Ein Proof of Concept, ein Produktionspilot oder ein Leuchtturmprojekt verfolgen unterschiedliche Ziele. Erfahre, welche Roadmap für deinen Automatisierungs-, KI- oder Robotik-Use-Case in der Lebensmittelproduktion den Nutzen, das Risiko und die Skalierbarkeit richtig austariert.
Sabine R. ist seit Langem erfolgreich als Produktionsleiterin und Projektplanerin eines mittelständischen Molkereibetriebs. 140 Mitarbeitende, eine Sichtprüfstation für Becher, an der seit Jahren zwei Mitarbeiterinnen im Wechsel Fehletiketten und Deckelfehler von Hand aussortieren.
2025 der Beschluss: Eine KI-Kamera soll das übernehmen. Die beiden MA werden an anderer Stelle für neue smarte Aufgaben eingearbeitet.
Der Integrator schlug ein klassisches Stage-Gate-Projekt vor, kannte aber die tatsächliche Datenqualität in diesem Unternehmen nicht. Sein Konzept: Lastenheft, Feinkonzept, Abnahmekriterien, Rollout-Planung – wie bei einer neuen Verpackungslinie. Sechs Monate Vorlauf, bevor überhaupt eine Kamera installiert wurde.
Das Problem: Niemand wusste zu diesem Zeitpunkt, ob die vorhandenen Produktbilder überhaupt ausreichen, um ein Modell zuverlässig zu trainieren. Das stellte sich erst nach der aufwendigen Planungsphase heraus – und zwang das Projekt "zurück auf Los".
Die Produktionsleiterin hatte mit der Betriebsleitung nicht die falsche Technologie gewählt. Sie hatte die falsche Vorgehensweise für ihre Unsicherheit gewählt.
Die unbequeme Zahl, die Entscheider:innen kennen sollten
Der Fall von Sabine R. ist kein Einzelfall. Er ist, statistisch betrachtet, der Normalfall.
Das MIT hat 2025 im Report „State of AI in Business" 300 öffentlich dokumentierte KI-Implementierungen sowie 150 Führungskräfte-Interviews ausgewertet. Ergebnis: 95 % der GenAI-Pilotprojekte in Unternehmen schaffen es nicht bis zur Skalierung. Als Hauptursachen nennt die Studie unter anderem fehlende Integration in reale Arbeitsabläufe, unklare Erfolgskriterien vor Projektstart und eine Messstruktur, die erst nachträglich – wenn überhaupt – aufgebaut wird.1
Diese Zahl bezieht sich konkret auf generative KI-Projekte, nicht auf Robotik oder klassische Automatisierung. Aber der Kernbefund lässt sich direkt übertragen: Die 5 % erfolgreichen Fälle unterscheiden sich nicht durch bessere Technologie, sondern dadurch, dass sie von Anfang an Messung, Erfolgskriterien und die passende Vorgehensweise in den Prozess eingebaut haben – statt sie am Ende nachzureichen.
Leider lag dort der Denkfehler, der den Molkereibetrieb sechs Monate "extra" gekostet hat: Es wurde sich nur für eine Vorgehensweise entschieden, die für die stetige Unsicherheit während der Planung einfach unpassend war.
Nicht jede Roadmap passt zu jedem Pilotprojekt
Der größte strategische Fehler bei Automatisierungs- und KI-Piloten ist nicht die falsche Technologiewahl. Es ist die Annahme, es gäbe eine richtige Vorgehensweise für alle Projekte. In der Praxis brauchen unterschiedliche Unsicherheiten unterschiedliche Roadmap-Logiken:
Die Praxisregel
Hardware-nahe Robotik – ein Palettier-Cobot, eine neue Verpackungszelle – braucht in der Regel eine Stage-Gate-Logik mit sauberem Engineering. Datengetriebene KI – Bildverarbeitung, Prognosemodelle – braucht zusätzlich agile Lernschleifen, weil sich die Kernunsicherheit erst im Kontakt mit echten Daten auflöst.
Der Fehler von Sabine R. war genau diese Vermischung: Sie hat eine Stage-Gate-Roadmap – gedacht für Investitionsrisiko – auf ein Projekt angewendet, dessen eigentliche Unsicherheit technischer und datenbezogener Natur war.
Ein vier- bis sechswöchiger PoC hätte dieselbe Erkenntnis geliefert, für einen Bruchteil der Zeit und des Budgets.
