„85 % der KI-Projekte scheitern (Gartner)“

Die Behauptung

85 % der KI-Projekte scheitern, laut Gartner.

Wie sich die Behauptung verbreitet hat

Jeder Schritt ist eine Veröffentlichung, die die Behauptung weitergegeben hat, die älteste zuerst, mit ihrem genauen Wortlaut und dem, was sich geändert hat.

1. 13. Februar 2018 Pressemitteilung

   Gartner · archivierte Kopie

   “Gartner predicts that through 2022, 85 percent of AI projects will deliver erroneous outcomes due to bias in data, algorithms or the teams responsible for managing them.”

   Was sich geändert hat: Ursprung. Gartner sagt voraus, dass 85 % der KI-Projekte in den Jahren bis 2022 “will deliver erroneous outcomes due to bias” [„wegen Verzerrungen falsche Ergebnisse liefern werden“]. Die Pressemitteilung nennt keine Methode, keine Stichprobe und nicht, was “erroneous outcomes” [„falsche Ergebnisse“] heißt. Sie verweist Kunden von Gartner auf einen kostenpflichtigen Bericht.

2. 18. Dezember 2018 Anbieter

   BMC Software (Chrissy Kidd) · archivierte Kopie

   “Earlier this year, industry research firm Gartner made an audacious prediction: that 85 percent of AI projects won’t deliver for CIOs. That means in 20 artificial intelligence projects, only three will succeed – 17 of them will fall short.”

   Was sich geändert hat: Aus “will deliver erroneous outcomes due to bias” [„werden wegen Verzerrungen falsche Ergebnisse liefern“] wird “won’t deliver for CIOs” [„werden für CIOs nichts bringen“]. Die Verzerrungen und die Frist 2022 fallen weg. Die Überschrift fügt “up to” [„bis zu“] hinzu, und eine Zwischenüberschrift fragt, warum so viele KI-Projekte “fail” [„scheitern“]. Die Zahl heißt noch Prognose.

3. November 2019 Blog

   Analytics Vidhya (DataHack Summit 2019) · archivierte Kopie

   “Last year, industry research firm Gartner made an audacious prediction: that 85 percent of AI projects don’t deliver. That means in 20 artificial intelligence projects, only three will succeed – 17 of them will fall short. With all the buzz and talk about AI technologies, that’s an interesting and surprising fact.”

   Was sich geändert hat: Der Text übernimmt den Absatz von BMC fast wörtlich. Aus “won’t deliver” [„werden nichts bringen“] wird “don’t deliver” [„bringen nichts“], im Präsens. Die Prognose wird “fact” [„Tatsache“] genannt. Der Titel der Podiumsdiskussion macht daraus “Why do ~85% of AI Projects Fail?” [„Warum scheitern ~85 % der KI-Projekte?“].

4. 21. Januar 2026 Anbieter

   TinyFish · archivierte Kopie

   “Gartner pegs GenAI project failure at 85%, mostly from inadequate testing.”

   Was sich geändert hat: Die Zahl wird zur Quote gescheiterter Projekte mit generativer KI. Die Prognose von 2018 galt KI-Projekten allgemein. Eine Ursache kommt hinzu: “inadequate testing” [„unzureichende Tests“]. Kein Dokument von Gartner wird genannt oder verlinkt.

5. 24. April 2026 Anbieter

   Folio3 AI · archivierte Kopie

   “85% of AI project failures trace back to poor data quality. (Gartner, 2025)”

   Was sich geändert hat: Die 85 % werden zu einem Anteil an den Fehlschlägen, nicht an den Projekten, und eine Ursache kommt hinzu: “poor data quality” [„schlechte Datenqualität“]. Die Zahl wird auf 2025 datiert und mit einer Stellungnahme von Gartner vom Februar 2025 verlinkt, die keine Zahl von 85 % enthält.

