine einfachere Lösung reichen? 
3. Sind unsere Daten in Umfang, Vielfalt und Qualität geeignet? Können wir damit tatsächlich das Problem lösen?

Das klingt trivial, ist aber fundamental. Denn diese Umkehrung bedeutet: Erst verstehe ich mein Problem. Dann wähle ich den richtigen Algorithmus – und dieser ist nicht automatisch generative KI. Dann prüfe ich, ob meine Daten dafür taugen. 

Wer diesen Weg geht, läuft nicht in die Falle. 

Warum der Hype so gefährlich ist 

Einer der Gründe, warum der Hype rund um generative KI so gefährlich ist? Er wird getrieben von Big-Tech-Kapital. Die Botschaft lautet: „KI kann alles, und es ist so einfach.“. Tools schießen wie Pilze aus dem Boden und machen es tatsächlich vermeintlich einfach, sich seine KI-Agenten als Anwendung zusammen zu klicken. 

Aber Einfachheit bringt nicht zwingend Erfolg mit sich. Ich würde sogar so weit gehen, zu behaupten, dass diese Form der Einfachheit Unternehmen in den seltensten Fällen auf Dauer den gewünschten Erfolg bringt. 

Die Realität der großen LLMs ist eine andere. Es sind Freemium-Geschäftsmodelle. Der finanzielle Einsatz ist gigantisch. Und dahinter steckt eine große Wette: Nach der Verlagerung von Daten in die Cloud folgt jetzt die Auslagerung unserer Intelligenz in andere Hände. In Kombination mit durchsatzorientierten Preismodellen ist das eine gefährliche Entwicklung für Unternehmen. 

Die wirtschaftliche Realität: Kosten, die explodieren 

Schauen wir auf die Kostenstruktur: Bei klassischer IT zahlen Sie für Infrastruktur und Software. Bei generativer KI zahlen Sie pro Transaktion – und die Transaktionen skalieren mit der Nutzung. Das ist nicht einfach ein anderes Preismodell – es ist ein strukturelles Problem. 

Hinzu kommt: Bei generativer KI fehlt die Reproduzierbarkeit. Der gleiche Input liefert nicht den gleichen Output. Das führt zu endlosen Iterationen in Test und Betrieb. Das ist nicht Innovation, das ist Ressourcenverschwendung. 

Das Ergebnis: Für Unternehmen wird das zu einer inflationären Gefahr. Und für Big Tech? Die Geschäftsmodelle werden mathematisch nicht aufgehen. Das ist absehbar – eine Self-Fulfilling Prophecy. Der Deal zwischen Oracle und OpenAI de facto ein Nullsummenspiel. Aber die Börse glaubt es derzeit noch. 

Der weitere Beleg liegt auf der Hand: OpenAI, Perplexity und andere bringen jetzt eigene Devices und Browser auf den Markt. Warum? Weil der echte Wert nicht in der KI liegt – das ist nur das Werkzeug. Der Wert liegt in den Daten. In Ihren Daten. 

Handlungsempfehlung: Die richtige Strategie 

Für Entscheider bedeutet das: Fangen Sie nicht mit KI an. Fangen Sie mit Ihrem Problem an. Verstehen Sie es wirklich. Dann wählen Sie den richtigen Algorithmus – der kann analytische KI, klassisches Machine Learning oder generative KI sein. Und dann prüfen Sie: Habe ich die Daten dafür? 

Wer diesen Weg geht, läuft nicht in die Falle der 95% Misserfolgsquote. 

Im nächsten Teil dieser Serie: Wir zeigen Ihnen, wie Sie KI-Systeme wirklich verlässlich machen – und warum generative KI allein die Antwort nicht sein kann.