Warum 95 Prozent scheitern – und es nicht an der Technologie liegt 

Die Technologie funktioniert. Große Sprachmodelle verfassen Vertragsentwürfe, generieren Code, analysieren Dokumente und automatisieren Kundenservice-Anfragen. Trotzdem bleibt die organisatorische Wirkung in den meisten Unternehmen überschaubar. Die Deloitte-Studie „State of AI in the Enterprise“ bestätigt: Über 70 Prozent der Unternehmen haben generative KI eingeführt – doch nur 34 Prozent gestalten ihr Geschäft wirklich neu, indem sie Geschäftsmodelle, Rollen und Arbeitsweisen verändern. Und gerade einmal 6 Prozent haben agentische KI – also die nächste Stufe der intelligenten Automatisierung – vollständig implementiert. 

Warum ist das so? Die Gemeinschaftsstudie von DLR, Universität des Saarlandes und Frankfurt School liefert eine klare Antwort. Sie identifiziert fünf Erfolgsfaktoren für die KI-Transformation: Strategie, Prozesse & Umsetzung, Technologie, Governance und Kultur. Den größten Erfolgsbeitrag leisten dabei die Themen rund um Prozesse und organisatorische Umsetzung. Bei Unternehmen, die besonders erfolgreich KI skalieren – den sogenannten „KI-Transformationsführern“ – sind alle fünf Faktoren stark ausgeprägt. Die Erkenntnis: Wer nur einen Faktor isoliert adressiert, gefährdet den Erfolg der gesamten Transformation. 

Wer mit dem McKinsey 7S-Framework vertraut ist, erkennt das Muster sofort. Strategie, Struktur, Systeme, Fähigkeiten, Mitarbeitende, Stil und gemeinsame Werte – alle sieben Elemente müssen aufeinander abgestimmt sein, damit Veränderung gelingt. KI-Einführung ist keine Ausnahme. Sie ist ein Transformationsprojekt, das alle Dimensionen der Organisation berührt. Wer KI als reines IT-Projekt behandelt, scheitert nicht an der Technologie – sondern an der fehlenden organisatorischen Reife. 

Was heißt das konkret? Schauen wir uns die fünf häufigsten Stolpersteine an. 

Ohne Prozessverständnis verlagert KI nur den Engpass 

Stellen Sie sich vor, ein Sachbearbeiter in der Auftragsabwicklung nutzt KI, um Angebote doppelt so schnell zu erstellen. Klingt nach einem klaren Produktivitätsgewinn. Doch wenn die nachgelagerte Freigabestelle – ohne KI – weiterhin mit der gleichen Geschwindigkeit arbeitet, staut sich der Output beim nächsten Prozessschritt. Der Gesamtdurchsatz der Organisation bleibt identisch. Die Verbesserung verpufft – oder schlimmer: Sie erzeugt Druck an genau der Stelle, die ohnehin am Limit arbeitet. 

Was hier passiert, beschreibt die Engpasstheorie von Eliyahu Goldratt (Theory of Constraints) präzise: Wenn man den Durchsatz an einer Stelle verbessert, die nicht der Engpass ist, verbessert man nichts – man erhöht sogar die Verschwendung. Der Output eines Systems wird immer durch sein schwächstes Glied bestimmt. KI am falschen Punkt einzusetzen, ist wie einen größeren Trichter auf eine Flasche mit schmalem Hals zu setzen. 

Hinzu kommt ein individueller Effekt, den das Parkinsonsche Gesetz beschreibt: Arbeit dehnt sich in dem Maß aus, wie Zeit für ihre Erledigung zur Verfügung steht. Wenn KI dem Einzelnen Freiraum schafft, aber keine organisatorische Neuausrichtung stattfindet, füllt sich die gewonnene Zeit häufig mit anderen Tätigkeiten – ohne messbaren Mehrwert für die Organisation als Ganzes. 

