TL;DR: 70 % der Digitalprojekte scheitern, bei KI-Projekten sogar über 80 %. BCG zeigt: Die Ursache liegt zu 70 % bei Menschen und Prozessen, nicht bei der Technologie. Unternehmen, die sechs konkrete Erfolgsfaktoren umsetzen, steigern ihre Erfolgsquote auf 80 %. Dieser Artikel zeigt, welche Faktoren das sind, mit drei Fallbeispielen und einer Checkliste für den Projektstart.
Warum scheitern Digitalprojekte so häufig? Stellen Sie sich vor: Ein Team arbeitet neun Monate an einem KI-Pilotprojekt. Das Budget ist fast aufgebraucht. Dann fragt jemand im Steering Committee: „Was genau soll das Modell eigentlich entscheiden?" Schweigen.
Keine Ausnahme. Ein Muster.
Ich habe ähnliche Situationen in verschiedenen Unternehmen und Abteilungen erlebt und beobachtet, was die Teams, die es besser machen, anders tun. Der Unterschied ist fast nie die Technologie. Er liegt immer woanders.
Wie viele Digitalprojekte scheitern wirklich?
Sieben von zehn. Und bei KI-Projekten ist die Quote noch höher. Aber die Zahlen zeigen auch den Weg: Unternehmen, die eine bestimmte Gruppe von Erfolgsfaktoren konsequent umsetzen, steigern ihre Erfolgsquote auf 80 %.
Das belegt BCG nach einer Studie mit über 800 Führungskräften. Bei KI-Projekten ist die Quote noch drastischer: Laut RAND Corporation scheitern über 80 %. Das MIT berichtete 2025, dass 95 % der generativen KI-Piloten in Unternehmen keine messbaren Umsatzeffekte erzielen.
Das klingt entmutigend. Aber es gibt eine andere Art, diese Zahlen zu lesen.
Wenn 70 % scheitern, bedeutet das: 30 % gelingen. Und BCG hat in derselben Studie herausgefunden, dass diese 30 % ihre Erfolgsquote auf 80 % steigern konnten. Das ist kein kleiner Unterschied. Das ist die komplette Umkehrung der Statistik.
Die Frage ist also nicht: „Warum scheitern so viele?" Die interessantere Frage ist: „Was machen die erfolgreichen 30 % konkret anders?"
Liegt es wirklich an der Technologie, wenn Digitalprojekte scheitern?
Nein. BCG hat es in der 10-20-70-Regel zusammengefasst: 10 % Technologie, 20 % Daten und Infrastruktur, 70 % Menschen und Prozesse. Der größte Teil der Ursachen bekommt in den meisten Projekten den kleinsten Anteil an Budget und Aufmerksamkeit.
Wenn ein KI-Projekt scheitert, klingt die offizielle Erklärung meistens so: „Die Datenqualität war nicht ausreichend" oder „Das Modell hat nicht wie erwartet performt." Manchmal stimmt das. Aber es ist fast immer die Symptombeschreibung, nicht die Ursache.
BCG nennt das die 10-20-70-Regel, und sie taucht seitdem in vielen Transformationsdiskussionen auf:
Siebzig Prozent. Und genau dieser Teil bekommt in den meisten Projekten den kleinsten Anteil an Budget, Aufmerksamkeit und Energie.
Das zeigt sich konkret: Ein perfekt entwickeltes KI-Modell wird nicht genutzt, weil die Mitarbeiter im Fachbereich nicht verstehen, was es ausgibt, oder weil sie es schlicht nicht vertrauen. Sie arbeiten weiter mit Excel. Nicht aus Bequemlichkeit, sondern weil niemand die Zeit investiert hat, ihnen zu erklären, warum das neue System besser ist und wie es funktioniert.
Das ist kein Technologieproblem. Es ist ein Adoptionsproblem. Und es ist lösbar.
Prosci hat in globalen Benchmarkstudien gemessen: Projekte mit exzellentem Change Management gelingen zu 88 %. Projekte mit schlechtem Change Management? 13 %. Dieser Unterschied entsteht nicht durch bessere Algorithmen. Er entsteht durch bessere Begleitung von Menschen durch Veränderung.
