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 ACP, EY, ITSV, KEBA Group, Lenovo, Microsoft, ONTEC 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:
02.11.2026

KI-Kehrseite: Zehetmaier, Maier, Brix und Wasner über Risiken der Künstlichen Intelligenz

Beim AustrianStartups Summit Mitte Oktober trafen Carina Zehetmaier, Raoul Maier und Alexander Brix auf Moderator Clemens Wasner. Sie umrissen die Risiken, die KI für Unternehmen mit sich bringt, legten verschiedene Perspektiven dar und erklärten, worauf es schlussendlich künftig ankommen werde.
/artikel/ki-kehrseite-zehetmaier-maier-brix-und-wasner-ueber-risiken-der-kuenstlichen-intelligenz
02.11.2026

KI-Kehrseite: Zehetmaier, Maier, Brix und Wasner über Risiken der Künstlichen Intelligenz

Beim AustrianStartups Summit Mitte Oktober trafen Carina Zehetmaier, Raoul Maier und Alexander Brix auf Moderator Clemens Wasner. Sie umrissen die Risiken, die KI für Unternehmen mit sich bringt, legten verschiedene Perspektiven dar und erklärten, worauf es schlussendlich künftig ankommen werde.
/artikel/ki-kehrseite-zehetmaier-maier-brix-und-wasner-ueber-risiken-der-kuenstlichen-intelligenz
KI-Risiko, KI Risiko, Risiko, Summt, Wasner,
(v.l.) Carina Zehetmaier, Raoul Maier, Alexander Brix, Clemens Wasner | © AustrianStartups

Eine Künstliche Intelligenz würde vielleicht schreiben: „Als Carina das Wort ergriff, wurde der Saal plötzlich still. Ein Windhauch durchbrach das betretene Schweigen und das, was Carina sagen sollte, würde den gesamten Abend prägen und alles verändern. Damit hatte niemand gerechnet und Schockwellen gingen durchs ganze Land.“

KI: Wie stehts denn mit dem Vertrauen?

Derart extrem war es nicht, als Carina Zehetmaier, Co-Founderin und CEO von paiper.one, Raoul Maier, Founding Partner bei Eudemian Ventures und Alexander Brix, CCO bei fonio im Rahmen des AustrianStartups Summit zusammentrafen, um mit Moderator Clemens Wasner (Founder und CEO EnliteAI) die Risiken von KI zu diskutieren. Doch die Aussage der Vorsitzenden der Arbeitsgruppe Künstliche Intelligenz bei Austrian Standards hinterließ Eindruck. Und zeigte am Ende vielleicht genau das, worum es beim KI-Risiko wirklich geht: um den Vertrauens- und Skalierungsgedanken. Doch dazu später.

KI kann halluzinieren, KI kann sich, vor dem menschlichen Gehör versteckt, mit anderer KI austauschen. KI kann Server hacken, Daten lesen und Datenschutz ignorieren. Sie umgeht Grenzen, um Aufgaben zu erledigen und bleibt dabei intransparent. Vor allem aber kann sie automatisieren, Effizienz steigern und dort beschleunigen, wo es gewünscht wird. All das mit Gefahren verbunden, wenn man sich dieser nicht bewusst ist.

Risiko für Investor:innen verändert

Die Risiken Künstlicher Intelligenz werden hierzulande und weltweit auf mehreren Ebenen diskutiert. Etwa aus Fondsperspektive, wie Maier erklärte: Laut dem Experten habe KI das Risikoprofil für Investor:innen grundlegend verändert. Für das einzelne Unternehmen sei das Risiko gestiegen, für das gesamte Portfolio dagegen gleich hoch geblieben oder sogar niedriger geworden. Der Grund liege im sogenannten Power Law: In der Startup-Finanzierung entscheiden meist wenige Volltreffer über den Erfolg eines Portfolios, und weil KI die Entwicklung günstiger und schneller macht, könnte es künftig mehr solcher Treffer geben, so seine Prognose.

Zudem sinke Maier zufolge das Produkt- und Technologierisiko, das Teamrisiko bleibe in etwa gleich. Höher seien dagegen das Wettbewerbsrisiko, da Konkurrenten sehr schnell auftauchen könnten, das Umsetzungsrisiko, weil Startups bei schwacher Exekution rasch überholt würden, und auch das regulatorische Risiko.

