Herausforderungen, ROI, Kosten & Co: Wie wird KI in Unternehmen wirklich eingesetzt?

Fivetran, der Anbieter für Data Movement, präsentiert die Ergebnisse einer Umfrage, die zeigt: 81 % der befragten Unternehmen vertrauen ihren KI/ML-Ergebnissen, obwohl sie zugeben, fundamentale Datenineffizienzen zu haben. Sie verlieren im Durchschnitt 6 % ihres weltweiten Jahresumsatzes, beziehungsweise 406 Millionen US-Dollar bei einem durchschnittlichen Jahresumsatz von 5,6 Milliarden US-Dollar der befragten Unternehmen. Die Ursache sind unzureichende KI-Modelle, die mit ungenauen oder minderwertigen Daten erstellt werden und dadurch zu falschen Geschäftsentscheidungen führen.

 

Deutschland zu Recht vorsichtig

Deutsche Unternehmen stehen noch eher am Anfang der KI-Nutzung (60 %), während das in den USA nur noch 39 %, in Frankreich sogar nur 36 % sind. Dementsprechend sehen sich Unternehmen dort als fortgeschritten: 31 % (USA) bzw. 28 % (Frankreich) nutzen KI, die keine oder kaum menschliche Eingriffe erfordert, wo immer das möglich ist. In Deutschland sind das gerade einmal 14 %.

Insgesamt setzen fast neun von zehn Unternehmen (89 %) KI-/ML-Methoden für die Erstellung von Modellen ein, die automatisch Vorhersagen und Entscheidungen treffen können. 80 % der Unternehmen in den USA und 75 % in Frankreich tun das schon mindestens sechs Monate, in Deutschland sagen das lediglich 44 % von sich.

Auch das Vertrauen in die Ergebnisse einer KI sind in Deutschland gering: Während 30 % der deutschen Unternehmen den Ergebnissen von generativer KI voll und ganz vertrauen, sagen das 47 % der US-amerikanischen und 48 % der französischen Unternehmen.

Die unabhängigen Marktforschungsspezialisten Vanson Bourne befragten in einer Online-Umfrage 550 Teilnehmer aus Unternehmen mit 500 oder mehr Mitarbeitenden in den USA, Großbritannien, Irland, Frankreich und Deutschland. 100 Teilnehmer kamen aus Deutschland. Die Umfrage ergab, dass fast neun von zehn Unternehmen KI-/ML-Methoden einsetzen, um Modelle für die autonome Entscheidungsfindung zu erstellen. 97 % werden in den nächsten ein bis zwei Jahren in generative KI investieren. Gleichzeitig haben die Unternehmen Probleme mit Datenungenauigkeiten und -Halluzinationen sowie Bedenken hinsichtlich Data Governance und Datensicherheit. US-Unternehmen, die Large Language Models (LLMs) nutzen, berichten in 50 % der Fälle von Datenungenauigkeiten und -Halluzinationen.

»Die schnelle Verbreitung von generativer KI spiegelt einen weit verbreiteten Optimismus und eine Zuversicht in den Unternehmen wider. Aber unter der Oberfläche gibt es immer noch grundlegende Datenprobleme, die Unternehmen daran hindern, ihr volles Potenzial auszuschöpfen«, erklärt Taylor Brown, Mitbegründer und COO von Fivetran. »Unternehmen müssen ihre Datenintegrations- und -Governance-Grundlagen stärken, um zuverlässigere KI-Ergebnisse zu erzielen und finanzielle Risiken zu minimieren.«

Unterschiedliche »KI-Realitäten« in verschiedenen Berufsrollen

Etwa jedes vierte Unternehmen (24 %) gab an, ein fortgeschrittenes Stadium der KI-Nutzung erreicht zu haben, in dem es die Vorteile der KI voll ausschöpft und nur noch wenig oder gar nicht mehr auf menschliche Eingriffe angewiesen ist. Allerdings gibt es erhebliche Meinungsverschiedenheiten zwischen den Befragten: Technische Führungskräfte, die KI-Modelle entwickeln und betreiben, sind von der KI-Reife ihrer Unternehmen weniger überzeugt. Von ihnen bezeichnen nur 22 % sie als »fortgeschritten«, verglichen mit 30 % der nicht-technischen Mitarbeitenden. Anders bei generativer KI: Ihr vertrauen 63 % der nicht-technischen Mitarbeitenden vollständig, bei den technischen Führungskräften sind es 42 %.