Warum Transformationsprojekte in der Praxis so schwer sind
In vielen Organisationen kommen ein paar Faktoren zusammen, die Transformationsprojekte schwieriger machen, als sie auf dem Papier aussehen. Das zu verstehen ist der erste Schritt, um damit produktiv umzugehen.
Legacy-Systeme mit langer Geschichte. ERP-Monolithen, gewachsene Reporting-Tools, Kernprozesse aus vier Jahrzehnten. All das ist schwer zu ändern. Aber es ist nicht unmöglich. Die Unternehmen, die es schaffen, beginnen typischerweise nicht damit, die Kernsysteme anzutasten. Sie bauen neue Schichten darüber, beweisen Wert in einem abgegrenzten Bereich, und schaffen so die Legitimation für tiefere Veränderungen.
Risikoaversion als Kulturmerkmal. In vielen Branchen ist Vorsicht eine Tugend, und das zurecht. Aber in Transformationsprojekten kann dieselbe Vorsicht zum Lähmungsfaktor werden, wenn sie nicht konstruktiv gelenkt wird. Die Lösung ist nicht, die Risikoaversion wegzudiskutieren. Es ist, ihr Raum zu geben: klare Pilotgrenzen, definierte Abbruchkriterien, schrittweise Eskalation.
Datensilos als Realität. Jede Abteilung hat ihre eigene Wahrheit. Controlling, Vertrieb, Operations: oft unterschiedliche Zahlen, unterschiedliche Definitionen, unterschiedliche Systeme. Das lässt sich nicht in einer Woche lösen. Aber es lässt sich managen: durch klare Datenstrategie vor dem Projektstart, durch frühe Einbindung der Dateneigner, durch realistische Erwartungen.
Regulatorische Anforderungen. DSGVO, branchenspezifische Vorgaben, interne Compliance-Richtlinien. Diese Anforderungen sind nicht das Problem. Sie werden zum Problem, wenn sie erst in Woche zwölf eines Projekts auf den Tisch kommen statt in Woche eins. Compliance früh einzubinden ist kein bürokratischer Akt. Es ist Risikomanagement.
Drei Geschichten: zwei Misserfolge, ein Vorbild
Was schiefgehen kann: TSB Bank
2018 versuchte TSB, 5,2 Millionen Kundendaten auf eine neue Plattform zu migrieren. Die britische Finanzaufsicht FCA stellte später fest: Der Zeitplan war „absichtlich sehr ambitioniert, basierend auf sehr wenigen Informationen." Warnsignale aus dem mittleren Management wurden ignoriert. Ein Big-Bang-Ansatz statt schrittweiser Migration. Das Ergebnis: 1,9 Millionen Kunden ohne Online-Zugang, über 225.000 Beschwerden, eine Strafe von £48,65 Millionen.
Was man daraus mitnehmen kann: Ambitionen sind gut. Ambition ohne Informationsbasis ist gefährlich. Und wer die Warnsignale aus dem mittleren Management ignoriert, verliert die wichtigste Frühwarnstufe, die eine Organisation hat.
Was schiefgehen kann: Zillow
Zillow baute ein KI-Modell für automatisierte Hauskäufe. Das Modell überschätzte Immobilienwerte in einem volatilen Markt. Management überrechnete die Modellempfehlungen, um Volumen zu steigern. Kein Monitoring für Modelldrift. Keine klaren Eskalationspfade. Ergebnis: über 500 Millionen Dollar Abschreibung, 2.000 Entlassungen und das Programmende.
Was man daraus mitnehmen kann: Ein KI-Modell ohne Governance ist keine Lösung, sondern ein unkontrolliertes Risiko. Monitoring, Eskalationspfade und klare menschliche Kontrollpunkte sind keine bürokratischen Zusätze. Sie sind das, was KI überhaupt erst verantwortbar macht.
