Warum KI-Projekte in den Life Sciences scheitern
Article
und wie Ihnen der Erfolg gelingt
Den Life Sciences mangelt es nicht an KI-Ambitionen. Mit ihren wissensintensiven Workflows, umfangreichen Datenbeständen und stark strukturierten Arbeitsumgebungen sind Pharmaunternehmen hervorragend positioniert, um Wert aus Künstlicher Intelligenz (KI) zu schöpfen.
Branchenweit investieren Führungskräfte
14%
Unternehmen erwarten laut EPAMs KI-Report 2025, dass sie 14 % mehr für KI-Initiativen ausgeben als in den Vorjahren.
Und die Branche ist von ihrem bisherigen KI-Einsatz überzeugt:
51%
51 % der Befragten bezeichnen sich bei der Umsetzung von KI als fortgeschritten.
8%
8 % der Life-Sciences-Unternehmen sehen sich als Disruptoren.
Erfolgreiche KI-Initiativen in Pharma und Biotech hängen von drei Bereichen ab:
01
Wert identifizieren und die richtigen Rahmenwerke aufbauen
02
Einen überzeugenden Business Case entwickeln – und umsetzen
03
Wert quantifizieren und Erfolge skalieren
Hier betrachten wir die erste dieser drei Säulen mit Fokus auf Strategie, Governance und Daten. Warum fällt es Unternehmen schwer, Wert zu identifizieren? Welche grundlegenden Elemente fehlen? Und vor allem: Wie können Pharmaunternehmen diese Fallstricke vermeiden und gleichzeitig eine KI-Strategie aufbauen, die echte Wirkung entfaltet?
DIE ZAHLEN
74%
der Unternehmen haben Schwierigkeiten, bei der Einführung von KI Wert zu erzielen und zu skalieren
9%
Während 63 % der Unternehmen GenAI pilotieren, setzen nur 9 % sie in nennenswertem Umfang ein.
65%
der Disruptoren stimmen zu oder stimmen voll zu, dass sie die für die KI-Einführung nötigen Fähigkeiten kennen, doch 46 % dieser Disruptoren glauben, dass ihre Mitarbeitenden Weiterbildung benötigen.
DAS PROBLEM
Viele Organisationen verfolgen eine zersplitterte Strategie und testen Hunderte unterschiedlicher Use Cases, bevor sie ihren bestehenden technologischen Reifegrad strategisch bewerten. Dieser Ansatz verwässert Ressourcen, erzeugt technische Schulden und verhindert eine sinnvolle Skalierung.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
39%
Obwohl 88 % der Organisationen angeben, über eine Datenstrategie zu verfügen, stimmen nur 39 % zu, dass diese vollständig auf die zentralen Geschäftsziele abgestimmt ist.
2.4x
Unternehmen mit einer klar definierten Vision erreichen ihre Ziele 2,4-mal wahrscheinlicher wirksam und erzielen nachhaltiges Wachstum (Forbes).
DAS PROBLEM
KI-Initiativen starten häufig als isolierte Experimente statt als strategische Geschäftstreiber. Das Engagement der Führungsebene und eine klar definierte, an den Geschäftszielen ausgerichtete KI-Vision sind entscheidend für den Erfolg. Ohne einen vom Management getragenen Wandel scheitern Unternehmen vollständig.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
88%
der Unternehmen berichten von regelmäßigem KI-Einsatz in mindestens einer Geschäftsfunktion.
40%
Über 40 % der agentischen KI-Initiativen dürften bis 2027 aufgrund unklaren Geschäftswerts und Governance-Herausforderungen eingestellt werden.
3x
Unternehmen, bei denen sich die Führungsspitze engagiert, erzielen mit dreifach höherer Wahrscheinlichkeit einen Mehrwert durch KI.
DAS PROBLEM
Zentrale KI-Teams arbeiten oft isoliert und entwickeln Lösungen auf Basis des technischen Potenzials statt realer Geschäftsprobleme. Werden Stakeholder aus den Fachbereichen in der frühen Ideen- und Designphase ausgeschlossen, laufen Projekte Gefahr, an praktischen Workflows und tatsächlichen Anforderungen der Endanwender vorbeizugehen. Diese Kluft führt dazu, dass wichtiger Geschäftskontext übersehen und Akzeptanzbarrieren unterschätzt werden.
KI-Lösungen, die von oben ohne frühzeitigen Rückhalt verordnet werden, lösen mit deutlich geringerer Wahrscheinlichkeit zentrale Probleme oder finden Akzeptanz. Missverständnisse über Workflows, Datenverfügbarkeit und regulatorische Realitäten können zu teuren Initiativen führen, die ins Stocken geraten oder zu den Akten gelegt werden – und verstärken die Skepsis gegenüber künftigen KI-Investitionen.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
51%
der Life-Sciences-Organisationen nennen Widerstand gegen Veränderungen als größte Hürde für die KI-Einführung.
58%
der Mitarbeitenden haben KI bei der Arbeit noch nicht genutzt.
24%
Nur 24 % vertrauen den KI-Richtlinien ihres Unternehmens.
DAS PROBLEM
Selbst wenn die Führungsebene ein KI-Projekt unterstützt, kann die Einführung ins Stocken geraten, wenn Endanwender der Technologie nicht vertrauen oder sie nicht verstehen. Klinische Forschende, Data Scientists und Compliance-Verantwortliche sehen KI womöglich als Störung ihres Arbeitsalltags statt als hilfreiches Werkzeug.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
18 Monate
Unternehmen rechnen im Durchschnitt mit 18 Monaten, bis eine wirksame KI-Governance-Strategie ausgerollt ist.
