Ein Lenkungsausschuss genehmigt das Budget. Ein Team von Entwicklern, Data Scientists und Fachvertretern nimmt die Arbeit auf. Sechs Monate später sind die Modellgenauigkeiten beeindruckend, aber niemand nutzt das System.
Das ist kein Einzelfall, sondern das häufigste Scheiternsmuster in KI-Vorhaben.
Was auf dem Spiel steht
Wer ein KI-Projekt genehmigt, investiert nicht in Technologie. Er investiert in eine Veränderung von Arbeitsabläufen, Entscheidungsprozessen und manchmal ganzer Organisationsstrukturen. Der Algorithmus ist das Mittel, nicht das Ziel.
Wenn dieses Verhältnis im Projektalltag umgekehrt wird, beginnt das eigentliche Risiko. Nicht das Risiko eines schlechten F1-Scores, sondern das Risiko, dass die Organisation das fertige System nicht annimmt, nicht versteht oder nicht braucht.
Der Moment, in dem Projekte die Richtung verlieren
In nahezu jedem größeren KI-Vorhaben gibt es einen Punkt, meist zwischen der ersten lauffähigen Version und dem ersten echten Rollout, an dem das Team aufhört, über den Nutzer zu sprechen, und anfängt, über Features zu sprechen.
Das ist kein Versagen der Beteiligten, sondern eine strukturelle Falle: Je technisch komplexer ein Vorhaben wird, desto mehr zieht die Technologie die Aufmerksamkeit auf sich. Der Fachbereich verliert den Anschluss. Das Steering Committee bekommt Fortschrittsberichte über Deployments statt über Nutzenrealisierung.
Was es braucht, um den Kurs zu halten
Es braucht jemanden, der in dieser Situation die Verbindung zwischen dem, was gebaut wird, und dem, wozu es gebaut wird, explizit hält. Nicht als Berater am Rande, sondern als Teil der Projektsteuerung.
Das ist keine technische Aufgabe. Es ist eine Führungsaufgabe – und sie erfordert, dass jemand bereit ist, unbequeme Fragen zu stellen, wenn alle anderen an der Lösung feilen.