Im Juni 2026 erzeugte mein eigenes Redaktionssystem tagelang etwas, das beim Leser nie ankam. Die GEO-Zusammenfassungen, jene kurzen Absätze, an denen sich Sprachmodelle orientieren, wenn sie eine Seite zitieren sollen, wurden sauber erzeugt und sauber gespeichert. Im ausgelieferten Quelltext standen sie nicht. Das Werkzeug arbeitete tadellos; der Weg vom Werkzeug bis zum Ergebnis war nie zu Ende gedacht worden.
Eine Serie über KI-Beratung mit einem eigenen Fehler zu beginnen, ist keine Koketterie. Es ist der Normalfall, einmal von innen betrachtet.
Die Ursache steht selten im Rechenzentrum
Die RAND Corporation hat für ihren Bericht The Root Causes of Failure for Artificial Intelligence Projects fünfundsechzig Data Scientists und Ingenieure befragt, jeder mit mindestens fünf Jahren Erfahrung im Bau von KI-Systemen. Nach den Schätzungen, die der Bericht zusammenträgt, scheitern mehr als 80 Prozent der KI-Projekte, etwa doppelt so häufig wie IT-Vorhaben ohne KI. Interessant ist weniger die Quote als das, was die Befragten als Ursache nannten: eine falsch gestellte Aufgabe, ein Missverständnis zwischen Führungsebene und Technik darüber, welches Problem überhaupt gelöst werden sollte, dazu Daten, die nie für diesen Zweck gepflegt wurden.
Fast nichts davon ist ein Technikproblem. Das Modell rechnet zuverlässig; es rechnet nur an der falschen Stelle.
Die häufigste Ursache für gescheiterte KI-Projekte ist eine Frage, die vor dem ersten Prompt nicht gestellt wurde.
Man könnte hinzufügen: und ein Maßstab, den niemand festgelegt hat. Denn selbst wenn die Frage stimmt und die Daten reif sind, bleibt offen, wer beurteilt, ob das Ergebnis taugt. Diese Lücke sitzt tiefer als jede Datenpflege.
Vier Weichen, in dieser Reihenfolge
Aus dieser Beobachtung ist die Arbeitsweise entstanden, die diese Serie auseinanderlegt. Sie ist unspektakulär: zuerst den Prozess anschauen, den ein Werkzeug angeblich verbessern soll; dann entscheiden, ob er automatisiert oder nur unterstützt gehört; dann prüfen, ob ein Standardprodukt reicht oder ob etwas Eigenes gebaut werden muss; und erst am Ende die Frage stellen, mit welchem Anbieter, welchem Modell, welchem Prompt das Ganze läuft.
Die Reihenfolge ist der eigentliche Inhalt. Wer sie umdreht, kauft ein Werkzeug und sucht anschließend ein Problem dafür. Das funktioniert etwa so gut, wie es klingt. Warum die Modellwahl dabei die am meisten überschätzte Entscheidung im ganzen Projekt ist, steht ausführlich in Das Modell ist nicht die Strategie.
Erst die Diagnose, dann der Prompt
Der erste Teil der Serie beschreibt, was eine Prozessdiagnose in Marketing, PR und Management tatsächlich prüft: wie oft ein Vorgang läuft, wie lange er dauert, wie viele Hände ihn anfassen, wo er wartet und an welcher Stelle jemand ein Urteil fällen muss. Erst wenn das auf dem Tisch liegt, lässt sich sagen, ob KI hier überhaupt etwas beiträgt.
Bei der Gelegenheit fällt oft auf, dass ein Prozess gar nicht beschleunigt, sondern abgeschafft gehört. Auch das ist ein Ergebnis. Es steht nur in keinem Angebot eines Softwareanbieters.
Mehr dazu in Der Prompt kommt zuletzt.
Automatisieren oder unterstützen, das ist die eigentliche Weiche
Erik Brynjolfsson, Ökonom in Stanford, hat 2022 in The Turing Trap beschrieben, warum die Versuchung so groß ist, Maschinen zu bauen, die Menschen ersetzen, statt solche, die Menschen besser machen. Sein Befund: Automatisierung ist die bequemere Erzählung, Augmentierung die wirtschaftlich ergiebigere. Für ein Kommunikationsteam heißt das ganz praktisch, dass zwei völlig verschiedene Fragen ständig durcheinandergehen.
Ein Vorgang, dessen Ergebnis sich eindeutig prüfen lässt, darf automatisch laufen. Ein Vorgang, in dem jemand abwägen muss, was ein Satz beim Empfänger auslöst, darf es nicht. Die Grenze verläuft nicht zwischen einfach und schwierig, sondern zwischen prüfbar und urteilsabhängig.
Automatisieren, was sich eindeutig prüfen lässt. Unterstützen, wo jemand urteilen muss. Wer diese beiden Fälle vertauscht, bekommt entweder Stillstand oder Ärger mit der Freigabe.
Der zweite Teil führt das aus: Automatisieren oder unterstützen. Wie sehr an dieser Weiche das Vertrauen im Haus hängt, zeigt außerdem KI-Governance: Warum Integration über Vertrauen entscheidet.
Ein Modell, das alle haben, ist kein Vorsprung
Wenn Ihr Wettbewerber dasselbe Sprachmodell abonniert wie Sie, und das tut er vermutlich, dann liegt der Unterschied nicht mehr im Modell. Er liegt darin, was Sie darum herum gebaut haben: welche Regeln gelten, welche Quellen eingebunden sind, wer freigibt, was passiert, wenn die Maschine Unsinn produziert.