Was gelingen kann: DBS Bank
DBS Bank in Singapur hat sich zu einer der meistzitierten Erfolgsgeschichten in der digitalen Transformation entwickelt. Was ist anders? CEO Piyush Gupta hat Transformation von Anfang an als Kulturprojekt verstanden, nicht als IT-Projekt. KI-Modellentwicklung wurde von 18 Monaten auf wenige Wochen verkürzt, nicht durch bessere Technologie, sondern durch bessere Prozesse und ein Team, das gelernt hat, agil zu arbeiten. DBS hat nicht alles gleichzeitig transformiert. Sie haben in kleinen, beweisbaren Schritten angefangen und Wert sichtbar gemacht, bevor sie skalierten.
Das ist kein Zufall. Das ist die wiederholbare Methode hinter dem Erfolg.
Was machen erfolgreiche Transformationsprojekte konkret anders?
Sechs Faktoren heben die Erfolgsquote von 30 % auf 80 %. Keiner davon ist primär technischer Natur. Sie betreffen Strategie, Führung, Daten, Governance, Outcome-Monitoring und das Budget für Menschen.
BCGs Forschung mit über 800 Führungskräften zeigt, welche das sind:
1. Eine integrierte Strategie mit klaren Zielen. Klingt banal. Ist es nicht. Nur 40 % der Unternehmen haben das wirklich. „Wir wollen KI einsetzen" ist keine Strategie. „Wir wollen unsere Prognosegenauigkeit in Q3 um 15 % verbessern, indem wir im Piloten X drei Datenquellen zusammenführen." Das ist eine Strategie.
2. Echtes Führungscommitment, von oben bis in die Mitte. McKinsey hat gemessen: Eine klare Change Story zu kommunizieren macht Organisationen dreimal häufiger erfolgreich. Das mittlere Management entscheidet, ob neue Systeme wirklich genutzt werden oder still im Hintergrund laufen. Wer diese Ebene nicht von Anfang an einbindet, kämpft den schwierigsten Kampf allein.
3. Die richtige Datenstrategie zuerst. Gartner identifizierte 2025 schlechte Datenqualität als häufigsten Einzelgrund für KI-Projektabbrüche. Wer die Datenfrage nach hinten verschiebt, verschiebt das Problem, statt es zu lösen.
4. Agile Governance. Nicht Kontrolle durch mehr Prozesse, sondern Steuerung durch schnelle Feedbackschleifen. Wöchentliche Hindernisreviews. Frühzeitige Eskalation. Bereitschaft, den Kurs anzupassen.
5. Outcome-Monitoring statt Aktivitäten-Tracking. Die meisten Projekte tracken Meilensteine. Erfolgreiche Projekte tracken Wertschöpfung. Das klingt nach einem kleinen Unterschied. Es ist ein fundamentaler.
6. Budget für Menschen. Prosci empfiehlt mindestens 25 bis 30 % des Transformationsbudgets für Change Management, Training und Adoption. Typische Projekte investieren 5 bis 10 %. Der Rest erklärt sich von selbst.
Die Checkliste: Was vor jedem Projekt auf den Tisch gehört
Diese Checkliste ist kein Framework. Sie ist eine Sammlung ehrlicher Fragen, die Art, die man sich lieber früh stellt als spät.
Vor dem Start
- Können wir das Problem in einem Satz beschreiben, ohne Fachbegriffe und Buzzwords?
- Wissen wir, wie Erfolg in 90 Tagen konkret aussieht? Messbar, nicht vage?
- Hat der Sponsor dieser Initiative persönliche Verantwortung übernommen, nicht nur abgenickt?
- Können wir erklären, warum das wichtig ist: für das Unternehmen und für jeden einzelnen Betroffenen?
Daten und Infrastruktur
- Sind die benötigten Daten tatsächlich verfügbar, sauber und vollständig, nicht theoretisch, sondern geprüft?
- Ist Compliance von Anfang an eingebunden?
- Haben wir einen Plan für Betrieb und Wartung nach dem Piloten?
Menschen und Organisation
- Haben wir mindestens 25 % des Budgets für Change Management, Training und Adoption eingeplant?
- Sind die mittleren Führungskräfte in betroffenen Bereichen wirkliche Unterstützer, nicht nur informiert?
- Gibt es eine klar verantwortliche Person für Adoption, getrennt von der technischen Implementierung?
