Warum AI oft nicht liefert

Ein Artikel von: Dr. Mark Gille-Sepehri und Prof. Dr. Markus Schmidiger

Genau dieses Spannungsfeld zwischen Investitionsboom und ausbleibendem Nutzen stand im Fokus unseres Webinars vom 5. März 2026. Basierend auf aktuellen Studien und praktischen Erfahrungen aus Projekten in der Immobilienwirtschaft wurde analysiert, warum viele AI-Projekte nicht die erwarteten Ergebnisse liefern und welche strukturellen Hebel Unternehmen nutzen können, um AI erfolgreich einzusetzen.
Die Aufzeichnung des Webinars finden Sie hier:

Der grosse AI-Boom und die Realität

Seit dem sogenannten „ChatGPT-Moment“ hat sich der Einsatz von AI in Unternehmen massiv beschleunigt. Innerhalb weniger Jahre geben rund 80 Prozent der Unternehmen an, AI bereits einzusetzen oder aktiv zu testen. Gleichzeitig planen viele Firmen, ihre AI-Investitionen weiter zu erhöhen.  

Doch die wirtschaftlichen Resultate bleiben bislang begrenzt. Studien zeigen:

• nur etwa 15 Prozent der Unternehmen berichten von messbarem Return on Investment
• rund 50 Prozent der AI-Projekte scheitern bereits nach der Pilotphase
• lediglich etwa 5 Prozent der Unternehmen schaffen es, mit AI echte Wertschöpfung im grossen Massstab zu erzielen  

Die Ursache liegt also nicht in mangelnden Investitionen. Das Problem liegt tiefer: in der Umsetzung innerhalb der Organisation.

Die Pilotfalle

Ein häufiges Muster ist die sogenannte Pilotfalle.

Viele AI-Projekte funktionieren in der Proof-of-Concept Phase hervorragend. Doch sobald sie in den operativen Betrieb überführt werden sollen, entstehen Schwierigkeiten.

In Pilotprojekten herrschen meist ideale Bedingungen:

• klar definierter Anwendungsbereich
• sorgfältig vorbereitete Daten
• motivierte Projektteams

Sobald die Lösung jedoch in reale Prozesse integriert wird, treten typische Probleme auf:

• Medienbrüche zwischen Systemen
• unklare Verantwortlichkeiten
• Integrationsprobleme zwischen IT-Systemen
• fehlende Entscheidungsstrukturen

Die Folge: Projekte bleiben in der Experimentierphase stecken oder werden nach kurzer Zeit wieder eingestellt.  

Die vier häufigsten Fehler bei AI-Projekten

Aus der Analyse von Studien und Projekterfahrungen lassen sich vier zentrale Fehler identifizieren.

Fehler 1: Kein klares Werteversprechen

Viele Unternehmen starten AI-Initiativen ohne klar definierte Geschäftsziele.

Typische Symptome:

• Use Cases werden explorativ statt strategisch ausgewählt
• Projekte werden gestartet, weil „man etwas mit AI machen sollte“
• der wirtschaftliche Nutzen wird nicht systematisch gemessen

Die Folge: AI wird zum Experiment statt zum strategischen Instrument.

Erfolgreiche Unternehmen gehen anders vor. Sie priorisieren gezielt Use Cases mit dem grössten wirtschaftlichen Hebel und messen konsequent den Return on Investment.  

Fehler 2: Daten werden überschätzt

Viele Organisationen glauben, AI könne Datenprobleme automatisch lösen.

In der Praxis gilt jedoch weiterhin das klassische Prinzip der Informatik:

Garbage in, garbage out.

Wenn Daten unvollständig, inkonsistent oder unzuverlässig sind, wird AI diese Probleme nicht korrigieren, sondern häufig sogar verstärken.

Eine IBM-Studie zeigt die grössten Herausforderungen beim AI-Einsatz:

• 45 Prozent zweifeln an der Zuverlässigkeit ihrer Daten
• 42 Prozent verfügen nicht über genügend Trainingsdaten
• 40 Prozent haben Bedenken bezüglich Datenschutz und Datensicherheit  

AI kann zwar auch mit unstrukturierten Daten umgehen. Entscheidend bleibt jedoch, dass Daten die Realität korrekt abbilden und innerhalb von Prozessen sinnvoll genutzt werden können.

Fehler 3: Die Organisation ist nicht vorbereitet

Der vielleicht wichtigste Punkt: AI ist kein IT-Projekt.

Erfolgreiche AI-Implementierungen betreffen das gesamte Unternehmen:

• Entscheidungsprozesse
• Verantwortlichkeiten
• Organisationsstruktur
• Arbeitsweisen

Studien zeigen, dass besonders erfolgreiche Unternehmen sich durch ein starkes Engagement des Topmanagements auszeichnen. Führungskräfte treiben aktiv die Transformation und integrieren AI in Geschäftsprozesse und Strategien.  

AI verändert also nicht nur Technologie. Sie verändert die Art, wie Organisationen funktionieren.

Fehler 4: Die Kompetenzlücke

Ein weiterer zentraler Engpass ist fehlendes Know-how.

