Wie Sie verhindern, dass Sie bei KI-Piloten Geld verlieren: Drei Fehler und was Sie stattdessen tun sollten

In den letzten Jahren hat die Finanzbranche ein Wettrennen um die Implementierung künstlicher Intelligenz gestartet. Unternehmen kaufen zunehmend Modelle und schließen Verträge mit Anbietern ab, doch das führt zu wenig oder zu erschreckenden Ergebnissen. Laut einer im letzten Jahr veröffentlichten MIT-Studie haben 95% der unternehmensinternen KI-Piloten keinen messbaren Einfluss auf den Gewinn der Unternehmen.

Gleichzeitig schießt die Ausgabenexplosion in die Höhe, da geschätzt wird, dass die Welt im vergangenen Jahr 1,76 Billionen Dollar für KI ausgegeben hat und bis 2026 diese Zahl voraussichtlich auf 2,59 Billionen steigen wird. Das investierte Geld und das zurückgeflossene Geld scheinen also stark zu divergieren, und die Kosten steigen im Grunde genommen umsonst.

Das Problem liegt jedoch nicht darin, dass die Technologie schwach ist. Die KI-Modelle werden jedes Jahr intelligenter, so sehr, dass OpenAI beschloss, seine Entwicklungen einzustellen, um nicht zu weit zu gehen. In diesem Fall besteht der eigentliche Nachteil also im Fehlen eines Betriebsmodells, das diese Technologien effektiv nutzen kann.

Die Illusion, einen Piloten zu haben

Der Umfang der KI-Integration ist so groß, dass fast jedes Fintech- oder traditionelle Finanzunternehmen kürzlich mindestens einen KI-Piloten gestartet hat, zum Beispiel einen Chatbot für Kunden. Unabhängig davon, was sie starten, haben diese Geschichten insgesamt ein recht unangenehmes Ende.

Alles beginnt mit einem bestimmten Team, das einen Prototyp entwickelt, der unter kontrollierten Testbedingungen gut funktioniert. Nach der Vorführung ist das Management beeindruckt und lässt ihn einsetzen, doch irgendwann scheitert das Projekt oder erweist sich als ineffektiv. Aber warum?

Natürlich scheitert nicht jedes interne KI-Projekt, denn sonst gäbe es keine ML‑Ingenieure mehr und die Technologie wäre nutzlos. Ich habe diesen Fehlzyklus jedoch so oft beobachtet, dass ich seine Ursache bereits sehr gut kenne. Kurz gesagt, es ist der Pilot selbst, der zwar gut umgesetzt sein könnte, aber nicht dafür konzipiert wurde, in die tatsächlichen Arbeitsabläufe des Unternehmens zu passen.

Infolgedessen stößt ein Modell, das isoliert brillant funktioniert, auf das operative Umfeld und trifft auf veraltete Infrastruktur oder Mitarbeitende, die nicht einmal wissen, wie man mit der Technologie arbeitet. Keines dieser Hindernisse wird jedoch durch einen intelligenteren Algorithmus gelöst. Sie können nur durch Management‑Entscheidungen behoben werden, und das liegt nicht im Verantwortungsbereich von Data Scientists.

Einige Fehler, die man besser vermeidet

Bevor wir sehen, wie KI in einem Unternehmen effektiver integriert werden kann, betrachten wir andere Fehler, die unterwegs auftreten können.

Der erste und wichtigste Fehltritt, den wir bereits indirekt erwähnt haben, besteht darin, KI als Zusatz zu behandeln, ohne die Prozesse neu zu gestalten. Tatsächlich nehmen viele Unternehmen einen bestehenden Arbeitsablauf und betten einfach ein KI‑Tool in einen Schritt ein, ohne überhaupt zu prüfen, ob KI in diesem Prozess überhaupt Sinn macht.

