Wann Sie kein KI-Projekt starten sollten: neun Fälle für ein Nein

Wann sollten Sie kein KI-Projekt starten?

Dann nicht, wenn niemand den Prozess beschreiben kann, die Stammdaten schmutzig sind, keine Erfolgszahl vorab feststeht, das Volumen zu klein ist, ein einzelner Fehler zu teuer wird, niemand namentlich verantwortlich ist, ein rechtliches Hindernis besteht, der Prozess sich ohnehin ändert oder eine feste Regel genügen würde. Neun Fälle, und zu jedem gehört eine günstigere nächste Handlung.

Anbieterseiten zeigen Erfolgsgeschichten. Das ist nachvollziehbar und für die Kaufentscheidung wenig wert, denn ein Nein lässt sich billiger zurücknehmen als eine abgebrochene Einführung. Der folgende Text sammelt die Abbruchgründe, die uns in Scoping-Gesprächen am häufigsten begegnen, und legt die belastbaren Zahlen daneben.

Für Deutschland gibt es eine passende Ergänzung. Nach der DIHK-Digitalisierungsumfrage 2026 mit rund 5.000 befragten Unternehmen halten 81 Prozent die Quantifizierung des KI-Nutzens für schwierig, und mehr als drei Viertel haben aus der eingeführten KI bislang keine messbare Rendite gesehen. Die Originalpublikation der DIHK ließ sich nicht öffnen, die Zahlen stammen aus einer Sekundärzusammenfassung. Behandeln Sie sie entsprechend vorsichtig.

Kann jemand den Prozess beschreiben, den Sie automatisieren wollen?

Wenn zwei Kollegen dieselbe Schrittfolge unterschiedlich erzählen, gibt es keinen Prozess, sondern eine Gewohnheit. Davon wird die KI nicht klüger, sie produziert das falsche Ergebnis nur schneller. Vor der Automatisierung muss der Ablauf aufgeschrieben sein, sonst fehlt der Maßstab für den Fehler.

Die Erkennungsmerkmale sind unscheinbar und eindeutig. Es gibt kein schriftliches Ablaufdiagramm, oder es gibt eines und seit drei Jahren hat es niemand geöffnet. Zu jedem Fall existiert eine Ausnahme. Auf die Frage nach dem Warum lautet die Antwort, dass es immer so gemacht wurde.

Ein Agent braucht eine Entscheidungsregel. Lebt die Regel in drei Köpfen mit drei Inhalten, lässt sich kein Evaluationsdatensatz zusammenstellen, und damit ist auch nicht feststellbar, ob das System falsch liegt. Ein solches Projekt fällt nicht aus. Es treibt einige Monate, bis jemand ausspricht, dass niemand die Qualität beurteilen kann.

Der günstigere Schritt ist die Prozessaufnahme mit anschließendem Neuschnitt. Zwei Wochen Prozessarbeit kosten einen Bruchteil eines Pilotprojekts, das die falsche Frage sauber beantwortet. Meine eigene Erfahrung aus Scoping-Gesprächen: in etwa jedem dritten Fall verschwindet der KI-Bedarf schon dabei, weil sich zwei Abteilungen zum ersten Mal auf einen Ablauf einigen. Das ist ein Eindruck aus unserer Praxis, keine Statistik.

Sind die Stammdaten sauber genug für ein KI-System?

Wenn derselbe Lieferant unter drei Namen geführt wird, die Hälfte der Artikelfelder leer ist und der Bericht am Ende in Excel nachkorrigiert wird, trägt dieser Boden kein KI-System. Die Suche liefert den falschen Datensatz, das Modell antwortet souverän daraus, und der Fehler fällt schlechter auf als eine leere Zelle.

Dazu passt eine Zahl aus dem deutschen Markt. Nach der Bitkom-Erhebung vom 11.03.2026 unter 604 Unternehmen ab 20 Beschäftigten schöpfen 32 Prozent das Potenzial ihrer vorhandenen Daten aus, 61 Prozent kaum oder gar nicht (Bitkom). Die Datenlage ist damit häufiger das Projekt als das Modell.

