27.04.2026
NACHLESE | FOLGE 6

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

Nachlese. In der neuen Folge von "No Hype KI" wird diskutiert, warum erfolgreiche KI-Projekte nicht nur von Technologie und Daten abhängen, sondern auch von Change-Management, Mut und einer klaren Problemdefinition.
/artikel/erfolgsfaktoren-von-ki-projekten-mut-vielleicht-nicht-die-perfekte-loesung-zu-haben
vl. Moritz Mitterer (ITSV), Kathrin Freihofner (straion), Christian Casari (ONTEC AI) und Hannes Kaufmann (KEBA) | (c) brutkasten
vl. Moritz Mitterer (ITSV), Kathrin Freihofner (straion), Christian Casari (ONTEC AI) und Hannes Kaufmann (KEBA) | (c) brutkasten

„No Hype KI“ wird unterstützt von ACPEYITSVKEBA GroupLenovoMicrosoftONTEC AI und der Universität Graz.


„KI ist so eine Silverbullet, von der man glaubt, sie löst alles. Das ist natürlich nicht so. Es ist ein ganz normales Projekt und da gehört auch ganz viel harte Arbeit dazu“, sagt Christian Casari, Head of AI Partnerships & Sales bei ONTEC AI. Aber worin besteht diese harte Arbeit genau? Die Erfolgsfaktoren für die Umsetzung von KI-Projekten im Unternehmen waren das Thema der sechsten Folge der aktuellen Staffel der brutkasten-Serie „No Hype KI“.

Wie transformierend solche Projekte sein können, illustriert Casari an einem Verlagshaus, das sich durch den Einsatz von KI-Agenten wandelte. Basierend auf 20.000 kuratierten Fachartikeln einer Apotheken-Fachzeitschrift beantwortet ein Chatbot nun medizinische Nutzerfragen, etwa zu Medikamenten-Wechselwirkungen, wodurch sich das Unternehmen laut Casari „von einem Informationsdienstleister zu einem Service Provider“ weiterentwickelt.

Die Illusion der perfekten Daten und der 100-Prozent-Automatisierung

Doch der Weg zu derart neuen Geschäftsmodellen ist oftmals steinig, nicht zuletzt wegen der eigenen Datenbasis. In der Praxis sei das Warten auf den perfekten Datensatz laut Casari oft nur eine Ausrede; man müsse mit den vorhandenen Daten starten und diese iterativ verbessern. Dennoch darf der initiale Aufwand nicht unterschätzt werden. Katrin Freihofner, Co-Founderin des Linzer Startups Straion, das Unternehmen mit seiner Plattform hilft, KI-generierten Code gemäß Firmenrichtlinien zu nutzen, gibt offen zu: „Wir haben uns das wesentlich einfacher vorgestellt, Daten zu sammeln. Es braucht viel Bereinigung, damit wir sie wirklich verwenden können.“

Neben der Qualität entscheidet auch die bloße Menge der Daten über Erfolg oder Misserfolg. Hannes Kaufmann, CTO von KEBA Digital, erinnert sich an ein frühes Projekt zur Predictive Maintenance bei Bohrspindeln. Dieses Unterfangen sei schlichtweg daran gescheitert, dass es in der Praxis zu wenige Fehlerfälle – also tatsächliche Bohrbrüche – gab, um das Modell mit ausreichend Trainingsdaten zu füttern.

Auch bei den Erwartungen an die Technologie selbst ist Realismus gefragt. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV und Generaldirektor-Stellvertreter der ÖGK, erzählt über ein KI-Projekt, in dem jährlich über zehn Millionen Wahlarztrechnungen verarbeitet werden. Obwohl das System seit 2017 im Einsatz ist, habe man keine absolute Vollautomatisierung erreicht. Mitterer bewertet die Situation pragmatisch: „Haben wir Vollautomatisierung? Nein. Aber haben wir einen wesentlich besseren Prozess? Ja. Und das war es eigentlich schon wert“.

