Change Management bei KI-Projekten: Warum 70 % scheitern

10 Min. Lesezeit

Rund 70 Prozent aller KI-Projekte in deutschen Unternehmen scheitern. Nicht an der Technologie, sondern am Widerstand der Belegschaft. Wer künstliche Intelligenz einführt, ohne das Change Management mitzudenken, verbrennt Budget und Vertrauen gleichzeitig. Ein Leitfaden für Entscheider, die es besser machen wollen.

Das Problem beginnt in der Chefetage

In deutschen Vorstandsetagen herrscht ein gefährliches Missverständnis. KI-Einführung wird als IT-Projekt behandelt: Budget freigeben, Tool einkaufen, ausrollen. Fertig. Doch die Realität sieht anders aus. KI verändert nicht nur Prozesse, sondern Rollen, Hierarchien und das Selbstverständnis ganzer Abteilungen. Wer das ignoriert, provoziert Widerstand.

Die Zahlen bestätigen das. McKinsey beziffert die Scheiterquote bei Change-Initiativen seit Jahren konstant auf rund 70 Prozent. Der Hauptgrund: mangelnde Einbindung der Betroffenen und fehlendes Commitment der Führung. Bei KI-Projekten verschärft sich das Problem, weil die Technologie existenzielle Ängste auslöst. Mitarbeiter fragen sich nicht, ob ein neues Tool bequemer ist. Sie fragen sich, ob sie nächstes Jahr noch einen Job haben.

Was die BCG-Studie über KI-Adoption wirklich zeigt

Die Boston Consulting Group hat 2025 eine umfassende Studie zur KI-Nutzung am Arbeitsplatz veröffentlicht. Das Ergebnis klingt zunächst positiv: 72 Prozent der Mitarbeiter weltweit nutzen mittlerweile KI-Tools. Doch unter der Oberfläche zeigt sich ein anderes Bild. Nur bei Wissensarbeitern ist die Durchdringung hoch, und die ROI-Frage stellt sich verschärft. Bei operativen Mitarbeitern stagniert die Nutzung bei 51 Prozent.

Noch entscheidender: Nur 26 Prozent der befragten Unternehmen investieren systematisch in die Umgestaltung von Workflows und die Schulung ihrer Teams. Der Rest lässt Mitarbeiter mit ChatGPT allein. Das Ergebnis sind vereinzelte Produktivitätsgewinne bei Einzelpersonen, aber keine organisatorische Transformation. Die Schere zwischen Unternehmen, die KI strategisch einführen, und solchen, die es dem Zufall überlassen, geht 2026 weiter auseinander.

Die Gegenposition: Braucht KI wirklich Change Management?

Es gibt eine Denkschule, die das Gegenteil behauptet. Gerade im Silicon Valley wird argumentiert: Gute Technologie setzt sich von allein durch. Wenn ein KI-Tool wirklich nützlich ist, werden Mitarbeiter es freiwillig nutzen. Change Management sei ein überholtes Konzept aus der Industrialisierung, das den natürlichen Adoptionsprozess nur verlangsame.

An dieser Position ist etwas dran. Tatsächlich zeigt die BCG-Studie, dass viele Mitarbeiter KI-Tools eigenständig entdecken und nutzen, oft ohne Wissen der IT-Abteilung. Das Problem liegt woanders: Ohne Steuerung entsteht ein Flickenteppich aus Tools, Prozessen und Datensilos. Und es bleiben genau die Abteilungen aussen vor, die am meisten profitieren könnten. Change Management heißt deshalb nicht, Mitarbeiter zu überreden. Es heißt, den Rahmen zu schaffen, in dem Adoption skaliert.

Das Siemens-Modell: KI-Botschafter statt Top-Down-Rollout

Siemens hat bei der Einführung seiner internen KI-Plattform einen anderen Weg gewählt. Statt eines zentral gesteuerten Rollouts hat das Unternehmen in jeder Division sogenannte KI-Botschafter ernannt. Das sind keine externen Berater und keine IT-Spezialisten, sondern Fachexperten aus dem jeweiligen Bereich, die eine dreitägige KI-Schulung durchlaufen haben.