Die Konsequenz ist unbequem, aber logisch: Bevor KI zum Einsatz kommt, braucht es eine belastbare Prozessdokumentation. Der Prozess muss End-to-End verstanden werden – so wie er in der operativen Realität tatsächlich abläuft, nicht wie er in der letzten PowerPoint-Präsentation dokumentiert wurde. Erst dann lässt sich beurteilen, wo der tatsächliche Engpass liegt, welche Prozessschritte wertschöpfend sind und wo Automatisierung – ob durch KI oder klassisch – wirklich einen Unterschied macht. Und erst dann lässt sich sinnvoll prüfen, ob Aufgaben, die heute an der falschen Stelle liegen, dorthin verschoben werden können, wo sie hingehören – um die Organisation insgesamt besser aufzustellen. 

BLIKS IO ermöglicht genau diesen ersten Schritt: Die Plattform erfasst Prozesse, Rollen und Systeme direkt bei den Mitarbeitenden – bottom-up, in normaler Sprache und ohne monatelange Workshop-Marathons. So entsteht ein belastbares Ist-Bild der Organisation, auf dem fundierte Entscheidungen über KI-Einsatz, Aufgabenverteilung und Kapazitätsplanung aufgesetzt werden können. 

Wer seine Rolle bedroht sieht, zeigt keine Potenziale auf 

Neben dem Prozessverständnis gibt es eine zweite, oft unterschätzte Hürde: die menschliche Dimension. Die Pronova-BKK-Studie „Arbeiten 2025“ zeigt, dass mehr als die Hälfte der KI-Nutzenden ihre Arbeit inzwischen als fehleranfälliger oder unsicherer empfindet. Laut Xing-Arbeitsmarktbericht glaubt mittlerweile jeder sechste Beschäftigte in Deutschland, dass der eigene Arbeitsplatz durch KI gefährdet ist. Drei Viertel derjenigen, die sich Sorgen machen, rechnen damit, dass es innerhalb der nächsten fünf Jahre so weit sein könnte. 

Jetzt stellen Sie sich das Extremszenario vor: Ein erfahrener Mitarbeiter erkennt, dass sein gesamter Aufgabenbereich durch KI automatisierbar wäre. Wird er dieses Potenzial proaktiv offenlegen? Rational betrachtet würde er damit seine eigene Position gefährden. Die natürliche Reaktion ist nicht offene Sabotage – sie ist subtiler und zutiefst menschlich: Potenziale werden nicht gemeldet, Verbesserungsvorschläge bleiben aus, die Bereitschaft zur Veränderung sinkt leise, aber wirksam. 

Und die Bedrohung geht tiefer als die Angst vor Jobverlust. Wer 15 Jahre Expertise in einem Fachbereich aufgebaut hat und erlebt, wie KI vergleichbare Ergebnisse in Sekunden produziert, erlebt nicht nur eine wirtschaftliche Unsicherheit – sondern eine Identitätsbedrohung. Es geht um das berufliche Selbstverständnis. Deshalb greifen rationale Argumente wie „Dein Job bleibt sicher“ oft zu kurz. Was Mitarbeitende brauchen – und was gutes Change Management leisten muss –, ist ein konkretes, ehrliches Bild davon, wie ihre Rolle in der Organisation der Zukunft aussieht – nicht ein vages Versprechen, sondern ein nachvollziehbarer Plan. 

BLIKS IO denkt diese Dimension von Beginn an mit. Die Plattform erfasst nicht nur Prozesse, sondern auch Rollen, Verantwortlichkeiten und Beteiligungen in ihrer realen Ausprägung. Wenn eine Organisation KI einführt und Aufgaben sich verschieben, ermöglicht ein solcher digitaler Zwilling der Organisation, Rollenveränderungen frühzeitig und transparent zu planen – statt sie reaktiv zu improvisieren. So verschiebt sich die Perspektive: weg von „die KI nimmt mir etwas weg“ hin zu „wir gestalten gemeinsam, wie sich unsere Zusammenarbeit weiterentwickelt.“ Und erst mit dieser Perspektive öffnen sich die Köpfe für die Potenziale, die in der Organisation tatsächlich schlummern.  

