DIE GRÖSSTEN
FEHLER IN DER NUTZUNG VON KI.

Fehler 1: Pilotitis

Das Unternehmen startet einen KI-Piloten. Der Pilot läuft. Der Pilot wird präsentiert. Der Pilot kommt nie in Produktion. Stattdessen wird der nächste Pilot gestartet. Nach zwei Jahren hat das Unternehmen fünf Piloten, aber keine produktive Anwendung. Diagnose: Pilotitis.

Gegenmittel: Pilotphase mit klarem Produktions-Ziel von Anfang an. Wer den Übergang Pilot → Betrieb nicht vor Projektbeginn definiert, garantiert ein weiteres Pilot-Grab.

Fehler 2: Promptschubsen

Mitarbeiter nutzen ChatGPT „irgendwie“, ohne System. Jeder kopiert anders, jeder formuliert anders, niemand dokumentiert. Die Ergebnisse sind zufällig, die Qualität schwankt, die Wirkung bleibt unsichtbar. Wir nennen das den Promptschubser.

Gegenmittel: Strukturierte KI-Pipelines mit definierten Prompts, geprüften Templates, nachvollziehbaren Outputs. KI-Nutzung als Werkzeug, nicht als Freistil-Sport.

Fehler 3: Falsche Modellwahl

Das Unternehmen nutzt ein einzelnes KI-Modell für alle Aufgaben. Das ist, als würde man einen Hammer für jede Befestigung nehmen — manchmal passt's, manchmal richtet man Schaden an. Claude ist nicht Gemini, GPT ist nicht Llama. Pro Aufgabe das passende Modell.

Gegenmittel: Modell-Mix als Standard. Wir kombinieren typischerweise Claude (Sprache, Normen) mit Gemini (Multimodal, Echtzeit). Welche Mischung sinnvoll ist, hängt vom konkreten Anwendungsfall ab.

Fehler 4: Fehlende Datenbasis

Die KI soll Mengen prognostizieren, aber die Auftragshistorie ist im Excel-Chaos. Die KI soll Kundenanfragen beantworten, aber die Wissensbasis liegt in 800 PDF-Dateien ohne Suche. Wir sehen das ständig: schöne KI-Idee, miese Datenbasis.

Gegenmittel: Datenbasis vor KI. In den ersten 1–2 Wochen jedes Projekts machen wir ein Daten-Audit — was ist da, was fehlt, was muss strukturiert werden? Erst danach kommt die eigentliche KI.

Fehler 5: Ungeklärte Code-Ownership

Eine Agentur baut die KI-Lösung. Der Code liegt bei der Agentur. Der Kunde ist abhängig. Bei Wechsel der Agentur muss neu gebaut werden. Klassischer Vendor-Lock-in mit KI-Glasur.

Gegenmittel: Code-Ownership ab Tag eins vertraglich vereinbaren. Bei ZEBRA gehört der Code dem Kunden — Standard, nicht Option.

Fehler 6: Fehlende Messbarkeit

„Die KI macht uns produktiver“ — aber niemand weiß, um wieviel. Ohne harte KPIs ist jede KI-Investition ein Glaubensbekenntnis. Und Glaubensbekenntnisse werden in schwierigen Zeiten gestrichen.

Gegenmittel: KPIs vor dem ersten Code-Commit. Genauigkeit über 85 %, Bearbeitungszeit unter X Sekunden, Conversion-Steigerung um Y Prozent — was auch immer relevant ist, muss vor Projektstart definiert sein.

Fehler 7: Zu breite Einführung

Die KI wird allen 800 Mitarbeitern gleichzeitig ausgerollt. Niemand ist geschult, niemand weiß, was sinnvoll ist, jeder macht etwas anderes. Nach drei Monaten herrscht KI-Müdigkeit.

Gegenmittel: Selektive Einführung. Erst zwei bis fünf Pilot-Mitarbeiter pro Abteilung, die die KI tatsächlich produktiv nutzen und Feedback geben. Erst danach die Breite, mit guter Schulung und klaren Regeln.

Das gemeinsame Muster

Alle sieben Fehler haben eine Gemeinsamkeit: fehlende strategische Vorarbeit. Wer KI als Werkzeug ernst nimmt, bereitet vor — Daten, Prozesse, Menschen, Ziele, Verträge. Wer KI als „spannende Spielerei“ startet, fällt in mindestens drei dieser Fehler.