Wie stark die Suchqualität an der Aufbereitung hängt, zeigt eine Messung von Anthropic: die Fehlerquote der reinen Embedding-Suche lag bei 5,7 Prozent und fiel mit hybrider Suche und Reranking auf 1,9 Prozent (Anthropic, 19.09.2024). Gemessen wurde auf englischem Textmaterial. Für deutschsprachige Fachdokumente gibt es keinen vergleichbaren gepflegten Benchmark, weshalb sich diese Werte nicht ungeprüft übertragen lassen.

Der günstigere Schritt ist selten KI. Oft löst der Umbau des Eingabeformulars das Problem: Pflichtfelder, Auswahllisten und Validierung dort, wo die Daten entstehen. In der Rechnungsverarbeitung entfallen 30 bis 35 Prozent der Gesamtkosten auf die Datenerfassung (IOFM-Bezug, 07/2026), bei durchschnittlich 9,40 USD je Rechnung und 2,78 USD bei den Besten (Ardent Partners, zitiert nach WEX, 20.07.2026).

Können Sie vorab sagen, was Erfolg bedeutet?

Wenn das Projektziel lautet, KI zu haben, ist das Projekt bereits gescheitert und weiß es nur noch nicht. Ohne Erfolgszahl fehlt im sechsten Monat die Entscheidungsgrundlage, und wer das Budget freigegeben hat, bekommt nichts vorgelegt. Eine Kennzahl, ein Ausgangswert und ein Termin genügen.

Die Erhebung von MIT Project NANDA aus dem Sommer 2025 hat über 300 gemeldete Einführungen, 52 Interviews und 153 Führungskräftebefragungen ausgewertet und kommt zu dem Ergebnis, dass 95 Prozent der generativen KI-Pilotprojekte keine messbare Wirkung auf das Ergebnis hatten (The GenAI Divide). Die Begründung liegt dort nicht beim Modell. Das Werkzeug lernte nicht aus Korrekturen, vergaß den Kontext zwischen zwei Sitzungen und lief außerhalb der Systeme, in denen tatsächlich gearbeitet wird.

Der praktische Test ist kurz. Schreiben Sie in einer Zeile auf, was Sie messen, wie hoch der Wert heute ist und wann Sie erneut hinschauen. Können Sie den heutigen Wert nicht nennen, ist das erste Projekt die Messung. Das dauert meist zwei Wochen, und am Ende steht die Antwort, ob sich der Rest überhaupt lohnt. Den Rahmen für die Rechnung liefert unser KI-ROI-Rechner, die Eingangswerte müssen aus Ihrem Haus kommen.

Ist das Volumen groß genug für eine Amortisation?

Bei einigen Dutzend Vorgängen im Monat kosten Einführung und Wartung in der Regel mehr als die eingesparte Zeit. Das ist keine Geschmacksfrage, sondern eine Multiplikation: Vorgänge pro Monat mal eingesparte Minuten, umgerechnet mit Ihrem internen Stundensatz und verglichen mit der Betriebspauschale.

Nach unserer Preisliste kostet ein einfacher Ablauf mit ein bis drei Schritten rund 280 bis 1.400 EUR, eine Automatisierung über mehrere Systeme mit Ausnahmebehandlung rund 1.400 bis 6.900 EUR und eine KI-gesteuerte komplexe Automatisierung rund 6.900 bis 27.500 EUR. Der Betrieb liegt bei 80 bis 410 EUR im Monat. Bleibt die monatliche Einsparung unter der Betriebspauschale, erübrigt sich die Rechnung für die Einführung.

Bei kleinem Volumen ist selbst das teuerste Werkzeug billig. Das Zapier-Paket Pro für 19,99 USD enthält 750 Tasks, was bei einem sechsstufigen Ablauf 150 Durchläufe ergibt, also rund 0,13 USD je Durchlauf (Zapier, abgerufen am 14.08.2026). Bei 150 Vorgängen im Monat ist das vollkommen in Ordnung. Bei 40.000 Durchläufen beginnt der Bereich, in dem sich der Umzug in eigenen Code rechnet. Die Positionen dahinter nimmt unser Text zu den Preisen für KI-Agenten und Chatbots auseinander.

Was kostet eine einzelne Fehlentscheidung?

Sobald ein falsches Ergebnis Geld bewegt, beim Kunden ankommt oder in einem produktiven System etwas löscht, ist die Modellgenauigkeit nicht mehr die entscheidende Frage. Die Frage ist, wer unterschreibt. Die Ausgabe eines Sprachmodells ist probabilistisch. Die Fehlerquote lässt sich senken, auf null kommt sie nicht.

