KI-Ausfall im Unternehmen: Was tun, wenn der KI-Dienst streikt?

Ein KI-Ausfall sucht sich nie den passenden Moment aus. Stellen Sie sich einen Montag Anfang Dezember vor, 15 Uhr, im Kundenservice eines Onlinehändlers für Spielwaren. Die Weihnachtsaktion läuft, und Teamleiterin Jana Petersen sieht zu, wie sich das Postfach schneller füllt als in jeder anderen Woche des Jahres.

Den Großteil der Anfragen beantwortet ein KI-Assistent: Lieferstatus, Umtausch, Geschenkverpackung. Um 15:07 Uhr werden seine Antworten zäh, dann kommen nur noch Fehlermeldungen. Der Anbieter hat eine Störung, ausgerechnet mitten in der eigenen Lastspitze.

Im Vorjahr hätte das einen eingefrorenen Chat und einen Berg unbeantworteter Tickets bedeutet. Diesmal greift die Rückfallebene, die das Team im Sommer hat einbauen lassen. Einfache Fragen beantwortet ein kleineres Modell, Aufwendigeres wandert in eine Warteschlange, und kritische Fälle wie eine falsch gelieferte Bestellung landen sofort bei Janas Kolleginnen und Kollegen.

Auf Janas Telefon meldet sich das Monitoring, die Rückfallstufe ist aktiv. Gegen 16:40 Uhr läuft der Dienst wieder, am Abend ist die Warteschlange abgearbeitet. Der Betrieb war langsamer, aber er stand nie still.

Die Szene ist erfunden, ihre Zutaten sind es nicht. Laut Bitkom (2026) setzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI ein, nach 36 Prozent im Vorjahr, und am häufigsten kommt sie im Kundenkontakt zum Einsatz, etwa bei der Bearbeitung von Anfragen (72 Prozent).

Was also tun bei einem KI-Ausfall im Unternehmen? Die wichtigste Arbeit passiert vor der Störung: Prozesse nach Kritikalität ordnen, kritische Abläufe gestuft absichern, Störungen automatisch erkennen, Verträge auf Limits prüfen und den Ernstfall proben. Dann kostet eine Störung Zeit, aber sie legt den Betrieb nicht lahm.

Auch große KI-Dienste fallen aus: 98,95 Prozent heißen rund 23 Stunden Störung in 90 Tagen

Ein KI-Ausfall trifft auch etablierte Anbieter: Eine der großen KI-Schnittstellen kam von Januar bis Anfang April 2026 rechnerisch auf rund 23 Stunden mit Störungen. Laut einem Bericht des Wall Street Journal, den The Decoder (2026) zusammenfasst, lag die Verfügbarkeit der Claude-API in den 90 Tagen bis zum 8. April 2026 bei 98,95 Prozent; als üblichen Standard der Cloud-Branche nennt der Bericht 99,99 Prozent.

Die archivierte Statusseite des Anbieters (2026) weist als Selbstauskunft denselben Wert aus. Die rund 23 Stunden sind eine eigene Rechnung und nicht zwingend ein Totalausfall, weil Statusseiten auch Teilstörungen anteilig einrechnen können.

Grundlage ist eine eigene Rechnung mit 2.160 Stunden für 90 Tage.

Betroffen ist nicht nur ein Anbieter. Ist ein KI-Dienst überlastet, wird rationiert: Ende März 2025 führte OpenAI laut Fortune (2025) vorübergehende Rate-Limits ein, weil die GPUs nach dem Start der Bildgenerierung überlastet waren. GitHub stoppte im April 2026 Neuanmeldungen für drei Abo-Stufen seines Code-Assistenten und verschärfte die Limits, um die Servicequalität für bestehende zahlende Kunden zu sichern (GitHub (2026)). Ein KI-Ausfall ist damit kein Sonderfall, sondern ein Betriebsrisiko, das sich einplanen lässt.

Nicht jeder KI-Ausfall ist gleich teuer: Welcher Prozess wie lange stehen darf

Eine Rückfallebene brauchen vor allem Prozesse, in denen schon ein kurzer KI-Ausfall Schaden anrichtet. Am Anfang steht deshalb eine Inventur, die für jeden KI-Prozess festlegt, ob er Minuten, Stunden oder Tage stehen darf.

Laut BSI (2025) ist die Abhängigkeit vom betreibenden Unternehmen ein eigenes Risiko generativer KI, unter anderem weil die Verfügbarkeit des Modells für Nutzer nicht kontrollierbar sein kann. Damit gehört die Inventur in jede Planung zur Geschäftskontinuität und ergänzt das allgemeine Risikomanagement für KI im Mittelstand.

• Minuten: Alles, wobei Kunden in Echtzeit warten, etwa Chat, Telefonannahme oder Bestellannahme. Hier ist eine automatische, getestete Rückfallebene Pflicht.
• Stunden: Vorgänge, die sich puffern lassen, etwa Belegerfassung, E-Mail-Vorsortierung oder Angebotsentwürfe. Meist reicht eine Warteschlange mit Nachverarbeitung.
• Tage: Auswertungen, Marketingtexte oder interne Recherchen. Hier genügt es, die Störung abzuwarten oder von Hand zu überbrücken.

