McDonald's hat der KI drei Jahre lang beigebracht, Drive-thru-Bestellungen aufzunehmen. Warum 260 Chicken McNuggets das Experiment beendeten.

Ende Juni 2024 saß ich in einem Hotelzimmer und scrollte durch mein Handy, als mich ein TikTok schlagartig innehalten ließ. Eine Frau am Drive-thru von McDonald's schrie einen Lautsprecherkasten an, während eine KI-Stimme fröhlich ihre Bestellung bestätigte: neun Sweet Teas, ein Karamell-Sundae mit Bacon und offenbar Chicken McNuggets im Wert von $222. Sie hatte nichts davon bestellt.

Ich habe es dreimal angesehen. Nicht weil es lustig war — das war es —, sondern weil ich genau erkannte, was schiefgelaufen war. Die Architektur. Nicht das Modell, nicht die Trainingsdaten, nicht der Prompt. Die Architektur.

In derselben Woche beendete McDonald's offiziell seine dreijährige KI-Drive-thru-Partnerschaft mit IBM. Über 100 US-Filialen kehrten zu menschlichen Mitarbeitern mit Headset zurück. Der Pilot war bei rund 80–85 % Bestellgenauigkeit stehen geblieben — was ordentlich klingt, bis man begreift, dass menschliche Mitarbeiter typischerweise 90 % oder mehr erreichen und dass in der Fastfood-Welt mit ihren hauchdünnen Margen jede falsche Bestellung ein kleiner Brand ist, der mit Gratis-Essen und einer Entschuldigung gelöscht werden muss.

Ich baute bei Veriprajna lange genug KI-Systeme, um zu wissen: Das war kein Versagen der KI. Es war ein Versagen der Philosophie. McDonald's hatte versucht, ein tiefes Architekturproblem mit einer flachen Architekturantwort zu lösen. Und die 260 McNuggets waren die Art des Universums zu sagen: So funktioniert das nicht.

Das Experiment, das zur Pointe wurde

Die Vorgeschichte ist wichtig. 2019 übernahm McDonald's Apprente, ein Startup für Spracherkennung, und gliederte es in eine Einheit namens McD Tech Labs ein. Zwei Jahre später verkaufte der Konzern diese Einheit an IBM — in der Wette, dass Big Blues Enterprise-Infrastruktur und Watson NLP die Technologie global skalieren könnten.

Die Logik schien schlüssig. IBM hatte die Server, die NLP-Pipeline, die Glaubwürdigkeit im Enterprise-Umfeld. McDonald's hatte 40.000 Filialen weltweit und ein dringendes Bedürfnis, die Personalgleichung zu lösen. Bringt man beides zusammen, bekommt man die Zukunft des Fastfood.

Stattdessen bekam man Bacon auf Eiscreme.

Die Fehler waren keine gelegentlichen Aussetzer. Sie waren systematisch. Die KI erfasste Bestellungen aus benachbarten Spuren, weil sie nicht unterscheiden konnte, welches Auto gerade sprach. Sie interpretierte Radiogeplapper im Hintergrund als Menübestellungen. Wenn sie nicht verstand, was ein Kunde sagte — was bei regionalen Akzenten, Korrekturen mitten im Satz oder mehreren gleichzeitig redenden Insassen ständig vorkam —, riet sie einfach. Und ihr Raten wurde von Token-Wahrscheinlichkeiten gesteuert, nicht von gesundem Menschenverstand.

Eine KI, die nicht weiß, dass 260 McNuggets absurd sind, weiß überhaupt nichts über McNuggets.

Dieser Satz ging mir nicht mehr aus dem Kopf. Denn das Problem war nicht, dass das Modell dumm gewesen wäre. Sprachmodelle der GPT-Ära sind bemerkenswert leistungsfähig. Das Problem war, dass niemand die Schicht gebaut hatte, die sagt: "Moment, das kann nicht stimmen."

Warum ist der KI-Drive-thru von McDonald's wirklich gescheitert?

Ich will hier präzise sein, denn das gängige Narrativ — "KI ist noch nicht reif für die echte Welt" — ist falsch. Wendy's FreshAI-System, gebaut auf Google Cloud, erreichte rund 99 % Genauigkeit und verkürzte die Servicezeiten um 22 Sekunden. Taco Bells Byte-System, das auf Nvidia-Infrastruktur läuft, hatte über 2 Millionen erfolgreiche Bestellungen in mehr als 500 Filialen verarbeitet. Die Technologie funktioniert. Sie funktioniert nur nicht so, wie McDonald's und IBM sie gebaut haben.

Drei Dinge haben das Pilotprojekt zu Fall gebracht.

