Vierzig Prozent der KI-Initiativen in Europas größten Unternehmen werden als Dauer-Pilotprojekte gehalten — nie eingestellt, nie skaliert — „by design". Diese Zahl sinkt nicht, je besser Organisationen mit KI werden. Sie steigt. Innerhalb der reifsten KI-Programme klettert der Anteil dauerhafter Pilotprojekte auf 48 %, selbst wenn die durchschnittlichen KI-Ausgaben 39,2 Millionen Pfund pro Jahr erreichen und um 27 % im Jahresvergleich wachsen (Valliance, via Consultancy.uk, 2026). Mehr Erfahrung, mehr Budget, mehr Raffinesse — und mehr Pilotprojekte, die ins Leere laufen. Das ist das Paradox, und es ist das bislang klarste Signal, dass nicht die Experimente die KI-Erträge zerstören. Es ist die fehlende Entscheidung danach.
Die reflexhafte Lesart dieser Daten ist: „KI-Pilotprojekte scheitern, also Vorsicht beim Starten." Das ist genau die falsche Lehre. Der schärfere Befund, vergraben in Valliances Umfrage unter 1.000 Top-Führungskräften, lautet: Das Experimentieren funktioniert gut; was fehlt, ist das Kill-or-Scale-Gate — der Moment, in dem jemand ein Pilotprojekt gegen vorab vereinbarte Kennzahlen prüft und es entweder für tot oder für produktionsreif erklärt. Für einen Head of Operations in einem Unternehmen mit 200 Mitarbeitenden, der den KI-Plan fürs nächste Jahr finalisiert, ist das Problem des Übergangs vom Pilot zur Produktion kein Grund, langsamer zu werden. Es ist ein Grund, eine Entscheidung zu installieren, die Ihre Konzern-Kollegen mit all ihrem Budget noch immer nicht getroffen haben.
Das Paradox: Reife sollte „Pilotitis" heilen. Tut sie nicht.
Das intuitive Modell organisationalen Lernens besagt: Je mehr KI-Projekte Sie durchführen, desto besser werden Sie darin, sie abzuschließen. Sie bauen Muskeln auf: Sie lernen, welche Anwendungsfälle skalieren, töten die Nieten schneller, Ihre Trefferquote steigt. Valliances Daten sagen, an der Spitze des Marktes geschieht das Gegenteil. Die Organisationen mit den etabliertesten Programmen sind diejenigen, die die meisten Dauer-Pilotprojekte anhäufen — 48 % gegenüber dem Basiswert von 40 % (Valliance, via Consultancy.uk, 2026).
Das sollte Sie innehalten lassen. Es bedeutet, dass „Pilotitis" — der Zustand des endlosen Experimentierens ohne jemals Festlegung — keine Anfängerkrankheit ist, die Reife heilt. Es ist ein struktureller Zustand, den Reife verstärkt, weil reife Programme das Budget haben, mehr Pilotprojekte unbegrenzt am Leben zu halten, und die politische Komplexität, keines davon zu töten. Jedes Pilotprojekt hat einen Sponsor. Jeder Sponsor hat einen Grund, warum es „noch lernt". Niemand besitzt das Urteil. Das Ergebnis ist ein Portfolio, das an den Rändern wächst und sich in der Mitte nie auflöst.
Valliance ist präzise beim Mechanismus: Das Scheitern ist nicht das Experiment, sondern das, was danach geschieht — oder nicht. Schlechte Erfolgskennzahlen, geringe Akzeptanz und Beratungsmandate, die auf Verlängerung statt Abschluss ausgelegt sind, drängen Pilotprojekte in eine Warteumlaufbahn. Die 39,2 Millionen Pfund durchschnittlicher Ausgaben kaufen keine Produktionssysteme. Ein großer Teil kauft das Recht, weiter Experimente durchzuführen, die niemand jemals formal beenden wird.
Warum „das Experimentieren ist gescheitert" die falsche Diagnose ist
Hier ist, warum die Unterscheidung operativ zählt. Lautet die Diagnose „KI funktioniert nicht", ist die Behandlung: weniger ausrollen. Lautet die Diagnose „wir entscheiden nie", ist die Behandlung Governance — und der Nutzen, es richtig zu machen, ist groß und gut belegt.
Wenn KI wirklich in einen Arbeitsablauf integriert ist, statt im Pilot-Limbo gelassen zu werden, ist die Leistungslücke nicht marginal. Das Feldexperiment von Harvard Business School und BCG zu Wissensarbeitern ergab, dass Berater, die KI richtig nutzten, Aufgaben rund 25 % schneller erledigten und Arbeit lieferten, die in der Qualität rund 40 % höher bewertet wurde als die Kontrollgruppe (Harvard Business School & BCG, 2023). Das ist der Preis, der auf der anderen Seite des Gates wartet. Die Dauer-Pilot-Organisation zahlt den vollen Preis für KI und erntet fast keinen Ertrag, weil der 40-%-Qualitätssprung sich nur materialisiert, wenn das Werkzeug in Produktion ist, im täglichen Arbeitsablauf, mit Akzeptanz — nicht, wenn es im achtzehnten Monat in einer Sandbox „evaluiert" wird.
