Warum KI-Projekte scheitern: Es liegt selten am Modell
Wenn ein KI-Projekt im Unternehmen nicht das liefert, was versprochen wurde, höre ich fast immer dieselbe Erklärung: Das Modell sei wohl noch nicht gut genug, man müsse auf die nächste Version warten. Ich halte diese Erklärung inzwischen für fast immer falsch — und in der Fachwelt setzt sich gerade eine andere durch.
Agent = Modell + Drumherum
Der Begriff, der dabei die Runde macht, heißt Harness Engineering. „Harness“ ist im Englischen das Geschirr eines Pferdes — also all das, was ein an sich kräftiges Tier erst dazu bringt, in eine bestimmte Richtung zu ziehen. Die Metapher trifft es ganz gut.
Die Formel dahinter ist denkbar knapp: Agent = Modell + Harness. Das Modell ist gewissermaßen der Kopf. Alles andere ist das Drumherum, und dazu gehören:
- Anweisungen — was gilt hier bei uns, was ist erlaubt, was nicht
- Gedächtnis — was weiß das System noch von letzter Woche
- Werkzeuge — worauf darf es zugreifen, was darf es auslösen
- Grenzen — wo ist Schluss, wann muss ein Mensch zustimmen
- Prüfmechanismen — wer kontrolliert das Ergebnis, bevor es zählt
Die Erkenntnis der Fachleute: Zwischen einem mittelmäßigen und einem verblüffend guten Ergebnis liegt meist nicht das Modell, sondern die Qualität dieses Drumherums.
Warum gerade gewachsene Betriebe Probleme haben
Und jetzt kommt der Teil, der mir am wichtigsten ist. Fachleute unterscheiden zwischen Projekten auf der grünen Wiese und gewachsenen Systemen. Der Fachbegriff dafür lautet Brownfield — gemeint ist alles, was über Jahre entstanden ist und heute so läuft, wie es eben läuft.
Genau dort scheitern KI-Agenten am häufigsten. Der Grund ist nicht technisch, sondern menschlich: Die wichtigsten Regeln stehen nirgends geschrieben.
Jeder kennt das. Diesen einen Kunden ruft man vor der Rechnung lieber vorher an. Die Bestellung beim Lieferanten in den Niederlanden muss donnerstags raus, sonst wird es nichts mehr in der Woche. Das Angebotsformular hat eine Zeile, die seit 2019 niemand mehr ausfüllt. Nichts davon steht in einem Dokument. Es steckt in den Köpfen der Leute, die schon lange da sind.
Ein Mensch lernt so etwas in den ersten Wochen nebenbei. Ein KI-Agent kann es nicht lesen, weil es nirgends steht — und macht deshalb das, was diese Systeme in solchen Fällen tun: Er trifft eine plausible Annahme. Überzeugend formuliert und leider falsch.
Warum das eine gute Nachricht ist
Ehrlich gesagt finde ich diesen Befund ermutigend, und zwar aus einem einfachen Grund: Der Hebel liegt bei Ihnen, nicht bei einem Konzern in Kalifornien.
Wenn das Modell das Problem wäre, könnten Sie nur warten und mehr bezahlen. Wenn aber die undokumentierten Abläufe das Problem sind, dann ist die Lösung Arbeit, die Sie ohnehin schon lange vor sich herschieben — und die sich auch ohne KI auszahlt. Denn dieselbe fehlende Dokumentation macht jede Einarbeitung zäh und jeden Urlaub zum Risiko.
Unser Tipp aus der Praxis: Nehmen Sie sich einen Ablauf vor, der oft vorkommt. Angebotserstellung zum Beispiel. Schreiben Sie in zwanzig Minuten auf, wie er wirklich läuft — nicht wie er laufen sollte. Genau dieses Dokument ist später die Grundlage für jede Automatisierung. Und legen Sie fest, wer das Ergebnis prüft, bevor es rausgeht. Diese beiden Punkte sind zusammen mehr wert als der Wechsel auf das teuerste Modell am Markt.
Häufige Fragen
Brauchen wir dafür eine Software?
Am Anfang nicht. Ein Textdokument genügt. Werkzeuge helfen erst, wenn klar ist, was überhaupt automatisiert werden soll.
Wie ausführlich muss so eine Beschreibung sein?
Kurz und ehrlich schlägt lang und schöngefärbt. Wichtig sind die Ausnahmen — genau an denen scheitern die Systeme.
Lohnt sich das für einen Betrieb mit zehn Leuten?
Aus unserer Sicht gerade dort. In kleinen Betrieben ist die Wissenskonzentration auf einzelne Personen am höchsten — und damit auch das Risiko.
Und wenn wir gar kein KI-Projekt planen?
Dann haben Sie trotzdem eine bessere Einarbeitung, eine sichere Vertretungsregelung und weniger Rückfragen. Der Aufwand ist auch ohne KI gerechtfertigt.
Unser Fazit
Die Debatte um immer bessere Modelle lenkt von dem ab, was in den meisten Unternehmen wirklich fehlt: aufgeschriebene Abläufe und klare Zuständigkeiten. Wer das hat, holt aus einem günstigen Modell mehr heraus als jemand ohne diese Grundlage aus dem teuersten. Das ist unbequem, weil es echte Arbeit bedeutet — aber es ist Arbeit, die Ihnen gehört und bleibt.
Quellen
- https://martinfowler.com/articles/harness-engineering.html
- https://www.databricks.com/blog/ai-harness
- https://www.augmentcode.com/guides/harness-engineering-ai-coding-agents
- https://tianpan.co/blog/2026-04-19-ai-coding-agents-brownfield-legacy-code
- https://thegeneralpartnership.substack.com/p/a-practical-guide-to-brownfield-ai
Hinweis zur Transparenz: Dieser Beitrag wurde KI-gestützt erstellt und vor der Veröffentlichung redaktionell geprüft. Inhalte können Fehler enthalten — für wichtige Entscheidungen bitte die verlinkten Originalquellen heranziehen.