Von der Sicherheitsseite kommt eine brauchbare Regel dazu. Simon Willison beschreibt sie als lethal trifecta: Ein Agent wird angreifbar, sobald er gleichzeitig Zugriff auf private Daten hat, auf nicht vertrauenswürdige Inhalte trifft und nach außen kommunizieren kann (Willison, 16.06.2025). Liegen alle drei Bedingungen im geplanten System vor und kommen hohe Fehlerkosten dazu, startet dieses Projekt so nicht.

Die Lösung ist trotzdem nicht, jedes Ergebnis freigeben zu lassen und sich anschließend über die Amortisation zu wundern. Wenn jede Ausgabe vollständig geprüft werden muss, haben Sie die Formulierungszeit gewonnen und nicht die Entscheidungszeit. So muss die Rechnung aussehen. Oft lohnt sich das weiterhin, es sollte nur zu Projektbeginn feststehen und nicht im vierten Monat auffallen.

Gibt es eine benannte Person, die wöchentlich hinschaut?

Wenn die IT als Abstraktion verantwortlich ist, ist niemand verantwortlich. Es braucht jemanden, in dessen Wochenarbeit die Durchsicht der Fehlerfälle steht und der befugt ist, die Regel zu ändern, wenn sie sich als falsch erweist. Ohne das verschlechtert sich das System still, und monatelang bemerkt es niemand.

Genau hier hat dieselbe NANDA-Untersuchung den schärfsten Unterschied gemessen: mit interner Fachverantwortung plus externem Partner lag die Erfolgsquote bei 67 Prozent, bei rein intern gebauten Projekten bei 22 Prozent. Zwischen diesen beiden Werten liegt keine Nuance.

Bei uns gehört das zu den ersten Fragen im Scoping. Lautet die Antwort, dass schon jemand hinschauen wird, startet der Pilot, im dritten Monat kommt die erste Ausnahmewelle, und dann fehlt die Person, die über das richtige Verhalten entscheidet. Wer gerade einen Dienstleister auswählt, findet diese Frage aus der anderen Richtung in unseren neun Fragen an einen KI-Dienstleister.

Steht ein rechtliches Hindernis im Weg?

Zwei Punkte gehören vor die Entwicklung: ob die Daten die heutige Umgebung überhaupt verlassen dürfen, und wer in der Sprache der Regulierung für das System einsteht. Ist eine der beiden Antworten unsicher, folgt eine Einstufungs- und Dokumentationsrunde vor dem ersten Code und nicht danach.

Bei der Zeitrechnung liegen im August 2026 viele falsch. Die Transparenzpflichten nach Art. 50 EU AI Act gelten seit dem 02.08.2026: Nutzer müssen erfahren, dass sie mit einer Maschine sprechen, und synthetische Inhalte brauchen eine maschinenlesbare Kennzeichnung. Die Pflichten für Hochrisikosysteme wurden dagegen mit der Digital-Omnibus-Verordnung auf den 02.12.2027 verschoben, bei in Produkte eingebetteten Systemen auf den 02.08.2028 ((EU) 2026/1744, FPF-Zeitleiste, 28.07.2026). Viele Fachbeiträge führen weiterhin das alte Datum.

Der Bußgeldrahmen allein rechtfertigt die Klärung. Verstöße gegen Anbieter-, Betreiber- und Art.-50-Pflichten können mit bis zu 15.000.000 EUR oder 3 Prozent des weltweiten Jahresumsatzes geahndet werden, verbotene Praktiken mit bis zu 35.000.000 EUR oder 7 Prozent, jeweils der höhere Betrag. Bei kleinen und mittleren Unternehmen gilt der niedrigere Wert als Obergrenze (Art. 99 AI Act). Eine Einstufungsrunde von vier bis acht Wochen ist dagegen eine günstige Absicherung.

