Schlüsselkriterien für die Skalierung von KI

GenAI ist ein Game Changer – daran besteht kein Zweifel. Deren Entwicklung hat den Zugang zu KI  deutlich vereinfacht. Sie hat die Umsetzung von Anwendungsfällen ermöglicht, die zuvor entweder zu komplex oder zu teuer waren. Diese Demokratisierung hat eine regelrechte Welle von teilweise unkoordinierten Projekten in Unternehmen (auch Pilotitis genannt) ausgelöst, mit unterschiedlichem Erfolg.

Schlüsselkriterien für den geschäftlichen Erfolg von KI-Services

So einfach sich einzelne Use Cases implementieren lassen, stossen viele Projekte bei der firmenweiten Umsetzung doch schnell an ihre Grenzen. Silodenken, technische Komplexität oder Fragen der KI-Governance bremsen den Übergang vom Pilotprojekt zur skalierbaren, nachhaltigen Lösung.

Kein Wunder, dass laut einer Studie der Boston Consulting Group nur 26% der GenAI-Projekte über das Pilot-Stadium hinauskommen und dauerhaften Mehrwert schaffen.

Erfahrungen mit Kundenprojekten zeigen, dass die folgenden Voraussetzungen erfüllt sein müssen, damit KI-Services skalieren und den erwarteten Geschäftsnutzen bringen:

• Strategie und Roadmap
  Starkes Commitment des Managements, klare Ausrichtung auf die Firmenstrategie sowie eine realistische und verlässliche Roadmap auf Basis validierter Business Cases
• Change Management
  Frühzeitiger Einbezug und stete Begleitung aller Stakeholder auf der KI-Reise, Anpassung der Prozesse, Rollen und Verantwortlichkeiten
• Conversational UX
  Nutzerzentrierte Gestaltung und laufende Optimierung der Dialoge auf Basis definierter Personas und relevanter Business-Kontexte
• KI-Plattform und Integration
  Auswahl einer flexiblen und skalierbaren KI-Plattform, die mit der IT-Strategie kompatibel ist und eine nahtlose Implementierung von End-to-End-Anwendungsfällen unterstützt, welche helfen, Prozesse zu automatisieren und Mitarbeitende zu befähigen
• Compliance, Sicherheit und Datenschutz
  Gewährleisten der Integrität und Sicherheit der Systeme sowie konsequenter Schutz personenbezogener und geschäftskritischer Daten durch geeignete Sicherheitskonzepte und -infrastruktur, Einführen einer Governance für KI-Lösungen zur Risikominimierung und Qualitätssicherung
• GenAI- und MLOps
  Gewährleisten der Qualität, Zuverlässigkeit und operativen Effizienz von KI-Services durch systematische Auswahl der GenAI- und ML-Modelle, strukturierte Entwicklungsprozesse, automatisiertes Training und laufende Optimierung der Modelle im Betrieb 
• Daten
  Sicherstellen einer dauerhaft hohen Datenqualität und -verfügbarkeit durch sorgfältige Auswahl, Aufbereitung und Governance der relevanten Quellen

Mit einem ganzheitlichen Ansatz der «Pilotitis» vorbeugen

Es ist entscheidend, ein Projekt von Beginn an ganzheitlich anzugehen und alle wichtigen Elemente bereits bei der Umsetzung zu berücksichtigen.

Dieses Vorgehen sollte nicht isoliert von Projekt zu Projekt thematisiert werden, sondern in eine übergeordnete Vision und Initiative eingebettet sein. Ebenso sollte der Austausch zwischen den Projekten aktiv gefördert werden, um Synergien zu nutzen und Doppelspurigkeiten zu vermeiden.

Genauso wichtig: frühzeitig auf Symptome zu achten, die auf Schwächen in bestimmten Bereichen hindeuten – etwa das Fehlen eines fundierten Business Cases als strategisches Warnsignal oder die unkontrollierte Vermehrung von eingesetzten Tools im Unternehmen, insbesondere im Hinblick auf Auswahl und Betrieb der KI-Infrastruktur.
So lässt sich das KI-Potenzial unternehmensweit Schritt für Schritt und nachhaltig entfalten. Damit ist auch die Gefahr der «Pilotitis» gebannt, dem Phänomen, dass viele Einzelinitiativen scheitern, weil sie nie über den Pilotstatus hinauskommen.

Im Interview verrät Stéphane Mingot, welche Herausforderungen Unternehmen meistern müssen, damit KI ein Erfolg wird, und warum ein ganzheitlicher Ansatz am besten geeignet ist.

Dieser Artikel ist zuerst im AI Special der Netzwoche vom August 2025 erschienen.