Was die Originalquelle sagt

Die Quelle ist eine Pressemitteilung von Gartner vom 13. Februar 2018, Gartner Says Nearly Half of CIOs Are Planning to Deploy Artificial Intelligence. Gartner verkauft Forschung und Beratung an IT-Verantwortliche, die IT-Leiter (CIOs), an die sich die Mitteilung richtet. Die Mitteilung warb außerdem für den Data & Analytics Summit von Gartner.

Wie sie entstand. Die Mitteilung sagt es nicht. Ihre Hauptnachricht ist die 2018 CIO Agenda Survey von Gartner, in der 4 % der CIOs angaben, KI eingeführt zu haben, und 46 %, dass sie es planten. Die 85 % sind nicht an diese Umfrage gebunden. Sie stehen in einem Abschnitt, der mit “Conversations with Gartner clients reveal…” [„Gespräche mit Kunden von Gartner zeigen…“] beginnt. Für mehr verweist die Mitteilung Kunden von Gartner auf einen kostenpflichtigen Bericht, “Lessons From Early AI Projects”, den dieser Faktencheck nicht lesen konnte. Die Mitteilung nennt keine Stichprobe, keine Zahl von Projekten und nicht, was “erroneous outcomes” [„falsche Ergebnisse“] heißt.

Wo die 85 % stehen. Unter der Überschrift “3. Plan for Knowledge Transfer”: “Gartner predicts that through 2022, 85 percent of AI projects will deliver erroneous outcomes due to bias in data, algorithms or the teams responsible for managing them.” [„Gartner sagt voraus, dass bis 2022 85 Prozent der KI-Projekte wegen Verzerrungen in Daten, Algorithmen oder den für sie verantwortlichen Teams falsche Ergebnisse liefern werden.“]

Was sie sagt. Es ist eine Prognose für die Jahre bis 2022. Sie betrifft falsche Ergebnisse, die durch Verzerrungen entstehen. Sie betrifft keine Projekte, die abgebrochen wurden, das Budget überschritten oder kein Geld einbrachten.

Was an der Behauptung falsch ist

• Es ist eine Prognose, keine Zählung. Gartner schrieb “will deliver” [„werden liefern“], für die Jahre “through 2022” [„bis 2022“]. Wiederholungen sagen, dass KI-Projekte “fail” [„scheitern“], im Präsens. Die Seite einer Konferenz nannte die Prognose 2019 eine “fact” [„Tatsache“].
• Aus “erroneous outcomes due to bias” [„falsche Ergebnisse wegen Verzerrungen“] wurde „scheitern“. Gartner schrieb über falsche Ergebnisse, verursacht durch Verzerrungen in Daten, Algorithmen oder Teams. Ein Blogbeitrag von BMC, das IT-Software verkauft, machte daraus Projekte, die “won’t deliver for CIOs” [„für CIOs nichts bringen werden“]. Eine Zwischenüberschrift im selben Beitrag und spätere Wiederholungen machten daraus ein Scheitern.
• Die Frist ist abgelaufen. Die Prognose galt für die Jahre bis 2022. Gartner hat nicht veröffentlicht, ob sie eingetroffen ist, und dieser Faktencheck hat keine Zählung von KI-Projekten gefunden, die wegen Verzerrungen falsche Ergebnisse lieferten.
• Spätere Wiederholungen fügen Ursachen und Jahreszahlen hinzu, die in keinem Text von Gartner stehen. Ein Anbieter bezieht die 85 % auf generative KI und macht “inadequate testing” [„unzureichende Tests“] verantwortlich. Ein anderer sagt, 85 % der gescheiterten KI-Projekte “trace back to poor data quality” [„gehen auf schlechte Datenqualität zurück“], datiert die Zahl auf 2025 und verlinkt sie mit der eigenen Stellungnahme von Gartner vom Februar 2025 zu Daten für KI. Diese Stellungnahme enthält keine Zahl von 85 %.
• Eine zweite Zahl von 85 % von Gartner betrifft Big Data. Im November 2017 sagte ein Analyst von Gartner, Nick Heudecker, einem Autor von TechRepublic, die Quote gescheiterter Big-Data-Projekte liege “[C]loser to 85 percent” [„näher an 85 Prozent“]. Diese Bemerkung galt Big-Data-Projekten, nicht KI-Projekten, und nannte keine Methode.