Der Drive-thru ist eine akustische Kriegszone. Die meisten Sprachmodelle werden in ruhigen Umgebungen trainiert. Eine Drive-thru-Spur bietet Motorendröhnen, Winddruck am Mikrofon, Autoradios, die konkurrierende Sprache einstreuen, und Insassen, die durcheinanderschreien. Dem IBM-System fehlte ausgefeiltes Beamforming — die Technik, mit Mikrofon-Arrays einen räumlichen Fokus auf den Mund des Fahrers zu legen. Ohne das verarbeitete die KI schlicht jede Stimme, die sie hören konnte. So landete die Bestellung des einen Autos auf der Rechnung eines anderen.

Menschliche Sprache ist herrlich chaotisch. Kunden sagen "Mickey D's" statt "McDonald's". Sie ändern mitten im Satz ihre Meinung: "Gib mir eine Cola — nein, warte, Dr. Pepper." Sie benutzen Slang, nuscheln, haben Akzente, die in den Trainingsdaten nie vorkamen. Wenn das IBM-System eine Eingabe nicht parsen konnte, nutzte es Greedy Decoding — es wählte das statistisch wahrscheinlichste nächste Wort, statt nachzufragen. So wurde aus "Wasser und Vanilleeis" ein "Karamell-Sundae mit Butter und Ketchup". Das System ordnete phonetische Fragmente hochwahrscheinlichen Menüpunkten zu — unabhängig davon, ob die Kombination irgendeinen Sinn ergab.

Es gab keine Plausibilitätsschicht. Das ist der Punkt, der mich am meisten trifft. Keine Obergrenze für Mengen. Keine Regel, die besagt: Eis plus Bacon bedeutet "frag einen Menschen". Kein Eskalationsauslöser für hochpreisige Transaktionen. Das Sprachmodell traf alle Entscheidungen, und Sprachmodelle schlussfolgern nicht über die physische Welt. Sie sagen das nächste Token voraus. Das ist etwas grundlegend anderes.

Das Wrapper-Problem

Ich erinnere mich an ein Gespräch mit einem potenziellen Kunden in dieser Zeit. Es war ein mittelgroßer Einzelhändler, und er hatte gebaut, was er stolz ein "KI-gestütztes Kundenservice-System" nannte. Als ich unter die Haube schaute, war es eine dünne Softwareschicht zwischen seinen Kunden und der API von OpenAI. Sie formatierte Eingaben, strukturierte Ausgaben und fügte das Logo hinzu. Das war alles.

"Was passiert, wenn es halluziniert?", fragte ich.

"Wir haben einen Haftungsausschluss", sagten sie.

Genau das nennt die Branche einen "Wrapper" — und es ist das Architekturmuster, an dem McDonald's gescheitert ist. Ein Wrapper nimmt ein leistungsfähiges Foundation Model und trägt eine Schicht Farbe darauf auf. Für Demos ist das großartig. Für Prototypen ist das großartig. Es ist katastrophal unzureichend für jede Umgebung, in der ein Fehler Konsequenzen hat.

Das System von McDonald's und IBM war im Kern ein Wrapper um das alte Watson NLP. Das Sprachmodell erledigte alles: Spracherkennung, Intent-Parsing, Menü-Abgleich, Bestellbestätigung. Es gab keine Trennung zwischen dem, was probabilistisch sein sollte (das Verstehen chaotischer menschlicher Sprache), und dem, was deterministisch sein sollte (das Durchsetzen von Geschäftsregeln). Es war Wahrscheinlichkeit bis ganz nach unten.

Ich habe diese architektonische Unterscheidung ausführlich in unserem interaktiven Forschungspapier beschrieben, aber die Kernidee ist einfach genug, um auf eine Serviette zu passen.

Was bedeutet "deterministischer Kern, probabilistischer Rand" eigentlich?

Bei Veriprajna bauen wir Systeme nach einem Prinzip, auf das ich immer wieder zurückkomme: Nutze KI für das, was KI gut kann, und nutze Regeln für das, was Regeln gut können.

Ein Sprachmodell ist spektakulär gut darin, die Absicht hinter chaotischer, mehrdeutiger, akzentgefärbter menschlicher Sprache zu verstehen. Das ist der probabilistische Rand — die flexible äußere Schicht, die das Chaos der echten Welt bewältigt.

Aber sobald die Absicht verstanden ist, sollte die Ausführung von harter Logik gesteuert werden. Von einer symbolischen Inferenz-Engine. Von einem Wissensgraphen des Unternehmens. Von Regeln, die sich nicht durch statistische Wahrscheinlichkeit übersteuern lassen.

Im Drive-thru-Kontext heißt das:

Das LLM hört "gib mir so hundert Nuggets" und interpretiert die Absicht korrekt als "Kunde möchte eine große Menge Chicken McNuggets". Dann greift der deterministische Kern: Die maximale Menge pro Einzelbestellung für McNuggets liegt bei 40 Stück. Das System fragt: "Ich kann bis zu 40 McNuggets machen — hätten Sie die gern?" Statt fröhlich 2.510 in die Kasse zu tippen.