Der Faktor Mensch als Zünglein an der Waage

Selbst wenn Datenlage und Automatisierungsgrad stimmen, steht und fällt der Erfolg mit der Belegschaft. Laut Mitterer durchlaufen die Mitarbeitenden klassische Phasen des Change-Managements – von der anfänglichen Verunsicherung bis hin zum Vertrauensaufbau. Eine Anekdote aus seinem Haus verdeutlicht das: Zu Beginn hätten sich Sachbearbeiter:innen sogar gefreut, wenn die KI einen Fehler machte, da sie so ihre eigene Expertise und Unverzichtbarkeit bestätigt sahen.

In der Softwareentwicklung verhält es sich mit der Skepsis ähnlich. Kaufmann rät Führungskräften dazu, ihre Entwickler:innen gezielt dort abzuholen, wo der Leidensdruck am höchsten ist: „Man kann die Entwickler eigentlich mit lästigen Aufgaben abholen, die sie nie machen wollen, wie Unit-Tests oder Dokumentationen“. Wenn der Zeitgewinn spürbar werde, steige die Akzeptanz ganz von selbst. Freihofner nennt einen weiteren psychologischen Hebel für mehr Zustimmung im Team: „Ein wichtiger Faktor ist, dass die Mitarbeitenden die Tools selbst auswählen dürfen und auch zwischen mehreren wählen können, um wirklich ihren Toolstack ganz persönlich zur Verfügung zu haben“.

Make or Buy: Eine strategische Weichenstellung

Eng verbunden mit den personellen Ressourcen ist die weitreichende Frage, ob KI-Lösungen selbst entwickelt („Make“) oder eingekauft („Buy“) werden sollten. Für die österreichische Sozialversicherung ist diese Antwort stark von Regulierungen getrieben: Aufgrund sensibler Gesundheitsdaten und einer extrem hohen Fehlerintoleranz setzt Mitterer bei Kernprodukten auf Eigenentwicklungen im eigenen Haus.

Für mittelständische Unternehmen warnt Casari jedoch vor zu viel Eigenbau bei generalistischen Systemen. Ohne dediziertes KI-Team funktioniere vielleicht ein erster Prototyp, der Weg in den stabilen, produktiven Betrieb sei jedoch eine „ganz andere Nummer“, die oftmals scheitere. Kaufmann differenziert hierbei für die Industrie: Wenn Unternehmen über eigene Data-Science-Teams verfügen, könnten selbsttrainierte Modelle gegenüber Standardlösungen durchaus „die letzten Prozent Mehrwert“ liefern. Dies setze jedoch ein tiefgreifendes Verständnis für den IT-Betrieb und die Wartung der Modelle voraus.

Pragmatismus statt Perfektionismus

Aus all dem leiten sich auch klare Handlungsempfehlungen ab. Technologie darf, so der Konsens der Diskutant:innen, kein Selbstzweck sein. Freihofner warnt eindringlich davor, in technologischen Aktionismus zu verfallen: „Man sollte sich sehr genau überlegen, bevor man ein Projekt anfängt, was wirklich das Problem ist, das man lösen möchte, und nicht krampfhaft alles mit KI lösen“. Es brauche außerdem einen nutzerzentrierten Ansatz, der sich in kleinen, iterativ erreichbaren Zwischenerfolgen beweisen muss, um die Motivation hochzuhalten, meint Casari. Und er spricht einen Appell für mehr Umsetzungswillen aus: Um die Potenziale der Technologie überhaupt heben zu können, brauche es schlichtweg den „Mut, vielleicht nicht die perfekte Lösung zu haben“.

Deine ungelesenen Artikel:
06.08.2026

Public Venture Clienting: Der Staat als Startup-Kunde

Im Gastbeitrag behandelt Corporate-Venturing-Expertin Viktoria Ilger die Chancen, die Public Venture Clienting bieten kann.
/artikel/public-venture-clienting-der-staat-als-startup-kunde
06.08.2026

Public Venture Clienting: Der Staat als Startup-Kunde

Im Gastbeitrag behandelt Corporate-Venturing-Expertin Viktoria Ilger die Chancen, die Public Venture Clienting bieten kann.
/artikel/public-venture-clienting-der-staat-als-startup-kunde
Viktoria Ilger
Viktoria Ilger | Foto: Viktoria Ilger/Adobe Stock (Hintergrund)

Dieser Text ist zuerst im brutkasten-Printmagazin von Mai 2026 „Die nächste Stufe“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


Österreich beschafft jährlich Güter, IT-Leistungen und Dienstleistungen im Wert von rund 67 ­Milliarden Euro – etwa 18 Prozent des BIP. Gleichzeitig erwirtschaften laut Austrian Startup Monitor 2023 gerade einmal fünf Prozent der heimischen Startups Umsätze mit öffentlichen Organisationen.

Dieses Missverhältnis ist kein Zufall und kein Versagen einzelner Akteure. Es ist das Ergebnis zweier Welten, die aneinander vorbeireden – und eine Chance, die Österreich systematisch liegen lässt.

Warum Innovation heute Partnerschaften braucht

Unsere Welt wird zunehmend komplexer: Neue Technologien entstehen schneller, als Organisationen sie intern entwickeln können. Lieferketten werden vernetzter, Kundenanforderungen anspruchsvoller, regulatorische Rahmenbedingungen vielschichtiger. In diesem Umfeld ist es weder möglich noch sinnvoll, alles selbst zu entwickeln. Was es braucht, sind smarte Partnerschaften – mit Unternehmen, die genau das lösen, wofür intern Zeit, Team, Ressourcen oder Kernkompetenzen fehlen.

Startups sind dafür prädestiniert: Sie arbeiten mit starkem Problemfokus, entwickeln schlanke Lösungen und bringen eine Geschwindigkeit mit, die etablierte Organisationen strukturell nur schwer erreichen. Viele große Unternehmen im DACH-Raum haben das längst erkannt.

Doch einfach bei Startups einzukaufen funktioniert nicht – klassische Einkaufsprozesse, Rechtsabteilungen und Risikomanagement-Strukturen sind auf Stabilität ausgelegt: bewährte Lieferanten, lange Referenzlisten, geprüfte Bilanzen. Ein Startup mit 18 Monaten Geschichte fällt durch dieses Raster; nicht, weil die Lösung schlecht ist, sondern weil die Prozesse keine Ausnahme kennen. Das Ergebnis: Startups scheitern nicht am Produkt, sondern an der Bürokratie.

Ein Modell, das in der Praxis bereits funktioniert

Venture Clienting wurde als strukturierte Antwort auf genau dieses Problem entwickelt. Kein Fördermodell, keine Beteiligung, kein Accelerator-Programm – sondern ein klarer Prozess: Problemstellungen aus den Fachabteilungen werden identifiziert, passende Startups gescoutet und strukturiert evaluiert. Dann folgt ein Pilotprojekt unter realen Bedingungen, mit definierten Hypothesen und messbaren KPIs. Das Ziel ist nicht das Pilotprojekt selbst, sondern die fundierte Entscheidung danach: skalieren, stoppen oder weiter iterieren?

BMW hat den Ansatz mit der Startup Garage salonfähig gemacht; mittlerweile setzen viele Unternehmen im DACH-Raum und darüber hinaus darauf. Gerade in einer Zeit knapper Budgets gewinnen Effizienzgewinne aus der Zusammenarbeit mit Startups strategisch an Bedeutung.

Public Venture Clienting überträgt diesen Prozess auf die öffentliche Hand: Öffentliche Organisationen und staatsnahe Unternehmen treten als frühe zahlende Kund:innen auf. Die öffentliche Organisation bekommt eine funktionierende Lösung für ein konkretes Problem, das Startup bekommt das Wertvollste, was es in einer frühen Phase bekommen kann: einen zahlenden Kunden, einen Markttest, eine Referenz; und damit offene Türen zu weiteren Märkten und Investoren.

Warum Public Venture Clienting gerade jetzt an Bedeutung gewinnt

Die öffentliche Hand steht unter Druck: Digitalisierung, Klimawende, Versorgungssicherheit und Effizienzsteigerung müssen gleichzeitig vorangetrieben werden – bei begrenzten Ressourcen und steigenden Erwartungen von Bürger:innen und Politik. Startups liefern hier schnelle, digitale und nutzerzentrierte Lösungen für Verwaltung, Mobilität, Klima, Energie und Bürgerdienste; Lösungen, die der öffentliche Sektor in dieser Geschwindigkeit oft nicht selbst entwickeln kann.

Startups stehen unter einem anderen, aber gleichwertigen Druck – Risikokapital-Finanzierungen sind zurückgegangen, der Druck von Investor:innen wegen früher Umsätze ist gestiegen. Hier liegt ein fundamentales Paradox: Österreich hat einen der größten potenziellen Märkte direkt vor der Haustür (67 Milliarden Euro Beschaffungsvolumen), und doch ist dieser Markt für die meisten Startups praktisch nicht zugänglich. Ein öffentlicher Pilotkunde ändert das schlagartig: Cashflow, Stabilität – und eine Referenz, die kein Investor kaufen kann.

Hinzu kommt die dritte Dimension: der Standort. Ein Ökosystem, in dem öffentliche Organisationen systematisch als frühe Kunden auftreten, stärkt heimische Startups auf dem Weg zur Skalierung – und macht Österreich als Innovationsstandort attraktiver. Nicht als Schlagwort, sondern als messbarer Wettbewerbsvorteil im europäischen Vergleich.

Österreich hat eine sehr gute öffentliche Frühphasenfinanzierung für Startups geschaffen und mit dem Dachfonds entsteht Wachstumskapital für Skalierung und Internationalisierung. Das ist richtig und wichtig – und reicht trotzdem nicht. Denn Kapital allein macht aus einer guten Idee noch keine Innovation. Was eine Idee zur Innovation macht, ist die Marktannahme: der Moment, in dem ein echter Kunde echtes Geld bezahlt. Erst dieser Beweis macht aus einem Produkt ein skalierbares Unternehmen. Public Venture Clienting ist damit eine notwendige Ergänzung. Die Kombination aus Kapital und Marktzugang ist der entscheidende Hebel.

Wo die Zusammenarbeit heute an ihre Grenzen stößt

Für das Whitepaper „Public Venture Clienting“ wurden ausführliche Gespräche mit Führungskräften und Mitarbeitenden aus Verwaltung, staatsnahen Unternehmen und der Startup-Szene geführt. Die Herausforderungen sind strukturell tiefer verwurzelt als oft angenommen – und lassen sich in vier Bereiche unterteilen.

Kulturelle Unterschiede

Startups agieren schnell, iterativ und mit hoher Fehlertoleranz. Öffentliche Organisationen sind durch strenge Regulierungen, formale Prozesse und Verantwortlichkeit geprägt – jede Entscheidung muss öffentlich verantwortet werden können. Diese unterschiedlichen Betriebssysteme erzeugen täglich Reibung und Missverständnisse. Ohne bewusste Brückenbauer:innen auf beiden Seiten führt das zu Stillstand.

Fehlende Schnittstellen und Silostrukturen

Für Startups ist oft unklar, wer innerhalb der Organisation zuständig ist, wer entscheidet, wer Budget hat. Bedarfsträger:innen, Einkauf und Rechtsabteilung agieren in Silos mit unterschiedlichen Zielsystemen und ohne gemeinsame Verantwortung für Innovationsprojekte. Diese Fragmentierung erzeugt Reibungsverluste und macht es schwer, eine Tür zu finden, die wirklich aufgeht.

Unterschiedliche Budgethorizonte

Startups operieren mit begrenzter Liquidität und brauchen rasche Entscheidungen sowie zeitnahe Zahlungen. Öffentliche Organisationen planen in Jahreshaushalten. Selbst kleine Beträge für erste Pilotierungen unterliegen langen internen Freigabeprozessen – ein strukturelles Missverhältnis, das Kooperationen abbremst, noch bevor sie begonnen haben.

