Eine gelungene Demo zeigt, dass eine Technik funktioniert. Für eine Entscheidung der Geschäftsführung reicht das nicht. Offen bleiben drei Fragen: Was kostet der Betrieb, was bringt der Einsatz, und was passiert, wenn das System falsch antwortet? An dieser Stelle bleiben viele KI-Vorhaben stecken.

Warum reicht eine Demo nicht?

KI ist in europäischen Unternehmen angekommen, aber ungleich verteilt. Laut Eurostat nutzten 2025 rund 20 Prozent der Unternehmen in der EU mit mindestens zehn Beschäftigten KI, nach 13,5 Prozent im Jahr davor. Die Detailauswertung zeigt den Abstand: Bei großen Unternehmen waren es 55 Prozent, bei kleinen 17 Prozent.

Nutzung heißt noch nicht Wirkung. In der Bitkom-Umfrage vom September 2026 gibt kein einziges Unternehmen an, das Potenzial von KI vollständig auszuschöpfen; nur 3 Prozent sehen sich bei einer eher starken Nutzung. Der Bericht „The State of AI“ von McKinsey für 2025 beschreibt nach den veröffentlichten Zusammenfassungen ein ähnliches Bild: Die große Mehrheit der Organisationen nutzt KI in mindestens einer Funktion, aber nur rund ein Drittel kommt über die Pilotphase hinaus. Gartner prognostiziert, dass über 40 Prozent der Projekte mit agentischer KI bis Ende 2027 eingestellt werden, wegen Kosten, unklarem Nutzen oder unzureichender Risikokontrolle. Das ist eine Prognose und keine Messung. Sie zeigt aber, woran Vorhaben hängen bleiben.

Ein Prototyp, der nur zeigt, dass KI etwas kann, beantwortet die falsche Frage. Er muss zeigen, dass dieser Einsatz in diesem Unternehmen funktioniert. Fünf Kriterien helfen bei dieser Prüfung.

Arbeitet der Prototyp mit echten Daten?

Ein Prototyp mit Beispieldaten beweist wenig. Echte Dokumente sind oft unvollständig, widersprüchlich, in alten Formaten gespeichert und teils veraltet. Genau daran scheitern Systeme im Betrieb. Arbeiten Sie im Prototyp deshalb mit einem echten, repräsentativen Ausschnitt, datenschutzkonform aufbereitet. Wenn personenbezogene Daten im Spiel sind, gehört das Pseudonymisieren oder Anonymisieren schon in den Prototyp und nicht erst in den Betrieb.

Ist der Anwendungsfall messbar?

„Mitarbeitende sollen produktiver werden“ ist kein Anwendungsfall. „Die Bearbeitungszeit für Standardanfragen sinkt“ ist einer. Legen Sie vor dem Bau fest, was Sie messen, wie Sie es heute messen und welcher Wert als Erfolg gilt. Messen Sie neben der Zeit auch die Qualität: Wie oft muss ein Mensch das Ergebnis nachbessern? Ohne Ausgangswert gibt es später nur Eindrücke, und über Eindrücke streitet jede Geschäftsführung zu Recht.

Sind Risiko und Compliance geprüft?

Bevor jemand entscheidet, braucht es eine kurze, ehrliche Risikoprüfung. Vier Fragen gehören hinein:

  • Datenschutz: Welche Daten verarbeitet das System, auf welcher Rechtsgrundlage und an welchem Ort?
  • AI Act: Welche Rolle hat das Unternehmen, und fällt der Einsatz unter Transparenzpflichten, zum Beispiel weil Kundinnen und Kunden mit einem Chatbot sprechen?
  • Fehlerfolgen: Was passiert, wenn das System falsch antwortet, und wer bemerkt es?
  • Abhängigkeit: Was passiert, wenn der Anbieter sein Modell ändert oder vom Markt nimmt?

Die Bitkom-Umfrage zeigt, wie schwer diese Fragen wiegen. Unter Unternehmen ohne KI nennen 66 Prozent rechtliche Hürden und Unklarheiten als Grund. Unter den Nutzern steht der Datenschutz mit 66 Prozent an erster Stelle der Hemmnisse. Ein Prototyp, der diese Fragen offen lässt, wird vertagt.

Gibt es ein Betriebsmodell?

Ein Prototyp läuft oft auf dem Laptop eines Entwicklers. Ein Produkt braucht ein Betriebsmodell, und die Geschäftsführung muss wissen, welches gemeint ist. Drei Varianten sind üblich:

  • Das Unternehmen nutzt ein Modell über die Programmierschnittstelle eines Anbieters.
  • Das Unternehmen betreibt ein Modell bei einem großen Cloud-Anbieter in einer EU-Region.
  • Das Unternehmen betreibt ein Open-Weight-Modell bei einem europäischen Hoster oder im eigenen Rechenzentrum.

Jede Variante verteilt Kosten, Kontrolle und Aufwand anders. Zum Betriebsmodell gehören die Antworten darauf, wer das System betreibt, wer es überwacht, wer Updates einspielt und wer reagiert, wenn es ausfällt. Schwer kalkulierbare Kosten nennen laut Bitkom 63 Prozent der Unternehmen ohne KI und 54 Prozent der Nutzer als Hürde. Ein Betriebsmodell mit benannten Kostenpositionen nimmt dieser Sorge die Grundlage.

Wie lässt sich der Wert berechnen?

Die Wertrechnung beantwortet die Frage, ob sich der Betrieb lohnt. Im Prototyp geht es um die Methode und nicht um eine Zahl für die Präsentation. Eine einfache Form sieht so aus:

Nutzen pro Monat = Fälle pro Monat × eingesparte Zeit pro Fall in Stunden × interner Stundensatz

Dem stehen die laufenden Kosten gegenüber: Nutzungsgebühren oder Infrastruktur, Wartung, Betreuung und Schulung. Dazu kommt die Zeit für die menschliche Prüfung. Sie wird im Prototyp sichtbar und fehlt in vielen Rechnungen. Die Werte für die Formel stammen aus dem Prototyp selbst: aus der gemessenen Zeit mit und ohne KI und aus dem Anteil der Ergebnisse, die nachgebessert werden mussten. So wird aus einer Hoffnung eine nachvollziehbare Rechnung, die jedes Mitglied der Geschäftsführung prüfen kann.

Was gehört in die Entscheidungsvorlage?

Am Ende steht eine Entscheidungsvorlage auf einer Seite. Sie enthält das Problem, die Ergebnisse mit echten Daten, die offenen Risiken, das vorgeschlagene Betriebsmodell, die Wertrechnung mit ihren Annahmen und eine klare Empfehlung. Die Empfehlung kann auch lauten, das Vorhaben zu stoppen. Ein Prototyp, der ehrlich zeigt, dass sich ein Einsatz nicht lohnt, hat seinen Zweck erfüllt.

Wie ein solcher Prototyp aufgesetzt wird, beschreibt die Seite Projektentwicklung.