📉Warum scheitern 95% KI-Projekte in Firmen? Und wie verhindern wir das?

Guten Morgen zusammen!
Ein NYT-Artikel von 2018 machte diese Woche auf Twitter die Runde. Darin empörte man sich über die „absurden Gehälter von über einer Million Dollar“ für KI-Forscher wie OpenAI-Mitgründer Ilya Sutskever. Sieben Jahre später hat sich das vertausendfacht - auf eine Milliarde. Warum hab wir noch mal VWL studiert?
Ah, und habt ihr "Good Will Hunting" noch auf dem Schirm? Es geht gerade auf Reddit rum, dass diese Szene Parallelen zum aktuellen Stand von ChatGPT zieht.

Peanuts für heute:

Eine MIT-Studie kommt zu dem Ergebnis, dass 95% aller Generative-KI-Projekte in Firmen scheitern.

Okay, dann war’s das wohl. Schön wars, wir packen unsere Zelte wieder zusammen.

Aber nein. Wir stimmen dem Ergebnis zu, es kommt aber auf die Schlussfolgerung an. Denn die Studie zeigt vor allem, was Unternehmen falsch machen, wenn sie KI in ihre Prozesse integrieren wollen.

Worum es in der MIT-Studie geht

Die Untersuchung basiert auf 150 Interviews mit Führungskräften, einer Umfrage unter 350 Mitarbeitern und 300 dokumentierten KI-Einführungen. Erfolg wurde sehr klar definiert: schneller Umsatzschub. Und den schaffen gerade einmal 5% der Projekte.

Wenig überraschend lag die Erfolgsquote bei jüngeren und kleineren Unternehmen deutlich höher als bei Konzernen. Große Unternehmen verzetteln sich häufig und bleiben in der Pilot-Phase stecken.

Drei Probleme, die immer wieder auftreten

Das Muster ist überall ähnlich und hat wenig mit der Technologie selbst zu tun:

Daraus lassen sich zwei Thesen ziehen: Erstens liegt das Problem nicht an der Qualität der Modelle, sondern an der Implementierung. Zweitens klaffen Einsatzorte und Nutzen weit auseinander.

Ein Blick zurück: das Solow-Paradox

Das ist kein neues Phänomen. In den 1980er Jahren diskutierten Ökonomen das „Solow-Paradox“. Robert Solow formulierte damals süffisant: “You can see the computer age everywhere but in the productivity statistics.”

PCs zogen in Büros ein, doch die erhofften Produktivitätsschübe blieben lange aus. In manchen Fällen waren die Effekte sogar negativ, weil Umstellungen und Schulungen mehr kosteten, als sie einbrachten. Erst ein bis zwei Jahrzehnte später (!) waren die Gewinne klar messbar. Heute käme niemand mehr auf die Idee, den PC in Frage zu stellen - aber die Anpassung war ein gigantischer Kraftakt.

Warum wir uns mit Generativer KI schwer tun

Dieses Mal sind die Herausforderungen ähnlich groß, aber anders: Klassische Software war deterministisch: sie lieferte immer dasselbe Ergebnis. Generative AI ist probabilistisch: 96% korrekt, 4% nicht. Aber diese vier Prozent sind entscheidend, vor allem wenn es um Rechtsgutachten, Finanzberichte oder medizinische Analysen geht.

KI Forscher Andrej Karpathy hat hierzu einen fantastischen Vortrag gehalten. Er unterscheidet zwischen Software 1.0 (klassischer Code), Software 2.0 (Neuronale Netze, die man mit Daten trainiert) und Software 3.0 (LLMs, die wir mit Sprache programmieren). Damit verändert sich das Wesen von Software fundamental: Unternehmen müssen lernen, mit „fast richtig“ umzugehen. 

Sie brauchen Workflows, die Fehler abfangen. Experten, die dank KI schneller werden statt ersetzt zu werden Und Manager, die begreifen, dass KI kein Plug-and-Play ist, sondern ein neues Betriebssystem für die Arbeitswelt.

Die eigentliche Botschaft der MIT-Studie lautet deshalb: 95% der Piloten scheitern nicht, weil KI überschätzt ist - sondern weil noch nicht klar ist wie Unternehmen überhaupt mit Software 3.0 zukünftig arbeiten werden.

Gleichzeitig mit dem neuen Video-Modell Veo 3 hatte Google vor einigen Wochen auch das Video-Editing Tool Flow vorgestellt. Ein simples Tool, dass es aber auch für Laien einfach macht, KI-Videos zu erstellen und dabei vor allem unterschiedliche Szenen konsistent zu längeren Videos zusammenzufügen.

Wie so häufig bei KI-Releases war das aber erst mal nicht in Deutschland zugänglich. Das hat sich jetzt zum Glück geändert und Flow ist auch hierzulande nutzbar. Für die Generierung von Videos benötigt man allerdings ein Google AI Pro Abo - normalerweise ab ca 21€/Monat verfügbar, aktuell lässt es sich aber gratis einen Monat lang ausprobieren. Im Gratis-Probeabo sind genug Credits enthalten, um das Tool intensiv zu testen.

Mit Flow lassen sich dann Videos auf Basis von Text-Prompts und in Kombination mit Bild-Inputs generieren. Es lässt sich zwischen verschiedenen Modellen wechseln (z.B. Veo 3 Fast für schnelle Generationen und Veo 3 Quality für die höchste Qualität).

Ein sinnvolles KI-Feature von Google, leider noch nicht in Deutschland verfügbar, hoffentlich aber bald!

Unsere Gemischte Tüte ist immer vollgepackt - in dieser Sektion kuratieren wir die aus unserer Sicht wichtigsten Links:

Sam Altman über GPT-6: Das nächste große Modell soll schneller kommen als der Zwei-Jahres-Abstand zwischen GPT-4 und GPT-5 – und „Memory“ (langfristiges Erinnern über Sitzungen hinweg) als zentralen Durchbruch bringen. Außerdem stellt Altman Personalisierung in Aussicht; TLDR: weniger Vergesslichkeit, mehr auf Nutzer zugeschnittene Antworten. Link

DeepSeek V3.1 ist da – und könnte das bisher stärkste Open Source Modell sein. Das 685-Milliarden-Parameter-System greift die Dominanz US-amerikanischer Anbieter an; frühe Tests sehen Benchmarks auf Augenhöhe mit proprietären Modellen von OpenAI und Anthropic. Technisch setzt DeepSeek auf eine Hybridarchitektur, die Chat, Reasoning und Coding nahtlos in einem Modell vereint und so den Open-Source-Wettbewerb spürbar verschärft. Link

Sehr coole Doku über Nvidia-GPU-Schwarzmarkt: Eine neue Dokumentation zeichnet den Weg exportbeschränkter KI-Chips von US-Privatverkäufen (z. B. Facebook Marketplace) bis in chinesische Lagerhäuser nach. Das Filmteam spricht direkt mit Schmugglern, Zwischenhändlern und Herstellern in Hongkong und Shenzhen. Ein spannender Blick hinter die Lieferketten hinter dem globalen KI-Wettrennen. Link

🇪🇺 EU-News:

👩‍💻 Tech-News:

🇨🇳 China & AI Race:

👷 Work & Education:

🆕 Neue Anwendungsfelder:

🔐 AI Safety:

🏥 Health & Science:

🖼️ Kreativindustrie:

Du hast Fragen, Anmerkungen oder brauchst unsere Hilfe?
Schreib uns einfach an:
[email protected]