Umsetzung
- Starten wir mit einem Piloten, der in 90 Tagen messbare Ergebnisse zeigen kann?
- Haben wir eine Routine, um Hindernisse früh zu erkennen, nicht erst im monatlichen Statusmeeting?
- Tracken wir Outcomes, nicht nur Meilensteine?
Skalierung
- Hat der Pilot bewiesen, was er beweisen sollte, bevor wir skalieren?
- Haben wir Monitoring für Modellperformance und Datendrift?
- Sind neue Prozesse in Arbeitsabläufe, Ziele und Vergütung verankert, nicht nur dokumentiert?
Fazit: Die 70 % sind keine Schicksalsrate
Was mich an den Projekten, die funktionieren, immer wieder beeindruckt: Sie sind selten spektakulär. Kein revolutionäres Modell. Kein riesiges Budget. Kein externes Team von hundert Beratern.
Sie fangen klein an. Sie kommunizieren klar. Sie investieren in Menschen. Und sie haben die Geduld, Nutzen zu beweisen, bevor sie skalieren.
BCG hat gezeigt, dass die Erfolgsquote von 30 % auf 80 % steigen kann. RAND hat die Fehlerursachen analysiert. Prosci hat den Wert von Change Management gemessen. Die Erkenntnisse existieren. Die Methoden existieren.
Was es braucht, ist die Bereitschaft, den unbequemen Teil der Arbeit genauso ernst zu nehmen wie den technischen Teil. Das ist keine neue Erkenntnis. Aber sie ist in Transformationsprojekten immer noch zu selten gelebte Praxis.
Und das ist eigentlich eine gute Nachricht: Denn wer es tut, hat schon einen erheblichen Vorsprung.
Wer noch tiefer einsteigen will: In meinem Folgeartikel zu den drei blinden Flecken, über die bei Transformationen niemand spricht, gehe ich auf die strukturellen Ursachen ein: falsche Incentives, fehlender Kompetenzaufbau und die Ressourcen-Lüge.
Du möchtest KI- und Digitalprojekte in deinem Unternehmen zum Erfolg bringen? Dann schreib mir einfach auf LinkedIn oder buche direkt einen kostenlosen Call.
Häufig gestellte Fragen
Warum scheitern 70 % der Digitalprojekte?
Nicht wegen der Technologie. BCG zeigt, dass 70 % der Ursachen bei Menschen und Prozessen liegen: fehlende Strategie, unzureichendes Führungscommitment, keine Datenstrategie und zu wenig Budget für Change Management und Adoption.
Was ist die 10-20-70-Regel?
Die 10-20-70-Regel stammt von BCG und beschreibt die Verteilung der Scheiternsursachen bei digitalen Transformationen: 10 % liegen an der Technologie, 20 % an Daten und Infrastruktur und 70 % an Menschen und Prozessen. Sie zeigt, dass der größte Hebel nicht im technischen Bereich liegt.
Wie hoch sollte das Budget für Change Management sein?
Prosci empfiehlt mindestens 25 bis 30 % des Transformationsbudgets für Change Management, Training und Adoption. Typische Projekte investieren nur 5 bis 10 %. Projekte mit exzellentem Change Management gelingen zu 88 %, mit schlechtem nur zu 13 %.
Was unterscheidet erfolgreiche von gescheiterten KI-Projekten?
Erfolgreiche Projekte starten mit klaren, messbaren Zielen, investieren in die Menschen, die das System nutzen sollen, und skalieren erst nach bewiesener Wirkung im Piloten. RAND zeigt, dass über 80 % der KI-Projekte scheitern, häufig wegen fehlender Governance und mangelndem Monitoring.
Gibt es eine Checkliste für den Start von Digitalprojekten?
Ja. Die wichtigsten Fragen vor dem Projektstart: Können wir das Problem in einem Satz beschreiben? Wissen wir, wie Erfolg in 90 Tagen aussieht? Sind die Daten tatsächlich verfügbar? Haben wir Budget für Change Management? Und: Starten wir mit einem Piloten, der schnell Ergebnisse zeigt? Die vollständige Checkliste findest du oben im Artikel.