In unserer Praxis bei DigiRift zeigt diese Inventur meist, dass nur wenige Abläufe wirklich minutenkritisch sind. Genau diese laufen aber oft ohne getestete Rückfallebene, weil sie im Pilotbetrieb nie unter echter Last standen. Die entscheidende Frage lautet: Was kostet eine Stunde KI-Ausfall in diesem Prozess, gemessen an Umsatz, Kundenvertrauen und Mehrarbeit?

Langsamer statt Stillstand: Rückfallebenen in vier Stufen

Eine gute Rückfallarchitektur, oft Fallback genannt, schaltet bei einem KI-Ausfall nicht zwischen An und Aus, sondern gibt Leistung stufenweise ab: an ein zweites Modell, an ein kleineres Modell in der EU oder im eigenen Haus, an eine Warteschlange und zuletzt an Mitarbeiter. Jede Stufe kann weniger als die vorige, aber der Ablauf reißt nicht ab.

Das zweite Modell ist nur eine Stufe von mehreren: Trifft es dasselbe Kapazitätsproblem, tragen die Stufen dahinter. Wann sich ein Modell auf eigener Hardware lohnt, beschreibt unser Beitrag zu Edge-KI statt Cloud.

Die letzte Stufe entscheidet über das Kundenerlebnis: Ein Mitarbeiter kann nur sinnvoll übernehmen, wenn er den Vorgang mit Verlauf, Kundendaten und dem Stand bekommt, an dem die KI aufgehört hat. Gerade im Onlinehandel mit KI wird die Hochsaison zur Probe für diese Übergabe.

Drei Bausteine, mit denen eine Automatisierung einen KI-Ausfall übersteht

Eine KI-Automatisierung übersteht einen KI-Ausfall nur mit drei Bausteinen: Schutzmechanismen in jeder Anbindung an den Anbieter, einem Verfügbarkeits-Monitoring mit Alarmierung und einem regelmäßigen Ausfalltest. Fehlt einer davon, bleibt die Rückfallebene ein Versprechen auf dem Papier.

Vier Schutzmechanismen, die in jede Anbindung gehören

• Zeitlimits: Jede Anfrage an den KI-Dienst hat eine Höchstdauer, danach übernimmt die nächste Stufe, statt dass der Kunde wartet.
• Wiederholung mit Wartezeit: Kurze Aussetzer fängt eine Wiederholung mit wachsenden Abständen ab, ohne den überlasteten Dienst zusätzlich zu fluten.
• Schutzschalter: Häufen sich Fehler, umgeht das System den gestörten Dienst vorübergehend und prüft in Abständen, ob er wieder stabil läuft.
• Schutz vor Doppelbuchungen: Eine wiederholte Anfrage löst keine Aktion zweimal aus, etwa eine Gutschrift oder Bestellung.

Monitoring, das die Störung vor dem Kunden bemerkt

Ein Verfügbarkeits-Monitoring erkennt einen KI-Ausfall, bevor sich der erste Kunde beschwert: Es schickt regelmäßig Testanfragen an den Dienst, misst Fehlerquote und Antwortzeit und schlägt Alarm, sobald eine Schwelle überschritten ist. Die Statusseite des Anbieters ersetzt das nicht, denn sie zeigt den Zustand seines Dienstes und nicht den Ihres Prozesses.

Der Ausfalltest: ein Vormittag ohne Anbieter

Ob alles zusammenspielt, zeigt nur ein geprobter KI-Ausfall. In unseren Projekten hat sich ein regelmäßiger Ausfalltest bewährt, bei dem der Anbieter für einen Vormittag simuliert abgeschaltet wird: Greifen die Stufen, kommen die Alarme an, wissen die Mitarbeiter, was zu tun ist? Wer KI gerade einführt, plant diese Probe am besten direkt in die 90-Tage-Roadmap zum Produktivbetrieb ein.

SLA und Rate-Limit: Fünf Punkte, die vor der nächsten Lastspitze im Vertrag stehen müssen

Ein SLA für KI-Dienste sollte fünf Punkte regeln: die zugesagte Verfügbarkeit samt Messmethode, Gutschriften bei Unterschreitung, die Rate-Limit-Stufe Ihres Vertrags, eine Kontingentreserve für Spitzen und die Statuskommunikation im Störfall. Gutschriften mildern die Rechnung, ersetzen aber keine Rückfallebene.

Prüfen Sie außerdem, ob jeder produktive Prozess über einen API-Vertrag läuft und nicht heimlich über Abo-Konten mit Limits für Endkunden: Ein großer Anbieter bestätigte im März 2026, dass die Fünf-Stunden-Limits seiner Abos werktags zwischen 5 und 11 Uhr pazifischer Zeit schneller aufgebraucht sind, nach unserer Umrechnung meist zwischen 14 und 20 Uhr deutscher Zeit (PCWorld (2026)). Was Zugangsänderungen eines Anbieters sonst bedeuten, beleuchtet unser Beitrag zu KI-Agenten und Datenabfluss.