Diese Botschafter kennen die Schmerzpunkte ihres Teams. Sie wissen, welche Aufgaben lästig sind, wo Fehler passieren und wo Zeitdruck herrscht. Ihre Aufgabe: Konkrete Use Cases identifizieren und gemeinsam mit Kollegen testen. Kein Foliensatz, kein Town Hall Meeting. Sondern ein Kollege, der zeigt, wie er mit KI-Unterstützung eine Stunde pro Tag spart. Siemens berichtet von 80 Prozent Akzeptanzrate in Abteilungen, die dieses Modell nutzen.

„67 Prozent der Change-Management-Praktiker setzen KI bereits ein oder planen den Einsatz. Die größte Herausforderung bleibt die Akzeptanz in den betroffenen Teams, nicht die Technologie selbst.“

Prosci, AI in Change Management: Early Findings (Oktober 2023)

Fünf Phasen für nachhaltiges KI-Change-Management

Aus der Analyse gescheiterter und erfolgreicher KI-Einführungen lassen sich fünf Phasen ableiten, die Unternehmen systematisch durchlaufen sollten. Das ist kein starres Framework, sondern ein Orientierungsrahmen, den jede Organisation auf ihre Situation anpassen muss.

Phase 1: Diagnose (Wochen 1 bis 4). Bevor überhaupt ein Tool ausgewählt wird, muss klar sein, wo KI den größten Hebel hat. Das bedeutet: Interviews mit Teamleitern, Prozessanalysen und eine ehrliche Bestandsaufnahme der Datenqualität. In dieser Phase scheitern bereits viele Projekte, weil der Vorstand die Diagnose überspringt und direkt zum Piloten springen will.

Phase 2: Quick Wins identifizieren (Wochen 5 bis 8). Die erste KI-Anwendung sollte kein ambitioniertes Transformationsprojekt sein, sondern ein klar begrenzter Use Case mit messbarem Ergebnis. Beispiel: automatisierte Angebotsvorlagen im Vertrieb, KI-gestützte Kategorisierung von Support-Tickets oder intelligente Terminplanung. Der Effekt muss innerhalb von zwei Wochen sichtbar sein.

Phase 3: Botschafter aufbauen (Wochen 9 bis 16). Parallel zum ersten Piloten werden KI-Botschafter in jeder Abteilung identifiziert und geschult. Wichtig: Das müssen keine Digital Natives sein. Die besten Botschafter sind erfahrene Fachkräfte, die innerhalb ihres Teams Respekt genießen und offen für Neues sind.

Phase 4: Skalierung mit Leitplanken (Monate 5 bis 9). Erst wenn Quick Wins und Botschafter-Netzwerk stehen, beginnt die breite Einführung. Dabei braucht es klare Governance-Regeln: Welche Daten dürfen in KI-Systeme fließen? Wer überprüft die Ergebnisse? Wie wird mit Fehlern umgegangen? Diese Regeln sollten gemeinsam mit den Teams entwickelt werden, nicht als Richtlinie von oben.

Phase 5: Kulturwandel verstetigen (ab Monat 10). KI-Kompetenz muss in Stellenprofile, Onboarding-Prozesse und Leistungsbewertungen einfliessen. Unternehmen, die das versäumen, erleben nach dem initialen Enthusiasmus einen Rückfall in alte Muster. Anthropics aktuelle Arbeitsmarktstudie zeigt, dass sich die Anforderungsprofile in 60 Prozent aller Jobkategorien innerhalb von zwei Jahren verschieben werden.

Quellen: Prosci Change Management Study 2023, BCG AI at Work Report 2025, Siemens Digital Industries

Warum der Betriebsrat kein Gegner ist

Ein häufiger Fehler: KI-Projekte werden am Betriebsrat vorbei geplant und erst dann kommuniziert, wenn die Einführung bereits beschlossen ist. Das erzeugt nicht nur rechtliche Risiken, weil der Betriebsrat bei leistungs- und verhaltensrelevanten Systemen Mitbestimmungsrechte hat. Es erzeugt vor allem Misstrauen, das den gesamten Prozess verlangsamt.