Viele Unternehmen unterschätzen, wie stark AI neue Kompetenzen erfordert. Gleichzeitig entsteht ein paradoxer Effekt:

Mitarbeitende nutzen AI oft intensiver, als Führungskräfte glauben.

Während Manager davon ausgehen, dass AI kaum eingesetzt wird, nutzen viele Mitarbeitende Chatbots bereits täglich für Aufgaben wie:

• Textzusammenfassungen
• Analysen
• Dokumentenauswertung

Doch der Schritt von individuellen Produktivitätstools zu strategischen Prozessinnovationen wird häufig nicht geschafft.

Gleichzeitig entsteht ein neuer Trend: Fachspezialisten werden zunehmend selbst zu Systemdesignern. Mit Low-Code und No-Code Lösungen können sie ihr Expertenwissen direkt in AI-gestützte Prozesse übersetzen.  

Technologie ist nicht das Problem

Ein zentrales Ergebnis aus Studien und Praxis lautet:

Technologie ist selten der limitierende Faktor.

Die grössten Hindernisse liegen in:

• Strategie
• Organisation
• Prozessen
• Kompetenzen

Unternehmen, die AI erfolgreich einsetzen, unterscheiden sich in mehreren Punkten von der Mehrheit.

Was die erfolgreichsten 5 Prozent anders machen

Organisationen, die echten Mehrwert aus AI generieren, folgen typischerweise einem klaren Muster:

• klar priorisierte Use Cases
• definierte Datenverantwortung
• digitalisierte und optimierte Prozesse
• aktive Einbindung der Unternehmensführung
• gezielter Kompetenzaufbau im Unternehmen  

AI wird dort nicht als isoliertes Technologieprojekt betrachtet, sondern als strategisches Transformationsthema.

Die sieben strukturellen Hebel erfolgreicher AI

Aus diesen Erkenntnissen lassen sich sieben zentrale Handlungsfelder ableiten:

1. Strategie und OrientierungKlare Zieldefinition und Priorisierung von Use Cases.
2. Daten und InformationsqualitätSicherstellen, dass Daten zuverlässig und zugänglich sind.
3. Prozesse und SystemeGeschäftsprozesse analysieren und gezielt mit AI optimieren.
4. Organisation und RollenVerantwortlichkeiten und Entscheidungsstrukturen anpassen.
5. Kompetenzen und SkillsMitarbeitende befähigen, AI aktiv zu nutzen und zu gestalten.
6. Kultur und VeränderungsbereitschaftÄngste adressieren und Transformation aktiv begleiten.
7. Governance und RisikomanagementKontrollmechanismen und Verantwortlichkeiten definieren.  

Fazit: AI ist eine Managementaufgabe

Der aktuelle AI-Boom zeigt deutlich: Technologie allein schafft noch keinen wirtschaftlichen Nutzen.

Die entscheidende Herausforderung liegt darin, AI sinnvoll in Organisationen und Prozesse zu integrieren.

Unternehmen, die AI erfolgreich einsetzen wollen, müssen daher nicht primär ihre Technologie modernisieren, sondern ihre Organisation transformieren.

Oder anders formuliert:

AI ist kein IT-Projekt.

AI ist eine Führungsaufgabe.

Sie wollen AI erfolgreich bei sich einsetzen?

Hier einige Angebote, wie wir Ihnen dabei behilflich sein können

Wie AI-fit ist Ihr Unternehmen wirklich?

Eine klare Antwort in 10 Minuten.

Mit unserem kostenlosen AI Readiness Check erhalten Sie eine strukturierte Standortbestimmung entlang der entscheidenden Erfolgsfaktoren: Daten. Use Cases. Organisation. Kompetenzen. Governance.

Sie sehen sofort, wo Sie stehen und wo Ihr grösstes Hebelpotenzial liegt.

➔ Jetzt AI Readiness Check starten
(Die Auswertung ist anonym und sofort verfügbar.)

AI strategisch erfolgreich einsetzen: Der AI Transformation Circle

Viele Unternehmen experimentieren mit AI. Nur wenige integrieren sie systematisch in ihre Wertschöpfung.

Der AI Transformation Circle bietet den strukturierten Rahmen dafür. Sie arbeiten gemeinsam mit anderen Unternehmen an:

• einem klaren AI-Zukunftsbild
• priorisierten Anwendungsfeldern
• Prozess- und Datenanalyse
• Governance-Design
• konkreten Umsetzungsschritten

Klare strategische Organisationsentwicklung. Und konkrete Umsetzung mit sofort nutzbaren Resultaten.

Der Circle hilft Ihnen, AI aus der Pilotphase zu führen und dauerhaft produktiv zu machen.

AI in Real Estate: bleiben Sie am Puls

Unsere Webinarreihe beleuchtet regelmässig aktuelle Fragestellungen an der Schnittstelle von AI und Immobilienwirtschaft.

Nächstes Webinar:
1. April 2026
„Wie AI die Immobilienbewirtschaftung verändert“

➔ Infos und Anmeldung

Von Erkenntnis zu Umsetzung

In unseren Seminaren und Workshops vertiefen wir die Themen praxisnah und mit konkreter Transferunterstützung für Ihr Unternehmen.

Alle Angebote rund um AI @ Real Estate finden Sie hier.