Vom Pilotprojekt in den Betrieb
Die meisten KI-Piloten scheitern nicht an der Technik, sondern am Übergang danach: fehlende Datenreife, keine Einbettung in den Arbeitsalltag und ungeklärte Zuständigkeit nach dem Abschluss des Piloten. Wer diese drei Lücken gezielt schließt, bevor der Pilot endet, überführt ihn zuverlässig in einen stabilen, überwachten Betrieb statt in eine ungenutzte Demoversion.
Warum der Go live erst der Anfang ist
In den meisten KI Projekten richtet sich die gesamte Planung auf einen Termin: den Go live. Es gibt Meilensteine für Datenaufbereitung, Modellauswahl, Schnittstellen und Abnahme. Für die Zeit danach gibt es oft nur einen Satz im Projektplan: Übergabe an die IT.
Genau hier liegt das Problem. Ein klassisches Softwaresystem verhält sich nach dem Go live weitgehend stabil, solange niemand den Code ändert. Ein KI System verhält sich anders. Seine Qualität hängt von Daten ab, die sich laufend verändern, von Modellen, die Hersteller weiterentwickeln, und von Nutzern, die das System auf eine Weise verwenden, die im Projekt niemand vorhergesehen hat.
Der Go live ist deshalb nicht das Ende eines KI Projekts. Er ist der Anfang der Phase, über die vorher niemand gesprochen hat. Für diese Phase braucht es eine klare Verantwortung, ein Budget und Abläufe, die nicht von einzelnen Personen abhängen.
Was nach einigen Monaten typischerweise fehlt
Das Projektteam zieht weiter, die IT soll übernehmen. Nach einigen Monaten zeigen sich dann Symptome, die in fast jedem Unternehmen ähnlich aussehen:
Keines dieser Probleme ist technisch spektakulär. Gemeinsam führen sie dazu, dass Nutzer das Vertrauen verlieren und zu alten Arbeitsweisen zurückkehren. Nach zwölf Monaten ohne klare Betriebsverantwortung ist der Nutzen eines KI Systems oft aufgebraucht, obwohl die Investition getätigt ist.
Die Ursache liegt selten bei einzelnen Personen. Sie liegt in der Struktur des Projekts. Ein Projektbudget endet mit der Abnahme, ein Betriebsbudget wurde nie geplant. Das Projektteam kennt das System im Detail, die IT kennt die Infrastruktur, jedoch nicht die Modelle. Zwischen beiden entsteht eine Lücke, die sich nicht von selbst schließt, solange sie nicht ausdrücklich jemandem zugewiesen wird.
Fünf Aufgaben, die vertraglich jemandem gehören müssen
| Aufgabe | Was konkret dazugehört | Woran Sie es erkennen |
|---|---|---|
| Überwachung | Qualität, Kosten und Verfügbarkeit laufend messen, Schwellen und Alarme definieren | Regelmäßige Berichte, die auch die Fachabteilung versteht |
| Nachtraining | Modelle anpassen, wenn sich Daten oder Anforderungen ändern | Geplanter Prozess mit Messung vorher und nachher |
| Updates | Modelle und Software aktualisieren, vorher in einer Testumgebung prüfen | Dokumentierte Freigaben und ein Weg zurück zur Vorversion |
| Rechte und Nachweise | Rollen, Zugriffe, Protokolle und Auditfähigkeit pflegen | Lückenlose Protokolle, nachvollziehbare Freigaben |
| Entscheidung über Weiterbetrieb | Eine benannte Person entscheidet, wann ein System angepasst oder abgeschaltet wird | Name und Rolle stehen im Vertrag |
KI Betrieb als Managed Service heißt für uns, dass genau diese Aufgaben nicht offen bleiben, sondern schriftlich einer Rolle zugeordnet sind. Die folgende Übersicht zeigt, was dazugehört und woran Sie erkennen, dass die Aufgabe tatsächlich erfüllt wird.
Der letzte Punkt wird am häufigsten übersehen. Ein System, das niemand abschalten darf, läuft auch dann weiter, wenn es längst mehr Schaden als Nutzen stiftet. Eine benannte Verantwortung schafft hier Klarheit.
Verfügbarkeit ist nicht gleich Qualität
Für den Betrieb setzen wir 99,9 % Verfügbarkeit als Ziel. Diese Zahl ist wichtig, sie beschreibt allerdings nur, ob ein System erreichbar ist. Ein KI System kann erreichbar sein und trotzdem falsche oder veraltete Antworten liefern. Klassische Service Level Vereinbarungen aus der IT greifen deshalb zu kurz.
Ein Service Level für KI regelt zusätzlich die Qualität, gemessen gegen einen Referenzwert, der vor dem Start festgelegt wurde. Es regelt Kostenobergrenzen und Warnungen bei ungewöhnlichem Verbrauch. Es regelt, wann Nachtraining ausgelöst wird und wer darüber entscheidet. Die Reaktionszeiten nach Schweregrad legen wir gemeinsam mit Ihnen fest, passend zur Bedeutung des jeweiligen Anwendungsfalls. Details dazu finden Sie unter Service Level.
Wichtiger als jede einzelne Zahl ist die Frage dahinter: Wer merkt es zuerst, wenn etwas nicht stimmt, Ihr Team oder Ihre Kunden? Ein guter Betrieb erkennt Abweichungen, bevor sie bei Nutzern ankommen.
Eigenes Team, Managed Service oder Mischform
Nicht jedes Unternehmen braucht einen vollständigen Managed Service. Drei Modelle haben sich bewährt:
Unabhängig vom Modell sollte die Aufgabenteilung schriftlich festgehalten sein. Ein Managed Service funktioniert nur, wenn auch klar ist, was Ihr Unternehmen beiträgt, etwa Zugang zu Daten, eine Ansprechperson in der Fachabteilung und Rückmeldungen der Nutzer.
Für die Wahl des Modells hilft eine einfache Prüfung: Wie viele KI Systeme sollen in zwei Jahren produktiv laufen, und wer im Haus kann ein Modell nachtrainieren, wenn die Qualität sinkt? Ist die zweite Frage offen, ist ein Managed Service oder eine Mischform meist der sicherere Weg. Ein späterer Wechsel bleibt möglich, sofern Dokumentation und Ausstieg von Beginn an geregelt sind.
Woran Sie einen guten Betriebspartner erkennen
Laut Gartner werden über 40 % der agentischen KI Projekte bis Ende 2027 abgebrochen. Gründe sind unter anderem unklare Kosten, fehlender Nutzen und mangelnde Kontrolle über Risiken. Ein tragfähiger Betrieb setzt genau an diesen Punkten an. Prüfen Sie bei der Auswahl eines Partners deshalb diese Fragen:
Ein KI System ist kein Projekt, das man abschließt. Es ist ein Betrieb, den jemand führen muss.
Häufige Fragen
Quellen
- NexPatch AI: Leitfaden „KI Dienstleister auswählen" (Nutzenverlust nach zwölf Monaten ohne Betriebsverantwortung)
- Gartner: Prognose zum Abbruch von über 40 % der agentischen KI Projekte bis Ende 2027