Als Manager würde ich mich also zunächst fragen: War dieser Prozess überhaupt in Ihrem Unternehmen notwendig? Wenn der Arbeitsablauf vor der Automatisierung ineffizient war, bleibt er nach der Automatisierung ebenso ineffizient. Er kann sogar noch schlechter werden, weil KI erinnern kann, welche negativen Muster existieren, und diese wiederholt.

Der nächste Fehler entsteht, wenn Manager die Belastung durch Compliance und Governance unterschätzen. Finanzdienstleister stehen vor einigen der härtesten regulatorischen Anforderungen aller Branchen, und zum Beispiel kann man die gesamte Compliance‑Abteilung nicht mit KI automatisieren. Gleiches gilt für die direkte Servicebereitstellung und das Portfoliomanagement. Es scheint eine universelle Wahrheit zu sein, aber Sie werden überrascht sein, wie viele Gründer hier Fehler machen.

Und nicht zuletzt vergessen viele Unternehmen, ihre Mitarbeitenden für die Implementierung von KI zu schulen. Wenn die Technologie die Routinen der Beschäftigten übernimmt, ist der erste Instinkt häufig, das Personal zu reduzieren, da viele Aufgaben mit weniger Personen schneller erledigt werden können. Obwohl dies kurzfristig Ihre Ausgaben senkt, ist es sehr kurzsichtig.

Wenn Sie echten Mehrwert erzielen wollen, stellen Sie sich eine andere Frage. Welche höherwertigen Aufgaben können unsere Mitarbeitenden jetzt übernehmen, da sie von Routinen befreit sind? Sind sie mit ihren aktuellen Fähigkeiten und ihrer Motivation dafür bereit?

Was Sie am Montag starten sollten, um mehr Effizienz zu erzielen

Als ersten Schritt sollten Sie Ihre pausierten KI-Piloten prüfen. Das bedeutet, keine neuen Ideen einzuführen, bevor Sie die alten ordnungsgemäß abgewickelt haben. In 90% der Fälle liegt das Problem im fehlenden Verantwortungsbewusstsein, also daran, dass niemand eindeutig für die Skalierung verantwortlich ist. Weisen Sie also Eigentum zu.

Wenn bereits jemand die KI‑Steuerung besitzt, besteht der nächste Schritt darin, den Prozess zu überprüfen und vollständig neu zu gestalten. Fügen Sie KI nicht einfach dem bestehenden Arbeitsablauf hinzu. Mein Rat ist, stattdessen zu fragen, wie dieser Prozess aussehen würde, wenn wir ihn heute von Grund auf neu entwerfen, in dem Wissen, dass KI die Primäranalyse übernehmen kann. Oft ist die Antwort viel einfacher, als sie scheint.

Vergessen Sie außerdem nicht, die konkreten Zahlen zu berechnen, die das KI‑Modell liefert. Wenn Sie sechs Monate nach dem Start keine Kennzahlen zur Wirksamkeit Ihres Modells angeben können (zum Beispiel eingesparte Stunden oder gesteigerte Gewinne), funktioniert es nicht wie vorgesehen, sodass es sinnvoller ist, seinen Wert neu zu bewerten.

Und, vielleicht am wichtigsten, feuern Sie keine Menschen, besonders nicht die Verantwortlichen und jene, die ihre Arbeit immer ehrlich erledigt haben. Wenn Menschen dem Unternehmen mehr Geld einbringen, als sie in einem Jahr verdienen, wird die Entlassung sehr bald zu einem Problem für Sie werden. Und Unternehmen, die das nicht verstehen, verlieren ihr institutionelles Wissen und das Vertrauen des Teams, was dann viel mehr kostet.

Zusammengefasst erreichen 95 % der Pilotprojekte nicht das Ergebnis, nicht weil die Technologie versagt hat. Sie scheitern, weil die Organisation um sie herum unverändert und veraltet geblieben ist. Das ist die einzige Variable, die zuerst geändert werden sollte.