Claim-Familie 2: Scheiter-Claims

Die Familie umfasst Behauptungen über hohe Scheiterquoten von KI-Projekten, von 74 bis 95 Prozent. Kein einziger dieser Werte stammt aus einer Zählung mit Zufallsstichprobe; die Quellen sind Selbstauskunfts-Befragungen, Experten-Interviews, Analystenprognosen oder Zuschreibungen. Pessimisten-Claims verbreiten sich dabei genauso ungeprüft wie Hype, deshalb gilt hier dieselbe Prüfschärfe.

Claim 11: „95 Prozent der KI-Projekte scheitern“

Wortlaut: „95 Prozent aller KI-Projekte scheitern, das hat das MIT bewiesen.“

Ursprung: MIT Project NANDA: „The GenAI Divide: State of AI in Business 2025“, Juli 2025; medial massiv verkürzt weiterverbreitet.

Was die Quelle wirklich sagt: Der Bericht (2025) beruht auf 52 Interviews, 153 Fragebögen von Konferenzteilnehmern und der Auswertung von über 300 öffentlichen KI-Initiativen. Die 95 Prozent beziehen sich auf GenAI-Piloten ohne messbaren Ergebniseffekt in einem Sechs-Monats-Fenster, bei enger Erfolgsdefinition; nur 5 Prozent der maßgeschneiderten Unternehmens-Tools erreichen laut Bericht die Produktion. Die Autoren dokumentieren die Grenzen selbst: kleine Stichprobe, Konferenz-Rekrutierung, vorläufiger Status („Preliminary Findings“).

Urteil: unbelegt, als allgemeine Scheiterquote trägt die schmale, selektive Datenbasis die Zahl nicht, und die Quelle behauptet sie so auch nicht.

Führungsfolge: Verwerfen als Quote; das qualitative Muster Pilot-Stau und fehlendes Lernen der Systeme als Prüffrage übernehmen.

Claim 12: „RAND hat gemessen: über 80 Prozent aller KI-Projekte scheitern“

Wortlaut: „Eine RAND-Studie zeigt, dass mehr als 80 Prozent aller KI-Projekte scheitern, doppelt so viele wie bei IT-Projekten.“

Ursprung: RAND Corporation: „The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed“, August 2024.

Was die Quelle wirklich sagt: RAND (2024) schreibt wörtlich „by some estimates, more than 80 percent of AI projects fail“ und zitiert damit fremde Schätzungen per Fußnote, statt selbst zu messen. Der eigene Beitrag der Studie ist qualitativ: Interviews mit 65 erfahrenen Data Scientists und Engineers zu fünf Ursachenmustern des Scheiterns. Eine eigene Erhebung der Scheiterquote enthält der Bericht nicht.

Urteil: eingeschränkt belegt, die Größenordnung wird von RAND als fremde Schätzung referiert und die Ursachenanalyse ist solide, eine RAND-Messung der Quote existiert aber nicht.

Führungsfolge: Nur mit eigener Messung übernehmen; die fünf RAND-Ursachenmuster als Checkliste für die eigene Projektaufsicht nutzen.

Claim 13: „Gartner: 85 Prozent aller KI-Projekte scheitern“

Wortlaut: „Schon 2018 hat Gartner festgestellt, dass 85 Prozent aller KI- und ML-Projekte scheitern.“

Ursprung: Gartner-Pressemitteilung vom 13. Februar 2018 zur CIO-Umfrage; seither in hunderten Artikeln zur Scheiterquote umgedeutet.

Was die Quelle wirklich sagt: Gartner (2018) prognostizierte, dass bis 2022 85 Prozent der KI-Projekte „fehlerhafte Ergebnisse“ liefern würden, verursacht durch Verzerrungen in Daten, Algorithmen oder den verantwortlichen Teams. Das ist eine Vorhersage über Ergebnisqualität, keine Messung einer Abbruch- oder Scheiterquote. Eine Nachmessung, ob die Prognose eintraf, hat Gartner nicht publiziert.

Urteil: irreführend, aus einer Bias-Prognose über Ergebnisqualität wurde eine angeblich gemessene Scheiterquote, mit vertauschtem Gegenstand und Modus.

Führungsfolge: Verwerfen; wer Gartner zitieren will, muss den Original-Wortlaut samt Prognose-Charakter mitführen.

Claim 14: „88 Prozent aller Proof-of-Concepts erreichen nie die Produktion“

Wortlaut: „88 Prozent aller KI-Proof-of-Concepts schaffen es nicht in den Produktivbetrieb.“

Ursprung: IDC im Auftrag von Lenovo: „CIO Playbook 2025 — It’s Time for AI-nomics“, Februar 2025 (Befragung von über 900 IT-Entscheidern).