Ich kann das schlecht behaupten, ohne es zu zeigen. redenschreiben.ai, transkriber.de und das Redaktionssystem hinter dieser Website sind selbst gebaute Prozesswerkzeuge; sie existieren, weil kein Standardprodukt den jeweiligen Ablauf abgebildet hat. Der Fehler vom Juni gehört zu dieser Rechnung dazu. Werkzeuge, die man selbst gebaut hat, kann man immerhin selbst reparieren.
Teil drei: Das gleiche Modell ist kein Vorteil.
Womit man anfängt, wenn man klug anfängt
Der Bitkom hat für die Untersuchung Marketing im digitalen Wandel Ende 2025 einhundertachtzig Unternehmen der Digitalwirtschaft befragt. 84 Prozent halten KI für den wichtigsten Einflussfaktor auf das Marketing der nächsten Jahre. Gleichzeitig geben 35 Prozent an, keine KI-Strategie zu haben, und 34 Prozent, dass die Einbindung ins eigene Haus nicht funktioniert. Die Digitalwirtschaft ist dabei die freundlichste denkbare Stichprobe; im übrigen Mittelstand dürfte der Abstand zwischen Überzeugung und Umsetzung eher größer sein.
Der erste automatisierte Prozess entscheidet über die Akzeptanz aller weiteren. Deshalb sollte er langweilig sein: ein Reporting, eine Wettbewerbsbeobachtung, eine Freigabeschleife. Nichts, wobei ein Fehler in der Presse landet.
Der erste Prozess, den Sie automatisieren, ist kein Effizienzgewinn. Er ist ein Testfall dafür, ob Ihr Haus der Maschine traut.
Teil vier sortiert die Kandidaten: Vom Reporting bis zur Freigabe.
Wofür die gewonnene Zeit da sein soll
Bleibt die Frage, die in jeder Belegschaft zuerst gestellt wird, meist nicht laut. Wird hier gerade jemand wegrationalisiert?
Russ Altman, damals stellvertretender Leiter des Stanford-Instituts für menschenzentrierte KI, hat den Anspruch auf einer Konferenz zur Intelligenzerweiterung in einem Satz zusammengefasst: Erweitern heiße nicht nur, die Fähigkeiten zu verbessern, sondern auch die Qualität des Arbeitslebens. Das ist ein Anspruch, keine Prognose. Ob er eingelöst wird, entscheidet keine Software, sondern die Geschäftsführung, die festlegt, wofür die eingesparten Stunden verwendet werden. Am ehesten für das, was die Maschine gerade nicht kann: gegenlesen, bevor etwas rausgeht.
Zeit sparen ist eine Rechenaufgabe. Zeit gewinnen ist eine Entscheidung.
Teil fünf: Menschen fürs Wesentliche.
Und am Ende die Rechnung
Bleibt die Frage, die über allen vier Weichen steht: Was kostet das, und woran sehen Sie, ob es sich gelohnt hat? Der sechste Teil macht die Rechnung auf, mit den eigenen Betriebszahlen statt mit Schätzungen aus zweiter Hand, mit vier Werten, die sich messen lassen, ohne dass man sich dabei belügt, und mit dem, was das Bauen per Zuruf an Verständnis und Dokumentation voraussetzt: Die Maschine ist der billigste Posten.
Was diese Serie nicht leistet
Sie ersetzt keine Prüfung Ihres Einzelfalls. Ob in Ihrem Haus zuerst das Reporting oder die Presseverteilerpflege drankommt, hängt davon ab, wo bei Ihnen die Zeit versickert, und das lässt sich aus der Ferne nicht seriös sagen. Die Serie liefert die Reihenfolge der Fragen, nicht Ihre Antworten.
Und sie ist skeptisch, aus Erfahrung. Jedes der hier beschriebenen Werkzeuge hat mich Wochen gekostet, die im Angebot nicht standen. Wer Ihnen KI-Einführung als Wochenendprojekt verkauft, hat entweder nie eines gebaut oder rechnet damit, dass Sie nicht nachfragen.
Wenn Sie nach der Serie nur eine einzige Sache übernehmen: Fragen Sie beim nächsten Werkzeug, das Ihnen jemand anbietet, welcher Prozess dadurch verschwindet, und wer künftig gegenliest, was es produziert. Bleibt es still, war es kein Prozess, sondern ein Abonnement.
Häufige Fragen
Mit einer Prozessdiagnose, nicht mit der Auswahl eines Werkzeugs. Geprüft wird, wie oft ein Vorgang läuft, wie lange er dauert, wie viele Hände ihn anfassen und an welcher Stelle jemand ein Urteil fällen muss. Erst danach lässt sich sagen, ob KI hier überhaupt etwas beiträgt.
Weil die Aufgabe falsch gestellt wird, nicht weil die Technik versagt. Die RAND Corporation hat 2024 fünfundsechzig erfahrene Entwickler befragt und als Hauptursachen ein Missverständnis zwischen Führung und Technik über das zu lösende Problem sowie ungepflegte Daten gefunden. Nach den dort zusammengetragenen Schätzungen scheitern über 80 Prozent der KI-Projekte.
Nein. Automatisieren lässt sich ein Vorgang, dessen Ergebnis sich eindeutig prüfen lässt. Wo jemand abwägen muss, was ein Satz beim Empfänger auslöst, bleibt der Mensch in der Verantwortung und die KI unterstützt nur. Die Grenze verläuft zwischen prüfbar und urteilsabhängig, nicht zwischen einfach und schwierig.
Für Routineaufgaben reicht meistens ein Standardprodukt. Ein eigenes Werkzeug lohnt sich dort, wo der Ablauf im Haus besonders ist und kein Anbieter ihn abbildet, etwa bei Freigabeketten mit mehreren Beteiligten. Wenn alle dasselbe Sprachmodell abonnieren, entsteht der Unterschied ohnehin erst durch das, was darum herum gebaut ist.