LLMs & KI-Agenten · Projektstrategie
Warum 40 % der KI-Agenten-Projekte scheitern und wie Sie das verhindern
Gartner rechnet damit, dass bis Ende 2027 mehr als 40 % aller Projekte mit KI-Agenten eingestellt werden. Die Gründe sind steigende Kosten, ein unklarer geschäftlicher Nutzen und unzureichende Risikokontrollen. Aus unseren Projekten kennen wir sechs Faktoren, mit denen ein Agent die Pilotphase hinter sich lässt.
Julia Rose
Das Wichtigste in Kürze
- Laut Gartner werden über 40 % der Projekte mit KI-Agenten bis Ende 2027 eingestellt, vor allem wegen hoher Kosten, unklarem Nutzen und fehlender Risikokontrolle.
- Viele Vorhaben starten aus Trenddruck, ohne festgelegtes Ziel und ohne realistische Erwartungen.
- Ein klar abgegrenzter erster Anwendungsfall liefert schnell sichtbare Ergebnisse und senkt das Risiko.
- Datenlage, fehlendes Fachwissen und die Akzeptanz der Mitarbeitenden gehören vor dem Start auf den Tisch.
Was Gartner vorhersagt
Im Juni 2025 hat Gartner eine Prognose veröffentlicht: Über 40 % aller Projekte mit KI-Agenten werden bis Ende 2027 eingestellt. Als Hauptgründe nennt die Analyse steigende Kosten, einen unklaren geschäftlichen Nutzen und unzureichende Risikokontrollen.
Quelle: Gartner, Pressemitteilung vom 25. Juni 2025
Gartner spricht von Agentic AI. Gemeint sind KI-Agenten, die eigenständig Ziele verfolgen, Entscheidungen treffen und über längere Zeit handeln. Viele dieser Projekte entstehen laut Gartner aus dem Hype heraus. Es fehlen ein klares Ziel, ein strategischer Rahmen und realistische Erwartungen an das, was sich technisch und organisatorisch umsetzen lässt.
Was wir in Projekten beobachten
Wir begleiten Unternehmen bei der Einführung von KI-Agenten, von der Zieldefinition bis zum produktiven Betrieb. Die Einschätzung von Gartner deckt sich mit dem, was wir dabei sehen. Der Wunsch, „etwas mit KI zu machen“, ist groß. Wofür genau, bleibt oft offen, weil Trenddruck, Innovationsanspruch oder Erwartungen von außen den Anstoß geben.
Vor dem Start fehlen dann Antworten auf drei Fragen:
- Was genau soll besser werden?
- Welche Prozesse eignen sich überhaupt für KI und KI-Agenten?
- Wo lohnt sich der Einstieg?
Aus vielen Projekten haben sich sechs Faktoren ergeben, die darüber entscheiden, ob ein KI-Agent dauerhaft Wirkung zeigt.
Sechs Faktoren für erfolgreiche KI-Agenten-Projekte
1.Mit einem geschäftlichen Ziel beginnen
Erfolgreiche Projekte beginnen bei einer Herausforderung, die für das Geschäft zählt. Ein Tool oder eine bestimmte Technologie ist ein schwacher Ausgangspunkt. KI-Agenten bringen dann etwas, wenn sie Prozesse verbessern, Entscheidungen beschleunigen oder Ressourcen besser nutzen. Ohne konkretes Ziel bleibt ihr Einsatz beliebig.
2.Die Daten realistisch einschätzen
Jeder KI-Agent arbeitet mit Daten, und nicht jeder Datenbestand ist verwertbar. Eine frühe Prüfung zeigt, ob Struktur, Qualität und Zugänglichkeit der vorhandenen Daten für den geplanten Anwendungsfall reichen. Datenschutz und Nutzungsrechte klären Sie am besten gleich zu Beginn. Das erspart Verzögerungen, wenn das Projekt schon läuft.
3.Die richtigen Fachleute früh einbinden
Für Entwicklung und Einführung eines KI-Agenten braucht es Wissen aus mehreren Bereichen: Prozessverständnis, Datenstrategie und technische Umsetzung. Selten ist all das im eigenen Haus vorhanden. In solchen Fällen ergänzen wir bestehende Teams mit unserer Projekterfahrung.
4.Mit einem klar abgegrenzten Anwendungsfall starten
Wer von Anfang an ein umfassendes Agentensystem aufbauen will, scheitert in der Praxis oft an der Komplexität und an zu hohen Erwartungen. Viele Unternehmen kommen mit der Vorstellung zu uns, ein KI-Agent solle möglichst viele, sehr unterschiedliche Probleme gleichzeitig lösen. Genau dieser Anspruch, alles auf einmal anzugehen, bringt Projekte zum Stillstand.
Besser ist ein klar umrissener, überschaubarer Anwendungsfall. Er liefert schnell sichtbare Ergebnisse, senkt das Risiko und zeigt, wie es weitergehen kann. Beispiele sind ein Agent, der eingehende E-Mails klassifiziert, oder ein Chatbot, der komplexe Anfragen bearbeitet.
Ein fokussierter Start begrenzt nicht, was später möglich ist. Auf einem erfolgreichen ersten Anwendungsfall lässt sich gezielt aufbauen, Schritt für Schritt, bis ein belastbares System mit echtem Mehrwert entsteht.
Aus der Praxis: RPP Group
Die Public-Affairs-Beratung RPP Group arbeitet mit ChatRPP, einem internen System aus fünf spezialisierten KI-Agenten. Es ist auf einen klaren Bereich zugeschnitten: die Routinearbeit rund um Policy-Dokumente. ChatRPP fasst lange Dokumente zusammen, bereitet Daten auf und schreibt erste Entwürfe im Ton der Beratung. Der Zeitaufwand für diese Arbeit sank um 70 %.
5.Die Nutzer früh beteiligen
Ein System kann technisch einwandfrei laufen und trotzdem scheitern, wenn die Mitarbeitenden es nicht annehmen. Binden Sie deshalb die Menschen früh ein, die später damit arbeiten. Klare Kommunikation, nachvollziehbare Entscheidungen und echte Mitsprache erhöhen die Akzeptanz und schaffen Vertrauen in die neue Technik.
6.Orientierung schaffen und Wissen aufbauen
Der Begriff KI wird inflationär verwendet, und oft ist unklar, was konkret dahintersteckt. In Workshops und Strategieterminen justieren wir gemeinsam mit Unternehmen die Erwartungen, ordnen die technischen Möglichkeiten realistisch ein und bereiten tragfähige Entscheidungen vor. So entstehen Projekte, die technisch funktionieren und sich wirtschaftlich rechnen.
Einen Einstieg bieten unsere KI-Workshops. Wer schon einen konkreten Prozess im Blick hat, prüft im KI Discovery Workshop, ob sich seine Automatisierung lohnt.
Fazit: KI-Agenten brauchen eine klare Richtung
Die Technik ist da, und das Potenzial ist groß. Die Gründe, die Gartner nennt, und unsere Erfahrung aus Projekten zeigen in dieselbe Richtung: Vorhaben scheitern an fehlender Klarheit, unrealistischen Erwartungen und mangelndem strategischem Fokus. Ohne realistisches Ziel und saubere Umsetzung bleiben Ideen im Pilotstatus oder verschwinden ganz.
KI löst keine Probleme, die vorher niemand verstanden und eingeordnet hat. Wer mit überzogenen Erwartungen startet, wird mit hoher Wahrscheinlichkeit enttäuscht. Mit einem klaren Ziel, einer soliden Datenbasis und einem erfahrenen Partner entstehen Fortschritte, die sich messen und ausbauen lassen.
Sie planen einen KI-Agenten?
In der Prozessanalyse nehmen wir Ihre Abläufe auf, sortieren die möglichen Anwendungsfälle nach Nutzen und schlagen eine Architektur vor. Festpreis ab 3.000 €.
Prozessanalyse anfragenHäufige Fragen
Gartner erwartet, dass bis Ende 2027 mehr als 40 % aller Projekte mit KI-Agenten eingestellt werden. Die Prognose stammt vom Juni 2025 und nennt steigende Kosten, unklaren geschäftlichen Nutzen und unzureichende Risikokontrollen als Hauptgründe.
Agentic AI bezeichnet KI-Agenten, die eigenständig Ziele verfolgen, Entscheidungen treffen und über längere Zeit handeln.
Mit einem geschäftlichen Ziel und einem klar abgegrenzten Anwendungsfall, etwa der Klassifikation eingehender E-Mails. Vor dem Start sollten Datenlage, Datenschutz und Nutzungsrechte geprüft und die späteren Nutzer eingebunden sein.
Meist fehlt ein klares Ziel, oder der erste Agent soll zu viele unterschiedliche Probleme auf einmal lösen. Dazu kommen Daten, die für den Anwendungsfall nicht reichen, und Mitarbeitende, die das System nicht annehmen.
Julia ist seit 2019 Teil von theBlue.ai und begleitet die Entwicklung von KI-Anwendungen im Unternehmensumfeld seit den frühen Tagen des Unternehmens. In ihrer Rolle als Marketing Lead arbeitet sie eng mit den Engineering- und Consulting-Teams zusammen und macht komplexe technische Themen für Entscheider verständlich und zugänglich.
In ihren Artikeln schreibt sie über praktische Erfahrungen aus Enterprise-KI-Projekten sowie über die Herausforderungen und Chancen beim Einsatz von KI in Unternehmen.