Das Sprachmodell sollte die Ohren sein. Die Regel-Engine sollte das Gehirn sein. McDonald's ließ die Ohren denken.

Das ist nicht theoretisch. Wendy's FreshAI funktioniert genau deshalb, weil es tief in das Kassensystem und die Küchendisplays integriert ist — die KI versteht, was man sagt, aber die Geschäftslogik entscheidet, was als Nächstes passiert. Taco Bells System nutzt Multi-Agenten-Orchestrierung, bei der verschiedene spezialisierte Komponenten unterschiedliche Teile der Transaktion übernehmen. Das sind durchdachte Architekturen, keine Wrapper.

Die Nacht, in der ich den wahren Burggraben verstand

Es war ein später Abend — ich glaube, ein Donnerstag —, an dem mein Team und ich eine Audioverarbeitungs-Pipeline für ein Kunden-Deployment debuggten. Wir saßen schon stundenlang daran. Das System klassifizierte Umgebungsgeräusche immer wieder fälschlich als Spracheingabe, und wir kamen nicht dahinter, warum.

Gegen 23 Uhr rief einer meiner Ingenieure das rohe Spektrogramm auf und zeigte auf ein Muster, das keinem von uns aufgefallen war. Die Lüftungs- und Klimaanlage im Gebäude des Kunden erzeugte ein niederfrequentes Brummen, das genau im Bereich bestimmter Vokallaute lag. Das Modell hörte buchstäblich die Klimaanlage und versuchte, ihre Bestellung aufzunehmen.

Die nächsten zwei Wochen bauten wir eine maßgeschneiderte Schicht zur spektralen Subtraktion — ein neuronales Netz, das speziell auf das Geräuschprofil dieses Gebäudes trainiert war —, die die Signatur der Klimaanlage erkennen und entfernen konnte, bevor das Audio überhaupt das Spracherkennungsmodell erreichte.

Da fiel bei mir der Groschen. Der wahre Burggraben in der Enterprise-KI ist nicht das Modell. Gute Modelle stehen heute jedem offen. Der Burggraben liegt in der Signalverarbeitung — der unsexy, mühsamen Arbeit, die echte Welt zu bereinigen, bevor sie das Gehirn der KI erreicht.

Dem System von McDonald's fehlte das vollständig. Forschung aus Stanford zeigt, dass cross-modale Ansätze — bei denen eine Kamera zusätzlich zum Audio die Lippenbewegungen verfolgt — die Wortfehlerrate in lauten Umgebungen von 28,8 % auf 12,2 % senken können. Das ist der Unterschied zwischen einem System, das funktioniert, und einem, das aus den falschen Gründen viral geht.

Wem gehört das Gehirn?

Es gibt eine weitere Dimension des Scheiterns von McDonald's, die es nicht in die TikTok-Compilations geschafft hat, aber enorm wichtig ist: Datensouveränität.

McDonald's sah sich bereits Klagen nach dem Illinois Biometric Information Privacy Act ausgesetzt, weil das Unternehmen angeblich Stimmprofile von Kunden ohne deren Einwilligung erhoben hatte. Wenn Ihre KI in der Cloud eines Dritten läuft, fließt jede Kundeninteraktion — jede Stimme, jede Bestellung, jedes Präferenzmuster — durch eine Infrastruktur, die Sie nicht kontrollieren.

Das ist nicht nur ein rechtliches Risiko. Es ist ein strategisches. Fünfzig Prozent der Wissensarbeiter nutzen bereits nicht genehmigte KI-Tools bei der Arbeit, und 46 % sagen, sie würden sie selbst bei einem ausdrücklichen Verbot weiter nutzen. Wir nennen das "Shadow AI" — ein massives, unsichtbares Datenleck, das die meisten Großunternehmen noch nicht einmal angegangen sind.

Die Alternative ist das, was wir souveräne Intelligenz nennen: Modelle innerhalb der eigenen Infrastruktur der Organisation zu betreiben, wo die Daten das Haus nie verlassen. Für die vollständige technische Aufschlüsselung von privatem LLM-Deployment und Shadow-AI-Risiko verweise ich Sie auf unsere Forschung — aber das Prinzip ist simpel. Wenn Ihnen das Gehirn nicht gehört, gehört Ihnen das Geschäft nicht.

Warum funktionieren manche KI-Drive-thrus und andere nicht?

Man fragt mich das ständig, und ich glaube, die Leute erwarten eine komplizierte Antwort. Sie ist es nicht.