Hinzu komme das Bewertungsrisiko, besonders in den USA. Bei den hohen Bewertungen werde es zum Problem, wenn der erwartete Exit-Wert ausbleibt: „Wir als Investoren müssen darauf vorbereitet sein, diese Risiken zu verstehen und sie auf sinnvolle Weise zu mindern“, sagte Maier. „Ich denke, es wird große Unterschiede geben, weil, wenn man sieht, dass ein Konkurrent sehr schnell auftaucht und sehr schnell an Fahrt gewinnt, wird es weniger darum gehen, zu versuchen ‚Zombies‘ zu pflegen, sondern sich wirklich auf seine Gewinner zu konzentrieren und auch die Diversifizierung des Portfolios tief bei den Gewinnern auszuspielen.“

Er sieht beim VC-Portfolio einen künftigen Trend hin zu einer „Gewinner-nimmt-das-Meiste“-Mentalität: „Was wir gesehen haben, ist, dass derzeit die Top 1 Prozent der Startups in den USA etwa 50 Prozent des Exit-Wertes einfangen. Das kann man mit der Ära von 2010 bis 2020 vergleichen, wo sie etwa 30 bis 35 Prozent des Exit-Wertes einfingen, davor — in der Ära von 2000 bis 2010 — waren es weniger als 20 Prozent. Wir haben also eine viel höhere Konzentration der Gewinner. Es geht nun viel mehr darum, diese Gewinner zu finden“, sagte Maier.

„Vertrauen, Fairness und Compliance von Anfang an“

Zehetmaier rückte danach die Risiken beim Bauen von KI-Produkten selbst in den Fokus. Wer ein Produkt in einer Hochrisiko-Sphäre entwickle, solle sich früh fragen, ob und wie man es in der Gesellschaft haben wolle, und es resilient, cybersicher und sicher aufsetzen. Austrian Standards arbeite derzeit an den risikobezogenen Standards zum EU AI Act, die klären sollen, womit Unternehmen konform sein müssen und welche Schritte nötig sind. Langfristig könne das für Gründerinnen und Gründer ein Vorteil sein, auch wenn die frühe Auseinandersetzung Zeit koste. „Wenn wir nicht Vertrauen, Fairness und Compliance von Anfang an einbauen, ist es hinterher viel schwerer“, sagte sie.

Zentral sei die Frage nach „Human in the Loop“, „Human in Command“ und „Human in Control“. Lösungen, wie Menschen tatsächlich im Entscheidungsprozess eingebunden bleiben, sind für Zehetmaier noch weitgehend offen: „Es kann nicht sein, dass man einfach einen Menschen hinsetzt und sagt: ‚Hak die Kästchen 1.000-mal am Tag ab‘. So bindet man keine menschliche Aufsicht ein.“

Die Frage nach dem: „Worum geht es eigentlich?“

Aus europäischer Perspektive frage sie sich manchmal, wofür das alles geschehe, so Zehetmaier. Gehe es am Ende darum, Beschäftigte loszuwerden, das Unternehmen hochzuskalieren und an ein weiteres US-Unternehmen zu verkaufen?

„Wir sollten die Idee des nachhaltigen Skalierens wirklich überdenken“, riet sie. Die erste Frage, die sich ein Startup stellen müsse, sei: „Was will ich bauen und wo will ich in der Zukunft sein? Was ist die Zukunft, in der meine Kinder leben werden, und wie sieht sie aus?” Das Ziel sei letztlich „nicht, es einfach hochzuskalieren und einfach an irgendwen zu verkaufen“, sondern eine bewusstere Reise zu gestalten. „Ich denke wirklich, dass es Chancen gibt, die Zukunft aktiv zu verändern und dazu beizutragen, das anzugleichen, was wir wollen“, sagte sie. „Um sicherzustellen, dass die Technologie für uns so frei von Voreingenommenheit und für so viele Menschen wie möglich funktioniert.“

Daran knüpfte Maier zustimmend an und griff Zehetmaiers Überlegungen zur Frage auf, welche Zukunft Technologieunternehmen eigentlich gestalten wollen. Die Frage unserer Zeit sei jedoch nicht nur, wie diese Zukunft aussehen solle, sondern auch, wer sie definiere und wer tatsächlich in der Lage sei, sie umzusetzen.