Eine weitere Uneinigkeit besteht zwischen den Datenexperten auf unterschiedlichen Führungsebenen eines Unternehmens: Während die in Junior-Positionen veraltete IT-Infrastrukturen als größtes Hindernis für die Entwicklung von KI-Modellen sehen (49 %), sehen leitende Kollegen das Hauptproblem darin, dass sich Mitarbeitende mit den richtigen Fähigkeiten auf andere Projekte konzentrieren (51 %). Tatsächlich sind diese gezwungen, ihre Ressourcen für manuelle Datenprozesse wie die Bereinigung von Daten und die Reparatur defekter Datenpipelines zu nutzen. Unternehmen geben zu, dass ihre Data Scientists den Großteil (67 %) ihrer Zeit mit der Aufbereitung von Daten verbringen, anstatt KI-Modelle zu erstellen.

 

Schlechte Datenpraktiken sind immer noch weit verbreitet

Die Ursache für das vergeudete Potenzial von Datenspezialisten und die unzureichende Performance von KI-Programmen ist dieselbe: unzugängliche, unzuverlässige und falsche Daten. Wie groß das Problem ist, zeigt die Tatsache, dass die meisten Unternehmen Schwierigkeiten haben, auf alle Daten zuzugreifen, die für die Ausführung von KI-Programmen benötigt werden (69 %) und diese in ein brauchbares Format zu bringen (68 %).

Neue Ansätze bei generativer KI haben weitere Komplikationen mit sich gebracht: 42 % der Befragten hatten schon mit Datenhalluzinationen zu tun. Diese können zu schlechten Entscheidungen führen, da die Informationsbasis mangelhaft ist. Sie verringern das Vertrauen in LLMs oder die Bereitschaft der Mitarbeitenden, das Tool zu nutzen. Zudem rauben sie viel Zeit für das Auffinden und Korrigieren der Daten. Angesichts der Tatsache, dass 60 % der leitenden Angestellten generative KI nutzen und für strategische Entscheidungen verantwortlich sind, werden Probleme mit der Qualität und Vertrauenswürdigkeit der Daten noch verstärkt.

Data Governance als Schlüsselbereich für den Einsatz von KI

Die Befürchtungen hinsichtlich des Einsatzes generativer KI bleiben ebenfalls bestehen, wobei »die Aufrechterhaltung der Data Governance« und »finanzielle Risiken aufgrund der Sensibilität der Daten« die größten Bedenken der Unternehmen sind (37 %). Solide Data-Governance-Grundlagen sind besonders wichtig für Unternehmen, die entweder eigene generative-KI-Modelle entwickeln oder eine Kombination aus bestehenden externen sowie intern entwickelten Modellen verwenden wollen. Da jedoch die Mehrheit (67 %) der Befragten den Einsatz neuer Technologien plant, um grundlegende Datenbewegungen, Governance- und Sicherheitsfunktionen zu stärken, gibt es Grund zum Optimismus.

Der vollständige Bericht steht unter Fivetran + Vanson Bourne report: AI in 2024 zum Download.
Mehr Informationen, wie sich Daten für generative KI fit machen lassen, enthält das Fivetran e-Book.
Weitere Erkenntnisse aus der KI-Umfrage von Fivetran finden Sie im Fivetran-Blog.