Was andere Quellen fanden

Dieser Faktencheck hat keine Quelle gefunden, die gezählt hat, wie viele KI-Projekte wegen Verzerrungen falsche Ergebnisse lieferten. Am nächsten kommen Umfragen von Gartner selbst dazu, wie viele KI-Projekte in den regulären Betrieb kommen, also in den täglichen Einsatz. In einer Umfrage unter 699 Befragten in den USA, Deutschland und Großbritannien von Oktober bis Dezember 2021 fand Gartner, dass “on average, 54% of AI projects make it from pilot to production” [„im Durchschnitt 54 % der KI-Projekte vom Pilotprojekt in den regulären Betrieb kommen“]. In einer Umfrage unter 644 Befragten in denselben drei Ländern Ende 2023 hieß es: “on average, only 48% of AI projects make it into production” [„im Durchschnitt kommen nur 48 % der KI-Projekte in den regulären Betrieb“]. Das ist, was die Befragten Gartner sagten, keine Zählung von Projekten. Nicht in den Betrieb zu kommen ist etwas anderes als falsche Ergebnisse zu liefern, aber keine der beiden Umfragen kommt in die Nähe von 85 %.

Die Mitteilung von Gartner aus dem Jahr 2018 können Sie dafür zitieren, was Gartner 2018 über Verzerrungen in KI-Projekten erwartete. Für den Anteil gescheiterter KI-Projekte ist sie keine Quelle. Gemessene Ergebnisse von KI bei der Arbeit finden Sie in den Studien auf dieser Website.

Was Sie stattdessen zitieren können

Im Februar 2018 sagte Gartner voraus, dass “through 2022, 85 percent of AI projects will deliver erroneous outcomes due to bias in data, algorithms or the teams responsible for managing them” [„bis 2022 85 Prozent der KI-Projekte wegen Verzerrungen in Daten, Algorithmen oder den für sie verantwortlichen Teams falsche Ergebnisse liefern werden“]. Gartner hat für diese Prognose keine Methode genannt, und sie ist keine Zählung gescheiterter Projekte. In späteren Umfragen von Gartner selbst gaben die Befragten an, dass im Durchschnitt 54 % (Ende 2021) und 48 % (Ende 2023) ihrer KI-Projekte in den regulären Betrieb kamen, also in den täglichen Einsatz.

Quellen

1. Gartner (13 February 2018). Gartner Says Nearly Half of CIOs Are Planning to Deploy Artificial Intelligence. Press release. gartner.com
2. Kidd (18 December 2018). Why does Gartner predict up to 85% of AI projects will “not deliver” for CIOs? BMC Blogs. bmc.com
3. Analytics Vidhya (2019). Panel Discussion: Why do ~85% of AI Projects Fail? DataHack Summit 2019. analyticsvidhya.com
4. TinyFish (21 January 2026). Testing Infrastructure Prevents Most Failures. Current newsletter. current.tinyfish.ai
5. Folio3 AI (24 April 2026). AI Project Failure Rate in 2026: What the Data Shows. folio3.com
6. Asay (10 November 2017). 85% of big data projects fail, but your developers can help yours succeed. TechRepublic. The separate big data figure. techrepublic.com
7. Gartner (26 February 2025). Lack of AI-Ready Data Puts AI Projects at Risk. Q&A with Roxane Edjlali. gartner.com
8. Gartner (22 August 2022). Gartner Survey Reveals 80% of Executives Think Automation Can Be Applied to Any Business Decision. Press release. gartner.com
9. Gartner (7 May 2024). Gartner Survey Finds Generative AI Is Now the Most Frequently Deployed AI Solution in Organizations. Press release. gartner.com