Dein interner KI-Copilot scheitert, weil ihn niemand nutzt, nicht am Modell

Du hast die Copilot-Lizenzen gekauft. Es gab eine Launch-Mail, vielleicht eine Schulung. Und drei Monate später, wenn du die reale Nutzung ansiehst, haben die meisten ihn diese Woche nicht geöffnet. Du bist nicht allein: Microsoft meldete rund 15 Millionen zahlende Copilot-Nutzer bei etwa 450 Millionen kommerziellen Office-Lizenzen —etwa 3% reale Adoption— und 2026 liegt die typische wöchentlich aktive Nutzung bei 20-30% der lizenzierten Plätze. Die unbequeme Schlussfolgerung ist die: der interne KI-Copilot scheitert nicht am Modell. Er scheitert, weil ihn niemand nutzt.

Die These in einem Satz: ein interner Copilot stirbt an der Adoption, nicht an der Fähigkeit. Das Modell ist fast immer gut genug; was scheitert, ist das Einpassen in den echten Workflow und der Zugang zu den Daten, die die Antwort wertvoll machen. Ohne diese zwei Dinge bleibt die teure Lizenz ungeöffnet —und das Problem wird nicht durch den Kauf eines besseren Modells gelöst.

Warum der interne KI-Copilot ungeöffnet bleibt

Das Abbruchmuster ist so konstant, dass es inzwischen dokumentiert ist: Leute probieren den Copilot ein- oder zweimal, merken, dass das Prüfen und Korrigieren des generierten Entwurfs länger dauert, als ihn selbst zu schreiben, und hören auf, ihn zu nutzen. Der Nutzungsabfall passiert in der ersten Woche, nicht im ersten Jahr. Es ist keine Faulheit oder Veränderungsresistenz: es ist eine rationale Entscheidung. Wenn dich das Werkzeug bei deiner konkreten Aufgabe mehr kostet, als es spart, ist das Weglassen die richtige Wahl.

Und hier ist der Diagnosefehler, der teuer bezahlt wird: wenn die Adoption stockt, ist die typische Reaktion zu denken, das Modell reiche nicht, und ein besseres zu suchen. Aber die Daten zeigen das Gegenteil —die Nutzerwahrnehmung weicht von der Modellqualität ab— was auf Produkterlebnis und Integrationsausführung zeigt, nicht auf die Fähigkeit. Das Modell zu wechseln, wenn das Problem die Passung ist, heißt am falschen Hebel Geld ausgeben.

Die drei echten Gründe, warum die Adoption zusammenbricht

Unter dem „sie nutzen ihn nicht" liegen konkrete Ursachen, und keine wird mit einem stärkeren Modell gelöst.

• Er passt nicht in den Workflow. Der Copilot lebt in einem separaten Tab und die Arbeit lebt woanders. Wenn seine Nutzung bedeutet, den Fluss zu verlassen, Kontext zu kopieren und zurückzukehren, frisst die Reibung die Ersparnis. Das Werkzeug muss dort sein, wo man schon arbeitet, nicht in einem Fenster, das man suchen muss.
• Er hat die Daten nicht zur Hand. Ein Copilot, der deine Richtlinien, deine Historie und deine Systeme nicht kennt, antwortet generisch —und Generisches muss komplett neu geschrieben werden. Der Sprung von „Assistent, der Plausibles verfasst" zu „Assistent, der mit deinen Daten antwortet" ist es, was ein Spielzeug von einem Werkzeug trennt.
• Niemand hat gezeigt, dass er bei einer echten Aufgabe funktioniert. Ohne einen sichtbaren Fall im Team —jemand, der ihn für etwas Konkretes nutzt und wirklich Zeit spart— gibt es keinen sozialen Beweis, der den Rest mitzieht. Leute übernehmen nicht wegen einer Mail; sie übernehmen, wenn sie einen Kollegen in zwei Minuten lösen sehen, was ihnen zwanzig kostet.