Die Systeme, die funktionieren — Wendy's, Taco Bell, White Castle —, wurden von Grund auf als integrierte Architekturen gebaut. Sie behandeln die KI als eine Komponente in einem größeren System, zu dem Signalverarbeitung, Geschäftslogik, menschliche Eskalationspfade und kontinuierliches Monitoring gehören. Die KI ist mächtig, aber eingegrenzt. Sie arbeitet innerhalb von Guardrails, die die tatsächliche Physik des Geschäfts abbilden.

Das System, das scheiterte, war nur angeschraubt. Es behandelte KI als Dienst, den man abonniert, statt als Fähigkeit, die man konstruiert. Es verlangte von einem Sprachmodell alles — hören, verstehen, entscheiden, ausführen — in einer Umgebung, für die Sprachmodelle nie gebaut wurden.

Die Drive-Thru-Studie 2025 bestätigt diese Spaltung. KI-gestützte Spuren sind im Schnitt 22 bis 29 Sekunden schneller als von Menschen besetzte Spuren, und trotz schlechterer Werte bei der "Freundlichkeit" verzeichneten KI-Filialen 97 % Gesamtzufriedenheit — sechs Punkte über dem traditionellen Durchschnitt. Kunden brauchen keine warmherzige KI. Sie brauchen eine, die richtig liegt.

In der Zukunft des Fastfood bemisst sich Gastfreundschaft nicht an der Wärme einer Stimme. Sie bemisst sich daran, ob man bekommt, was man tatsächlich bestellt hat.

Der Streit, den wir über "gut genug" hatten

Ich möchte etwas erzählen, das intern bei Veriprajna passiert ist, weil es meiner Meinung nach ein Spannungsfeld illustriert, mit dem jedes KI-Unternehmen zu tun hat.

Wir entwarfen ein System für einen Kunden, und einer meiner Senior Engineers argumentierte, wir würden die deterministische Schicht überkonstruieren. "Das Modell liegt bereits bei 92 % Genauigkeit", sagte er. "Wir verbringen Wochen damit, Regeln für Randfälle zu bauen, die 8 % der Transaktionen ausmachen. Ist das das wirklich wert?"

Ich rief die McDonald's-TikTok-Compilation auf. "Wie viele davon braucht es deiner Meinung nach, um eine Marke zu zerstören?", fragte ich.

Er sagte: zwei.

Ich sagte: eins.

Wir haben die Regelschicht gebaut. Sie hat den Zeitplan um drei Wochen verlängert. Der Kunde hatte seither keinen einzigen viralen Vorfall.

Das ist die Rechnung, die das Wrapper-Modell falsch aufmacht. Im Labor sind 92 % Genauigkeit exzellent. In der echten Welt verteilt sich die Fehlerquote von 8 % nicht zufällig — sie ballt sich um die schwierigsten Fälle, die lautesten Umgebungen, die frustriertesten Kunden. Genau das sind die Momente, die in den sozialen Medien landen. Die Kosten der 8 % sind nicht proportional zu ihrer Häufigkeit. Sie sind exponentiell.

Was als Nächstes passiert

McDonald's hat die KI nicht aufgegeben. Der Konzern hat signalisiert, dass er neue Partner und neue Ansätze prüft. Aber das dreijährige IBM-Experiment ist vorbei, und was es hinterlässt, ist eine klare Lektion für jedes Großunternehmen, das über den Einsatz von KI nachdenkt.

Die Experimentierphase ist vorbei. Die Ära, in der man ein Sprachmodell an einen bestehenden Prozess anschraubt und auf das Beste hofft, ist zu Ende. Was als Nächstes kommt — was ich die Deep-AI-Ära nennen würde —, verlangt etwas Schwierigeres: die eigenen Systeme tatsächlich um die Fähigkeiten und Grenzen maschineller Intelligenz herum neu zu konzipieren.

Das bedeutet deterministische Kerne mit probabilistischen Rändern. Es bedeutet, die eigene Infrastruktur zu besitzen. Es bedeutet, in Signalverarbeitung ebenso ernsthaft zu investieren wie in die Modellauswahl. Es bedeutet, menschliche Eskalationspfade nicht als Notlösung zu bauen, sondern als Feature. Und es bedeutet zu akzeptieren, dass genau in der unsexy Ingenieursarbeit — der Rauschfilterung, den Regel-Engines, den Edge-Case-Bibliotheken — der wahre Wettbewerbsvorteil steckt.

Die Kluft zwischen Organisationen, die das verstehen, und denen, die es nicht tun, steht kurz davor, dauerhaft zu werden. Nicht weil die Technologie unzugänglich wäre, sondern weil die Architekturphilosophie eine Art Disziplin verlangt, die die meisten Organisationen lieber überspringen würden.

McDonald's hat das auf die harte Tour gelernt — im großen Maßstab, in aller Öffentlichkeit. Die 260 McNuggets waren kein Bug. Sie waren das unvermeidliche Ergebnis eines Systems, das nie dafür gebaut wurde, Nein zu sagen.