Wann sollte man ein KI-Tool abschalten? Entscheidungsrahmen und Exit-Strategie

Die Einführung eines KI-Tools wird sorgfältig geplant — der Ausstieg selten. Dabei ist die Fähigkeit, ein Tool rechtzeitig abzuschalten, mindestens so wichtig wie die Entscheidung zur Einführung. Unternehmen halten an KI-Lösungen fest, die ihren Nutzen nicht mehr rechtfertigen, weil klare Exit-Kriterien fehlen, Wechselkosten überschätzt werden oder schlicht niemand die Verantwortung für die Abschaltung übernehmen will. Dieser Artikel liefert einen strukturierten Entscheidungsrahmen, definiert konkrete Exit-Kriterien und beschreibt, wie eine geordnete Migration gelingt.

Warum Unternehmen zu lange an KI-Tools festhalten

Die häufigsten Gründe für Trägheit

Sunk-Cost-Fallacy: Die bereits investierten Kosten für Lizenz, Implementierung und Schulung erzeugen eine psychologische Bindung. „Wir haben schon 80.000 EUR investiert, jetzt müssen wir es zum Laufen bringen" ist ein häufiges Argument — obwohl vergangene Kosten für zukünftige Entscheidungen irrelevant sind.

Vendor Lock-in: Daten, Workflows und Integrationen sind eng mit dem Tool verknüpft. Die Migration erscheint aufwendiger, als sie tatsächlich ist, weil die Abhängigkeiten nicht systematisch erfasst wurden.

Fehlende Verantwortlichkeit: Wer hat das Mandat, ein Tool abzuschalten? Oft fehlt eine klare Zuständigkeit. Die IT-Abteilung sieht es als Fachbereichsentscheidung, der Fachbereich als IT-Thema.

Hoffnung auf Besserung: „Das nächste Update wird die Probleme lösen" ist ein Argument, das Entscheidungen um Monate oder Jahre verzögern kann. Anbieter fördern diese Hoffnung aktiv durch Roadmap-Kommunikation.

Mangelnde Transparenz über die tatsächlichen Kosten: Wenn die laufenden Kosten eines Tools nicht zentral erfasst werden — Lizenzgebühren, interne Betreuung, Schulungen, Workarounds —, fehlt die Datengrundlage für eine rationale Entscheidung.

Der Entscheidungsrahmen: Wann ist der richtige Zeitpunkt?

Fünf Exit-Kriterien

Definieren Sie diese Kriterien idealerweise bereits bei der Einführung eines KI-Tools. Wenn mehrere Kriterien gleichzeitig erfüllt sind, ist die Abschaltung ernsthaft zu prüfen.

Kriterium 1: Anhaltend negativer oder neutraler ROI

Formel zur ROI-Berechnung:

ROI = (Messbarer Nutzen - Gesamtkosten) / Gesamtkosten × 100

Messbarer Nutzen = Zeitersparnis (in EUR) + Qualitätsverbesserung (in EUR) + Umsatzsteigerung
Gesamtkosten = Lizenz + Implementierung + Schulung + interner Betreuungsaufwand + Workarounds

Kriterium 2: Sinkende Nutzungsrate

Wenn die aktive Nutzung über einen Zeitraum von drei Monaten kontinuierlich abnimmt, ohne dass es dafür saisonale oder organisatorische Gründe gibt, signalisiert dies fehlendes Vertrauen der Nutzer in das Tool.

Kriterium 3: Bessere Alternativen am Markt

Der KI-Markt entwickelt sich schnell. Ein Tool, das vor 18 Monaten die beste Option war, kann heute von Wettbewerbern deutlich übertroffen werden. Prüfen Sie regelmäßig:

• Funktionsumfang im Vergleich zu aktuellen Alternativen
• Preis-Leistungs-Verhältnis relativ zum Markt
• Integrationstiefe mit Ihrer bestehenden IT-Landschaft
• Innovationsgeschwindigkeit des Anbieters

Kriterium 4: Strategische Inkompatibilität

Das Tool passt nicht mehr zur Unternehmensstrategie. Beispiele:

• Die IT-Strategie wechselt von Best-of-Breed zu einer Plattformstrategie
• Neue Compliance-Anforderungen, die der Anbieter nicht erfüllt – etwa die Pflichten aus dem regulatorischen Rahmen der EU-KI-Verordnung [3]
• Veränderung der Geschäftsprozesse, die das Tool nicht abbilden kann
• Übernahme oder Fusion, die eine Tool-Konsolidierung erfordert

Kriterium 5: Anbieter-Risiken

• Finanzielle Instabilität des Anbieters
• Übernahme durch einen Wettbewerber mit unklarer Produktstrategie
• Häufige Ausfälle oder Sicherheitsvorfälle
• Verschlechterung des Supports

Entscheidungsmatrix

Die Werte in dieser Tabelle basieren auf Branchenschätzungen, Praxiserfahrungswerten und marktüblichen Angaben.