Was die Quelle wirklich sagt: Die IDC/Lenovo-Studie (2025) berichtet, dass von 33 gestarteten Proof-of-Concepts im Schnitt nur vier in den breiten Produktivbetrieb übergehen. Grundlage ist eine Befragung von über 900 CIOs und IT-Entscheidern, Schwerpunkt Asien-Pazifik; die Studie ist ein anbieterfinanziertes InfoBrief. Als Ursachen nennt sie Datenqualität, fehlende KI-Kompetenz und unklare Business Cases, teils vom Vorstand erzwungene, unterfinanzierte Piloten.

Urteil: eingeschränkt belegt, als Selbstauskunfts-Befund einer anbieterfinanzierten Regionalstudie dokumentiert, als globale Messgröße nicht übertragbar.

Führungsfolge: Nur mit eigener Messung übernehmen, konkret als Anlass, die eigene PoC-zu-Produktion-Quote zu erheben.

Claim 15: „42 Prozent der Firmen haben die Mehrheit ihrer KI-Initiativen abgebrochen“

Wortlaut: „2025 hat fast die Hälfte der Unternehmen den Großteil ihrer KI-Initiativen abgebrochen, mehr als doppelt so viele wie im Vorjahr.“

Ursprung: S&P Global Market Intelligence: „Voice of the Enterprise: AI & Machine Learning, Use Cases 2025“, März 2025 (1.006 Befragte in Nordamerika und Europa).

Was die Quelle wirklich sagt: S&P Global (2025) berichtet, dass 42 Prozent der befragten Unternehmen die Mehrheit ihrer KI-Initiativen aufgegeben haben, nach 17 Prozent im Vorjahr; im Schnitt wurden 46 Prozent der Proof-of-Concepts vor der Produktion verworfen. Genannte Gründe sind Kosten, Datenschutz und Sicherheitsrisiken. Es ist eine Selbstauskunfts-Befragung mit ordentlicher Stichprobe und klarem Geltungsbereich Nordamerika/Europa.

Urteil: belegt, der Claim gibt den Befragungsbefund korrekt wieder, inklusive Vergleichswert und Geltungsbereich.

Führungsfolge: Übernehmen als Risikohinweis mit Quellenangabe; die eigene Abbruchquote und Abbruchkriterien dagegen spiegeln.

Claim 16: „70 Prozent der Unternehmen scheitern an der GenAI-Skalierung“

Wortlaut: „Nur 30 Prozent haben generative KI skaliert, die restlichen 70 Prozent sind gescheitert.“

Ursprung: Capgemini Research Institute: „Harnessing the value of AI“, 2025 (Befragung von 1.100 Führungskräften in Unternehmen ab 1 Milliarde US-Dollar Umsatz); in Vertriebsfolien als Scheiter-Beleg umgedeutet.

Was die Quelle wirklich sagt: Capgemini (2025) misst Adoptionsstufen: 30 Prozent der befragten Großunternehmen haben GenAI teilweise oder voll skaliert, nach 24 Prozent (2024) und 6 Prozent (2023); 93 Prozent erkunden, pilotieren oder skalieren. Rund 80 Prozent der Adopter äußern sich zufrieden mit den Ergebnissen. Die Quelle beschreibt eine steigende Reifekurve; wer noch nicht skaliert hat, gilt dort nicht als gescheitert.

Urteil: irreführend, der Claim deutet eine Adoptionsstufen-Messung mit klar positivem Trend in eine Scheiterquote um.

Führungsfolge: Verwerfen in der Scheiter-Lesart; die Reifegrad-Logik als Benchmark-Rahmen für den eigenen Skalierungsstand nutzen.

Claim 17: „74 Prozent der Unternehmen erzielen keinerlei Wert aus KI“

Wortlaut: „Drei Viertel aller Unternehmen bekommen aus KI keinen messbaren Wert.“

Ursprung: Boston Consulting Group: „Where’s the Value in AI?“, Oktober 2024 (Befragung von 1.000 CxOs und Führungskräften in 59 Ländern).

Was die Quelle wirklich sagt: BCG (2024) ließ Führungskräfte die KI-Reife ihres Unternehmens in 30 Fähigkeitsfeldern selbst einschätzen. Ergebnis: 4 Prozent gelten als Spitzengruppe, weitere 22 Prozent als Leader mit beginnender Wertschöpfung; die übrigen 74 Prozent haben „noch keinen greifbaren Wert“ gezeigt. Das ist eine Reifegrad-Selbsteinschätzung mit unternehmensweiter Messlatte, keine Zählung gescheiterter Projekte; Wert auf Use-Case-Ebene kann darunter existieren.