Was die Pilot-Roadmap Ihnen veranschaulicht
Am Ende steht kein allgemeines Konzeptpapier, sondern eine strukturierte Grundlage für die Entscheidung über Pilotstart, Anbieter und Budget.
Je nach Projektumfang umfasst die Pilot-Roadmap unter anderem:
- ein klar definiertes Zielbild für den Pilot
- KPIs und Erfolgskriterien, mit denen Wirkung und Fortschritt gemessen werden
- Rollen, Verantwortlichkeiten und Entscheidungswege im Projektteam
- eine Einordnung geeigneter Technologie- und Anbieteroptionen
- einen nachvollziehbaren Budget- und Wirtschaftlichkeitsrahmen
- Meilensteine und Entscheidungspunkte für Test, Anpassung oder Fortführung
- identifizierte Risiken und offene Voraussetzungen vor dem Start
- eine Roadmap für den Übergang vom Konzept in die Pilotphase
Damit kann intern fundierter entschieden werden: Starten, nachschärfen oder noch nicht investieren.
Die vier Fragen, die über die richtige Vorgehensweise entscheiden
Bevor ein Pilotprojekt gestartet wird – ob Robotik, KI oder eine Kombination aus beidem – kläre diese vier Fragen. Die ehrlichen Antworten bestimmen, welche Roadmap-Logik zu deinem Fall bzw. Unternehmen passt:
1. Ist die Kernunsicherheit technisch oder betrieblich?
Erkennt die Kamera den Defekt zuverlässig? Ist die Greifquote bei unregelmäßigen Produkten ausreichend? Dann zuerst ein PoC – keine vollständige Roadmap-Planung um eine ungeklärte technische Frage herum.
2. Wie hoch ist Investition, Risiko und Integrationsaufwand?
Bei sechsstelligen Investitionen, thermischen Prozessen, offenen Lebensmitteln oder mehreren IT/OT-Schnittstellen: Stage-Gates mit klaren Entscheidungstoren – nicht „einfach mal anfangen".
3. Verändert sich die Datengrundlage mit der Zeit?
Saisonale, produkt- oder chargen-bedingte Schwankungen – etwa bei Absatzprognosen oder Qualitätsvorhersage – erfordern agile Iterationszyklen statt eines starren Projektplans.
4. Ist eine Skalierung auf mehrere Standorte oder Linien geplant?
Dann sollte der erste Bereich bewusst repräsentativ gewählt werden – nicht der einfachste. Eine Leuchtturm-Logik verhindert, dass der Pilot zwar erfolgreich, aber nicht übertragbar ist.
Wer diese vier Fragen vor der ersten Unterschrift wohlbedacht beantworten kann, wählt die Vorgehensweise passend zur eigenen Unsicherheit – und vermeidet genau den Fehler, der laut MIT-Studie 95 % der KI-Pilotprojekte das Genick bricht:
eine Struktur, die nicht zur eigentlichen Fragestellung passt.
Was Sabine R. und Betriebsleitung zusammen daraus gemacht haben
Nach dem gescheiterten ersten Anlauf hat Sabine R. neu aufgesetzt: vier Wochen PoC mit vorhandenen Produktbildern, um die technische Machbarkeit zu klären.
Erst danach – mit belastbarer Datengrundlage – folgte die eigentliche Pilot-Roadmap mit Baseline-Messung und festen Scale-/Iterate-/Stop-Kriterien.
Die Sichtprüfstation läuft inzwischen im Regelbetrieb. Nicht, weil die Technologie besser war als beim ersten Versuch – sondern weil die Vorgehensweise zu den tatsächlich offenen Fragen passte.
Ein logischer nächster Schritt
Wenn du vor der Entscheidung stehst, wie du ein Automatisierungs- oder KI-Pilotprojekt aufsetzen kannst– oder ein laufendes Projekt kritisch überprüfen willst:
Die Wahl der richtigen Roadmap-Logik entscheidet oft mehr über Erfolg oder Scheitern als die Technologieauswahl selbst.
Ich begleite mittelständische Lebensmittelbetriebe dabei, die passende Vorgehensweise für ihr Pilotprojekt zu bestimmen: von der Prozess-Struktur-Analyse über die Baseline-Erhebung bis zur Gate-Entscheidung. Herstellerneutral. Mit klarer Methodik statt Bauchgefühl.
*Quellenhinweise: MIT „State of AI in Business 2025" (zitiert nach Forbes, 26.08.2025)[^1] | Cooper, R. G. – Stage-Gate® Innovation System | BMLEH-Praxisberichte KI in der Lebensmittelproduktion (Movi-Q, KINLI)*