Der Datenschutz ist im deutschen Markt die größere Hürde. Nach der Bitkom-Erhebung vom 11.03.2026 nennen 77 Prozent der Unternehmen Datenschutzanforderungen als größtes externes Hindernis beim KI-Einsatz. Praktisch heißt das: ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, geklärte Verarbeitungsorte und eine Löschregel, bevor das erste Dokument in einen Index wandert. Eine Einschränkung gehört ausgesprochen: eine gegenseitige Anerkennung zwischen den Compliance-Regimen gibt es nicht. Ein NIS2-Audit oder ein ISO-Zertifikat deckt den AI Act nicht ab. Überlappende Kontrollen sind wiederverwendbar, die Konformität bleibt getrennt.

Ändert sich der Prozess in den nächsten Monaten?

Läuft parallel ein ERP-Wechsel, eine Reorganisation oder eine Gesetzesänderung, schreiben Sie den heute gebauten Agenten zweimal. Der Preis der ersten Fassung ist dann keine Investition, sondern Lehrgeld. Richtig ist in dieser Lage das Warten, mit Datenbereinigung in der Zwischenzeit.

Der deutsche Kalender liefert dafür gerade ein Beispiel. § 27 Abs. 38 UStG lässt Papierrechnungen und andere elektronische Formate nur noch übergangsweise zu: für Umsätze bis Ende 2026 allgemein, für Rechnungsaussteller mit höchstens 800.000 EUR Vorjahresumsatz bis Ende 2027 (§ 27 UStG). Wer heute eine KI an seinen bestehenden Rechnungsausgang anschließt, baut sie mit hoher Wahrscheinlichkeit zum Jahreswechsel erneut.

Auch der Zeitbedarf eines Systemwechsels verdient einen realistischen Blick. Die ERP-Einführung beim Surrey County Council stieg von 16,6 auf 27,9 Mio. GBP und dauerte statt 15 Monaten 33 (The Register, 16.07.2024). Das ist kein deutscher Fall und kein KI-Projekt. Die Lehre trägt trotzdem: solange sich das Grundsystem bewegt, bewegt sich auch das Ziel der darauf aufsetzenden Automatisierung.

Würde eine feste Regel ebenfalls genügen?

Deckt ein Wenn-dann den größten Teil der Fälle ab und liegt die Eingabe bereits strukturiert vor, brauchen Sie keinen Agenten, sondern einen codierten Ablauf. Der ist günstiger, testbar und dreht nachts keine vierzig überflüssigen Runden. Die KI tritt an genau einer Stelle ein: dort, wo Freitext zu verstehen ist.

Das ist keine Meinung unseres Hauses. Die Ingenieurempfehlung von Anthropic sagt für die meisten Aufgaben dasselbe: ein vorab codierter Workflow schlägt den autonomen Agenten, und ein Agent lohnt sich erst, wenn die Zahl der Schritte vorab nicht vorhersagbar ist (Building Effective Agents, 19.12.2024).

Auf der Rechnung sieht man den Unterschied. Dieselben 1.000 Dokumente kosten 8,70 USD mit einem einzigen Extraktionsaufruf und 232 USD in einer achtstufigen Agentenschleife, auf demselben Modell. Faktor 27, und entschieden hat nicht der Modellpreis, sondern die Zahl der Runden. Gerechnet wurde mit der offiziellen Claude-Preisliste, mit 12.000 Eingabe- und 500 Ausgabetoken je Schritt.

Self-Hosting ist ebenfalls nicht kostenlos, die Kosten stehen nur an anderer Stelle. n8n Cloud Pro liegt bei 50 EUR im Monat, und dieser Betrag ist der Vergleichswert für den eigenen Betrieb: Server, Aktualisierungen, Überwachung und die Arbeitszeit der Person, die im Störungsfall aufsteht. Eine Lizenz von null ist keine Kosten von null. Rein rechnerisch lohnt der eigene Betrieb erst bei hohem Durchsatz, darunter braucht es ein Argument aus Datenresidenz oder Compliance. Die vier Ansätze stellt unser Vergleich von KI-Agent, Chatbot, RPA und n8n gegenüber.

Was passiert im sechsten Monat eines schlecht gestarteten Projekts?

Es fällt nichts aus. Das System läuft, nur schaut niemand hin. Gegenüber der Demo haben sich die Ergebnisse verschoben, an den Prompts haben mehrere Personen gearbeitet, die Laufzeitkosten sind gestiegen, und die Erfolgszahl liefert niemand, weil sie am Anfang nie ausgesprochen wurde. Das ist der häufigste Ausgang, nicht der laute Absturz.

