Zum Inhalt springen

KI · Artikel

Warum KI-Projekte in der Industrie scheitern

Drei Zahlen aus aktuellen Studien zeigen, wo KI-Projekte hängen bleiben: beim Ergebnis, bei den Daten und bei den Rechten. Und was KI braucht.

Von demi Redaktion1 Min. Lesezeit

Alle Beiträge

KI scheitert nicht nur am Modell. Sie scheitert auch an Daten, Rechten und Abläufen. Drei Zahlen aus aktuellen Studien zeigen, wo es hakt.

Das Ergebnis bleibt aus

Nur 25 % der KI-Initiativen lieferten den erwarteten ROI, nur 16 % wurden unternehmensweit skaliert (IBM, 2.000 CEOs).

Die Daten sind nicht bereit

Gartner erwartet, dass bis Ende 2026 Unternehmen 60 % der KI-Projekte ohne KI-fähige Daten aufgeben.

Die Rechte sind nicht geregelt

Nur 21 % haben ein reifes Governance-Modell für KI-Agenten, 74 % erwarten bis 2027 Agenten im Einsatz (Deloitte). Ohne solche Regeln sieht ein Agent zu viel oder darf gar nichts.

Was KI braucht

demi ist in drei Schichten gebaut, in genau dieser Reihenfolge: Der Data Layer bringt die Daten aus jedem System zusammen, und jeder Wert behält seine Quelle. Der Permission Layer macht aus dem Organigramm Rechte. Erst dann arbeitet im Intelligence Layer die KI, genau und nachvollziehbar.

Quellen

  1. IBM Institute for Business Value, 06.05.2025: IBM Study: CEOs Double Down on AI While Navigating Enterprise Hurdles
  2. Gartner, 26.02.2025: Lack of AI-Ready Data Puts AI Projects at Risk (Q&A with Roxane Edjlali)
  3. Deloitte, 24.04.2026: Business and IT leaders report AI agents are scaling faster than their guardrails

Dein Konfigurator

Noch keine Anwendungsfälle

Dein Konfigurator ist noch leer

Füge einen Anwendungsfall hinzu, auf jeder Karte und jeder Fallseite, und sieh, was er pro Jahr bringt, mit der Rechnung dazu. Kostenlos, ohne Anmeldung, unverbindlich: probier es aus und ändere jede Zahl.

Anwendungsfälle ansehen