Denn selbst wenn es eine gesellschaftliche Einigung darüber gäbe, welche Richtung eingeschlagen werden sollte, sei keineswegs klar, wer die Macht habe, diese Vorstellungen durchzusetzen. Theoretisch seien es vor allem große Regierungen, die die Entwicklung der Technologie regulieren könnten. Doch gerade im Bereich der Künstlichen Intelligenz zeige sich, wie begrenzt dieser Handlungsspielraum sei.

„Europa nicht mehr auf Agenda“

Maier berichtete von einem Gespräch mit David Sacks (Mitglied des Podcasts All-In), der unter Donald Trump als KI-Beauftragter tätig war. Sacks habe ihm erklärt, dass die USA Künstliche Intelligenz nicht regulieren könnten, weil sie andernfalls Gefahr liefen, das Rennen gegen China zu verlieren.

„Das ist die Aussage des obersten US-Beraters für KI. Was uns das zeigt, ist, dass wir uns derzeit in einem chaotischen Zustand befinden, in dem wir im Wesentlichen ein Rennen zwischen zwei Supermächten haben“, sagte Maier. „Europa steht gar nicht mehr auf der Agenda. Es tut mir leid, euch das so beibringen zu müssen. Aber das ist der beängstigende Teil. Ich habe nicht die perfekte Antwort, aber ich stimme Zehetmaiers grundlegenden Fragen völlig zu.“

Aufsetzen ist nicht genug

Auch ohne Schockwellen führte die Diskussion der drei Expert:innen weiters zur Frage, wie sich KI-Startups in einem Markt behaupten können, in dem neue Wettbewerber schnell entstehen. Für Maier liegt die Antwort in der Verteidigungsfähigkeit des Geschäftsmodells. Ein bloßer „Wrapper“, also eine Anwendung, die lediglich auf ein bestehendes Sprachmodell aufsetzt, reiche kaum aus. Attraktiv seien Unternehmen, die sich durch proprietäre Daten, Branchen-Wissen, Kundenzugang oder komplexe Workflows abheben. Alexander Brix von fonio ergänzte, dass Startups ihren Wettbewerbsvorteil auch erst mit der Zeit entwickeln könnten – etwa durch eine starke Marke, Vertrauen und effiziente Vertriebsstrukturen. Gerade im B2B-Bereich sei Vertrauen entscheidend.

Carina Zehetmaier bestätigte diese Einschätzung aus der Perspektive eines Unternehmens, das sich auf KI-Compliance spezialisiert hat. Für paiper.one sei die Komplexität der Regulierung einerseits ein Hindernis, andererseits aber auch eine Chance, sich durch Fachwissen und Vertrauen zu differenzieren. Da sich gesetzliche Anforderungen von Land zu Land unterscheiden und laufend verändern können, lasse sich das Produkt nicht ohne Weiteres über verschiedene Märkte hinweg skalieren.

Wettbewerbsvorteil

„Was wir bisher beobachtet haben, ist, dass unser Wettbewerbsvorteil Vertrauen ist“, präzisierte Zehetmaier. Große Konzerne vertrauten dem Team aufgrund seiner Expertise und sähen paiper.one als Ansprechpartner, der sie bei der Einführung und Umsetzung neuer Anforderungen begleiten könne. Zugleich warnte sie davor, dass Europa seine Innovationskraft nicht allein aus der Regulierung schöpfen dürfe. Die Komplexität könne zwar einen Wettbewerbsvorteil schaffen, erschwere aber auch schnelles Wachstum.

Für sie liege eine zentrale Herausforderung jedoch nicht allein in der Technologie oder der Einhaltung von Vorschriften, sondern darin, KI tatsächlich in Unternehmen zu verankern.

Viele Unternehmen würden ihren Beschäftigten zwar entsprechende Lizenzen zur Verfügung stellen, doch diese würden nicht immer genutzt. Deshalb wolle sich paiper.one verstärkt darauf konzentrieren, Organisationen und ihre Mitarbeiter bei der Einführung von KI mitzunehmen und den Wandel aktiv zu begleiten. Denn, so Zehetmaier: „Wenn wir die beste Technologie haben, aber niemand sie nutzt, werden wir am Ende nicht glücklich sein.“

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“