Die Kosten des Nicht-Entscheidens zeigen sich auch in den Makrodaten. Die vielzitierte MIT-Analyse von 2025 ergab, dass rund 95 % der generativen KI-Pilotprojekte in Unternehmen keinerlei messbare Wirkung auf die Gewinn-und-Verlust-Rechnung hatten — nur etwa einer von zwanzig erreichte einen echten finanziellen Ertrag (MIT, via Fortune, 2025). Gemeinsam mit Valliance gelesen, schärft sich das Bild: Das Problem ist nicht, dass KI sich nicht auszahlen kann — die wenigen, die sie gut integrieren, tun das überaus gut. Das Problem ist, dass die überwiegende Mehrheit der Pilotprojekte nie gezwungen wird zu beweisen, dass sie sich auszahlt, und so per Voreinstellung in den 95 % landet.
Das ist die Diagnose. Nicht „das Experimentieren ist gescheitert". Das Experimentieren war erfolgreich und wurde nie überführt. Das fehlende Organ ist das Entscheidungs-Gate.
Die Kosten eines fehlenden Gates sind pro Euro für den Mittelstand höher
Es wäre bequem, dies als Konzernproblem abzulegen — Budgets von 39,2 Millionen Pfund, europäische Multis mit 1.000 Führungskräften, ein Verschwendungsmaßstab, den ein Mittelständler nie erreicht. Dieser Trost ist fehl am Platz, und der Grund ist Arithmetik.
Ein Unternehmen mit 39,2 Millionen Pfund KI-Ausgaben kann ein Dutzend Zombie-Pilotprojekte als Rundungsfehler mitschleppen. Die Verschwendung ist real, aber über ein riesiges Budget verdünnt; das Dauer-Pilotprojekt ist eine Position, die der CFO toleriert. Ein Unternehmen mit 200 Mitarbeitenden kann nichts verdünnen. Wenn Sie drei KI-Pilotprojekte laufen lassen und zwei per Voreinstellung dauerhaft sind, verschwenden Sie keinen Rundungsfehler — Sie fehlallokieren einen erheblichen Teil eines diskretionären Technologiebudgets, das schwer zu gewinnen war. Der Verschwendungsprozentsatz mag ähnlich sein; die Fähigkeit, diese Verschwendung zu überleben, nicht. Der Mittelstand spürt jedes blockierte Pilotprojekt auf eine Weise, von der Konzerne strukturell isoliert sind.
Es gibt eine zweite Asymmetrie. Der Konzern hat Governance-Funktionen — ein Transformationsbüro, ein Portfolio-Review-Gremium, einen CIO, dessen Team die Zombie-Pilotprojekte zumindest sehen kann. In einem Unternehmen mit 200 Mitarbeitenden hat das Pilotprojekt, das Ihr Operations-Leiter im Frühjahr mit einem Anbieter gestartet hat, kein Review-Gremium, das es beurteilt. Wenn Sie das Gate nicht selbst bauen, gibt es kein Gate. Valliances Befund, dass selbst reife Konzernprogramme keine Pilotprojekte töten können, ist richtig gelesen eine Warnung: Wenn Organisationen, die eigens zur Governance gebaut wurden, es noch immer nicht schaffen, wird der Mittelstand nicht zufällig zu dieser Disziplin gelangen. Sie muss bewusst installiert werden.
Das Gegenargument: „Bain sagt, die Anwendungsfälle skalieren bereits"
Der stärkste Einwand gegen all das kommt aus glaubwürdiger Quelle und verdient eine klare Antwort. Die Führungskräfte-Umfrage 2026 von Bain & Company bringt etwas, das einer Gegenerzählung nahekommt — dass Unternehmen in den meisten Anwendungsfall-Kategorien KI tatsächlich vom Pilot in die Produktion bringen und die Geschichte vom „alles steckt im Pilot fest" übertrieben ist. Hat Bain recht, löst das Kill-or-Scale-Gate ein Problem, das sich bereits von selbst löst.
Beide Befunde können zugleich wahr sein, und die Spannung auszuhalten ist nützlicher, als eine Seite zu wählen. Skalierung ist ungleichmäßig. Eine Organisation kann ihre besten zwei oder drei Anwendungsfälle wirklich in Produktion bringen und gleichzeitig einen langen Schwanz von Pilotprojekten anhäufen, die sich nie auflösen — die 40 % bis 48 %, die Valliance maß. Bain zählt die Gewinner, die übergetreten sind; Valliance zählt den Rückstau, der es nicht tat. Die Lehre für den Mittelstand lautet nicht „Ignorieren Sie Bain". Sie lautet: Die Organisationen, die beim Skalieren erfolgreich sind, sind genau jene, die explizite Skalierungsentscheidungen treffen — und jene, die in Dauer-Pilotprojekten ertrinken, sind jene, die nie den Mechanismus zum Entscheiden gebaut haben. Das Gate ist es, was Bains Skalierungsgeschichte von Valliances Stillstandsgeschichte trennt. Sie wollen bewusst auf der richtigen Seite dieser Linie stehen.
