Das KI-Produktionsparadoxon: Was 2.527 Führungskräfte uns verraten haben

Seit zwei Jahren ist die Konversation rund um Unternehmens-KI immer dieselbe. Piloten in die Produktion zu überführen, ist der Flaschenhals. Wer diesen durchbricht, hat die Nase vorn. 

Unsere neue Studie zeigt, dass diese Annahme falsch ist – und die Daten, die dies belegen, stammen von 2.527 Entscheidungsträgern aus zehn Ländern und sechs Branchen. Heute veröffentlichen wir erste Ergebnisse aus The AI Production Paradox, einer unabhängigen Sinch-Studie zum tatsächlichen Stand von KI in der Kundenkommunikation. 

Das haben wir herausgefunden. 

Im Bereich der Unternehmens-KI ist die Annahme weit verbreitet, dass die größte Herausforderung darin besteht, Pilotprojekte in die Produktion zu überführen. McKinsey berichtete 2025, dass zwei Drittel der Unternehmen in der Experimentierphase feststeckten. BCG fand heraus, dass 60 % bisher keinen materiellen Mehrwert aus ihren KI-Investitionen ziehen konnten. Gartner prognostizierte, dass die Hälfte aller generativen KI-Projekte nach dem Proof of Concept aufgegeben werden würde. 

Speziell in der Kundenkommunikation geschah jedoch etwas anderes. Unsere Studie zeigt, dass 62 % der Unternehmen bereits KI-Agenten in der Produktion über verschiedene Kundenkanäle hinweg einsetzen. 88 % gehen davon aus, dass dies bis Ende 2026 der Fall sein wird. Das bedeutet, dass fast neun von zehn Unternehmen bis Ende dieses Jahres aktiv KI-Agenten einsetzen werden.

Unternehmen tasten sich dabei auch nicht nur vorsichtig heran. Die durchschnittliche Bereitstellung erstreckt sich gleichzeitig über 3,3 Kanäle, wobei fast die Hälfte KI auf vier oder mehr Kanälen einsetzt – Web-Chatbots, E-Mail, Social Media, WhatsApp, SMS/MMS, RCS und Voice und Interactive Voice Response (IVR). Und das Ziel hinter den meisten dieser Investitionen ist keine Kostenreduzierung. Für 36 % der Befragten ist das Hauptziel die Verbesserung der Kundenzufriedenheit und -bindung. Sie nutzen KI, um beim Kundenerlebnis wettbewerbsfähig zu bleiben, und um etwas zu gewinnen, das schwerer messbar ist als Effizienz: Kundenvertrauen. 

Nach jeder Metrik, die der Markt zur Messung von KI-Fortschritten etabliert hat, sind diese Unternehmen als Sieger hervorgegangen. Sie sind dem Piloten-Fegefeuer entkommen. Sie haben die Ziellinie überquert. 

Nur war das noch gar nicht die Ziellinie.

Dies ist die Erkenntnis, bei der jede Führungskraft für KI-Kommunikation aufhorchen sollte: 74 % der Unternehmen, die KI-Kommunikationsagenten erfolgreich implementiert haben, waren gezwungen, diese abzuschalten oder zurückzurollen. 

Dies gilt für jede Region und jede Branche in unserer Studie. Diese Zahl sinkt nicht mit zunehmender Erfahrung. Sie sinkt nicht mit höheren Investitionen. Der Markt hat also die ganze Zeit die falsche Ziellinie gezogen – und was nach einer erfolgreichen Implementierung in Unternehmen geschieht, ändert die Frage, die sich jede Führungskraft für KI-Kommunikation jetzt stellen sollte, grundlegend. 

Hier wird es interessant. Bei Unternehmen, die ihre Leitplanken als ausgereift beschreiben – den KI-Programmen der Umfrage mit der strengsten Governance und Überwachung –, liegt die Rollback-Rate bei 81 %. 

Mehr Governance, mehr Überwachung, mehr Investitionen – und dennoch mussten acht von zehn der fortschrittlichsten Programme wieder etwas abschalten. 

Die Daten liefern eine beunruhigende Erklärung. Unternehmen mit ausgereiften Governance-Instrumenten können Fehler erkennen, die weniger reife Unternehmen völlig übersehen. Die Programme, die niedrigere Rollback-Raten melden, nutzen nicht zwangsläufig fehlerfreiere KI – in vielen Fällen fehlt ihnen schlichtweg die Überwachung, um zu erkennen, wenn etwas schiefgeht. Die Unternehmen, die keinen Bericht über Governance-Fehler vorlegen, sind nicht der Maßstab. Oft sind es einfach diejenigen mit dem geringsten Einblick in das, was gerade passiert.

„Wäre Governance die Lösung, müssten die ausgereiftesten Teams weniger zurückrollen. Das tun sie aber nicht. Was hier scheitert, ist nicht die Richtlinienebene. Es ist die Zuverlässigkeit im realen System: Daten, Workflows, Integrationen und Randfälle. Und die Kosten sind enorm: 84 % der KI-Entwicklungsteams verbringen mindestens die Hälfte ihrer Zeit mit Sicherheitsinfrastruktur, anstatt das Kundenerlebnis zu verbessern. Das ist die Leitplanken-Steuer.“

Daniel Morris CPO bei Sinch

Und dann ist da noch das Vertrauensproblem. 90 % der Entscheidungsträger in Unternehmen sind von der Einsatzbereitschaft ihrer KI-Agenten überzeugt. Von denjenigen, die bereits in der Produktion sind, haben 75 % mindestens ein Governance-Rollback erlebt. Ein hohes Vertrauen korreliert nicht mit weniger Fehlern. In vielen Fällen ist es genau die Bedingung, unter der der nächste Fehler vorbereitet wird. 

Die weitaus nützlichere Frage für jedes Führungsteam lautet nicht: „Sind wir zuversichtlich?“ Sondern: „Wenn jetzt etwas schiefginge, würden wir es vor unseren Kunden erfahren?“ 

Wenn ein AI-Kommunikationsagent in der Produktion ausfällt, bemerken die Kunden das. Unsere Daten zeigen, dass sich die Auswirkungen gleichzeitig in drei Richtungen aufteilen – und die meisten Unternehmen tracken nur die erste.

35 % der Unternehmen nennen einen plötzlichen Anstieg der Belastung für menschliche Support-Mitarbeiter als primäre Folge. Der Agent fällt aus, und jede Interaktion, die er bearbeitet hat, geht wieder an einen Menschen über. Ein Support-Team, das für eine Welt dimensioniert ist, in der KI ein beträchtliches Volumen bewältigt, muss plötzlich alles selbst stemmen. In Spitzenzeiten – bei einer Produkteinführung, einem Serviceausfall, einem saisonalen Höhepunkt – ist das nicht nur ein Ärgernis. Es ist eine operative Krise. 

Dies ist die Art von Fehler, die nach oben gemeldet wird. Er taucht in Dashboards auf, führt zu Incident-Reviews und löst sich, sobald der Agent wieder online ist. Er ist sichtbar, messbar und bietet einen klaren Weg zur Lösung. 

34 % nennen Reputationsschäden und den Verlust von Kundenvertrauen – also fast gleichauf mit der Support-Überlastung. Dieser geringe Abstand ist eine der am wenigsten beachteten Erkenntnisse der Umfrage, da sich diese beiden Fehlertypen nicht auf die gleiche Weise beheben lassen. Die Support-Warteschlange lässt sich abarbeiten. Für Markenschäden gibt es jedoch keinen klaren Weg zurück. 

Aus Kundensicht gibt es weder Plattform noch Anbieter oder Infrastrukturebene. Es gibt nur Ihre Marke. Für 31 % der Unternehmen ist die Hauptursache für ein Governance-Rollback die Offenlegung von Kundendaten: Persönliche Informationen tauchen in einer Interaktion auf, in der sie nichts zu suchen haben. Diese Zuschreibung ist dauerhaft, ganz im Gegensatz zu einem plötzlichen Anstieg in der Warteschlange. 

Was die Behebung zusätzlich erschwert, ist die Tatsache, dass sie für die Personen, die handeln könnten, oft gar nicht sichtbar ist. Technische Führungskräfte berichten häufiger von Rollbacks als ihre geschäftlichen Kollegen in denselben Unternehmen – 77 % gegenüber 69 %. Im Einzelhandel geben C-Level-Führungskräfte mit 2,3-mal höherer Wahrscheinlichkeit als ihre VPs und Directors an, dass die meisten KI-Kommunikationspiloten erfolgreich verlaufen. Gleiches Unternehmen, völlig unterschiedliche Darstellungen derselben Ereignisse. Genau diese Sichtbarkeitslücke ist der Grund, warum die Marke Schaden nimmt. 

Es gibt einen dritten Kostenfaktor, der weder im Dashboard noch in der Kundenbeschwerde auftaucht. Die Daten von Sinch zeigen, dass 84 % der KI-Entwicklungsteams mindestens die Hälfte ihrer Zeit mit der Entwicklung von Leitplanken und Sicherheitskontrollen verbringen – anstatt das nächste Kundenerlebnis zu gestalten. 35 % verbringen sogar den Großteil ihrer Zeit damit. 

Und aus welcher Richtung diese Belastung kommt, überrascht viele. Entwicklungsteams in der Produktionsphase verbringen mehr Zeit mit der Sicherheitsinfrastruktur als Teams in der Pre-Production-Phase, nicht weniger. Jeder neue Agent, jeder neue Kanal, jede neue Compliance-Anforderung fügt eine weitere Ebene hinzu. Die Leitplanken-Steuer amortisiert sich nicht. Sie potenziert sich. 

„Jedes Team muss entscheiden, welche Kontrollen auf die Plattform-Ebene gehören und was seine Ingenieure zusätzlich entwickeln sollten, denn die Kosten für den Bau maßgeschneiderter Schutzmaßnahmen summieren sich im Laufe der Zeit, insbesondere wenn sich das Team durch den Produktlebenszyklus bewegt. Jeder neue Agent, jeder neue Kanal, jedes neue Deployment vergrößert den Berg. Und letztendlich verlieren Sie dieses Momentum, wenn es darum geht, den Markt zu übertreffen.“

Anton Efimenko SVP Software Engineering bei Sinch

Bei jeder statistischen Methode, die wir auf diesen Datensatz angewendet haben – Korrelationen, Regressionsmodelle, Kreuztabellen –, übertrifft eine Variable alle anderen konstant als Prädiktor für den Erfolg der KI-Einführung: die Zufriedenheit mit der Kommunikationsinfrastruktur. 

Nicht das Investitionsniveau. Nicht der KI-Reifegrad. Nicht die Dauer, die Sie bereits in Produktion sind. Nicht die Ausgereiftheit Ihrer Sicherheitsrichtlinien. 

Die Korrelation zwischen der Zufriedenheit mit der Infrastruktur und dem Vertrauen in die KI-Bereitstellung beträgt 0,52 – die stärkste Beziehung unter den 4.656 Variablenpaaren, die in der Studie analysiert wurden. Wie ein Unternehmen seine Kommunikationsinfrastruktur einschätzt, ist ein besserer Indikator für den KI-Erfolg als alles andere, was wir gemessen haben. 

Dennoch stellen die meisten Unternehmen mindestens ein erhebliches Defizit bei ihrem aktuellen Anbieter fest. Die häufigsten Lücken: unzureichende Zuverlässigkeit für skalierte KI (42 %), eingeschränkte Multi-Channel-Fähigkeit (37 %) und fehlende KI-Plattform-Integrationen (32 %). 

Darüber hinaus entwickelt mehr als die Hälfte der Unternehmen (55 %) maßgeschneiderte Lösungen, um den Kundenkontext beim Wechsel von einem Kanal zum anderen – vom Chat zu Voice, von WhatsApp zu einem Telefonanruf – zu erhalten, da ihre Plattform dies nicht von Haus aus bietet. Wenn Kunden sich gegenüber einem KI-Agenten wiederholen müssen, erleben sie keinen Modellfehler. Sie erleben die Infrastrukturlücke am eigenen Leib. Und es ist Ihre Marke, die den Preis dafür zahlt. 

Die Branche hat mit ihren Budgets abgestimmt – Vertrauen, Sicherheit und Compliance sind weltweit die Ausgabenkategorie Nummer 1, noch vor der KI-Entwicklung selbst. Der Großteil dieser Investitionen fließt jedoch in Leitplanken auf der Anwendungsebene, die von Entwicklungsteams entwickelt werden. Es werden nur Symptome behandelt, während die zugrunde liegende Infrastruktur unverändert bleibt. Deshalb müssen 74 % der Unternehmen KI-Agenten immer noch zurückrollen. Sie können massiv in die Sicherheit investieren und trotzdem scheitern, weil die Fehlerursachen eine Ebene tiefer liegen. 

Unternehmen haben diese Diagnose vielleicht noch nicht vollständig formuliert, doch ihr Verhalten lässt darauf schließen, dass sie sie spüren. 86 % haben in den vergangenen 12 Monaten aktive oder sondierende Gespräche mit alternativen Anbietern geführt, und nur 4 % planen keine Evaluierung. 

Der stärkste Auslöser für einen Wechsel ist nicht die Unzufriedenheit mit dem Anbieter. Es ist die Erfahrung. 91 % der Unternehmen, die einen Live-Agenten zurückrollen mussten, haben einen neuen Kommunikationsanbieter evaluiert oder evaluieren diesen gerade aktiv. Die anspruchsvollsten Käufer sind die aktivsten Einkäufer – nicht, weil sie mit einem Anbieter unzufrieden sind, sondern weil ihre KI-Ambitionen über das hinausgewachsen sind, wofür die aktuelle Infrastruktur ausgelegt ist. 

Wenn Unternehmen Alternativen bewerten, steht die Zuverlässigkeit an erster Stelle: 29 % der Befragten setzen sie an die Spitze, noch vor Compliance-Fähigkeiten, einfacher Integration und – bemerkenswerterweise – der Preisgestaltung. Die Preisgestaltung belegte in der Umfrage den achten von neun Plätzen.

62 % der Unternehmen setzen einen KI-Kundenkommunikationsagenten live ein. 88 % werden dies bis Ende 2026 tun. 

Die Überführung in die Produktion war schwierig, und die meisten Unternehmen haben sie gemeistert. Die Daten sind jedoch eindeutig: Dem Piloten-Fegefeuer zu entkommen, war nicht der schwerste Teil. Die Unternehmen, die die Nase vorn haben, diskutieren nicht mehr über Produktionszeitpläne oder Investitionsrechnungen. Sie haben implementiert, sie skalieren – und was sie auf der anderen Seite vorgefunden haben, entspricht nicht den Erwartungen des Marktes. 

Drei Fragen, die Sie in Ihr nächstes Leadership-Review mitnehmen sollten: 

• Wie viel Zeit verwendet Ihr Entwicklungsteam für den Aufbau von Leitplanken von Grund auf, anstatt das nächste Kundenerlebnis zu gestalten? 
• Wenn Ihr KI-Kommunikationsagent genau jetzt ausfiele, wüssten Sie es vor Ihren Kunden? 
• Ist Ihre Kommunikationsinfrastruktur für das ausgelegt, was Sie in den nächsten 12 Monaten implementieren möchten, oder für das, was Sie vor 18 Monaten eingeführt haben? 

Die ersten Ergebnisse aus The AI Production Paradox sind jetzt live. Der vollständige Bericht – mit regionalen Aufschlüsselungen für Nord- und Südamerika, EMEA und APAC, tiefgreifenden Analysen nach Branchen und Persona-Analysen – erscheint im Juni. 

Autor: Beatriz Redondo Tejedor Bea ist Leiterin des Content Marketing bei Sinch. Als ehemalige Sprachlehrerin verfügt sie über mehr als ein Jahrzehnt Erfahrung in der Entwicklung globaler und mehrsprachiger Kommunikations- und Content-Marketing-Strategien.