KI verstärkt, was da ist – auch das Schlechte 

Selbst wenn Prozesse verstanden und Rollen gesichert sind, bleibt eine dritte Hürde, die in gewachsenen Organisationen besonders tückisch ist: die Realität der Systeme und Daten, mit denen tatsächlich gearbeitet wird. 

KI-Agenten, die automatisiert Daten aus CRM-Systemen ziehen, Berichte generieren oder Kundenanfragen klassifizieren – das sind die Versprechen agentischer KI. Doch was passiert, wenn die Mitarbeitenden gar nicht im CRM arbeiten? Schattensysteme sind in gewachsenen Organisationen allgegenwärtig: Excel-Listen statt Projektmanagement-Tool, E-Mail-Verteiler statt Ticketsystem, lokale Laufwerke statt Cloud-Speicher. Jeder, der einmal ein ERP-System eingeführt hat, kennt das Phänomen. Die Gründe sind selten Bösartigkeit – sie sind praktisch: Das offizielle System ist zu langsam, zu umständlich oder bildet den tatsächlichen Arbeitsablauf nicht ab. 

Wer nachhaltig KI und Automatisierung einsetzen möchte, braucht eine gemeinsame Basis: Mitarbeitende, die nach definierten Standards arbeiten, und Systeme, die die tatsächlichen Abläufe sauber abbilden. Der beste KI-Agent ist wirkungslos, wenn er nie die Daten erhält, die er braucht – weil die operative Realität in Schattensystemen stattfindet. 

Um diese Muster zu erkennen, braucht es Wissen über die Organisation in der Breite. Nicht als Vermutung aus der IT-Abteilung, sondern als strukturierte Rückmeldung derjenigen, die jeden Tag mit den Systemen arbeiten. Warum wird lieber in Excel kalkuliert als im CRM? Wenn die Antwort lautet, dass das CRM Performance-Probleme hat oder bestimmte Anwendungsfälle nicht abbildet, dann ist die erste Aufgabe nicht KI-Integration – sondern die Beseitigung der Ursachen, die Schattensysteme überhaupt entstehen lassen. 

BLIKS IO macht genau diese Muster sichtbar. Die dezentrale Datenaufnahme erfasst, wie Mitarbeitende wirklich arbeiten – welche Systeme sie tatsächlich nutzen, wo Medienbrüche auftreten und wo die operative Realität von der dokumentierten Soll-Welt abweicht. Das ist die Grundlage, ohne die jeder KI-Einsatz Gefahr läuft, bestehende Probleme zu verstärken statt sie zu lösen. Denn KI ist ein Verstärker: Gute Prozesse und saubere Daten werden besser. Schlechte Prozesse und fragmentierte Daten werden schlechter – nur in beschleunigter Form. 

Wo niemand den Gesamtprozess verantwortet, strandet jede KI-Initiative 

Die vierte Hürde ist so alltäglich, dass sie selten offen angesprochen wird: In vielen gewachsenen Mittelständlern verantwortet niemand einen Prozess End-to-End. Der Vertrieb verantwortet den Kundenkontakt, die Auftragsabwicklung das Fulfilment, das Controlling die Abrechnung – aber wer verantwortet den gesamten Fluss vom Erstkontakt bis zur Rechnung? Oft: niemand. 

Ohne durchgängiges Prozessmanagement – ohne einen Menschen, der den Überblick über einen End-to-End-Prozess hat – gibt es auch niemanden, der fundiert entscheiden kann, wo KI-Einsatz sinnvoll wäre. Es gibt niemanden, der die Veränderung treiben, Widerstände adressieren und den Erfolg messen kann. KI-Projekte ohne klare Prozessverantwortung enden als isolierte Insellösungen – technisch funktional, organisatorisch wirkungslos. 

Hinzu kommt das Silo-Problem: Das größte KI-Potenzial liegt oft in abteilungsübergreifenden Prozessen – genau dort, wo in den meisten Organisationen die Zuständigkeiten enden und das Wissen aufhört. Wer sich schon einmal durch fünf Abstimmungsrunden gekämpft hat, weil jedes Mal ein anderer Stakeholder fehlte, kennt die Konsequenz: Energie verpufft in Koordination statt in Ergebnissen. 