Rechtliche Unsicherheit und Vergaberecht

Das Vergaberecht ist komplexer, als es auf den ersten Blick scheint – in beide Richtungen. Für Startups ist es eine strukturelle Hürde: Vergabeverfahren verlangen Eignungsnachweise wie Mindestumsätze, Bonitätsnachweise oder Referenzprojekte, die junge Unternehmen kaum erfüllen können. Ein überzeugendes MVP reicht formal nicht aus. Auf der anderen Seite existieren Spielräume: funktionale Leistungsbeschreibungen, Innovationspartnerschaften, Direktvergaben bis 143.000 Euro. Das Problem ist oft nicht das formale Erlaubtsein, sondern die Prüfrealität dahinter: Vergabeentscheidungen müssen ex post gegenüber Kontroll- und Prüfstellen – insbesondere dem Rechnungshof – tragfähig begründet werden können. Diese Anforderung prägt das tatsächliche Entscheidungshandeln oft stärker als der gesetzliche Spielraum selbst. Das Ergebnis: Innovative Beschaffungsansätze werden vor allem dort genutzt, wo sie in standardisierte, intern abgestimmte Prozesse eingebettet sind. Wo das fehlt, entscheiden Einkauf, Recht und Fachabteilungen mit unterschiedlichen Zielen und ohne gemeinsame Verantwortung für das Innovationsprojekt als Ganzes.

Vom Einzelfall zur Struktur

Public Venture Clienting ist ein Lernprozess für alle Beteiligten. Öffentliche Organisationen entwickeln ein besseres Verständnis für iterative Innovationsprozesse; Startups lernen, wie Vergabe- und Entscheidungslogiken im öffentlichen Bereich funktionieren. Beide Seiten gewinnen Sicherheit in der Zusammenarbeit.

Was es dafür braucht, zeigen die Interviews deutlich: klare Zuständigkeiten. Wer ist verantwortlich für die Zusammenarbeit mit Startups? Wer begleitet den Übergang vom Pilotprojekt in die Skalierung? Öffentliche Organisationen, die das intern klar regeln – mit einer zentralen Anlaufstelle, interdisziplinären Teams aus Bedarfsträger:innen, Einkauf und Recht sowie definierten Prozessen –, schaffen die Grundlage, auf der alles andere aufbaut.

Das Vergaberecht muss dabei kein Feind sein. Statt Einzelentscheidungen fallweise abzusichern – oft mit externen Gutachten, die Zeit und Geld kosten –, braucht es standardisierte Schablonen: Begründungstexte für Direktvergaben, Checklisten für funktionale Ausschreibungen, klare Pilotklauseln.

Wenn öffentliche Beschaffung konsequent als Innovationsinstrument verstanden wird, verwandelt sie sich vom bürokratischen Pflichtprogramm in einen Motor für Fortschritt, Digitalisierung und Standortentwicklung. Nicht vom Einzelfall zur Ausnahme – sondern vom Einzelfall zur Struktur.

Wie das konkret gelingen kann – mit Handlungsempfehlungen, Best Practices und einem detaillierten Blick auf das Vergaberecht –, zeigt das vollständige Whitepaper, das im Juni erschienen ist.


Dieser Text ist ein Sneakpeek aus dem Whitepaper „Public Venture Clienting“, veröffentlicht in Kooperation mit Viktoria Ilger und Venture Clienting Austria (VCA).

Viktoria Ilger unterstützt mit ihrem Unternehmen Sustainable Transformers Organisationen dabei, Innovation strukturiert in die Anwendung zu bringen – mit besonderem Fokus auf Corporate Venturing und der Zusammenarbeit mit Startups. Zuvor hat sie über mehrere Jahre die Open-Innovation-Aktivitäten eines internationalen Technologieunternehmens aufgebaut. Sie ist Mitgründerin und Vorstandsmitglied von Venture Clienting Austria (VCA), einem Verein, der den Austausch rund um Venture Clienting in Österreich fördert und Best Practices zwischen Unternehmen, öffentlicher Hand und Startups sichtbar macht.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Erfolgsfaktoren von KI-Projekten: „Mut, vielleicht nicht die perfekte Lösung zu haben“