„Marco, wie machen wir aus KI mehr als ein Pilotprojekt?"
Warum ein Großteil aller KI-Projekte scheitert, obwohl die Technologie (teilweise) funktioniert.
Wer meine letzten Ausgaben gelesen hat, der weiß, dass ich gegenüber meinen eigenen Workshopformaten in den vergangenen Monaten zunehmend kritischer geworden bin. Workshops, in denen wir KI-Kompetenzen aufbauen, sind und bleiben wichtig. Sie machen Spaß, nehmen Berührungsängste, führen Menschen behutsam an eine Technologie heran und schaffen ein gemeinsames Vokabular im Team.
Nach knapp vier Jahren mit über 200 Workshops und weit mehr als 3.000 Teilnehmenden, quer durch Schulen, Unternehmen und alle möglichen Branchen, ist mir eines unmissverständlich klar geworden. Wahre KI-Transformation passiert nicht in einem Technologie-Workshop. Wer hofft, sie allein mit ein paar Schulungstagen und einer Welle frisch gekaufter Lizenzen meistern zu können, wird über kurz oder lang enttäuscht.
Das ist auch in der Forschung gut dokumentiert. Bis zu 80 Prozent aller KI-Initiativen liefern nicht den Mehrwert, den Organisationen sich davon erhofft hatten und zwei Drittel der Projekte bleiben stecken, bevor sie überhaupt ihren angestrebten Reifegrad erreichen (Bittner et al., 2024). Dass so viele dieser Initiativen scheitern, liegt allerdings nur selten an der Technologie selbst. KI-Adoption hakt an kulturellen und organisationalen Spannungen (van Giffen et al., 2025). Und trotzdem investieren Organisationen weiter, als wäre die Technologie das eigentliche Problem.
Wie tief diese Schieflage tatsächlich sitzt, lässt sich an einer einzigen Zahl ablesen. 93 Prozent der KI-Investitionen fließen in die Technologie, also in Modelle, Software und Infrastruktur. Gerade einmal 7 Prozent fließen in die Menschen, die mit dieser Technologie arbeiten sollen, also in Trainings, Change Management und die Neugestaltung der Arbeit (Deloitte, 2025). Tools werden gekauft, Lizenzen verteilt, ein Pilotprojekt hier, ein PoC dort. Dann folgt der ganz normale Arbeitsalltag, und wenig passiert.
Die Forschung zeigt, dass eine erfolgreiche KI-Transformation nie das Werk einer einzelnen Abteilung ist, sondern aus dem Zusammenspiel verschiedener Rollen entsteht (van Giffen & Ludwig, 2023a). Doch es braucht mehr als das. Eine Transformation gelingt nur dort, wo Organisationen auch verschiedene Perspektiven systematisch zusammenbringen und sie als gemeinsame Führungsaufgabe begreifen (van Giffen & Ludwig, 2023b).
Eine erfolgreiche KI-Transformation steht also auf drei Beinen. Technologie, Organisation und Innovation. Fehlt eines davon, kippt das Ganze. Was also tun?
Neue Technologie, neue Methodik
Genau diese Frage hat mich Anfang dieses Jahres in eine kleine Sinnkrise getrieben. Workshops, Vorträge, Hands-On-Sessions und immer wieder die gleiche Frage: Was kann KI? Und immer seltener die Frage, die mich eigentlich motiviert: Wie bringen wir KI nachhaltig und zielführend in unsere Organisation? Deshalb fiel mir die Entscheidung sehr leicht, als Benjamin mich angerufen und mir die Rolle als Studiengangsmanager an der Universität Liechtenstein vorgestellt hat. Der neue CAS «Leading AI and Digital Transformation» behandelt genau diese Frage: Wie gestalten und führen Organisationen KI-Transformation in Zeiten von generativer und agentischer KI?
Kurz zur Einordnung. Ein CAS (Certificate of Advanced Studies) ist ein berufsbegleitendes akademisches Weiterbildungszertifikat auf Hochschulniveau. Es schließt mit ECTS-Punkten ab und ist so konzipiert, dass es sich in den Arbeitsalltag von Führungskräften und Fachexpert:innen einfügt.