Auswertung:

• 0–3 Punkte: Weiterführen, regelmäßig prüfen
• 4–6 Punkte: Optimierung oder Alternativprüfung einleiten
• 7–10 Punkte: Exit-Planung starten

Der Exit-Prozess: Von der Entscheidung zur Abschaltung

Phase 1: Bestandsaufnahme (2–4 Wochen)

Bevor ein Tool abgeschaltet wird, sollten die Abhängigkeiten möglichst vollständig verstanden sein.

Checkliste Bestandsaufnahme:

• [ ] Welche Daten sind im Tool gespeichert?
• [ ] In welchen Formaten können Daten exportiert werden?
• [ ] Welche Integrationen bestehen zu anderen Systemen?
• [ ] Welche Workflows hängen vom Tool ab?
• [ ] Wer sind die aktiven Nutzer und wie werden sie betroffen?
• [ ] Welche vertraglichen Pflichten bestehen (Laufzeit, Kündigungsfrist)? Die gesetzlichen Rahmenbedingungen für solche Dauerschuldverhältnisse regelt das BGB [4].
• [ ] Gibt es regulatorische Anforderungen an die Datenaufbewahrung?

Phase 2: Migrationsstrategie festlegen (2–4 Wochen)

Es gibt drei grundlegende Migrationsstrategien:

Phase 3: Daten sichern und migrieren (2–6 Wochen)

Kalkulationsbeispiel: Datenmigration bei Tool-Wechsel

Die Werte in dieser Tabelle basieren auf Branchenschätzungen, Praxiserfahrungswerten und marktüblichen Angaben.

Wichtig: Sichern Sie alle Daten vor der Migration in einem herstellerunabhängigen Format. Auch wenn Sie heute kein Alternativtool einsetzen, können die Daten später wertvoll sein.

Phase 4: Nutzer umstellen (2–4 Wochen)

• Kommunizieren Sie den Zeitplan frühzeitig (mindestens 4 Wochen vor Abschaltung)
• Bieten Sie Schulungen für das Alternativtool oder den neuen Prozess an
• Benennen Sie Ansprechpartner für Fragen
• Definieren Sie einen „Notfallplan", falls kritische Funktionen fehlen

Phase 5: Vertragliche Abwicklung (1–2 Wochen)

• Kündigung fristgerecht einreichen (schriftlich, Eingang bestätigen lassen)
• Prüfen, ob Datenexportpflichten des Anbieters bestehen
• Restlaufzeit optimal nutzen (z. B. für finalen Datenexport)
• Eventuelle Rückerstattungen für vorausbezahlte, ungenutzte Zeiträume prüfen

Phase 6: Abschaltung und Nachbereitung (1 Woche)

• Tool deaktivieren, Zugänge sperren
• Bestätigung des Anbieters einholen, dass alle Daten gelöscht wurden (DSGVO)
• Lessons Learned dokumentieren
• Exit-Kriterien für zukünftige Tool-Einführungen aktualisieren

Gesamtkosten einer Exit-Strategie

Kalkulationsbeispiel: Vollständiger Tool-Wechsel (mittelständisches Unternehmen)

Die Werte in dieser Tabelle basieren auf Branchenschätzungen, Praxiserfahrungswerten und marktüblichen Angaben.

Diese Kosten sind ins Verhältnis zu den laufenden Kosten des Tools zu setzen. Wenn ein Tool jährlich 30.000 EUR kostet und keinen messbaren Nutzen bringt, amortisiert sich der Exit innerhalb von weniger als 12 Monaten.

Praxisbeispiel: Logistikunternehmen mit 500 Mitarbeitern

Ein Logistikunternehmen hatte vor zwei Jahren ein KI-gestütztes Demand-Forecasting-Tool eingeführt. Die Erwartung: präzisere Bedarfsprognosen, weniger Überbestände, optimierte Routenplanung.

