Die 1:10:100-Regel: Was mir der Maschinenbau über KI beigebracht hat

Stell dir vor, du sparst heute einen Euro – und zahlst dafür in drei Monaten hundert. Klingt absurd? Genau das passiert gerade in Tausenden Unternehmen, die KI einsetzen. Nicht aus böser Absicht, sondern aus Unwissenheit über eine simple Regel aus dem Maschinenbau. Eine Regel, die im Zeitalter von ChatGPT, Agenten und Automatisierung relevanter ist denn je: die 1:10:100-Regel.

Sie zeigt dir, warum viele KI-Projekte scheitern – und wie du es besser machst.

Von Bauteilen zu Chatbots: Was die 1:10:100-Regel bedeutet

Ursprünglich stammt diese Regel aus der Produktentwicklung und Qualitätssicherung. Sie beschreibt die Kosten eines Fehlers – abhängig davon, wann du ihn entdeckst:

• Vorbeugung kostet 1€: Ein Fehler, den du von vornherein verhinderst, kostet dich minimal.
• Korrektur kostet 10€: Denselben Fehler intern zu finden und zu beheben, kostet das Zehnfache.
• Versagen kostet 100€: Landet der Fehler beim Kunden, explodieren die Kosten.

Im klassischen Maschinenbau ist das greifbar: Ein Konstruktionsfehler in der Entwicklung? Ein Federstrich. Derselbe Fehler in der Fertigung? Ausschuss, Produktionsstillstand, Materialverlust. Derselbe Fehler im Feld? Rückrufaktionen, Haftungsklagen, zerstörtes Vertrauen.

Bei KI-Systemen funktioniert das Prinzip identisch. Nur ist der Fehler nicht aus Metall, sondern aus Daten, Prompts und Halluzinationen. Und er schleicht sich leiser ein – aber mit derselben Wucht.

Vorbeugung: Die unterschätzte Eins

Die erste Stufe ist die unbeliebteste. Warum? Weil sie unsichtbar ist. Niemand lobt dich für Probleme, die nie entstanden sind. Niemand sieht die verhinderte Katastrophe.

Zur Vorbeugung gehört:

• Saubere Datengrundlage: Müll rein, Müll raus – das gilt für KI noch mehr als für jede Datenbank.
• Durchdachte Architektur: Nicht schnell zusammengeklickt, sondern strukturiert geplant.
• Klare Prozesse: Bevor du automatisierst, solltest du verstehen, was du automatisierst.
• Monitoring und Logging von Tag eins: Fehler, die du nicht siehst, kannst du nicht beheben.
• DSGVO by Design: Datenschutz nachträglich draufzukleben, ist wie ein Airbag nach dem Crash.
• Modell-Kontrolle: Blinde Abhängigkeit von einem Anbieter kann dich über Nacht handlungsunfähig machen.
• Tests und Guardrails: Bevor das System live geht, nicht danach.

Das kostet Zeit. Das kostet Geld. Das fühlt sich nach Bremse an. Aber genau hier entscheidest du, ob du später eins zahlst – oder hundert.

Korrektur: Die teure Reparatur

Jetzt wird's teurer. Du hast den Fehler intern gefunden, bevor er den Kunden erreicht. Glück gehabt? Ja. Günstig? Nein. Das kostet dich bereits das Zehnfache.

Typische Korrekturszenarien:

• Halluzinationen im Testing: Du merkst, dass dein Chatbot kreativ wird – und nicht im positiven Sinne.
• Prompt-Engineering-Ping-Pong: Ständiges Nachbessern, weil das Fundament wackelt.
• Debugging im Workflow-Chaos: Niemand hat dokumentiert, niemand weiß mehr genau, was wo passiert.
• Datenqualität nachträglich reparieren: Der Aufwand ist zigfach höher als bei sauberer Vorbereitung.
• Kompletter Neuaufbau: Weil die vibe-codete Lösung nicht skaliert.

Korrektur fühlt sich produktiv an. Du löst Probleme, du fixst Bugs, du kommst voran. Aber in Wahrheit reparierst du nur, was von Anfang an hätte stehen müssen.

Versagen: Wenn der Kunde den Fehler findet

Hier wird die Rechnung brutal. Der Fehler ist live. Der Kunde erlebt ihn. Und jetzt zahlst du hundertfach.

Das kann bedeuten:

• Falsche Auskunft durch deinen KI-Agenten: Vertrauen weg, Kunde weg.
• DSGVO-Verstoß: Bußgelder, Anwaltskosten, öffentliche Bloßstellung.
• Markenschaden: Bewertungen, LinkedIn-Posts, Mundpropaganda – nichts davon kannst du zurückkaufen.
• Vendor-Lock-in: Du bist abhängig von einer Agentur, die nichts dokumentiert hat und dich jetzt als Geisel hält.
• Systemkollaps: Kompletter Neustart, weil das System nie hätte gebaut werden dürfen.

Der wahre Schaden ist nicht das Bußgeld. Es ist der Kunde, der nie wiederkommt. Es sind die zehn anderen, denen er davon erzählt. Es ist das Vertrauen, das du nie zurückgewinnst.

Ad-hoc-KI vs. Infrastruktur-KI: Der Unterschied zwischen 1 und 100

Ad-hoc-KI überspringt die Vorbeugung. Schnell ein Tool angebunden, schnell ein Prompt geschrieben, schnell live. Sieht im Demo fantastisch aus. Funktioniert im Pilot. Und schiebt jeden Fehler nach hinten – dorthin, wo er hundert kostet.

Infrastruktur-KI investiert die einen Euro vorne. Architektur, Datenqualität, Kontrolle, Tests, Dokumentation. Das ist nicht langsamer. Es ist günstiger. Du zahlst einmal eins, statt später zehn oder hundert.

Die meisten Unternehmen merken den Unterschied erst, wenn die Rechnung über hundert auf dem Tisch liegt. Dann ist es zu spät.

Die vier Fragen, bevor du live gehst

Bevor du eine KI-Automatisierung scharf schaltest, beantworte dir ehrlich:

1. Wie könnten die Dinge schiefgehen? Nicht theoretisch. Konkret.
2. Wo gehen sie gerade schon schief? Sei ehrlich. Auch im Pilot.
3. Wie hoch sind Kosten und Wahrscheinlichkeit, dass es schiefgeht? Rechne das durch.
4. Was kostet es, das von vornherein zu verhindern? Vergleiche die eins mit der hundert.

Dann entscheidest du. Aber vergiss die 1:10:100-Regel nicht.

Investiere die eins, bevor du hundert zahlst

Ein Fehler wird mit jeder Stufe, die er unentdeckt weiterwandert, zehnmal teurer. Im Maschinenbau war das physisch greifbar. Bei KI ist es weniger sichtbar – aber nicht weniger real.

Investiere die eins in Vorbeugung. Baue sauber, strukturiert und mit Weitblick. Fang Fehler früh, verhindere die meisten ganz und schütze am Ende deine Marge, dein Vertrauen und deine Kunden. Mach es zur Regel. Denn die Alternative kostet dich hundertmal mehr.