Seit zwei Jahren laufen in österreichischen Unternehmen KI-Pilots. ChatGPT-Workshops, RAG-Prototypen, ein Customer-Service-Bot der in einer Testumgebung beeindruckend funktioniert. Was davon ist 2026 in Production? In den 80 Audits, die wir 2024–2026 durchgezogen haben, lag die Quote bei unter 15 Prozent. Der Rest hängt zwischen "wir testen noch" und "wir warten auf das nächste Modell". Das ist 2026 nicht mehr leistbar.
1. Was sich 2026 wirklich geändert hat
Die Diskussion "Ist die KI schon gut genug?" ist 2026 erledigt. Drei Verschiebungen haben das Spielfeld umgekrempelt:
- Modell-Qualität. Claude 4, GPT-5, Gemini 2.5 — die Top-Modelle liegen in Benchmarks für strukturiertes Reasoning, Tool-Use und langes Context-Handling deutlich über dem, was 2024 noch Frontier war. Halluzinations-Raten bei gut konstruierten RAG-Setups liegen unter 2 Prozent (eigene Eval-Daten aus 12 Production-Deployments 2025/2026).
- Compliance-Lage. Der EU AI Act ist seit August 2024 in Kraft, die Hochrisiko-Pflichten greifen August 2026. Klingt nach Bürokratie — ist aber für 85 Prozent der KMU-Use-Cases (Begrenztes oder Minimales Risiko) eine 2-Seiten-Nutzungsrichtlinie plus Transparenz-Hinweis. Das war 2024 noch ein 9-Monats-Forschungsprojekt für die Rechtsabteilung.
- Tooling. MCP (Model Context Protocol) hat Tool-Integration zum Standard gemacht. LangGraph, Anthropic SDK, eval-Frameworks wie Promptfoo und Braintrust sind nicht mehr Experimente, sondern Build-Defaults. Wer 2026 noch Glue-Code für jeden API-Call schreibt, baut auf Sand.
In Summe: Die Begründungen, mit denen Pilots 2024 und 2025 verlängert wurden, sind 2026 nicht mehr tragfähig. Wer trotzdem im Pilot-Modus bleibt, hat ein Organisations-Problem, kein Technologie-Problem.
2. Warum 85 Prozent der Pilots in der Sandbox sterben
der KI-Pilots in DACH 2025 sind nicht in Production gegangen (Bain Survey 2025)
Die Bain-Zahl deckt sich mit dem, was wir in der Praxis sehen. Drei Muster ziehen sich durch fast jeden gescheiterten Pilot:
Muster 1 — kein Owner. Der Pilot wurde von einem motivierten Mitarbeiter aus der Innovation-Abteilung gebaut, ohne dass Fachbereich oder IT explizit zugesagt haben, das Ding zu übernehmen. Sobald der Bauer in den Urlaub geht oder wechselt, stirbt das Projekt. In zwei Drittel der Fälle, die wir gesehen haben, war keine einzige Person mit klarer Verantwortung für die Production-Phase benannt.
Muster 2 — kein Production-Mindset von Anfang an. Pilots werden gebaut, um "zu zeigen, dass es geht". Niemand denkt über Logging, Monitoring, Versionierung, Eval-Pipelines, Cost-Tracking oder Rollback-Strategien nach. Wenn der Pilot dann in Production gehen soll, ist die Migration so teuer, dass sich das Management entscheidet "neu zu bauen" — was nie passiert.
Muster 3 — kein Budget für Operations. Das Projekt-Budget reicht für die Implementation, aber niemand hat €1.500 pro Monat für AI Care eingeplant. Sobald der erste Modell-Update kommt, der erste Prompt-Drift, der erste verwirrte User, gibt es niemanden, der reagiert. Das System "läuft halt nicht so gut wie früher" — und wird stillschweigend ignoriert.
Die unbequeme Wahrheit: Pilots scheitern fast nie an der Modell-Qualität. Sie scheitern an Organisation, Ownership und Operations.
3. Die drei Stufen vom Pilot zur Production
Der Sprung in Production ist kein Lichtschalter. Wir teilen ihn in drei klare Phasen:
- Audit — verstehen, was wirklich relevant ist. Bevor irgendwas gebaut wird, gehört auf den Tisch: welche Use Cases sind echte ROI-Kandidaten, welche Daten sind verfügbar, welche regulatorischen Hürden bestehen. Ein Audit S kostet €3.500 und liefert das in zwei Wochen. Wer ohne Audit baut, baut blind.
- Sprint — bauen mit Production-Mindset. Implementation in 4–6 Wochen, aber Production-ready von Tag 1: CI/CD-Pipeline, Logging, Eval-Suite, klare API-Verträge, Rollback-Plan, Cost-Monitoring. Wenn das Sprint-Briefing nicht explizit Operations-Anforderungen enthält, baut ihr wieder einen Sandbox-Prototypen.
- Care — operativ halten. Ein KI-System ohne Care-Setup verfällt. Modelle ändern sich, Prompts driften, neue Use Cases kommen dazu, alte Use Cases werden unwichtig. Monatlicher Health-Check, Quartals-Review, klare Eskalations-Pfade — ohne das verliert ihr in 6–12 Monaten alles, was ihr aufgebaut habt.
4. Was Production konkret bedeutet — sechs Bausteine
Ein KI-System ist erst in Production, wenn die folgenden sechs Punkte abgehakt sind. Sandbox-Prototypen erfüllen meist null bis zwei davon.
- Logging und Observability. Jede LLM-Interaktion wird geloggt: Prompt, Response, Latenz, Token-Verbrauch, Modell-Version. Ohne das könnt ihr Bugs nicht reproduzieren und Halluzinationen nicht messen.
- Eval-Pipeline. Ein Set aus 50–200 Test-Cases, die bei jedem Prompt- oder Modell-Update durchlaufen. Promptfoo oder Braintrust reichen für 80 Prozent der Fälle.
- Cost-Tracking. Pro User, pro Use-Case, pro Tag. Token-Kosten können bei Skalierung explodieren — das fällt ohne Monitoring erst auf, wenn die Rechnung kommt.
- Versionierung. Prompts, Modell-Versionen, RAG-Indices — alles unter Versionskontrolle. Rollback in <5 Minuten möglich.
- Human-in-the-Loop bei kritischen Pfaden. Spätestens bei Hochrisiko-Use-Cases nach AI Act, aber auch bei nicht-regulierten Workflows mit hoher Kunden-Sichtbarkeit (Pricing, Recruiting, Mahnwesen).
- Klarer Owner und SLA. Ein Name, eine Telefonnummer, eine Response-Zeit. Ohne das stirbt das System leise.
5. Was der Sprung kostet — realistische Bandbreiten
Aus 12 Production-Migrationen, die wir 2024–2026 begleitet haben:
- Audit S/M: €3.500–18.000 (1–3 Wochen)
- Implementation Sprint Quick-Win: €8.000–20.000 (4–6 Wochen)
- Implementation Sprint Mid: €25.000–75.000 (8–14 Wochen)
- AI Care Standard im Jahr 1: €18.000 (€1.500 × 12 Monate)
In Summe: Wer einen vorhandenen Pilot mit klarem ROI in Production bringt, landet typisch bei €40k–80k Total Investment im ersten Jahr. Wer den Sprint ohne Operations-Plan macht und ein Jahr später nachbessert, zahlt das 2–3-fache.
6. Wer 2026 wartet, kauft sich teure Probleme
Drei Beobachtungen aus den letzten 12 Monaten:
Beobachtung 1. Unternehmen, die 2024/2025 Production-KI deployed haben, sind 2026 bei Iteration 3 oder 4 ihrer Workflows. Sie kennen ihre Daten, ihre Cost-Strukturen, ihre Failure-Modes. Wer 2026 startet, fängt bei Iteration 1 an — und muss die nächsten 12 Monate aufholen, was andere schon hinter sich haben.
Beobachtung 2. Talente folgen Production-Projekten. Wer noch im Pilot-Modus festhängt, verliert die internen Champions an Unternehmen, in denen ihre Arbeit live geht. Das ist messbar — eine Standard-Industrie-KMU-Org verliert im Schnitt 1–2 Schlüssel-Mitarbeiter pro Jahr an "die machen ja was Echtes mit KI".
Beobachtung 3. Vendor-Pricing wird 2026 attraktiver für Production, nicht für Pilots. Volumen-Rabatte bei Anthropic, OpenAI, AWS Bedrock greifen erst ab tausenden API-Calls pro Tag. Pilot-Workloads zahlen Listenpreis, Production-Workloads zahlen 30–50 Prozent weniger pro Token.
Häufige Fragen
Vom Pilot zur Production — was Geschäftsführer fragen.
Ist ein Pilot überhaupt noch sinnvoll, oder gleich in Production bauen?
Was kostet der Sprung vom bestehenden Pilot in Production?
Wie verhindere ich, dass wir in eine endlose Re-Pilot-Schleife fallen?
Brauche ich ein eigenes ML-Team, um in Production zu gehen?
Was, wenn unsere Daten 2026 noch nicht KI-ready sind?
Was als Nächstes?
Wer 2026 noch im Pilot-Modus festhängt, hat zwei Optionen: weitermachen und 2027 das gleiche Gespräch führen — oder in den nächsten 30 Tagen die Inventur machen, welche Pilots produktionsreif sind und welche endgültig begraben gehören. Ein Audit S mit Production-Fokus kostet €3.500, dauert zwei Wochen und liefert euch eine klare Liste: welche Use Cases gehen jetzt live, welche brauchen Nacharbeit, welche kommen weg. Wer es ernst meint, bucht den 30-Minuten-Discovery-Call und legt los — die nächsten 12 Monate sind in dieser Industrie ein einziger Vorsprung-Wettbewerb.