Was die Zahlen nicht zeigen
Keine dieser Erhebungen misst Lagen. Niemand hat gezählt, wie
viele Einführungen hängen, weil jemand eine komplizierte Aufgabe wie eine einfache
behandelt hat. Die Lagen-These ist meine Deutung der Schere, nicht ihr Messergebnis.
Zweitens zeigen die Zahlen nicht, dass Technik unwichtig wäre. Gartner nennt als
Gründe für abgebrochene GenAI-Projekte schlechte Datenqualität, fehlende
Risikokontrollen, steigende Kosten und unklaren Geschäftswert. Bitkom hält im September
2026 fest, dass nicht das Modell den größten Aufwand macht, sondern Daten aufbereiten,
Systeme verbinden und Rechenleistung bereitstellen.
Drittens habe ich beim Prüfen drei verbreitete Aussagen aussortiert, die dir vermutlich
auch begegnen. „Stanford: 95 Prozent der KI-Misserfolge sind organisatorisch“ steht
nicht im Stanford-Bericht. Dort stehen 77 Prozent, und gemeint sind die härtesten
Herausforderungen erfolgreicher Projekte. Die 95 stammen vom MIT und meinen etwas
anderes, Zweitquellen haben beides verschmolzen. Für „Technik-zuerst scheitert
1,6-mal häufiger“ ließ sich keine Quelle finden. Und für „Gartner 2026: über 50 Prozent
tatsächlich abgebrochen“ gibt es Blogs, aber keine Veröffentlichung von Gartner. Die
Zahlen von RAND, McKinsey und S&P Global fehlen hier, weil ich ihre Originale nicht
einsehen konnte.