Die Preisänderung ist kein theoretisches Risiko. Nach der offiziellen Preisliste von Google gilt der Einführungspreis für Gemini 3.6 und 3.7 Flash bis zum 31.12.2026 und verdoppelt sich danach, von 0,75 und 3,75 USD auf 1,50 und 7,50 USD je Million Token (Google). Wer den Betriebsplan für 2027 mit den heutigen Preisen rechnet, plant zu niedrig.

Auch anderswo hat die Tokenrechnung überrascht. Uber hatte sein Jahresbudget für KI-gestütztes Programmieren bereits im April 2026 aufgebraucht, und die Vertragsverlängerung von Priceline für Cursor kam zum vier- bis fünffachen Preis zurück (TechCrunch, 05.06.2026). Ein monatliches Budgetlimit schützt davor nicht, weil es nachträglich greift, wenn der teure Lauf schon durch ist. Nötig sind ein Limit je Durchlauf und eine Obergrenze für die Schrittzahl, von Anfang an eingebaut.

Die Beobachtbarkeit kostet ebenfalls. Langfuse läuft selbst gehostet unter MIT-Lizenz ohne Lizenzgebühr, das Cloud-Paket Core liegt bei 29 USD im Monat (Langfuse), LangSmith Plus bei 39 USD je Nutzer im Monat mit 14 Tagen Aufbewahrung der Traces in der Basisvariante (LangChain). Die 14 Tage sind deshalb interessant, weil im sechsten Monat genau die Frage ansteht, was vor sechs Wochen passiert ist.

Wann lohnt sich ein KI-Agent trotzdem?

Wenn das Volumen ausreicht, die Daten maschinenlesbar vorliegen, Fehler umkehrbar sind, eine benannte Person verantwortlich ist, eine messbare Kennzahl feststeht und der Prozess voraussichtlich ein Jahr stabil bleibt. Fünf von diesen sechs Bedingungen genügen für einen Piloten. Bei drei von sechs ist Warten die bessere Entscheidung.

In der Partnerfrage bin ich offensichtlich befangen, deshalb lasse ich die Zahl sprechen: in der NANDA-Erhebung lag die Erfolgsquote bei interner Fachverantwortung plus externem Partner bei 67 Prozent, bei rein intern gebauten Projekten bei 22 Prozent. Das schreibt ein Entwicklungshaus, behandeln Sie es entsprechend. Die Stichprobe ist allerdings nicht unsere.

Ein eigenes Beispiel von der guten Seite: das lokal betriebene Suchsystem für das Archiv von kultura.hu funktioniert, weil die Bedingungen erfüllt waren. Große Dokumentmenge, maschinenlesbarer Bestand, umkehrbarer Fehler, und zu jeder Antwort eine Quellenangabe, sodass die Nutzer die Maschine überprüfen können. Dieses Projekt war auch Gegenstand unseres Vortrags auf dem AI Summit Budapest 2025.

Für deutsche Auftraggeber kommt ein zweiter Punkt dazu. Ungarn ist EU-Mitgliedstaat, der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO reicht aus, ein Drittlandtransfer entfällt, und die Zeitzone ist dieselbe. Das ersetzt keinen Business Case, es nimmt aber die Frage vom Tisch, die bei 77 Prozent der Unternehmen ganz oben steht.

Und eine ehrliche Grenze. Wenn Sie eine dreistufige Automatisierung von Formular über CRM zur E-Mail brauchen, gilt dafür die Spanne von 280 bis 1.400 EUR, und das baut Ihnen auch ein guter Freiberufler mit n8n zusammen. Unseren Mehrwert liefern wir dort, wo mehrere Systeme, Ausnahmebehandlung, Berechtigungen und Compliance-Dokumentation zusammenkommen. Liegt Ihre Aufgabe im ersten Bereich, sagen wir das im Scoping-Gespräch.

Zusammenfassung und häufige Fragen

Wenn Sie bei mehreren der neun Fälle zugestimmt haben, heißt das nicht, dass KI bei Ihnen nicht funktioniert. Es heißt, dass die Reihenfolge anders ist: Prozess, Daten, Messung und erst dann das Modell. Sind die Bedingungen dagegen erfüllt, zeigt unser Einführungsplan über 90 Tage, wie eine disziplinierte erste Runde aussieht.