Warum die meisten AI-Projekte scheitern – und warum Domänenwissen den Unterschied macht

Mal ganz ehrlich: Die meisten AI-Projekte funktionieren nicht.

Nicht nur ein bisschen. Sondern richtig. Etwa drei von vier Enterprise-AI-Initiativen liefern nie echten Mehrwert. Und das liegt selten daran, dass die Modelle nicht gut genug waren oder die Rechenleistung fehlte. Das Problem entsteht viel früher – und ist eigentlich leicht vermeidbar.

Das Tal der erfolglosen Proof-of-Concepts

Ich habe das immer wieder erlebt. Ein Team ist Feuer und Flamme für AI, baut etwas Beeindruckendes zusammen, und dann... passiert nichts. Der Proof-of-Concept bleibt genau das: ein Konzept, das nie in Produktion geht.

Die üblichen Verdächtigen werden verantwortlich gemacht: schlechte Datenqualität, fehlende Unterstützung von oben, zu wenig Compute-Ressourcen. Klar, das spielt alles eine Rolle. Aber das sind eher Symptome. Das eigentliche Problem lässt sich nicht mit mehr Budget oder besserer Infrastruktur lösen.

Der wahre Killer? Es hat sich niemand wirklich mit der Domäne beschäftigt, für die das System gebaut werden sollte.

Was Domänenwissen wirklich bedeutet

Wenn ich von Domänenwissen spreche, meine ich nicht ein paar Wikipedia-Artikel lesen oder jemanden einen Tag lang beobachten. Ich meine ein tiefes Verständnis für die Sprache, die Arbeitsabläufe, die Grenzfälle und die Entscheidungsprozesse einer Branche.

Denk mal daran, was nötig ist, um AI für die Medizin zu entwickeln. Ärzte machen nicht einfach "medizinische Arbeit". Sie wägen Risiken ab, interpretieren Symptome, berücksichtigen Patientengeschichten und treffen Entscheidungen auf Basis jahrelanger Erfahrung. Eine medizinische AI, die diese Feinheiten nicht versteht, liefert Ergebnisse, die plausibel aussehen – aber wichtige Zusammenhänge übersieht.

Das gilt für die Finanzwelt, die Fertigung, den Rechtsbereich oder jeden anderen spezialisierten Bereich. Jede Domäne hat ihr eigenes Vokabular, ihre eigenen unausgesprochenen Annahmen und Denkweisen, die Außenstehende komplett übersehen.

Wo dieses Wissen versteckt ist

Das Schöne daran: In den meisten Unternehmen ist Domänenwissen gar nicht knapp. Es ist überall vorhanden – man muss nur wissen, wo man suchen muss.

Deine Kunden sind eine Goldgrube. Sie verwenden täglich die Fachsprache, kennen die echten Schmerzpunkte und können dir haargenau sagen, wo Lösungen versagen. Deine nicht-technischen Kollegen tragen Wissen mit sich, das nirgendwo dokumentiert ist. Interne Dokumente, Branchenpublikationen, Support-Tickets – all das enthält wertvolle Domäneneinblicke, die nur darauf warten, entdeckt zu werden.

Das Problem ist nicht, dieses Wissen zu finden. Das Problem ist, es systematisch zu sammeln und in technische Entscheidungen zu übersetzen.

Domänenwissen in die AI-Entwicklung übersetzen

Genau hier scheitern die meisten Teams. Sie sammeln Erkenntnisse über die Domäne und dann... packen sie alles in eine Präsentation. Die Engineers verinnerlichen diese Infos nie wirklich.

Domänenwissen sollte direkt in die technische Architektur einfließen. Es sollte bestimmen, wie du mit Grenzfällen umgehst. Es sollte definieren, was "gut" für deine Bewertungsmetriken bedeutet. Es sollte deine Strategie für Datensammlung und dein Interface-Design beeinflussen.

Wenn du beispielsweise eine AI für die Buchhaltung baust, sollte dein Fachexperte dir sagen können: "In diesem Fall würde ein Junior-Bookkeeper A machen, aber ein Senior Accountant würde B machen – aus diesen Gründen." Solche Einblicke verändern komplett, wie du dein System gestaltest, welche Trainingsdaten du priorisierst und wie du Erfolg misst.

Der praktische Weg nach vorn

Wie sieht das konkret aus?

Erstens: Hör auf, Fachexperten als optionale Berater zu behandeln. Mach sie zu festen Mitgliedern deines Entwicklungsteams – nicht Leute, die du gelegentlich konsultierst.

Zweitens: Investiere in strukturierten Wissenstransfer. Erstelle Dokumentation, die nicht nur beschreibt, was die Domäne tut, sondern warum. Erfasse Entscheidungsmuster, nicht nur Arbeitsabläufe.

Drittens: Validiere ständig. Jedes Mal, wenn deine AI ein Ergebnis liefert, prüfe es gegen echtes Domänenwissen. Bau Feedback-Schleifen ein, die Grenzfälle und ungewöhnliche Szenarien erfassen.

Viertens: Bleib demütig. Du wirst die Domäne nicht in sechs Monaten durchdringen. Domänenbeherrschung braucht Jahre. Respektiere diesen Zeitplan.

Das Fazit

Die Teams, die mit AI erfolgreich sind, haben nicht unbedingt die größten Modelle oder die meisten Daten. Es sind diejenigen, die die mühselige Arbeit geleistet haben, ihre Domäne tief zu verstehen – und dieses Verständnis durchdringt jede ihrer technischen Entscheidungen.

Wenn dein AI-Projekt kämpft, frag dich bevor du die Technologie verantwortlich machst: Verstehen wir wirklich das Problem, das wir lösen wollen? Denn Domänenwissen ist kein nettes Extra. Es ist das Fundament, auf dem alles andere aufbaut.

Du baust AI-Produkte? Stell sicher, dass dein Domänenwissen genauso stark ist wie deine technische Basis. Bei NameOcean liefern wir die Infrastruktur – dein Team bringt das Domänenwissen mit.