Urteil: eingeschränkt belegt, die Zahl steht in der Quelle, misst aber selbstberichtete unternehmensweite Reife statt Projekt-Scheitern.

Führungsfolge: Nur mit eigener Messung übernehmen; im eigenen Haus Wert auf Use-Case-Ebene mit Baseline nachweisen, statt Reife-Selbstbilder zu zitieren.

Claim 18: „Nur 8 Prozent der KI-Piloten schaffen die Skalierung“

Wortlaut: „Gerade einmal 8 Prozent der KI-Piloten werden je skaliert.“

Ursprung: Fountaine/McCarthy/Saleh: „Building the AI-Powered Organization“, Harvard Business Review, Juli/August 2019, auf Basis von McKinsey-Befragungen; in Folien regelmäßig auf Piloten umgemünzt.

Was die Quelle wirklich sagt: Der Artikel (2019) berichtet aus Befragungen tausender Führungskräfte, dass nur 8 Prozent der Firmen Kernpraktiken anwenden, die eine breite KI-Nutzung stützen, etwa Strategie-Verzahnung und Adoptions-Investitionen. Gegenstand sind organisatorische Praktiken von Firmen, nicht der Anteil erfolgreicher Piloten. Die Datenbasis ist eine Selbstauskunfts-Befragung aus der Vor-GenAI-Ära.

Urteil: irreführend, der Claim verschiebt den Gegenstand von „8 Prozent der Firmen mit Skalierungspraktiken“ zu „8 Prozent erfolgreicher Piloten“.

Führungsfolge: Verwerfen als Pilotquote; die Praktiken-Checkliste der Quelle als Selbsttest der eigenen Organisation nutzen.

Claim 19: „Zwei Drittel bekommen ihre GenAI-Piloten nicht in Produktion“

Wortlaut: „67 Prozent der Unternehmen schaffen es nicht, ihre GenAI-Piloten in die Produktion zu bringen.“

Ursprung: Informatica mit Wakefield Research: „CDO Insights 2025“, Januar 2025 (Befragung von 600 Datenverantwortlichen großer Unternehmen).

Was die Quelle wirklich sagt: Die Umfrage (2025) ergab, dass 67 Prozent der befragten Datenverantwortlichen bislang weniger als die Hälfte ihrer GenAI-Piloten in Produktion überführt haben; die durchschnittliche Erfolgsquote liegt bei gut 38 Prozent. 97 Prozent berichten Schwierigkeiten, den Geschäftswert zu belegen. Auftraggeber ist ein Datenmanagement-Anbieter mit Eigeninteresse am Problembefund; gemessen wird Selbstauskunft, nicht Projektrealität.

Urteil: eingeschränkt belegt, der Befund existiert, sagt aber „weniger als die Hälfte der Piloten“ statt „keine“, und stammt aus einer anbieterfinanzierten Selbstauskunfts-Umfrage.

Führungsfolge: Nur mit eigener Messung übernehmen; im Zitat den exakten Wortlaut samt Interessenvermerk mitführen.

Claim 20: „Wie bei Big Data: 85 Prozent aller Projekte scheitern, KI endet genauso“

Wortlaut: „Schon bei Big Data sind 85 Prozent aller Projekte gescheitert, mit KI wiederholt sich das.“

Ursprung: Aussage eines Gartner-Analysten von 2017, laut Fachpresse per inzwischen gelöschtem Tweet, als Korrektur einer früheren 60-Prozent-Schätzung; als Analogie-Argument auf KI übertragen.

Was die Quelle wirklich sagt: Der Analyst erklärte 2017, die frühere Gartner-Schätzung von 60 Prozent scheiternder Big-Data-Projekte sei „zu konservativ“, real liege die Quote „näher an 85 Prozent“. Eine veröffentlichte Studie mit Methodik dazu existiert nicht; die Primärquelle, ein Tweet, ist gelöscht. Die Übertragung auf KI-Projekte ist eine zusätzliche, von niemandem gemessene Analogie.

Urteil: unbelegt, weder die Big-Data-Quote noch ihre Übertragung auf KI hat eine auffindbare, methodisch dokumentierte Primärquelle.

Führungsfolge: Verwerfen; als einzig belastbare Lehre die dokumentierten organisatorischen Ursachenmuster prüfen, nicht die Quote.

Das Entscheider-Briefing

Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.

Website

E-Mail-Adresse

Briefing abonnieren

Ich möchte das Briefing per E-Mail erhalten und kann die Einwilligung jederzeit widerrufen. Die Datenschutzerklärung habe ich gelesen.

Sie erhalten zuerst eine E-Mail mit einem Bestätigungslink. Erst nach dem Klick nehmen wir Sie auf. Abmeldung mit einem Klick in jeder Ausgabe.