KI-Pilot im Autohaus:
Warum viele PoCs nicht produktiv werden,und wie es gelingt.

Das Muster: Shelf-ware überall

Ein Autohaus kauft einen Chatbot. Der Anbieter verspricht 24/7-Erreichbarkeit, weniger Telefonanrufe, zufriedenere Kunden. Der Chatbot wird eingerichtet, ein paar Mitarbeiter werden kurz eingewiesen. Dann beginnt der Alltag.

Nach drei Monaten fragt niemand mehr nach dem Chatbot. Die Annahme telefoniert noch genauso viel wie vorher. Das System läuft noch irgendwo, aber niemand schaut hin. Der Anbieter meldet sich nicht mehr, weil der Vertrag erfüllt ist.

Dieses Muster hat einen Namen: Shelf-ware. Gekauft, installiert, nie wirklich genutzt. Es betrifft nicht nur Chatbots,es betrifft jedes KI-Werkzeug, das als Demo gebaut und nicht als Prozess gedacht wurde.

Laut Branchenbeobachtung ist das die häufigste Endstation für KI-Projekte im deutschen Kfz-Handel. Gleichzeitig berichten Betriebe, die KI wirklich integriert haben, im Schnitt von 19 Prozent Umsatzsteigerung. Der Unterschied liegt nicht in der Technologie. Er liegt im Ansatz.

Die vier häufigsten Fehler

1. Kein echter Prozess als Grundlage

Der häufigste Fehler passiert vor der ersten Zeile Code: Die KI wird auf einen Wunschprozess gebaut, nicht auf den tatsächlichen Ist-Prozess. Wie kommen Anfragen heute wirklich rein? In welchem Format? Mit welchen Ausnahmen? Wer entscheidet was?

Ohne diese Grundlage automatisiert man einen Prozess, den es so nicht gibt. Das System läuft in der Testumgebung problemlos und versagt in der Realität beim ersten unerwarteten Eingang.

2. Keine Baseline-KPIs

Wer nicht misst wo er heute steht, kann keinen Fortschritt zeigen. Wie viele Terminanfragen kommen pro Woche rein? Wie viele davon sind unvollständig? Wie lange dauert eine Rückfrage? Wie viele Anrufe gehen täglich über die Annahme?

Ohne diese Zahlen gibt es kein Vorher-Nachher, kein Business Case, keine Grundlage für Budgetgenehmigungen. Und niemanden der das System verteidigt, wenn es nach drei Monaten still geworden ist.

3. Keine Ownership nach dem Launch

Wer ist nach dem Go-Live dafür verantwortlich? Wer passt den Agenten an, wenn sich Prozesse ändern? Wer meldet wenn etwas nicht mehr stimmt?

In den meisten Fällen: niemand. Der Anbieter hat geliefert. Die Mitarbeiter haben andere Aufgaben. Das System bleibt wie es ist, bis es niemand mehr benutzt und niemand mehr weiß warum es noch läuft.

4. Zu große Erwartungen, zu wenig Fokus

"KI für das ganze Autohaus" scheitert fast immer. Zu viele Prozesse, zu viele Beteiligte, zu viele offene Fragen auf einmal. Was funktioniert: ein klar abgegrenzter Vorgang, ein Team, ein messbares Ziel.

Terminannahme ist ein Vorgang. Nicht "Kundenkommunikation". Service-Erinnerungen sind ein Vorgang. Nicht "Bestandskundenpflege". Der Fokus entscheidet ob ein Pilot läuft oder ob er sich in Abstimmungsgesprächen verliert.

Der schwerste Schritt: vom Test zum Betrieb

Ein Proof of Concept zeigt ob eine Technologie prinzipiell funktioniert. Das ist in den meisten Fällen keine Frage mehr,KI-Agenten funktionieren. Die eigentliche Herausforderung liegt danach.

Der Sprung vom Test zum laufenden Betrieb ist der, den die wenigsten Anbieter wirklich begleiten. Er erfordert:

• Einen echten Übergabeprozess zwischen Agent und Mitarbeiter
• Klare Eskalationsregeln für Fälle, die der Agent nicht lösen kann
• Monitoring das zeigt ob das System das tut was es soll
• Mitarbeiter die das System als Entlastung erleben, nicht als Kontrolle
• Jemanden der nach 30, 60 und 90 Tagen nachschaut ob die KPIs stimmen

Wer einen Chatbot kauft und einrichtet, liefert keine dieser Voraussetzungen. Wer einen echten Piloten baut, schafft sie von Anfang an.

Was ein Pilot braucht, der funktioniert

Aus der Praxis erfolgreicher Implementierungen ergeben sich vier Bedingungen, die vor dem Start erfüllt sein müssen:

Unser Ansatz

DIGISTAFF baut keine Demos. Jedes Projekt beginnt mit einer Discovery-Woche: Prozessaufnahme, Baseline-Messung, Daten-Readiness-Check. Das Ergebnis ist ein Business Case mit echten Zahlen aus Ihrem Betrieb, bevor eine einzige Zeile Code geschrieben wird.

Wer nach der Discovery-Woche sagt "das rechnet sich nicht", hat eine fundierte Entscheidungsgrundlage. Das ist billiger als ein gescheiterter Pilot.

Die Pilotphase läuft drei Monate, mit zweiwöchentlichen Review-Sessions, dokumentierter Architektur und einer Ownership-Struktur die nach dem Pilot weiterlebt. Das System gehört dem Betrieb,nicht dem Anbieter.

Häufige Fragen

Was ist der Unterschied zwischen einem PoC und einem echten KI-Piloten?

Ein Proof of Concept zeigt ob eine Technologie prinzipiell funktioniert, oft in einer Testumgebung ohne echte Prozesse. Ein echter Pilot läuft auf realen Daten, echten Workflows und mit messbaren KPIs. Der entscheidende Unterschied: Der Pilot ist von Anfang an auf den laufenden Betrieb ausgelegt, nicht auf eine Demonstration.

Warum scheitern so viele KI-Implementierungen im Autohaus?

Die vier häufigsten Gründe: kein klarer Prozess als Grundlage, keine Baseline-KPIs, keine Ownership nach dem Launch und Erwartungen die zu breit gefächert sind. Alle vier lassen sich durch sorgfältige Planung vor dem Start vermeiden.

Wie lange dauert es bis ein KI-Agent produktiv ist?

Bei realistischer Planung: zwei bis vier Wochen Discovery und Setup, dann zwei bis vier Wochen Parallelbetrieb. Produktiver Einsatz nach sechs bis acht Wochen ist erreichbar, wenn ein klar abgegrenzter Prozess als Basis existiert.

Was kostet ein Pilot der wirklich funktioniert?

Der Einstieg ist eine kostenfreie Potenzialanalyse. Was die Umsetzung kostet, hängt vom konkreten Engpass und der Betriebsgröße ab; danach gibt es ein transparentes, individuelles Angebot. Details unter Reifegrad-Check ↗.

Was passiert wenn der Anbieter nach der Implementierung nicht mehr erreichbar ist?

DIGISTAFF setzt auf dokumentierte, offene Architekturen (n8n, Claude API, Standard-Integrationen) und übergibt vollständige Dokumentation. Der Betrieb ist nicht vom Anbieter abhängig. Wer irgendwann selbst weitermachen möchte, kann es,das System gehört dem Betrieb.