Warum viele KI-Projekte scheitern und wie Agentic AI zu wirksamen Systemen führt
Ein Beitrag von Marc Kresin, Leiter der DDIM.fachgruppe // Digitalisierung und Industrie 4.0
Künstliche Intelligenz ist eines der dominierenden Themen in Unternehmen. Nahezu jede Organisation experimentiert mit generativer KI, Automatisierung oder KI-gestützten Analysen. Gleichzeitig folgt oft Ernüchterung. Viele Initiativen erreichen nicht die erhoffte Wirkung.
Das liegt selten an der Technologie.
Eine Analyse der Boston Consulting Group zeigt: Nur etwa 10 % des Erfolgs von KI-Initiativen hängen von der eingesetzten Technologie ab. Rund 20 % entfallen auf Datenqualität und Verfügbarkeit. Etwa 70 % werden durch Menschen, Prozesse und Führung bestimmt. (Quelle BCG: https://www.bcg.com/publications/2024/wheres-value-in-ai)
KI scheitert selten an der KI.
Sie scheitert daran, dass sie nicht sauber in Organisationen und Geschäftsprozesse integriert wird.
Warum viele KI-Initiativen ihre Wirkung verfehlen
In der Praxis zeigen sich wiederkehrende Muster.
Oft fehlt eine klare Zieldefinition. KI wird eingeführt, bevor klar ist, welche konkrete Wirkung erzielt werden soll. Statt messbarer Ergebnisse entstehen Demonstratoren oder isolierte Anwendungen ohne nachhaltigen Nutzen.
Häufig fehlt auch eine klare Systemarchitektur. Ziele, Daten, Entscheidungslogik und operative Umsetzung sind nicht sauber getrennt. KI wird zur zusätzlichen Komponente in einem ohnehin unscharfen System und verstärkt bestehende Schwächen.
Dazu kommt ein ungeeignetes Datenfundament. Statt kuratierter, verantworteter Daten werden fragmentierte oder kontextarme Quellen genutzt. Das führt zu unzuverlässigen Ergebnissen.
Und vielerorts fehlt eine echte Lernschleife. KI produziert Resultate. Deren Wirkung wird jedoch nicht systematisch ausgewertet und zurück ins System geführt.
Das Resultat sind Anwendungen ohne nachhaltige Verbesserung von Geschäftsprozessen.
Vom KI-Tool zum Operating Model
Wirksame KI verlangt eine andere Perspektive.
Der entscheidende Schritt ist, KI nicht als Werkzeug zu betrachten, sondern KI als Teil eines Operating Models.
Ein solches Modell definiert nicht nur die Technologie. Es klärt, welche Ziele erreicht werden sollen, welche Daten benötigt werden, welche Rollen Verantwortung tragen, wie Entscheidungen getroffen werden und wie das System aus Ergebnissen lernt.
Erst mit dieser Struktur entfaltet KI ihre Stärke: Muster erkennen, Prozesse beschleunigen, Entscheidungen datenbasiert unterstützen.
In diesem Kontext gewinnt Agentic AI an Bedeutung.
Agentic AI: spezialisierte KI-Agenten statt monolithischer Systeme
Agentic AI beschreibt Systeme, in denen mehrere spezialisierte KI-Agenten zusammenarbeiten. Jeder Agent übernimmt eine klar definierte Aufgabe, etwa Analyse, Inhaltserstellung, Bewertung oder Prozesssteuerung.
Komplexe Prozesse werden so in kontrollierbare Schritte zerlegt. Einzelne Komponenten lassen sich gezielt überwachen, verbessern oder austauschen.
Vor allem entsteht ein System, das über Feedback und Messung kontinuierlich lernt.
Die zentrale Herausforderung liegt darin, probabilistische KI, also Systeme auf Basis von Wahrscheinlichkeiten, in deterministische Geschäftsprozesse zu integrieren. Erst so entstehen reproduzierbare Ergebnisse.
Ein praktisches Beispiel: Agentic AI im Marketing und Vertrieb
Ein konkretes Anwendungsfeld ist Marketing und Business Development.
Gerade im B2B-Umfeld mit langen Entscheidungszyklen und hohem Vertrauensbedarf ist Sichtbarkeit entscheidend. Gleichzeitig führt die Automatisierung von Content-Produktion oft zum Gegenteil: mehr Inhalte, weniger Orientierung.
Ein Agentic-AI-Ansatz bringt Struktur in diesen Prozess.
Mehrere spezialisierte KI-Agenten übernehmen klar definierte Aufgaben, etwa Analyse bestehender Inhalte und Resonanzmuster, Entwicklung neuer Inhalte, redaktionelle Prüfung, Qualitätssicherung sowie Veröffentlichung und Wirkungsauswertung.
Das System arbeitet mit strukturierten Daten, klaren Rollen und kontinuierlichem Feedback.
Im Mittelpunkt stehen nicht einzelne Inhalte, sondern ein lernendes System, das über Zeit Wirkung aufbaut.
Ein solches Setup lässt sich auch von Einzelpersonen betreiben. In einem eigenen Experiment erreichte ein System aus sieben spezialisierten KI-Agenten in 90 Tagen rund 225.000 Impressionen auf LinkedIn, ohne Agentur und ohne klassisches Marketingteam.
Entscheidend ist nicht die Zahl. Entscheidend ist das Prinzip: Sichtbarkeit entsteht nicht durch mehr Content, sondern durch konsistente Positionierung, strukturierte Prozesse und kontinuierliches Lernen aus Resonanz.
Was Unternehmen daraus lernen können
Der Mehrwert solcher Experimente liegt in den übertragbaren Prinzipien.
Wirksame KI-Systeme brauchen:
- eine klare Wirkungslogik, bevor Technologie eingesetzt wird
- strukturierte Daten, statt ungerichteter Datenmengen
- klar definierte Rollen und Verantwortlichkeiten im System
- messbare Feedback-Schleifen, die kontinuierliches Lernen ermöglichen.
Unternehmen, die diese Prinzipien anwenden, nutzen KI nicht nur zur Automatisierung einzelner Aufgaben. Sie verbessern ganze Geschäftsprozesse und sogar eine disruptive Innovation ihres gesamten Geschäftsmodells bewirken.
Die relevante Frage lautet nicht, welche KI-Tools eingesetzt werden.
Sondern wie Systeme gestaltet sein müssen, damit KI wirksam arbeiten kann.
Marc Kresin unterstützt Unternehmen dabei, Business Agility im digitalen Wettbewerb zu erreichen. Der Diplom-Wirtschaftsinformatiker verfügt über mehr als 20 Jahre Erfahrung in leitenden Rollen – als CTO, CPO, Enterprise Architekt und IT-Projektleiter – und gilt als Brückenbauer zwischen Technologie, Business und Mensch. Seine Schwerpunkte liegen in Digitalisierung, Cloud, Künstlicher Intelligenz, E-Commerce, CRM/XRM, SCM und agilen Methoden. Er arbeitet vor allem mit Unternehmen aus Energie, Handel und Telekommunikation und steht für klare Kommunikation, kreative Problemlösung und messbare Ergebnisse. Sein Leitmotiv: Freundlich, klar und kompetent – gemeinsam zum Erfolg.
In den DDIM.fachgruppen haben sich Mitglieder zusammengeschlossen, die in gleichen Branchen und Funktionen oder an vergleichbaren Aufgabenstellungen und Sonderthemen arbeiten. Die Mitglieder sind auf ihren Gebieten Experten, sie tauschen ihr Wissen und ihre Erfahrungen aus. Eines ihrer Ziele ist es, das Interim Management in den einzelnen Disziplinen bekannter zu machen sowie mehr Nähe zur Industrie, zu Verbänden und zu Fachmedien herzustellen.
Folgen Sie uns jetzt auf LinkedIn!
