Ein Projekt ohne Ende ist kein Projekt. Es ist eine Beschäftigungsmaßnahme. Wirkung entsteht durch Abschluss, nicht durch Dauer.

Projekte ohne Enddatum richten den meisten Schaden an.

Das ist keine rhetorische Übertreibung. Es ist der strukturelle Befund hinter den bekannten Zahlen: 95 Prozent der generativen KI-Piloten liefern laut MIT-Projekt NANDA keinen messbaren finanziellen Ertrag. McKinsey beziffert den Anteil der Organisationen, die KI über Piloten hinaus skaliert haben, auf rund ein Drittel. Beide Zahlen beschreiben dasselbe Phänomen: Vorhaben, die nie wirklich enden, weil niemand entschieden hat, wann sie enden sollen.

Das Problem mit offenen Enden

Projekte ohne definiertes Enddatum erzeugen keinen Ergebnisdruck, erfordern keine entschlossenen Handlungen und können ihre eigene Wirksamkeit nicht bewerten. Sie laufen weiter, weil niemand entschieden hat, wann sie aufhören.

Was folgt daraus in der Praxis? Ein KI-Vorhaben wird gestartet. Es gibt eine Kick-off-Präsentation, einen Steuerkreis, ein gemeinsames Projektverzeichnis. In den ersten Wochen passiert viel. Dann passiert weniger. Das Vorhaben schleppt sich fort, weil das Beenden mehr Aufwand erzeugen würde als das Weiterführen. Nach einem Jahr fragt niemand mehr, ob es noch läuft. Es läuft einfach.

Harvard Business Review beschreibt diesen Mechanismus als „project drift”: Vorhaben verlieren ihre Richtung nicht durch einen einzelnen Fehler, sondern durch die akkumulierte Wirkung fehlender Entscheidungspunkte. Jede Woche ohne Endtermin ist eine Woche, in der niemand die Frage stellt: Haben wir erreicht, was wir erreichen wollten?

Warum Organisationen kein Enddatum setzen

Ein Enddatum verlangt Mut, Definition und Verantwortung. Offene Vorhaben umgehen alle drei und bleiben wirkungslos.

Die politische Logik ist durchsichtig. Wer kein Enddatum setzt, kann nicht scheitern. Das Vorhaben ist immer noch „in Bearbeitung”. Es gibt immer noch Fortschritt. Die nächste Präsentation zeigt Aktivität, auch wenn keine Wirkung eingetreten ist. Ein Enddatum setzt eine Grenze — und Grenzen schaffen Verantwortung. Wenn das Datum kommt und das Vorhaben das Ziel nicht erreicht hat, ist das sichtbar. Das ist unbequem.

Hinzu kommt die Definitionsangst. Ein Enddatum verlangt zunächst eine klare Antwort auf die Frage, was „fertig” bedeutet. Was genau soll bis wann geliefert sein? Diese Frage ist schwieriger als sie klingt. Viele KI-Vorhaben starten mit vagen Zielen wie „KI im Unternehmen verankern” oder „Effizienz durch KI steigern”. Solche Ziele haben per Konstruktion kein Ende. Es gibt immer mehr Verankerung, immer mehr Effizienz, immer mehr Optimierung.

Der Bitkom-Bericht „Künstliche Intelligenz im Mittelstand” zeigt, dass über 60 Prozent der befragten Unternehmen KI-Initiativen als „laufende Aktivitäten” bezeichnen, nicht als Projekte mit definierten Zielen und Terminen. Das ist kein Zeichen von Agilität. Es ist ein Zeichen fehlender Führungsklarheit.

Projekt gegen Prozess

Projekte haben Anfang, Ende, Deliverables und einen Owner. Prozesse laufen weiter und erzeugen Aktivität statt Abschluss. KI-Vorhaben als Projekte geführt erzeugen Wirkung, als Prozesse nur Beschäftigung.

Diese Unterscheidung ist fundamental. Ein Prozess ist per Definition endlos: Die Buchhaltung endet nicht. Der Kundenservice endet nicht. Die Qualitätssicherung endet nicht. Das ist in Ordnung, denn Prozesse erzeugen kontinuierlichen Wert durch wiederholte Ausführung. Ein Projekt hingegen existiert, um einen einmaligen Wandel herbeizuführen: ein System einzuführen, eine Fähigkeit aufzubauen, einen Standard zu setzen. Wenn dieser Wandel eingetreten ist, endet das Projekt. Wenn er nicht eintreten kann — weil er zu vage definiert ist —, hätte das Projekt nie starten sollen.

KI-Vorhaben werden systematisch als Prozesse behandelt, obwohl sie Projekte sind. Die Folge ist, dass sie weder die Verlässlichkeit von Prozessen erzeugen noch die Wirkung von Projekten. Sie erzeugen das Schlimmste beider Welten: permanente Aktivität ohne kumulativen Wert.

Was ein Enddatum erzwingt

  • Reduktion des Umfangs auf das Wesentliche
  • Priorisierung und Ausschluss
  • Entscheidung darüber, was fertig bedeutet
  • Verifikation des Ergebnisses

Diese vier Erzwingungen sind keine bürokratischen Formalitäten. Sie sind die eigentliche Wertschöpfungslogik eines Projekts. Ohne sie gibt es keine Reduktion, keine Priorisierung, keine Definition von Fertigkeit, keine Verifikation. Ohne sie gibt es nur Bewegung in eine Richtung, bis die Energie ausgeht oder das Budget erschöpft ist.

Die Reduktion ist dabei der unterschätzteste Schritt. Ein Enddatum macht sofort sichtbar, was in der verfügbaren Zeit nicht möglich ist. Das ist schmerzhaft und deshalb wertvoll. Es erzwingt eine Entscheidung über das Wesentliche — und diese Entscheidung ist der eigentliche Inhalt von Führung. Wer nicht entscheiden kann, was wegfällt, kann nicht führen.

Die Evidenz: was befristete Vorhaben anders machen

McKinsey unterscheidet in seiner Analyse der KI-High-Performer eine konsistente Eigenschaft: Sie schließen ab. Sie starten nicht mehr Vorhaben als andere, sie beenden sie. Die Korrelation zwischen abgeschlossenen KI-Vorhaben und messbarem finanziellem Ertrag ist höher als die Korrelation zwischen Investitionshöhe und Ertrag. Wer viel investiert, aber nicht abschließt, erzielt keinen Vorteil.

Gartner analysiert denselben Sachverhalt aus anderer Perspektive: Projekte, die ohne klar definiertes Ende gestartet werden, haben eine signifikant höhere Wahrscheinlichkeit, in der Pilotphase stecken zu bleiben. Die durchschnittliche Laufzeit eines KI-Piloten, der nie in den produktiven Betrieb übergeht, beträgt laut Gartner 14 Monate. 14 Monate, in denen Ressourcen, Aufmerksamkeit und Glaubwürdigkeit verbraucht werden, ohne dass ein Ergebnis entsteht.

Im deutschen Mittelstand zeigt sich dieselbe Dynamik. Familiengeführte Unternehmen mit klarer Entscheidungsstruktur und definierten Verantwortlichkeiten schließen KI-Vorhaben schneller ab als Unternehmen mit mehrstufiger Gremienstruktur. Der Grund ist nicht Risikofreude, sondern Entscheidungsklarheit: Wenn eine Person das Vorhaben verantwortet und ein Datum gesetzt ist, wird abgeschlossen.

Gegenargument: „KI-Einführung ist kontinuierlich”

Das häufigste Gegenargument lautet: KI-Einführung ist ein kontinuierlicher Prozess, kein abgegrenztes Projekt. Das ist richtig — für den Betrieb. Der Betrieb eines KI-Systems ist ein Prozess: kontinuierliches Monitoring, Pflege, Optimierung. Aber die Einführung selbst ist ein Projekt. Sie hat ein Ziel — das System produktiv zu bringen —, eine Methode und ein Ende. Der Übergang vom Projekt in den Betrieb ist der Abschluss. Er markiert den Zeitpunkt, ab dem das System nicht mehr gebaut wird, sondern läuft.

Wer die Einführung als kontinuierlichen Prozess behandelt, vermeidet diesen Übergang. Das Projekt läuft weiter, wird aber nie produktiv. Es ist das klassische Muster des ewigen Piloten: immer noch in Erprobung, immer noch nicht bereit, immer noch nicht abgeschlossen.

Praxis: wie ein Enddatum operativ gesetzt wird

Ein wirksames Enddatum ist keine Zahl im Projektplan. Es ist ein Commitment, das drei Bedingungen erfüllt: Es ist öffentlich bekannt. Es ist mit einem definierten Ergebnis verbunden. Es ist vom Owner aktiv kommuniziert.

In der Praxis bedeutet das: Das Vorhaben beginnt mit einer einseitigen Beschreibung, die drei Fragen beantwortet. Was wird bis wann geliefert? Wer ist der Owner? Wie wird das Ergebnis gemessen? Diese Beschreibung wird zu Beginn mit den relevanten Stakeholdern geteilt und am Ende gegen sie gemessen. Das ist kein agiles Manifest und keine PMO-Dokumentation. Es ist die Minimalanforderung dafür, dass ein Vorhaben als abgeschlossen gelten kann.

Ein konkretes Beispiel: Ein Mittelständler im Maschinenbau führt KI-gestützte Rechnungsprüfung ein. Das Vorhaben wird als Projekt mit zwölf Wochen Laufzeit definiert. Ergebnis: ein produktiv laufendes System, das 80 Prozent aller eingehenden Rechnungen ohne manuelle Eingriffe verarbeitet. Owner: CFO. Messung: Anteil automatisiert verarbeiteter Rechnungen nach sechs Wochen Produktivbetrieb. Nach zwölf Wochen ist das Projekt entweder abgeschlossen oder gescheitert. Beides ist besser als endlos.

Das Muster der schnellen Abschlüsse

Organisationen, die KI wirksam einführen, folgen einem Muster: Sie schließen schnell, lernen daraus und starten das nächste Vorhaben auf der Grundlage des Gelernten. Dieses Muster erzeugt eine Lernkurve. Organisationen, die nie abschließen, haben keine Lernkurve. Sie wiederholen denselben Anfang immer wieder.

Die MIT-Daten zeigen: Erfolgreiche Organisationen starten keine größeren Vorhaben als andere. Sie schließen mehr ab. Die Menge abgeschlossener Vorhaben korreliert mit dem messbaren Nutzen stärker als die Menge gestarteter Vorhaben. Das ist der eigentliche Hebel.

Führung als Abschlusskultur

Ein Enddatum zu setzen ist eine Führungsentscheidung. Es bedeutet, eine Erwartung öffentlich zu machen und die Konsequenzen zu tragen, wenn sie nicht erfüllt wird. Das ist unbequem. Es ist deshalb auch der Grund, warum so viele KI-Vorhaben kein Enddatum haben: Führung meidet die Exposition.

Aber genau diese Exposition erzeugt Wirkung. Wenn der CEO ein Datum nennt, an dem ein Ergebnis vorliegt, mobilisiert das Ressourcen, schärft Prioritäten und schafft Entscheidungsdruck auf allen Ebenen. Ohne dieses Datum bleibt KI-Einführung das, was sie in den meisten Organisationen ist: ein interessantes Experiment ohne Ergebnis.

Gute Arbeit ist abgeschlossen. Schlechte Arbeit ist dauerhaft in Arbeit.

Die Konsequenz ist eindeutig. Wer KI-Vorhaben wirklich abschließen will, muss zu Beginn eine unbequeme Entscheidung treffen: Was soll bis wann erreicht sein, und wer trägt dafür Verantwortung? Diese Entscheidung ist der eigentliche Beginn des Projekts. Alles, was vor ihr passiert, ist Vorbereitung. Alles, was nach ihr passiert, ist Umsetzung. Und Umsetzung endet.

Quellen

  • MIT Project NANDA: The GenAI Divide — State of AI in Business 2025 (Juli 2025), https://nanda.media.mit.edu
  • McKinsey & Company: The State of AI in 2025 — Agents, Innovation, and Transformation (November 2025), https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  • Gartner: KI-Piloten und Skalierungsbarrieren — Analyse der durchschnittlichen Pilotlaufzeiten (2024/2025), https://www.gartner.com
  • Bitkom: Künstliche Intelligenz im Mittelstand — Status und Hemmnisse (2024), https://www.bitkom.org
  • Harvard Business Review: Why Good Projects Fail Anyway — The Anatomy of Project Drift (2023), https://hbr.org

Der regulatorische Zwang zum Abschluss: EU AI Act und Zeitpläne

Der EU AI Act schafft eine externe Frist, die Organisationen bisher selten hatten: Ab dem 2. August 2026 gelten die Hochrisiko-Pflichten vollumfänglich. Wer bis dahin kein dokumentiertes Risikomanagementsystem, keine technische Dokumentation und kein Monitoring-Konzept für seine KI-Systeme hat, verstößt gegen das Gesetz. Diese externe Deadline erzwingt das, was viele Organisationen intern nicht produzieren: einen echten Abschlussmoment. Ein KI-Vorhaben, das auf diese Frist hinarbeitet, hat ein Datum. Ein Vorhaben, das dieses Datum nicht kennt oder ignoriert, hat keins — und läuft Gefahr, am 3. August 2026 weder compliant noch produktiv zu sein.