Unternehmen, die den Betriebsrat früh einbinden, berichten dagegen von deutlich schnellerer Umsetzung. Der Grund ist simpel: Wenn der Betriebsrat hinter dem Projekt steht, sinkt der Widerstand in der Belegschaft erheblich. Eine Betriebsvereinbarung zu KI-Nutzung schafft Rechts- und Planungssicherheit für beide Seiten. Sie regelt Datenschutz, Qualifizierung und die Garantie, dass KI-Einführung nicht mit Stellenabbau gleichzusetzen ist.

Checkliste: Die 7 häufigsten Fehler bei KI-Change-Projekten

Wer die typischen Stolperfallen kennt, kann sie vermeiden. Diese sieben Fehler treten branchenübergreifend am häufigsten auf:

● Kein Executive Sponsor: Ohne einen Vorstand, der das Projekt sichtbar trägt, fehlt die Legitimation. Mittleres Management blockiert, weil unklar ist, ob das Projekt politischen Rückhalt hat.

● Zu große erste Schritte: Ein unternehmensweiter KI-Rollout als erstes Projekt überfordert Organisation und IT gleichermaßen. Besser: ein Team, ein Use Case, drei Monate.

● Training als Pflichtveranstaltung: Ganztägige Schulungen ohne Praxisbezug erzeugen Frust statt Kompetenz. Besser: 90-Minuten-Workshops mit echten Aufgaben aus dem Arbeitsalltag.

● Fehlende Erfolgsmessung: Wenn niemand misst, ob die KI-Einführung Ergebnisse bringt, kann niemand argumentieren, warum sie fortgesetzt werden sollte.

● Kommunikation als Einbahnstraße: Newsletter und Intranet-Artikel reichen nicht. Mitarbeiter brauchen einen Kanal, um Fragen zu stellen, Bedenken zu äußern und Ideen einzubringen.

● Datenschutz als Nachgedanke: KI-Systeme, die personenbezogene Daten verarbeiten, brauchen eine DSGVO-konforme Grundlage. Wer das erst im Rollout klärt, verliert Monate. Compliance und KI müssen von Anfang an zusammengedacht werden.

● Kein Plan B: Nicht jeder Pilot funktioniert. Unternehmen brauchen die Bereitschaft, einen Use Case zu verwerfen und einen anderen zu testen, ohne das gesamte KI-Programm in Frage zu stellen.

Was Entscheider jetzt tun sollten

KI-Change-Management ist kein Projekt mit Anfang und Ende. Es ist eine dauerhafte Führungsaufgabe. Die gute Nachricht: Unternehmen, die es richtig angehen, sehen Ergebnisse schnell. Die Adoptionsrate steigt laut Prosci von 15 auf 75 Prozent, wenn professionelles Change Management zum Einsatz kommt. Das ist ein Faktor 5 bei identischer Technologie.

Der erste Schritt ist keine Tool-Evaluation und kein Strategiepapier. Der erste Schritt ist ein Gespräch. Mit fünf Teamleitern aus verschiedenen Bereichen, mit dem Betriebsrat und mit den Mitarbeitern, die täglich mit den Prozessen arbeiten, die KI verändern soll. Wer zuhört, bevor er entscheidet, hat bessere Chancen, zu den 30 Prozent zu gehören, die es schaffen.

Häufige Fragen

Weiterführende Lektüre

• → Revenue Operations: Was hinter dem RevOps-Boom steckt (MBF)
• → Kubernetes Cluster-Governance im Mittelstand (cloudmagazin)
• → CIO-Agenda 2026 (Digital Chiefs)

Mehr aus dem MBF Media Netzwerk

• → KI-Cloud-Kosten: Warum GPU-Workloads die Budgets sprengen (cloudmagazin)
• → OT-Security 2026: 119 Ransomware-Gruppen (SecurityToday)

Quelle Titelbild: Pexels / MART PRODUCTION