Auch die eigene Lastspitze kann wie ein Ausfall wirken

Trifft die eigene Lastspitze das Rate-Limit, weist der Anbieter überzählige Anfragen ab oder bremst sie, obwohl sein Dienst läuft. Für Ihren Prozess wirkt das wie ein KI-Ausfall, nur selbst ausgelöst. Monatsende, Kampagnen und Weihnachtsgeschäft gehören vorab auf den Prüfstand: Wie viele Anfragen erzeugt der Prozess in der Spitze, und wie viel davon deckt die gebuchte Stufe?

Reicht sie nicht, helfen eine höhere Stufe, eine vertragliche Reserve oder eine Warteschlange, die Spitzen glättet. Ein geplanter Anbieterwechsel ist übrigens etwas anderes: Er lässt sich vorbereiten, ein KI-Ausfall kommt ohne Vorwarnung.

Warum Reserven knapp bleiben

Auf schnelle Entspannung sollten Sie nicht bauen. Laut SemiAnalysis (2026) war kurzfristig mietbare GPU-Kapazität im Frühjahr 2026 über alle GPU-Typen ausverkauft, und alles, was bis August oder September 2026 neu ans Netz gehen sollte, war bereits gebucht. Zudem erwartet ASML (2026), dass das geplante Angebot an Lithografieanlagen die Nachfrage 2027 und 2028 nicht voll deckt.

Dass KI-Kapazität deshalb knapp bleibt, ist unsere Einschätzung, keine Gewissheit. Wie sich Kapazitäten und Limits der großen Dienste entwickeln, ordnen wir regelmäßig im KI-Newsletter von DigiRift ein.

Bei DigiRift gehört die Rückfallebene zum Betrieb, nicht zu Ihren Aufgaben

DigiRift baut und betreibt produktive KI-Automatisierungen mit eingebauter Rückfallebene, damit ein KI-Ausfall beim Anbieter Ihre Abläufe höchstens verlangsamt. Sie müssen dafür nichts selbst konfigurieren oder überwachen.

Gemeinsam mit Ihnen legen wir fest, welcher Prozess wie lange stehen darf, und bauen die passende Stufe: den Wechsel auf ein zweites oder ein EU-gehostetes Modell, Warteschlangen für alles, was warten kann, und eine saubere Übergabe an Ihre Mitarbeiter. Monitoring mit Alarmierung und regelmäßige Ausfalltests gehören zum Betrieb, auf Wunsch mit Servern und Daten in Deutschland.

Aus über 250 Projekten in mehr als zehn Jahren weiß unser 37-köpfiges Team: Eine Rückfallebene plant man am besten beim Bau ein, nicht erst nach der ersten Störung. Wenn Sie wissen möchten, wie belastbar Ihre KI-Prozesse heute sind, melden Sie sich bei uns.

Fazit: Ein KI-Ausfall darf bremsen, aber nicht stoppen

KI-Dienste fallen aus, drosseln oder stoßen an Limits, und die knappe Rechenleistung spricht nicht für eine schnelle Besserung. Wer KI produktiv im Kundenservice, in der Auftragsabwicklung oder im Backoffice nutzt, braucht Architektur statt Hoffnung: eine Inventur nach Kritikalität, Rückfallstufen für die kritischen Abläufe, ein Monitoring mit Alarm, geprüfte Verträge und regelmäßige Ausfalltests. So wird aus einem KI-Ausfall eine Verzögerung statt eines Stillstands.

In einem 30-minütigen Gespräch gehen wir Ihre KI-Prozesse durch und ordnen jeden nach Kritikalität ein. Danach wissen Sie, welcher Ablauf eine Rückfallebene braucht, welche Stufe passt und womit Sie vor Ihrer nächsten Lastspitze beginnen sollten: Termin über unsere Kontaktseite vereinbaren.

Quellen

1. Bitkom (2026): Erstmals nutzt die Mehrheit der Unternehmen KI, 14.09.2026
2. The Decoder (2026): KI-Branche geht die Rechenleistung aus, 13.04.2026
3. Statusseite des Anbieters, Archivstand 08.04.2026 (Internet Archive)
4. Fortune (2025): Rate-Limits wegen überlasteter GPUs, 28.03.2025
5. GitHub (2026): Changes to GitHub Copilot plans for individuals, 20.04.2026
6. BSI (2025): Generative KI-Modelle, Chancen und Risiken für Industrie und Behörden
7. PCWorld (2026): Angepasste Nutzungslimits zu Spitzenzeiten, 27.03.2026
8. SemiAnalysis (2026): The Great GPU Shortage, 02.04.2026
9. ASML (2026): Ergebnisse des 3. Quartals 2026, 14.10.2026