Die stützenden Belege weisen in dieselbe Richtung. Die Work-Reimagined-Studie von EY ergab, dass zwar fast neun von zehn Mitarbeitenden inzwischen KI in irgendeiner Form nutzen, aber nur etwa ein Viertel der Organisationen tatsächlich positioniert ist, diesen Einsatz in hochwertige Ergebnisse umzuwandeln (Deloitte, State of AI in the Enterprise, 2026). Nutzung ist universell; Umwandlung ist selten. Der Unterschiedsmacher ist nicht der Zugang zu KI. Es ist die Disziplin zu entscheiden, was mit jedem Einsatz geschieht.
Das Kill-or-Scale-Gate bauen: drei Komponenten für dieses Quartal
Die Lösung ist eng umrissen, günstig und vollständig unter Ihrer Kontrolle, bevor der nächste Budgetzyklus die Ausgaben festschreibt. Sie brauchen kein Transformationsbüro. Sie brauchen ein Gate, und ein Gate hat drei Teile. Wenden Sie es auf jedes aktive KI-Pilotprojekt an, das Sie heute laufen lassen, und machen Sie es für jedes neue verpflichtend.
Erstens: ein fixes Bewertungsfenster. Jedes Pilotprojekt bekommt im Moment des Starts ein Enddatum — 60 Tage, 90 Tage, ein Quartal, was zum Anwendungsfall passt, aber ein Datum, vorab benannt. Das einzige Verhalten, das Dauer-Pilotprojekte erzeugt, ist der offene Zeithorizont: Ein Pilotprojekt ohne Ende muss sich nie dem Urteil stellen. Schließen Sie den Zeithorizont, und Sie erzwingen das Urteil. Erreicht ein Pilotprojekt sein Fenster ohne Entscheidung, ist die Voreinstellung nicht „verlängern". Die Voreinstellung ist „töten".
Zweitens: vorab vereinbarte Erfolgskennzahlen. Bevor das Pilotprojekt läuft, schreiben Sie auf, wie Erfolg in Zahlen aussieht, die Sie am Ende tatsächlich haben werden — gesparte Stunden pro Woche, gesenkte Fehlerquote, Durchsatz pro Kopf, Akzeptanzrate unter den vorgesehenen Nutzern. Der Grund, warum reife Konzerne ins Stocken geraten, sind laut Valliance schlechte Kennzahlen und geringe Akzeptanz: Pilotprojekte, denen nie eine klare Latte zum Überspringen gegeben wurde, können stets behaupten, sie „lernen noch". Ein Pilotprojekt mit einer vorab vereinbarten Kennzahl erreicht sie oder nicht. Definieren Sie die Latte, bevor Sie ein Interesse daran haben, sie zu verschieben.
Drittens: ein binäres Urteil und ein benannter Eigentümer. Am Ende des Fensters fällt eine verantwortliche Person — kein Gremium — eine von genau zwei Entscheidungen: es mit echtem Budget und Akzeptanzplan in die Produktion skalieren, oder es töten und die Ausgaben zurückholen. Es gibt keine dritte Option. „Noch ein Quartal verlängern" ist die Krankheit, keine Entscheidung. Der HBS-BCG-Vorteil — 25 % schneller, 40 % besser — ist nur auf der „Skalieren"-Seite dieses Urteils einlösbar, und nur, wenn Skalieren echte Integration bedeutet, keine größere Sandbox.
Keine dieser drei Komponenten erfordert Personal oder eine Plattform. Sie erfordern, vorab zu entscheiden, dass ein Pilotprojekt seine Fortsetzung verdient, indem es eine definierte Latte bis zu einem definierten Datum überspringt, beurteilt von einer benannten Person. Das ist der gesamte Governance-Boden für den Übergang vom Pilot zur Produktion, und das ist der Unterschied zwischen einem Portfolio, das umwandelt, und einem, das im Stillen Zombies züchtet.
Die Gesamterzählung von Valliances 2026-Daten lautet: Die Organisationen mit der höchsten KI-Reife sind am schlechtesten darin, zu Ende zu bringen, was sie beginnen — und der Mittelstand, der sich ihre Verschwendungstoleranz nicht leisten kann, hat am meisten von einer Disziplin zu gewinnen, die sie nie gebaut haben. Die Entscheidung, die einem Head of Operations dieses Quartal vorliegt, ist nicht, ob mehr KI-Pilotprojekte laufen sollen. Sie ist, ob ein einziges Pilotprojekt in Ihren Büchern heute ein Enddatum, eine Erfolgszahl und einen Namen am Urteil hat. Wählen Sie Ihr teuerstes aktives Pilotprojekt und geben Sie ihm alle drei, bevor das Budget schließt. Das Kill-or-Scale-Gate ist nicht die Bremse Ihres KI-Programms. Es ist das Einzige, das die Ausgaben in einen Ertrag verwandelt.