BLIKS IO schafft hier die Grundlage auf gleich zwei Ebenen. Erstens erfasst sie Prozesse, Rollen und Systemabhängigkeiten quer durch die Organisation und führt sie in einem digitalen Zwilling zusammen – als gemeinsame Entscheidungsbasis für alle Beteiligten. Zweitens macht sie sichtbar, in welchen Netzwerken Menschen über Abteilungsgrenzen hinweg tatsächlich zusammenarbeiten. Damit wird endlich transparent, wer bei welchem Thema an einen Tisch gehört – nicht auf Basis von Organigrammen, sondern auf Basis der gelebten Zusammenarbeit. So entstehen Arbeitskreise, die von Anfang an produktiv an einem Ergebnis arbeiten, statt in endlosen Abstimmungsschleifen zu rotieren.  

Der demografische Wettlauf: Wissen sichern, bevor es geht 

Und dann gibt es eine fünfte Hürde, die sich nicht durch besseres Projektmanagement lösen lässt, sondern die schlicht eine Frage der Zeit ist. In vielen mittelständischen Unternehmen gehen in den kommenden fünf bis zehn Jahren die erfahrensten Wissensträger in den Ruhestand. Diese Mitarbeitenden tragen das implizite Wissen, das Prozesse am Laufen hält – nicht in Dokumenten, nicht in Systemen, sondern in ihren Köpfen. Sie wissen, warum der Sonderfall bei Kunde X anders abgewickelt wird, welche Excel-Logik die Schnittstelle zwischen zwei Systemen überbrückt und wen man anrufen muss, wenn der Standardprozess nicht funktioniert. 

Ohne dieses Wissen fehlt der KI die Grundlage, auf der sie wertschöpfend arbeiten kann. Ein KI-Agent, der auf dokumentierten Soll-Prozessen trainiert wird, scheitert an der operativen Realität, weil die undokumentierten Sonderfälle, Workarounds und Erfahrungswerte fehlen. Prozesswissen aus Mitarbeitern zu erfassen – strukturiert, systematisch und zeitnah – ist deshalb keine nette Dokumentationsübung, sondern eine strategische Notwendigkeit. Wer zu lange wartet, verliert nicht nur Erfahrung, sondern auch die Basis für jeden sinnvollen KI-Einsatz. 

BLIKS IO adressiert diesen Handlungsdruck direkt: Die Plattform ermöglicht es, Wissen aus den Köpfen der Mitarbeitenden in strukturierte, maschinenlesbare Prozessbeschreibungen zu überführen – bevor es unwiederbringlich verloren geht. 

Die richtige Reihenfolge: Erst verstehen, dann verändern, dann automatisieren 

KI-Einführung ist kein IT-Projekt, das man an die Technologieabteilung delegiert. Sie ist ein Organisationsentwicklungsprojekt, das Strategie, Prozesse, Rollen, Kultur und Technologie gleichzeitig adressieren muss. Die Reihenfolge ist entscheidend: 

Erst die Organisation verstehen – Prozesse, Rollen und Systeme erfassen, wie sie in der operativen Realität tatsächlich funktionieren. Nicht wie auf dem letzten Organigramm, nicht wie im Qualitätshandbuch, sondern so, wie Mitarbeitende jeden Tag arbeiten. 

Dann den Prozessfluss optimieren – Engpässe identifizieren, Schattensysteme adressieren, Verantwortlichkeiten klären. Die Frage ist nicht „Wo können wir KI einsetzen?“, sondern „Welche Teile unserer Wertschöpfungskette funktionieren heute nicht optimal – und warum?“ 

Dann automatisieren und wo sinnvoll KI einsetzen – auf einem organisatorischen Fundament, das trägt. Nicht als isoliertes Tool für Einzelne, sondern als integrierter Hebel für die gesamte Organisation. 

BLIKS IO wurde für genau diese Reihenfolge gebaut. Als Plattform für die digitale Potenzialinventur erfasst sie Prozesse, Rollen und Systeme holistisch – und schafft damit die organisatorische Grundlage, ohne die KI-Einführung ein teures Experiment bleibt.