Die Konsequenz für die Planung ist konkret: Wer heute ein KI-Vorhaben im Hochrisiko-Bereich startet, hat weniger als 14 Monate, um es in einen compliance-fähigen Zustand zu bringen. Das ist kein großzügiger Zeitraum für ein Vorhaben ohne Enddatum. Es ist ein Zeitraum, der Projekttechnik verlangt: definierter Scope, klarer Owner, prüfbare Meilensteine. Organisationen, die jetzt noch im Retainer-Modus operieren oder KI-Vorhaben ohne definierte Deliverables führen, werden diesen Termin nicht halten.

Enddaten und organisationale Lerngeschwindigkeit

Abschlüsse sind die Lerneinheiten einer Organisation. Wer nie abschließt, lernt nie wirklich. Das ist keine philosophische These, sondern ein empirischer Befund aus der Organisationsforschung: Lernschleifen entstehen nur dann, wenn ein Vorhaben einen Endpunkt hat, gegen den das Ergebnis gemessen werden kann. Ein Vorhaben ohne Ende hat keinen Referenzpunkt für Verbesserung. Es läuft weiter — und die Frage, ob es hätte anders laufen sollen, stellt sich nie.

Im KI-Kontext ist diese Lerngeschwindigkeit entscheidend, weil sich die Technologie schnell verändert. Eine Organisation, die ein KI-Vorhaben in zehn Wochen abschließt und daraus lernt, was funktioniert hat, kann das nächste Vorhaben auf dieser Grundlage starten. Eine Organisation, die dasselbe Vorhaben über zwei Jahre führt, hat eine Technologiebasis, die möglicherweise bereits überholt ist, wenn das Vorhaben endet. Schnelle Abschlüsse sind damit nicht nur organisational klüger, sondern auch technologisch rationaler.

Drei Fragen vor dem Start: das Abschluss-Commitment

Ein pragmatisches Instrument, das Enddaten operationalisiert, sind drei Fragen, die vor dem Start jedes KI-Vorhabens schriftlich beantwortet werden müssen. Erstens: Was ist das konkrete Ergebnis, das am Ende vorliegt — nicht als Ziel, sondern als prüfbares Deliverable? Zweitens: Wer ist der namentlich benannte Owner, der für dieses Deliverable geradesteht? Drittens: Welches Datum ist das Ende — nicht das geplante, sondern das verbindliche? Diese drei Fragen können auf einer einzigen Seite beantwortet werden. Sie sind kein Bürokratieaufwand, sondern die Grundvoraussetzung dafür, dass das Vorhaben später auch als abgeschlossen gelten kann.

Bitkom empfiehlt in seinem Leitfaden für KI im Mittelstand, solche einseitigen Commitment-Dokumente als festen Bestandteil der Projektinitiierung einzuführen. Organisationen, die diese Praxis eingeführt haben, berichten von kürzeren Laufzeiten, klareren Erwartungen und weniger Scope-Creep. Die Einseitigkeit ist dabei keine Vereinfachung, sondern eine bewusste Grenze: Was auf einer Seite nicht erklärt werden kann, ist noch nicht klar genug definiert, um gestartet zu werden.

Das Enddatum ist kein bürokratisches Instrument — es ist ein Führungssignal. Wer ein KI-Vorhaben mit klarem Datum startet, kommuniziert, dass Ergebnisse erwartet werden, dass Ressourcen begrenzt sind und dass Verantwortlichkeit ernst genommen wird. Organisationen, die diesen Schritt konsequent umsetzen, berichten laut Bitkom 2025 von deutlich höheren Abschlussraten und besserer Akzeptanz im Team.

Ein KI-Vorhaben ohne Enddatum ist kein Versagen der Technik — es ist ein Versagen der Führung. Die Bereitschaft, ein Ende zu setzen und sich daran messen zu lassen, ist das wichtigste Qualitätssignal, das eine Organisation in Richtung ihrer Teams, ihrer Partner und ihrer Kunden senden kann. Wer das ernst nimmt, schafft die Grundlage für KI-Einführungen, die wirklich ankommen.