Die 95-Prozent-Zahl leistet ziemlich viel Arbeit

Sie kennen die Zahl. 95 Prozent aller GenAI-Piloten liefern keinen messbaren Ertrag. Sie stand in jedem Newsletter und in jeder Keynote — und das sollte ich gleich zu Beginn zugeben: für jemanden, der Beratung für AI-Umsetzung verkauft, ist das eine ausgesprochen praktische Zahl. Sie sagt, das Problem sei riesig. Und sie sagt, Sie bräuchten Hilfe.

Genau deshalb verdient sie einen kritischeren Blick, als sie üblicherweise bekommt.

Woher die Zahl stammt

Sie stammt aus dem Projekt NANDA des MIT Media Lab. Die Grundlage sind rund 150 Interviews mit Führungskräften, eine Befragung von etwa 350 Mitarbeitenden und die Auswertung von 300 öffentlich dokumentierten AI-Einführungen. Für eine qualitative Studie ist das eine vertretbare Basis. Für eine Kennzahl, die zitiert wird, als wäre sie eine Vollerhebung der Weltwirtschaft, ist sie dünn.

Auch die eigentliche Aussage ist enger als ihre Verbreitung. NANDA berichtet, dass 95 Prozent der Piloten keine messbare Wirkung auf die Gewinn- und Verlustrechnung zeigen. Das ist nicht derselbe Satz wie „95 Prozent der AI-Projekte scheitern“ — aber dieser Satz wird weitergegeben.

Vier Zahlen, die nicht zusammenpassen

Stellt man die gängigen Werte nebeneinander, wird das Problem sofort sichtbar.

Eine Spanne von 40 bis 95 Prozent ist kein Messfehler. Es sind vier Organisationen, die vier verschiedene Fragen beantworten. Gartner zählt Projekte, deren Abbruch erwartet wird — und prognostiziert dabei auf Basis einer Befragung von über 3.400 Organisationen aus der Mitte des Jahres 2025, statt zu berichten. RAND zählt gescheiterte Projekte. IDC zählt Piloten, die nie in den Produktivbetrieb kommen. NANDA zählt Piloten ohne Ergebniswirkung.

Das sind vier wirklich unterschiedliche Ergebnisse. Ein Pilot kann produktiv gehen und trotzdem das Ergebnis nicht bewegen. Ein Pilot kann abgebrochen werden, und der Abbruch war die richtige Entscheidung. Wer all das zu „AI scheitert“ zusammenzieht, wirft genau die Information weg, die weiterhelfen würde.

Scheitern ist nicht die nützliche Kategorie

Das ist der Punkt, der mich an der Verwendung dieser Zahl am meisten stört. Ein Pilot, der in sechs Wochen und für 40.000 Euro belegt, dass ein Anwendungsfall nicht trägt, ist kein Fehlschlag. Er ist günstige Information, gewonnen in der richtigen Reihenfolge. In jeder dieser Statistiken erscheint er als Verlust.

Teuer ist nicht der Pilot, der gestoppt wird. Teuer ist der Pilot, der weiterläuft, weil niemand definiert hat, was ihn stoppen würde.

Ich habe mehr Geld in Projekten verbrennen sehen, die sich nicht beenden ließen, als in Projekten, die früh beendet wurden. Keine der Schlagzeilen-Statistiken unterscheidet zwischen beidem — was sie als Entscheidungsgrundlage nahezu wertlos macht.

Worin die Studien übereinstimmen

Die Zahlen gehen auseinander. Die Diagnosen laufen zusammen — und diese Übereinstimmung ist der Teil, der Ihre Aufmerksamkeit verdient. Bei RAND, IDC, Gartner und NANDA wiederholen sich dieselben Ursachen, und keine davon betrifft die Qualität der Modelle:

• Kein messbares Geschäftsziel, das vom ersten Tag an an der Arbeit hängt.
• Datenreife — der größte Einzelfaktor, und fast immer erst spät entdeckt, wenn der Pilot bereits etwas versprochen hat.
• Schwache Einbindung in den tatsächlichen Arbeitsablauf, sodass das Ergebnis dort landet, wo niemand hinsehen muss.
• Rückendeckung aus der Führung, die nachlässt, sobald die Demo ihren Reiz verliert.
• Keine benannte Verantwortung für das Ergebnis nach der Übergabe — im Unterschied zur Verantwortung für das Projekt.

Vier Studien, die sich auf keine Prozentzahl einigen können, sind sich bei den Ursachen vollkommen einig. Das heißt: die Ursachen sind belastbar, die Prozentzahl ist Dekoration.

Die Gegenbelege, die niemand zitiert

Erwähnenswert ist, dass der NANDA-Bericht genau aus diesen Gründen kritisiert wurde. Futuriom, mit dem deutlichsten Widerspruch, führt eine Datenbank mit über 130 dokumentierten AI-Einführungen in Unternehmen — mit Namen und mit Ergebnissen. Deloitte fand in einer eigenen Befragung, dass rund ein Viertel der Organisationen bereits 40 Prozent oder mehr ihrer Piloten produktiv gesetzt hatte. Diese Befunde erreichen einen Bruchteil der Verbreitung, denn „eine relevante Minderheit kommt gut zurecht“ ist keine Schlagzeile.

Was Sie damit anfangen

Hören Sie auf, nach der Scheiterquote zu fragen. Es ist keine Zahl, die auf Sie zutrifft. Stellen Sie die vier Fragen, bei denen sich die Studien tatsächlich einig sind — und zwar bevor der Pilot beginnt:

• Welche Kennzahl in welchem Report verändert sich, und um wie viel, wenn das funktioniert?
• Wer verantwortet diese Kennzahl heute — bevor es das Projekt gibt, und nachdem es endet?
• Was müsste eintreten, damit wir aufhören, und wer darf das aussprechen?
• Hat schon jemand in die tatsächlichen Daten gesehen, oder nehmen wir an, dass sie brauchbar sind?

Wer diese vier Fragen nicht beantworten kann, dessen Pilot landet in derjenigen Statistik, die er am überzeugendsten findet. Wer sie beantworten kann, für den wird die Branchenquote irrelevant — und darum ging es von Anfang an.

Und wenden Sie dieselbe Skepsis auf mich an. Ich verkaufe die Lösung für das Problem, das diese Zahl beschreibt. Das ist ein Grund, meine Argumentation zu prüfen, nicht meinen Rahmen zu übernehmen.

• AI-Umsetzung
• Governance
• Messbarkeit