 

4044 Artikel zu „KI Einsatz „

KI in der Praxis: Best Practices zum Einsatz von künstlicher Intelligenz

Es ist nicht leicht, mit den neuesten KI-Trends Schritt zu halten, geschweige denn, sie gewinnbringend in die Praxis umzusetzen. Für den Visionary Voices AI Guide spricht Qlik ab sofort regelmäßig mit Datenexperten aus der ganzen Welt, um herauszufinden, wie sie konkrete KI-Techniken im Geschäftsalltag anwenden. Welche Erkenntnisse sich aus den ersten Gesprächen ergeben haben, hat…

GenAI im Unternehmenseinsatz – Wenn die KI anklopft

Die Begeisterung über das Potenzial der generativen KI ist ungebrochen. Von Start-ups über Mittelständler bis hin zu Großkonzernen – viele denken derzeit über den Einsatz von GenAI-Tools nach. Die Unternehmen erhoffen sich von der Automatisierung und der damit verbundenen Effizienzsteigerung spürbare Vorteile, jedoch  birgt die Umsetzung von KI-Projekten auch einige Risiken und Herausforderungen.

Deutschland zu risikoscheu bei Nutzung und Einsatz von KI

Verbraucher erkennen die Vorteile von KI für Wirtschaft und Gesellschaft. Bedenken vor allem in Bezug auf Cybersicherheit.   Nach dem »Jahr der künstlichen Intelligenz (KI)« hat eine aktuelle, repräsentative Umfrage von Splunk, Anbieter in den Bereichen Cybersicherheit und Observability, ein gemischtes, aber weitgehend positives Bild der öffentlichen Einstellung zur KI aufgezeigt. Die Mehrheit der Befragten…

Über 80 Prozent der Unternehmen planen intensiveren Einsatz von generativer KI

Bereits heute wird generative KI bei 82,1 Prozent zumindest experimentell genutzt. Die größten Hindernisse für einen verstärkten Einsatz von generativer KI stellen Sorgen über rechtliche Aspekte (40,3 Prozent) sowie mangelnde Ressourcen (29,3 Prozent) und fehlendes Wissen in der Belegschaft dar (28,5 Prozent).   Generative KI ist in deutschen Unternehmen branchenübergreifend bereits weit verbreitet. Zu diesem…

201 Artikel zu „KI Datenbasis“

Die Grenzen der LLM: Wegweisende KI-Technologie ist kein Alleskönner 

Large Language Models (LLMs) sind voll im Trend. Ob privat oder in Unternehmen, auf LLMs basierende Chatbots wie beispielsweise ChatGPT von OpenAI generieren mit Deep-Learning-Modellen Texte in menschenähnlicher Weise. Auf Basis von massiven Mengen von Textdaten trainiert, können sie so auf viele Fragen Antworten liefern und Befehle ausführen. Unternehmensentscheider prüfen momentan, welche Vorteile diese Sprachmodelle für ihre Organisation haben und wie man…

KI-Textwerkzeuge: Chancen nutzen, Voraussetzungen beachten

Neugier, Begeisterung, Bagatellisierung: Die Spannbreite der Reaktionen, die KI-Tools wie ChatGPT auslösen, ist groß. Fest steht, dass mit der Vorstellung von ChatGPT einem breiten Publikum beeindruckend klar wurde, was künstliche Intelligenz heute schon kann. Doch Unternehmen, die mit einer großen Masse von Texten umgehen, sollten sich der Fallstricke gewahr sein. Gleichzeitig sollten sie die Chancen,…

Von Datensicherheit bis KI: Die wichtigsten Trends im Bereich Data & Analytics auf

Datensicherheit und Datenqualität sind die wichtigsten Themen für Anwender von Data, BI und Analytics. Das zeigt die aktuell veröffentlichte Studie »Data, BI and Analytics Trend Monitor 2024« von BARC. Die weltweit größte Umfrage zu Trends im Bereich Datenmanagement, Business Intelligence (BI) und Analytics stützt sich auf die Antworten von über 2.300 Nutzern, Beratern und Softwareanbietern.…