68%
der Unternehmen räumen ein, dass ihnen die nötige Governance zur Steuerung von KI-Risiken fehlt.
37%
Nur 37 % haben ein KI-Ethikgremium zur Begleitung dieser Initiativen eingerichtet.
DAS PROBLEM
Um Veränderung zu erreichen, müssen Unternehmen jetzt Governance etablieren. Wer eineinhalb Jahre wartet, setzt sich gravierenden Sicherheitsrisiken und Regelverstößen aus. Dieser reaktive Ansatz ist in einer Zeit rasanten technologischen Fortschritts ein kritischer Fehler.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
Governance in zentralen, dezentralen und hybriden Modellen
Dezentrale oder föderierte Governance
Dezentrale oder föderierte Governance
Zentrale CTO- oder Enterprise-Teams geben Orientierung, die Geschäftsbereiche verantworten die Workflows.
Typischer Kontext: Organisationen mit ausgeprägter Eigenständigkeit der Geschäftsbereiche und unterschiedlichen Geschäftsmodellen.
Hybridmodell
Hybridmodell
Zentrale KI-Strategie mit Autonomie auf Geschäftseinheitsebene, oft unterstützt durch externes Fachwissen.
Wann es sinnvoll ist: Häufig anzutreffen in Organisationen mit eigenständigen Geschäftseinheiten und unterschiedlichen Anforderungen oder Arbeitsweisen.
Zentrale Governance-Gremien
Zentrale Governance-Gremien
Ein einziges funktionsübergreifendes Gremium ist für den Bereich KI zuständig.
Aufgabenbereich: Genehmigungsabläufe, Risikostufen, Dokumentationsstandards und laufende Überwachung.
DIE ZAHLEN
57%
der Life-Sciences-Fachleute nennen Datensilos als größte technische Herausforderung – eine Hürde, die KI-Initiativen immer wieder ausbremst und die Wertschöpfung begrenzt.
80%
der Organisationen berichten von mangelhafter Datenqualität oder -verfügbarkeit, was zu einem durchschnittlichen jährlichen Verlust von 12,9 Millionen US-Dollar führt.
49%
der Expertinnen und Experten nennen Lücken in Ontologien als Hindernis für ein FAIR-konformes Datenmanagement (Findable, Accessible, Interoperable, Reusable).
DAS PROBLEM
KI benötigt zugängliche, qualitativ hochwertige und harmonisierte Daten. Die meisten Life-Sciences-Organisationen kämpfen jedoch mit Daten, die über Silos verstreut sind, uneinheitlichen Standards unterliegen und selten an den FAIR-Prinzipien ausgerichtet sind. Kritische Informationen liegen verteilt in nicht verbundenen Legacy-Systemen, was die Zusammenarbeit behindert und den Aufbau verlässlicher Datensätze für robuste, regelkonforme KI-Modelle nahezu unmöglich macht.
Diese Fragmentierung bremst Innovation und untergräbt das Vertrauen in KI-Ergebnisse. Wenn Daten nicht leicht auffindbar, vertrauenswürdig oder wiederverwendbar sind, verbringen Teams übermäßig viel Zeit mit der Bereinigung und Aufbereitung von Informationen, statt neue Lösungen zu entwickeln. Die Folge sind verschwendete Ressourcen, stockende Initiativen und verpasste Chancen.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
85%
der Pharma-Führungskräfte berichten, dass unzureichende Daten- und Technologiegrundlagen die KI-Einführung behindern.
50%
der GenAI-Projekte wurden nach dem Proof of Concept aufgrund schlechter Datenqualität und wechselnder Geschäftsprioritäten aufgegeben.
81%
nennen das Erreichen von Analysegenauigkeit und operativer Effizienz als größte Hürde bei der Umsetzung.
DAS PROBLEM
KI-Initiativen in den Life Sciences scheitern oft, weil langsame, fragmentierte Entwicklungszyklen mit der rasanten Entwicklung von Forschung, Regulierung und Technologie nicht Schritt halten können. Bis Lösungen einsatzbereit sind, hat sich das ursprüngliche Geschäftsproblem womöglich verändert oder die Technologie ist bereits veraltet.
Diese „zu wenig, zu spät“-Dynamik verschärft sich, wenn Teams isoliert arbeiten oder an starren Annahmen festhalten – es kommt zur „Solution Obsolescence“. Die Folgen sind häufig verschwendete Investitionen und wachsende technische Schulden.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen:
DIE ZAHLEN
71%
der CTOs und CIOs berichten von unrealistischen ROI-Forderungen der Führungsebene an KI-Initiativen.
80%
Während 80 % der Befragten Effizienz als Ziel für KI-Initiativen nennen, setzen die erfolgreichsten Organisationen zusätzlich auf Wachstum und Innovation und vermeiden eine einseitige Kostensenkungsperspektive.
50%
der GenAI-Budgets fließen in Vertrieb und Marketing, doch Back-Office-Automatisierung bringt oft einen besseren ROI.
DAS PROBLEM
KI gilt oft als Allheilmittel für komplexe Geschäftsprobleme, was Projekte zum Scheitern verurteilt. Wer den Bedarf an Datenqualität, iterativer Entwicklung und menschlicher Aufsicht unterschätzt und zugleich die Geschwindigkeit von KI als „Plug-and-Play“-Lösung überschätzt, riskiert schlechte Planung, Desinteresse bei Stakeholdern und höhere regulatorische Risiken.
DER SCHLÜSSEL ZUM ERFOLG
Erfolgreiche Unternehmen: