Warum scheitern gute KI-Pilotprojekte trotzdem daran, in die Breite zu gehen? Maher Najjar ist Head of Oncology Germany bei Pfizer und zuvor hat bei AstraZeneca KI-Programme mit aufgebaut und wird das auch in seiner neuen Position bei Pfizer tun. Seiner Erfahrung nach hat das wenig mit der Technik zu tun.

Für Najjar liegt der Grundfehler vieler Pharmaunternehmen an anderer Stelle, als man zunächst annehmen würde. „Der größte Fehler, den Pharmafirmen machen, ist: One size fits all. Wir bringen jetzt ein Tool, und jeder muss lernen damit zu arbeiten“, sagt er. Aus seiner Erfahrung nutzen Innendienst und Marketing generische KI-Werkzeuge wie ChatGPT oder Claude für Recherche, E-Mails und Informationsbeschaffung längst intuitiv, gerade weil diese Tools einfach zu bedienen sind.

Der Außendienst dagegen muss oft gar nicht selbst mit komplexeren Werkzeugen umgehen können. Er profitiert eher indirekt, zum Beispiel wenn KI im Hintergrund Kundendaten auswertet oder wenn mit KI aufbereitete Ergebnisse in einem Dashboard landen. „Der Außendienst muss keine Marketingmaterialien erstellen“, sagt Najjar, „und genau diese Unterscheidung geht bei vielen Rollouts verloren, weil jede Abteilung mit demselben Tool und derselben Vorgabe bedacht wird.“

Zwei Fehler, die sich wiederholen

Der erste Fehler betrifft die sogenannten Digital Champions oder Early Adopter. Das sind Mitarbeitende, die neuen Technologien besonders aufgeschlossen gegenüberstehen und entsprechend schnell erste Erfolge erzielen. Najjar hat kein Problem damit, dass Unternehmen auf sie setzen. Vielmehr stört er sich daran, wie viel Last man ihnen dabei aufbürdet, nämlich die gesamte Skalierung im Alleingang zu tragen. „Wenn jetzt nur der Early Adopter kommt und sagt, hey, das funktioniert, ich hab’s ausgetestet, mach das mal, wird das nicht funktionieren“, sagt er. Diesen Mitarbeitenden fehlt schlicht das Gespür für die Mehrheit, weil sie ein Werkzeug längst zu gut beherrschen, um noch zu wissen, wo es für andere hakt. „Sie haben kein Problembewusstsein mehr“, so Najjar über den eigentlichen Denkfehler hinter vielen Rollouts.

Das Problem reicht dabei über die reine Bedienung hinaus. Wenn Digital Champions Pilotprojekte mitgestalten, bestimmen sie damit oft schon mit, welches Problem überhaupt gelöst werden soll, und was sie selbst für relevant halten, deckt sich nicht zwangsläufig mit dem, was die breite Mehrheit der Belegschaft im Alltag tatsächlich beschäftigt. Was es stattdessen bräuchte, beschreibt Najjar so: „Der Early Adopter muss Kolleginnen und Kollegen erst zeigen, wie ein Werkzeug im Alltag funktioniert, damit sie es selbst lernen und erleben können, bevor sie es übernehmen.“

DigIT Pharma Konferenz 2026 – Digitale Transformation in Commercial & Medical neu gedacht

Die DigIT Pharma & eHealth 2026 lädt vom 9.–10. September 2026 nach Berlin. Im Mittelpunkt stehen dieses Jahr konkrete Use Cases statt Visionen:

  • datengetriebene Steuerung, Omnichannel-Orchestrierung,
  • CRM- und Segmentierungslogiken,
  • Medical Knowledge Workflows sowie
  • KI-gestützte Entscheidungsmodelle in Commercial und Medical Affairs.

Die Veranstaltung zeigt, wie fragmentierte Digital- und AI-Initiativen in skalierbare, messbare Geschäftsmodelle überführt werden – mit direktem Impact auf Performance, Prozesse, HCP-Interaktion und Patient Journeys.

Wie misst man den Erfolg von KI-Implementierung?

Wie teuer es werden kann, wenn genau das übersehen wird, illustriert Najjar an einem Beispiel aus einem früheren beruflichen Leben. Ein Unternehmen, in dem er früher gearbeitet hat, stellte der gesamten Belegschaft weltweit Zugang zu Notebook LM zur Verfügung, einem Tool, das unter anderem automatisiert Podcasts aus hochgeladenen Dokumenten erzeugen kann, ohne vorher zu klären, wer dieses vergleichsweise komplexe Werkzeug im Arbeitsalltag überhaupt braucht. Das Ergebnis: Einige Mitarbeitende haben das Tool spielerisch genutzt, aber nicht, um die eigene Arbeitsleistung zu verbessern. „Sowas bringt dann nichts fürs Unternehmen“, bringt Najjar es auf den Punkt. „Und genau das ist symptomatisch für Rollouts, die sich nur auf die Begeisterung von Digital Champions verlassen, anstatt auf einen klaren Anwendungsfall.“

Dasselbe Muster wiederholt sich laut Najjar auch bei Pilotprojekten: Ein Pilot läuft an, meist besetzt mit den engagiertesten und technisch versiertesten Mitarbeitenden. Er liefert überzeugende Ergebnisse und wird trotzdem nie in die Fläche ausgerollt. „Piloten sind nie scalable, wenn die Basis nicht da ist, also das Mindset und der Wille fehlen, damit zu arbeiten“, sagt er. Wer sich dabei ausschließlich auf die eigenen Digital Champions verlässt, verlässt sich auf genau die Mitarbeitenden, denen für die Skalierung am ehesten das Gespür für die breite Mehrheit fehlt.

Der zweite, ebenso hartnäckige Fehler liegt in der Erfolgsmessung. Najjar erinnert sich an ein Trainings- und Zertifizierungsprogramm aus einem früheren Job, bei dem eine hohe Abschlussquote unter der Belegschaft als Erfolg galt. „Als Erfolg wurde die Prozentanzahl an Mitarbeitern festgelegt, die dieses Tool mindestens zweimal eingesetzt haben“, beschreibt Najjar die Logik hinter solchen Programmen. Ein Zertifizierungsprogramm allein hält er dabei höchstens für einen Ausgangspunkt, nicht für das Ziel selbst. Ohne praktische Übungen, die das Gelernte im Arbeitsalltag verankern, bleibt offen, ob Mitarbeitende die Inhalte wirklich verstanden haben oder das Training nur pro forma abschließen. Die Abschlussquote wird erreicht, das eigentliche Ziel, ein besseres Verständnis für die Technologie, bleibt für viele trotzdem unberührt.

KI immer auch Bottom-up einführen

Statt Vorgaben von oben plädiert Najjar für den umgekehrten Weg. „Immer auch Bottom-up„, sagt er auf die Frage, wie KI-Kompetenz im Pharmaunternehmen aufgebaut werden sollte. Statt direkt mit einem komplexen Pilotprojekt zu starten, empfiehlt er zusätzlich einen stufenweisen Aufbau von KI-Erfahrung in der jeweiligen Abteilung, bevor überhaupt klar ist, wo ein Pilot sinnvoll ausgerollt werden könnte. „Ziele, die sich am Arbeitsalltag der jeweiligen Funktion orientieren, sind tragfähiger als einheitliche Abschlussquoten für alle. Und wichtiger als ein neues Tool schnell auszurollen ist, erst einmal zu klären, welches Problem im Alltag einer Abteilung überhaupt gelöst werden soll, und zwar bevor man festlegt, wer es lernen muss“, so sein Credo.

Dieser Wunsch, jede Funktion einzeln zu betrachten, ist für Najjar kein Sonderfall, sondern folgt aus einem größeren blinden Fleck der Branche. „Im Pharmamarketing und auch im Medical-Bereich reden wir immer davon, dass wir Ärzte segmentieren müssen, aber wir sprechen nie darüber, dass wir auch die Pharmaunternehmen selbst segmentieren müssen“, fasst er seine Beobachtung zusammen. Was er damit meint: Externe Zielgruppen werden mit großem Aufwand nach Vorlieben, Kanal, Frequenz oder individuellem Informationsbedarf eingeteilt. Sogar zwischen Ländern wird längst unterschieden, denn deutsche Ärztinnen und Ärzte reagieren nicht auf dieselbe Ansprache wie beispielsweise italienische oder spanische.

Bei der eigenen Belegschaft hört diese Sorgfalt bei vielen Pharmafirmen aber auf. „Wer selbstverständlich davon ausgeht, dass Ärztinnen und Ärzte höchst unterschiedliche Bedürfnisse haben, sollte sich fragen, warum dieselbe Logik nicht auch für die eigenen Mitarbeiterinnen und Mitarbeiter gelten soll, wenn es um die Einführung von KI geht“, findet Najjar.