Technologie verstehen, Organisation verwandeln, Innovationsfähigkeit aufbauen
Die Perspektive der Technologie ist jene, die ich in meiner täglichen Arbeit am intensivsten behandle. Was können diese Modelle wirklich und was noch nicht? Wann macht ihr Einsatz Sinn und wann ist es das falsche Werkzeug für das eigentliche Problem? Konkret heißt das, sich mit den aktuellen Fähigkeiten generativer und agentischer KI auseinanderzusetzen. Mit Prompt- und Context-Engineering als handwerklicher Grundlage. Mit den Limitationen und Risiken, von Ethik über Recht bis zum Datenschutz. Mit einem bewussten Umgang, der weder in Glorifizierung noch in pauschale Ablehnung umschlägt.
Damit wären wir bei der zweiten Perspektive. Wie sich Organisationen verändern müssen, damit KI überhaupt Wirkung entfalten kann, war Thema meiner letzten beiden Ausgaben (hier und hier). Doch die neue Generation KI-Systeme verändert nicht nur, wie Aufgaben erledigt werden. Sie verändert, wer sie erledigt, wer sie verantwortet und wie Organisationen überhaupt entscheiden. Auf diese Fragen gibt es keine technischen Antworten. Es sind Führungsfragen. Über Jahrzehnte war die Kernaufgabe von Führungskräften klar: bestehende Prozesse effizienter machen, Abläufe standardisieren, Kennzahlen optimieren. KI verändert diese Logik grundlegend. Denn lernende, teilweise autonome Systeme lassen sich nicht als weiteres Werkzeug in vorhandene Abläufe einfügen. Sie fordern neue Rollen, neue Kontrollpunkte, neue Kooperationsformen und damit auch eine Weiterentwicklung der eigenen Organisation (van Giffen, 2026). Wie genau diese Weiterentwicklung aussieht, ist eine Frage, die mich noch lange in vielen weiteren Ausgaben und noch detaillierter in meinem Doktorat beschäftigen wird.
Bleibt also die dritte Dimension. Die, die ich aus meiner Sicht am meisten vernachlässigt habe.
Die Innovationsfähigkeit
Beispiele für Organisationen, die kreativ mit generativer und agentischer KI experimentieren, gibt es mittlerweile reichlich. Sie pilotieren neue Geschäftsmodelle, denken Incentives neu oder messen jenseits klassischer ROI-KPIs (Snyder, 2026). Besonders spannend sind dabei die konkreten Mechanismen: Punktesysteme, die Mitarbeitende für eingebrachte KI-Innovationen belohnen. Team-Boni, die an erfolgreich ausgerollte KI-Workflows gekoppelt sind. Oder Innovation Credits, in denen eingesparte Arbeitszeit anteilig in Weiterbildung zurückfließt.
Auch in meinen Workshops und Begleitungen sehe ich diese Bewegung glücklicherweise in immer mehr Organisationen. Konkret etwa in Form von KI-Champions, die als interne Multiplikator:innen die Transformation aus den Teams heraus tragen, statt sie von oben verordnet zu bekommen. Oder in Prompthathons, also bewusst geblockten Zeitfenstern, in denen Mitarbeitende gemeinsam «vibe coden» und dabei neue Anwendungsfälle aus dem eigenen Arbeitsalltag entdecken. Und in Prompt-Libraries, die das so entstandene Wissen Einzelner in geteiltes Organisationskapital verwandeln. All diese Bausteine wirken nicht isoliert, sondern fließen ineinander und verstärken sich gegenseitig. Genau darin liegt der oft zitierte 1+1=3-Effekt digitaler Transformation – jede einzelne Investition zahlt automatisch auf die anderen ein.
Diese neuen Ideen sind Hebel, um genau jenes Ressourcenungleichgewicht zu verschieben, über das ich am Anfang geschrieben habe. Was sie aber trotzdem brauchen, ist eine strukturierte Methode dahinter. Sonst wird aus dem Prompthathon ein nettes Teamevent und aus dem KI-Champion eine zusätzliche Rolle ohne Mandat.
Genau hier finde ich besonders spannend, wie wir diese Fähigkeit im CAS vermitteln. Design Thinking for AI (DT4AI) ist eine innovative und strukturierte Methode für erfolgreiche KI-Transformation. Sie hilft Organisationen, typische Stolpersteine in KI-Projekten gezielt zu adressieren und startet konsequent beim Nutzen für die Menschen, nicht bei der Technologie selbst (Staub et al., 2023). DT4AI wurde in über vierzig Unternehmensprojekten quer durch nahezu alle Schweizer Branchen entwickelt und in der Praxis geschärft. Im CAS lernen Teilnehmende diese Methodik über sechzehn Wochen hinweg, berufsbegleitend und so ausgelegt, dass sie sich gut in den Arbeitsalltag einfügt. Gearbeitet wird dabei an einer echten KI-Herausforderung aus dem eigenen Unternehmen. Am Ende nehmen die Teilnehmenden nicht nur eine konkrete Blaupause mit, die direkt in der eigenen Organisation weiterverwendet werden kann, sondern auch die Fähigkeit, zukünftige KI- und Digitalisierungsprojekte erfolgreich zu führen.
Der CAS ist nicht die einzige Antwort auf die aktuellen Herausforderungen. Aber er ist für jene Menschen gedacht, die diese Transformation in ihrer Organisation aktiv gestalten wollen. Es ist ein Format, hinter dem ich mit Überzeugung stehe. Transformieren müssen wir unsere Organisationen sowieso. Warum dann nicht gleich mit einer strukturierten, innovativen und bereits getesteten Methode? ;) Bevor wir am 27. August starten, gibt es noch zwei Infoabende. Wer überlegt, ob das etwas für sich oder das eigene Team sein könnte, schreibt mir einfach unter digital.innovation@uni.li.
Die Technologie wird sich nicht an unsere Organisationsstrukturen anpassen. Es wird umgekehrt sein. Wer das gestaltet, gestaltet die Zukunft seiner Arbeit. Wer wartet, wird gestaltet.
Referenzen
Bittner, K., Markic, M., & Tschirch, F. (2024). Navigating uncharted waters: From AI orientation to tailored AI strategies. Proceedings of the 14th International Conference on Information Systems, 13, 174–194. https://aisel.aisnet.org/icis2024/gov_strategy/gov_strategy/3/
Deloitte. (2025). Tech Trends 2026 (17. Aufl.). Deloitte Insights. https://www.deloitte.com/us/en/insights/topics/technology-management/tech-trends.html
van Giffen, B. (2026). Vom Optimierer zum Designer: Warum Führungskräfte KI selbst gestalten müssen. Opinomic – 20 Programs. 20 Careers., 12–13. https://issuu.com/opinomic/docs/opinomic_20programs._20careers._042026
van Giffen, B., Beitinger, G., Ludwig, H., Schiano, B., Schmidt, K., & vom Brocke, J. (2025). The culture clash of AI adoption in lean quality management: Resolving the tensions at Siemens Electronics Works Amberg. Information Systems Journal, 1–25. https://doi.org/10.1111/isj.70006
van Giffen, B., & Ludwig, H. (2023a). How boards of directors govern artificial intelligence. MIS Quarterly Executive, 22(4), 251–272. https://doi.org/10.17705/2msqe.00085
van Giffen, B., & Ludwig, H. (2023b). How Siemens democratized artificial intelligence. MIS Quarterly Executive, 22(1), 1–21. https://doi.org/10.17705/2msqe.00072
Snyder, S. A. (2026). How can companies incentivize AI adoption? Knowledge at Wharton. https://knowledge.wharton.upenn.edu/article/how-can-companies-incentivize-ai-adoption/
Staub, L., van Giffen, B., Hehn, J., Sturm, S. (2023). Design Thinking for Artificial Intelligence: How Design Thinking Can Help Organizations to Address Common AI Project Challenges. In: Degen, H., Ntoa, S., Moallem, A. (eds) HCI International 2023 – Late Breaking Papers. HCII 2023. Lecture Notes in Computer Science, vol 14059. Springer, Cham. https://doi.org/10.1007/978-3-031-48057-7_16