Ausgangssituation:

• Jahreslizenz: 42.000 EUR
• Implementierungskosten: 65.000 EUR (einmalig, bereits bezahlt)
• Interner Betreuungsaufwand: ca. 15 Stunden/Monat (ein Data Engineer anteilig)
• Aktive Nutzer: 8 von 20 lizenzierten (40 %)

Problem: Die Prognosegenauigkeit des Tools lag bei 68 %, die bestehende Excel-basierte Methode des erfahrenen Dispositionsteams erreichte 72 %. Das Tool war also nicht nur teuer, sondern lieferte schlechtere Ergebnisse als der Status quo.

Exit-Entscheidung nach Entscheidungsmatrix:

Ergebnis: Optimierung oder Alternativprüfung. Das Unternehmen entschied sich nach einer vierwöchigen Optimierungsphase (Nachschulung, Parameteranpassung) ohne messbare Verbesserung für den Exit.

Exit-Durchführung:

1. Datenexport aller historischen Prognosedaten (JSON und CSV)

2. Kündigung zum nächstmöglichen Termin (3 Monate Kündigungsfrist)

3. Parallelbetrieb während der Kündigungsfrist, um Lücken zu identifizieren

4. Rückführung der Prognosen auf die bewährte Excel-Methode, ergänzt um ein einfacheres statistisches Tool (Lizenz: 3.600 EUR/Jahr)

5. Restlaufzeit genutzt, um alle Daten zu exportieren und Integrationen sauber zu trennen

Ergebnis:

• Jährliche Ersparnis: ca. 52.000 EUR (Lizenz + interner Betreuungsaufwand)
• Exit-Kosten: ca. 18.000 EUR (einmalig)
• Prognosequalität: gleichbleibend bis leicht verbessert
• Data Engineer konnte freigewordene Kapazität für andere Projekte nutzen

Präventive Maßnahmen: Exit von Anfang an mitdenken

Die beste Exit-Strategie beginnt bei der Einführung. Integrieren Sie folgende Elemente in Ihren Beschaffungsprozess:

Vertragliche Absicherungen:

• Datenexportrecht in offenen Formaten vertraglich festschreiben
• Maximale Kündigungsfrist: 3 Monate zum Quartalsende
• Keine automatische Vertragsverlängerung über 12 Monate
• Klausel zur Datenlöschung nach Vertragsende

Organisatorische Maßnahmen:

• Exit-Kriterien vor der Einführung definieren und dokumentieren
• Verantwortlichen für die regelmäßige Überprüfung benennen
• Jährliches Review fest im Kalender verankern
• Abhängigkeiten minimal halten (keine unnötigen Integrationen)

Fazit und Einordnung

Ein KI-Tool abzuschalten ist kein Eingeständnis des Scheiterns, sondern ein Zeichen rationaler Unternehmensführung. Der KI-Markt verändert sich schnell, und was heute die richtige Lösung ist, kann morgen überholt sein.

Einordnung für die Praxis:

1. Definieren Sie Exit-Kriterien bei der Einführung. Legen Sie messbare Schwellenwerte fest, bei deren Unterschreitung ein Review ausgelöst wird. Dokumentieren Sie diese Kriterien im Projektauftrag.

2. Führen Sie halbjährliche Tool-Reviews durch. Prüfen Sie ROI, Nutzungsrate, Marktumfeld und strategische Passung. Nutzen Sie die Entscheidungsmatrix aus diesem Artikel als Vorlage.

3. Sichern Sie vertragliche Flexibilität. Verhandeln Sie Datenexportrechte, kurze Kündigungsfristen und keine automatischen Langzeitverlängerungen. Die Verhandlungsposition ist beim Erstabschluss am stärksten.

4. Kalkulieren Sie Exit-Kosten realistisch. Ein Tool-Wechsel kostet typischerweise das 0,5- bis 1-Fache einer Jahreslizenz an einmaligem Aufwand (Praxiserfahrungswert). Stellen Sie diesen Kosten die laufenden Kosten eines Tools ohne Nutzen gegenüber.

5. Überwinden Sie die Sunk-Cost-Falle. Vergangene Investitionen sind kein Argument für zukünftige Ausgaben. Die einzig relevante Frage lautet: Ist der erwartete zukünftige Nutzen höher als die zukünftigen Kosten?

6. Dokumentieren Sie Lessons Learned. Jeder Exit liefert wertvolle Erkenntnisse für zukünftige Tool-Entscheidungen. Was waren die Warnsignale? Wann hätte man sie erkennen können?