KI: Die Digitalisierung ist erst der Anfang

Künstliche Intelligenz wird weite Teile der Arbeitswelt, der Gesellschaft und des Alltags prägen. Die Sprachsoftware GPT-3 scheint eine Revolution in Sachen künstliche Intelligenz (KI) zu sein. Das zumindest lässt der aktuelle Hype um die neue Anwendung vermuten. Doch in Wahrheit stehen hinter der neuen Software relativ einfache Algorithmen – sehr viele, die auch sehr schnell…

Aufwandsarme KI-Nutzung ohne Training? – KI allein zu Haus

Wenn nur der Aufwand nicht wäre! Mehr und mehr Anwendungen aus der Praxis zeigen den konkreten Nutzen von KI für Unternehmen – gleichzeitig jedoch auch den nicht unerheblichen Zeit- und Arbeitsaufwand, der investiert werden muss, um Datenqualität sicherzustellen und neuronale Netze effektiv zu trainieren. Da klingt die KI-Methode des »Unsupervised Learning« beinahe zu schön, um wahr zu sein: Sie liefert Ergebnisse ohne vorausgehendes Training. Doch eignet sie sich wirklich für alle Arten von Anwendungsfällen? Und wie lässt sich der Aufwand für KI-Projekte alternativ reduzieren?

Ausschreibungen mithilfe von KI hochwertig beantworten

Der Druck auf Unternehmen steigt: Individuelle Kundenansprache, umfangreiche Produktportfolios sowie ausdifferenzierte Preis- und Rabattstaffelungen stellen Mitarbeiter vor große Herausforderungen. Die richtigen Technologien helfen dabei Ausschreibungsprozesse zu vereinfachen und gleichzeitig das Angebotsmanagement auf die nächste Stufe zu heben.   Die effiziente Erstellung und Bearbeitung von Angebots- und Ausschreibungsunterlagen ist ein wichtiger Erfolgsfaktor für die Wirtschaftlichkeit eines…

In fünf Schritten zum fairen Einsatz von KI

Die Nutzung künstlicher Intelligenz für Kundenkommunikation und -services wächst rasant. Das wirft Fragen nach der Verantwortung von Unternehmen für den fairen, diskriminierungsfreien Umgang damit auf. Was sind die fünf wichtigsten Schritte bei der Entwicklung sozial gerechter, diskriminierungsfreier KI-Modelle?   Künstliche Intelligenz (KI) kann den Kern gesellschaftlicher Konflikte und Ungerechtigkeiten nicht verschwinden lassen. Aber sie kann…

Mit KI zu produktiveren Mitarbeitern

Wenn es um die die Stärkung ihrer betriebswirtschaftlichen Leistungsfähigkeit geht, tendieren Mittelständler automatisch dazu, eigene Produktionsprozesse Tag für Tag auf den Prüfstand zu stellen und zu optimieren. Ein Vorgehen, das durchaus seine Berechtigung besitzt. Dabei übersehen sie jedoch oft, dass auch in der Steigerung der Mitarbeiterproduktivität ein starker Hebel liegt, um die Rentabilität einer Firma…

Projekt Heimdall setzt auf KI: Anti-Spam-Cloud gegen Cyberattacken

Mit dem Projekt Heimdall hat das Paderborner Unternehmen Net at Work eine recht neue Form intelligenter Spam-Abwehr vorgestellt, die zur Verteidigung gegen Spam und Schadsoftware auf Schwarmintelligenz setzt. Heimdall ist eine Anti-Spam-Cloud, die Anwendern der Secure-E-Mail-Gateway-Lösung NoSpamProxy proaktiven Schutz vor Phishing, Spam und weiteren Bedrohungen bieten kann.   Noch befindet sich das Projekt in der…