Es gibt einen vierten, stillen: die Sicherheits- und Datenzweifel, die niemand ausgeräumt hat. Wenn das Team nicht weiß, ob seine Prompts das Modell trainieren oder ob es Kundendaten eingeben darf, nutzen viele ihn einfach nicht —und sagen es nicht. Diese Unsicherheit tötet die Adoption, ohne in irgendeiner Umfrage eine Spur zu hinterlassen.

Ein Copilot ist kein Agent: die Nuance, die das Projekt ändert

Teil des Problems ist, vom Copilot etwas zu erwarten, das er per Design nicht tut. Ein Copilot assistiert einer Person: er wartet auf deine Anweisung, verfasst, fasst zusammen, sucht. Er glänzt im Punktuellen und stirbt im Repetitiven, das mehrere Apps durchquert —einsammeln, was per Mail kommt, und strukturiert ablegen, einen Datensatz an drei Orten konsistent halten, aus Verstreutem ein Dossier bauen. Das tut kein Copilot, der auf Befehle wartet; das tut ein Verwaltungsagent, der allein arbeitet. Zu entscheiden, welche du brauchst, ist die erste Frage von welche Prozesse man mit KI automatisiert: ist die Arbeit, Personen zu assistieren, Copilot; ist sie, repetitive Tastaturarbeit zu entfernen, Agent. Einen Copilot zu verkaufen, wo ein Agent nötig war, ist eine Garantie für Enttäuschung, und umgekehrt.

Wie man die Adoption repariert (und es ist nicht mit einem anderen Modell)

Wenn die Adoption das Problem ist, ist die Adoption das, worin man investiert. In der Praxis sind es vier Züge, keiner über das Modell:

1. Den Copilot in den echten Fluss setzen. Dort, wo man schon arbeitet —das CRM, das Helpdesk, das Dokument— nicht in einem separaten Tab. Muss man ihn suchen, wird er nicht genutzt.
2. Ihm die Daten zur Hand geben. Ihn mit deinen Richtlinien, deiner Historie und deinen Systemen verbinden, damit er mit deinen Daten antwortet und nicht generisch. Hier geht ein Copilot von plausibel zu nützlich.
3. 2-3 konkrete Aufgaben wählen und vorführen. Nicht „nutzt die KI": „für diese Art Mail spart dir dieser Prompt fünfzehn Minuten". Ein sichtbarer Fall, der funktioniert, zieht mehr als zehn Schulungen.
4. Die Sicherheitsfrage beantworten, bevor sie gestellt wird. Was mit den Daten passiert, was man eingeben darf und was nicht. Vertrauen ist eine Voraussetzung für Nutzung, kein Extra.

Das ist im Grunde derselbe Grund, warum KI-Automatisierungsprojekte scheitern: Technik wird gekauft und das Einpassen in die echte Arbeit und die Menschen, die sie tun, übersprungen. Die Technologie ist der leichte Teil; dass sie genutzt wird, ist der schwere, und er entscheidet über den Ertrag. Deshalb ist die Arbeit, die wirklich etwas bewegt, nicht ein Modell zu wählen, sondern die KI-Adoption in den Teams: Einpassen in den Fluss, verbundene Daten, vorgeführte Fälle und ausgeräumte Zweifel.

Die Frage, die du vor der Lizenzverlängerung stellen solltest

Wenn die Verlängerung ansteht und du flache Nutzung siehst, wird die Versuchung sein, Anbieter oder Modell zu wechseln. Stell zuerst die Frage, die das Problem ordnet: nutzen die Leute ihn nicht, weil das Modell schlecht ist, oder weil er nicht in ihre Arbeit passt und die Daten nicht zur Hand hat? Es ist fast immer das Zweite. Und das wird nicht durch Kaufen gelöst —es wird gelöst, indem man die Adoption als Projekt mit Eigentümer aufbaut, nicht als Launch-Mail. Ein Copilot, den niemand nutzt, ist kein KI-Problem: es ist eine teure Lizenz, die darauf wartet, dass jemand die Arbeit macht, sie zur Nutzung zu bringen.