Mobile-Menu
  DB Podcast

Marketing Tech Monitor 2026

Failure by Design: Woran KI-Projekte in Unternehmen scheitern

< zurück

Seite: 2/2

Anbieter zum Thema

FIS Informationssysteme und Consulting GmbH
d.velop AG
Esker Software Entwicklungs-und Vertrieb

Die Diskrepanz zwischen Anspruch und Daten-Realität

KI Projekte KI-Marketing
Im Mittelpunkt von Daten-getriebenen Marketing und Sales steht Strategie und Planung.
(Bild: MarketingTechLab)

Laut den Analysen des Marketing Tech Monitor bleibt die systematische Datennutzung in der Praxis oft weit hinter der theoretischen Diskussion zurück. Während die „Datenzentriertheit“ viel beschworen wird, verfügen lediglich sechs Prozent der europäischen Unternehmen über eine qualitativ hochwertige Datenbasis. Dies führt dazu, dass schätzungsweise 85 Prozent aller KI-Projekte die gesteckten Ziele verfehlen.Die Ursachen für dieses Scheitern werden primär im Bereich der Organisation verortet: Ein Mangel an methodischem Inhalts-/Prozessverständnis, das „Verzetteln“ in zu vielen parallelen Projekten sowie das Fehlen klarer Zielbilder verhindern wirksame Ergebnisse. Oftmals werde versucht, fachliche Defizite durch den Einsatz von mehr IT zu kompensieren, was jedoch laut den Studienergebnissen kaum zum Erfolg führt.

FAQ: KI-Erfolg in Marketing und Vertrieb

Warum scheitern 85 Prozent aller KI-Projekte? 
Das Scheitern liegt selten an der Technologie selbst. Die Hauptursachen sind starre Organisationsstrukturen, mangelhaftes fachliches Know-how und eine unzureichende Datenbasis. Ohne agile Prozesse und klare Zielbilder bleibt KI ein Fremdkörper im Unternehmen.

Was ist das größte Hindernis bei der Datennutzung? 
Obwohl viele Unternehmen „datenzentriert“ sein wollen, sind nur etwa 20 Prozent in Europa wirklich „data-ready“. Es fehlt an konsistenten Stammdaten, klaren Datenstrategien und der Kompetenz, Daten richtig zu interpretieren.

Was bedeutet „Speed Leadership“ im KI-Kontext?
Wettbewerbsvorteile entstehen heute nicht mehr durch jahrelange Roadmaps, sondern durch Agilität. Speed Leadership bedeutet: flache Hierarchien, dezentrale Entscheidungsrechte und eine hohe Experimentierquote mit kontrollierter Fehlerakzeptanz.

Welche Rolle spielen KI-Agenten künftig?
KI-Agenten übernehmen zunehmend komplexe Geschäftsprozesse (Business Process Layer). Sie verändern die IT-Architektur hin zu autonomen, Cloud-nativen Systemen, die in Echtzeit auf Daten reagieren können.

Wie sollten Unternehmen den KI-Rollout starten?
„Do your homework first“: Bevor Software gekauft wird, müssen interne Kompetenzen aufgebaut und bestehende Prozesse bereinigt werden. Erst wenn das fachliche Fundament steht, ist ein nachhaltiger Rollout neuer Technologien sinnvoll.

Was unterscheidet erfolgreiche „Leader“ von anderen?
Erfolgreiche Unternehmen setzen auf ein klares „Target Operating Model“. Sie analysieren die Customer Journey tiefgreifend, nutzen Best-Practice-Prozesse und bauen eine tragfähige Daten-Infrastruktur (AI Foundation) auf, statt sich in zu vielen Parallelprojekten zu verzetteln.

KI-Projekte: Handlungsempfehlungen für die Umsetzung

Aus den vorliegenden Erkenntnissen lassen sich wesentliche Schritte für eine erfolgreiche Transformation ableiten:

  • Schaffung einer tragfähigen Datenbasis: Der Fokus sollte auf der Konsolidierung und Bereinigung von Kundendaten liegen. Nur durch eindeutige Identifikatoren und eine konsistente Stammdatenpflege lässt sich das Umsatzpotenzial von KI-Anwendungen voll ausschöpfen. 
  • Definition eines „Target Operating Models“: Für einen nachhaltigen Erfolg ist die Entwicklung eines Zielbilds für ein „AI-Native Marketing“ erforderlich, welches das Zusammenspiel von Organisation, Prozessen und Technik definiert.
  • Vertiefung der Customer-Journey-Analysen: Die Implementierung von KI sollte auf fundierten Analysen der Kundeninteraktionen basieren, um kontextspezifische Services mit echtem Mehrwert zu schaffen.
  • Vorrang von Methodenkompetenz: Vor der Investition in neue Software wird der Aufbau interner Kompetenzen in den Bereichen Prozessdesign und Anforderungsmanagement als essenziell betrachtet.
  • Konzentration auf Kern-Use-Cases: Statt einer Vielzahl paralleler Initiativen empfiehlt sich ein systematisches „Capability Mapping“, um Ressourcen gezielt auf die vielversprechendsten Anwendungsfälle zu bündeln.

Drei Wichtige Takeaways:

 Prozesse vor IT: Software kann strategische Defizite nicht heilen.

Daten-Check: Nur sechs Prozent der Unternehmen haben aktuell eine ausreichend hohe Datenqualität für KI.

Faktor Mensch: Know-how-Aufbau und flache Hierarchien sind die wahren Turbo-Beschleuniger für KI-Agenten.

Zur Methodik: Für den Marketing Tech Monitor 2026 wurden hierfür 1.562 Führungskräfte im Bereich Marketing, Vertrieb und Service in D/A/CH befragt, wodurch insgesamt 414 vollständige Antworten erzielt wurden. Zeitgleich wurden zur Vertiefung abermals 30 qualitative Experten-Interviews durchgeführt plus 2.822 Mitarbeitende repräsentativ befragt.

Dr. Ralf Strauß
ist Managing Partner der MarketingTechLab GmbH, Initiator der CMO Community und Digital CMO Community, Chairman of the Board European Marketing Confederation (EMC), Vice President Worldwide Marketing Council (WMC) und ehemaliger Präsident des Deutschen Marketing Verbands (DMV). Zuvor war er Senior Vice President Digitalisierung Marketing und Vertrieb im Volkswagen-Konzern, globaler Leiter Produktmanagement CRM Marketing sowie CMO und Leiter der Unternehmensentwicklung der SAP in Deutschland und Zentraleuropa.

Bildquelle:

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte