KI in Deutschland: Viel Einsatz, noch zu wenig Ertrag

Deutschland ist beim KI-Rollout Spitzenreiter – beim messbaren Geschäftsnutzen jedoch Schlusslicht. Der Reality Check zeigt, wo Unternehmen jetzt ansetzen müssen: weniger Projekt-Flickwerk, mehr wiederverwendbare Datenbasis, saubere Integration und konsequente Wertsteuerung.

Management Summary

  • Rollout-Vorsprung: 86 Prozent der deutschen Unternehmen haben KI breit eingeführt oder strategisch verankert – der höchste Wert der fünf untersuchten Märkte.
  • ROI-Lücke: Nur 28 Prozent erzielen deutliche messbare Vorteile; international sind es 38 Prozent.
  • Daten als Kostentreiber: Durchschnittlich 49,7 Prozent des KI-Projektaufwands fließen in Datenbereinigung, Strukturierung und Kennzeichnung.
  • Integration bremst Skalierung: 37 Prozent nennen die Anbindung an ERP, PIM, CRM, Commerce und Legacy-Systeme als zentrale Hürde.
  • Management-Auftrag: Steigende Budgets – von 84 Prozent erwartet – sollten gezielt in wiederverwendbare Datenprodukte, Integrationsarchitektur und ROI-Steuerung fließen.

 

Illustration Absmeier foto ki designer

KI-Schalter auf Grün, Datenberg im Weg: Beim ROI ist noch Luft nach oben.

 

Deutsche Unternehmen haben künstliche Intelligenz stärker in ihren Strukturen und Abläufen verankert als Unternehmen in anderen untersuchten Märkten. Die wirtschaftlichen Ergebnisse halten mit diesem Tempo bislang jedoch nicht Schritt. Das zeigt der neue »Agentic Commerce Reality Check« von Akeneo, der Product Experience (PX) Company und Anbieter von Product-Cloud-Lösungen [1].

Für die internationale Untersuchung wurden 1.000 leitende IT- und Technologieentscheider in Deutschland, Frankreich, Italien, Großbritannien und den USA befragt, darunter 200 in Deutschland. Die Ergebnisse zeigen: 40 Prozent der deutschen Befragten geben an, dass KI bereits ein zentraler Bestandteil ihrer Geschäftsprozesse und Strategie ist. Weitere 46 Prozent haben KI breit in ihren Teams ausgerollt. Mit insgesamt 86 Prozent erreicht Deutschland damit den höchsten Wert unter den fünf untersuchten Märkten. Der internationale Durchschnitt liegt bei 80 Prozent.

Auch bei der formalen Steuerung von KI sind deutsche Unternehmen vergleichsweise weit. 88 Prozent verfügen bereits über eine verbindliche KI-Governance-Richtlinie. Im internationalen Durchschnitt sind es 80 Prozent. Weitere zwölf Prozent der deutschen Unternehmen arbeiten derzeit an einer entsprechenden Richtlinie.

 

Deutsche Unternehmen bilden beim deutlichen ROI das Schlusslicht

Trotz der breiten Nutzung und klaren Governance-Strukturen berichten lediglich 28 Prozent der deutschen Befragten von deutlichen messbaren Vorteilen und einem entsprechenden Return on Investment ihrer bisherigen KI-Initiativen. Damit liegt Deutschland unter dem internationalen Durchschnitt von 38 Prozent und hinter allen anderen untersuchten Märkten. In Frankreich und Großbritannien erreichen jeweils 44 Prozent diese Stufe, in den USA sind es 42 Prozent und in Italien 31 Prozent.

Die Mehrheit der deutschen Unternehmen sieht bislang moderate Produktivitätsverbesserungen oder Kosteneinsparungen. Der Befund spricht damit nicht gegen den Einsatz von KI, zeigt aber, dass eine breite Einführung allein noch keine entsprechenden wirtschaftlichen Resultate garantiert.

 

Datenaufbereitung bindet erhebliche Ressourcen

Ein Grund für diese Diskrepanz könnte im operativen Aufwand liegen, der hinter KI-Projekten steht. Zwar bewerten 92 Prozent der deutschen Befragten die Qualität und Struktur ihrer Produkt- und Betriebsdaten als gut oder ausgezeichnet. Gleichzeitig geben 47 Prozent an, mehr als die Hälfte des gesamten Aufwands ihrer KI-Projekte für das Bereinigen, Strukturieren und Kennzeichnen von Daten einzusetzen. Im internationalen Durchschnitt betrifft dies 36 Prozent der Unternehmen. In Deutschland fließen durchschnittlich 49,7 Prozent des Projektaufwands in die Datenvorbereitung, der höchste Wert im Ländervergleich.

Hinzu kommen technische Hürden: 37 Prozent der deutschen IT-Entscheider bezeichnen die Integration von KI in bestehende ERP-, PIM-, CRM-, Commerce- oder Legacy-Systeme als eine der größten Herausforderungen. International liegt dieser Anteil bei 28 Prozent.

»Deutschland hat kein Akzeptanzproblem bei künstlicher Intelligenz. Die Unternehmen haben KI strategisch verankert, klare Regeln geschaffen und zahlreiche Anwendungen in die Praxis gebracht«, sagt Romain Fouache, CEO von Akeneo. »Die nächste Herausforderung besteht darin, aus dieser Aktivität skalierbare Ergebnisse zu machen. Wenn Daten für jedes Projekt erneut bereinigt und Systeme aufwendig miteinander verbunden werden müssen, wächst die Zahl der KI-Initiativen schneller als ihr wirtschaftlicher Nutzen. Unternehmen benötigen deshalb eine verlässliche und wiederverwendbare Datenbasis, auf der unterschiedliche Anwendungen und KI-Agenten aufbauen können.«

 

Investitionen sollen weiter steigen

Trotz des bislang begrenzten messbaren ROI planen deutsche Unternehmen keine Zurückhaltung. 84 Prozent der Befragten erwarten, dass ihr KI-Budget in den kommenden ein bis zwei Jahren steigen wird. Die Ergebnisse unterstreichen damit die Dringlichkeit, nicht nur in weitere Anwendungen zu investieren, sondern auch die zugrunde liegenden Daten, Integrationen und Governance-Prozesse skalierbar aufzustellen.

 

[1] Den vollständigen »Agentic Commerce Reality Check« sowie weitere Informationen zur Studie finden Sie hier: https://www.akeneo.com/de/white-paper/agentic-commerce-im-realitatscheck/

 

FAQ: Die wichtigsten Fragen für Entscheider

  1. Wie weit ist KI in deutschen Unternehmen verbreitet?
    86 Prozent haben KI breit ausgerollt oder fest in Strategie und Geschäftsprozessen verankert.
  2. Warum gilt Deutschland als KI-Spitzenreiter?
    Kein anderer untersuchter Markt erreicht einen höheren kombinierten Wert bei strategischer Verankerung und breitem Rollout.
  3. Wie hoch ist der messbare KI-Nutzen?
    Nur 28 Prozent der deutschen Befragten berichten von deutlichen Vorteilen und einem entsprechenden ROI.
  4. Wie schneidet Deutschland international ab?
    Beim Rollout führt Deutschland, beim deutlichen ROI liegt es hinter Frankreich, Großbritannien, den USA und Italien.
  5. Was ist der größte operative Kostentreiber?
    Die Datenvorbereitung: Im Schnitt entfallen 49,7 Prozent des Projektaufwands auf Bereinigung, Strukturierung und Kennzeichnung.
  6. Welche technische Hürde fällt besonders ins Gewicht?
    37 Prozent nennen die Integration in ERP-, PIM-, CRM-, Commerce- und Legacy-Systeme als eine der größten Herausforderungen.
  7. Ist fehlende Governance das Kernproblem?
    Eher nicht: 88 Prozent verfügen bereits über eine verbindliche KI-Governance-Richtlinie, weitere zwölf Prozent arbeiten daran.
  8. Was sollten Unternehmen jetzt priorisieren?
    Eine verlässliche, wiederverwendbare Datenbasis, standardisierte Schnittstellen und klar definierte Geschäftsergebnisse pro Use Case.
  9. Sollten KI-Budgets trotz schwachem ROI steigen?
    Ja, aber gezielt: Investitionen sollten Engpässe bei Daten, Integration und Skalierung beseitigen statt nur neue Piloten zu finanzieren.
  10. Welche Kennzahlen gehören auf das Management-Dashboard?
    Time-to-Value, Nutzen pro Use Case, Datenvorbereitungsaufwand, Integrationskosten, Nutzungsgrad und realisierte Einsparungen beziehungsweise Erlöse.
Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

 

121 Artikel zu „KI Wertbeitrag“

Die Industrie hat eine Menge KI-Hausaufgaben zu erledigen

KI-Erfolg beginnt nicht mit Prompt-Trainings, sondern mit sauberer Vorarbeit: Industrieunternehmen müssen zunächst Prozesse transparent machen, kritisches Erfahrungswissen sichern, wertstiftende Anwendungsfälle priorisieren und eine belastbare Governance etablieren. Erst dann werden digitale Assistenten zum produktiven Werkzeug – statt ineffiziente Abläufe nur schneller zu machen. Management Summary Prozesse vor Tools: Prozessmapping deckt Medienbrüche, Wartezeiten und administrative Lasten auf…

KI‑Steuer: Wie eine intelligente Abgabe Innovation schützt und die digitale Transformation sozial absichert

Die Debatte über eine KI‑Steuer erreicht die Unternehmenspraxis: Entscheidend ist nicht, ob KI pauschal belastet wird, sondern wie wirtschaftlicher Mehrwert, Infrastrukturkosten und Qualifizierung intelligent zusammengeführt werden. Ein dreisäuliges Modell kann Innovationen schützen, externe Kosten fair verteilen und Europas Wettbewerbsfähigkeit stärken – vorausgesetzt, CIOs bereiten Governance, Kennzahlen und Energieeffizienz frühzeitig vor.   Management Summary Mehrwert statt…

Warum KI in vielen Unternehmen nicht die erwartete Produktivitätswende bringt

KI entscheidet nicht automatisch über Produktivität, Wettbewerbsfähigkeit oder Zukunftsfähigkeit. Der Unterschied entsteht dort, wo CEO und CIO die Technologie gemeinsam aus der Pilotphase in belastbare Betriebsmodelle, klare Datenverantwortung und messbare Geschäftsziele überführen. Wer jetzt nur experimentiert, riskiert neue Abhängigkeiten und verpasste Wertschöpfung; wer konsequent handelt, kann KI zum strategischen Produktivitätshebel machen. Management Summary KI entfaltet…

KI hebt keine Produktivität – solange CEO und CIO sie wie ein IT‑Projekt behandeln

Künstliche Intelligenz entscheidet nicht automatisch über Produktivität, Wettbewerbsfähigkeit oder Zukunftsfähigkeit. Entscheidend ist, ob Unternehmensführung und IT sie gemeinsam aus der Pilotphase in den industriellen Betrieb führen. Für CEOs und CIOs wird KI damit zum Prüfstein: Wer weiter nur experimentiert, riskiert strategische Rückständigkeit; wer jetzt konsequent handelt, kann Prozesse, Geschäftsmodelle und Organisationen neu ausrichten. Management Summary…

KI im Mittelstand: Es geht auch ohne Großprojekt

Mittelständische Unternehmen zögern oft mit der Einführung von künstlicher Intelligenz, weil sie langwierige und kostspielige Großprojekte befürchten. Mit dem richtigen Vorgehen sind diese Bedenken jedoch unbegründet. KMU können den Einstieg pragmatisch gestalten und anschließend durch die Wiederverwendung von Ressourcen den KI-Einsatz effizient ausweiten.   Management Summary KI-Einstieg ohne Großprojekt: Mittelständische Unternehmen können mit einem klar…

KI muss Geld verdienen: Warum Unternehmen ihre KI-Strategie neu denken müssen

  Management Summary KI muss vom Experiment zum Geschäftsmodell werden: Der eigentliche Wert entsteht nicht durch einzelne Tools, sondern durch skalierbare Anwendungsfälle mit messbarem Beitrag zu Produktivität, Kundenerlebnis und Umsatz. Der Engpass liegt weniger in der Technologie als im Managementansatz: Erfolgreiche Initiativen starten mit einer klaren Business-Frage und nicht mit der Suche nach einem Problem…

Wenn KI-Fehler den Vorstand erreichen: Warum Datenqualität zur Chefsache wird

KI ist in der Unternehmenspraxis angekommen, doch Vertrauen in ihre Ergebnisse entsteht nicht durch Automatisierung allein. Die zentralen Risiken liegen in mangelnder Datenqualität, fehlender Nachvollziehbarkeit und unzureichender Governance – und machen KI damit zu einem strategischen Thema für Vorstand, CFO und Risikomanagement.   Jede vierte Führungskraft gibt an, dass KI-Fehler externe Zielgruppen oder Vorstände erreicht…

Fast die Hälfte der KI-Nutzung in Unternehmen basiert auf ungesicherter Schatten-KI

Bericht thematisiert unautorisierte Anwendungen, neue Angriffsvektoren und erforderliche Sicherheitsstrategien.   Management Summary Schatten-KI ist kein Randphänomen mehr: Fast jede zweite KI-Interaktion läuft über private Identitäten und entzieht sich damit Governance, Monitoring und Compliance. Die Angriffsfläche verlagert sich in den Browser und die Entwicklungsumgebung: Erweiterungen, KI-Coding-Assistenten und agentische Browser werden zu neuen Einfallstoren für Datenabfluss und…

Die Kosten von KI? Nicht, was Sie vermuten

Weshalb die Operationalisierung von Unternehmensdaten die nächste wirtschaftliche Herausforderung für produktive KI darstellt.   Management Summary KI-Kosten entstehen nicht nur bei der Inferenz: Sinkende Token-Preise sind wichtig, lösen aber nicht die eigentliche Kostenfrage produktiver Enterprise AI. Datenzugriff wird zum zentralen Engpass: Der wirtschaftliche Nutzen von KI hängt davon ab, ob relevante Unternehmensinformationen auffindbar, zugreifbar und…

ROI-Logik bei KI ist anders: Denkfehler bei der Bewertung von KI

Warum die klassische ROI-Logik bei KI versagt und worauf es jetzt ankommt.   Viele Unternehmen investieren massiv in künstliche Intelligenz, bewerten ihren wirtschaftlichen Erfolg aber weiterhin mit klassischen ROI-Modellen. Genau darin liegt ein Denkfehler: KI entfaltet ihren Nutzen erst im produktiven Einsatz, in veränderten Prozessen und über laufend überprüfte Ergebniskennzahlen. Wer den Business Case zu…

Lokale KI-Assistenten: Der nächste Schritt zur souveränen, sicheren und effizienten Unternehmens-KI

Management Summary Lokale KI-Assistenten bieten Unternehmen eine strategische Alternative zu Cloud-basierten KI-Lösungen, indem sie Daten innerhalb der eigenen Infrastruktur verarbeiten und so Datensouveränität und Kontrolle stärken. Besonders für Organisationen mit sensiblen Daten oder regulatorischen Anforderungen schaffen lokale KI-Systeme klare Vorteile bei Datenschutz, Sicherheit und Compliance. Durch den Wegfall nutzungsabhängiger Cloud-Kosten und die Verlagerung auf planbare…

KI im Finanzwesen – Wie der »neue« CFO aktiv mitgestaltet

Rund die Hälfte der deutschen Unternehmen hat Standardaufgaben im Finanzwesen mit KI bereits automatisiert oder ist gerade dabei. Künstliche Intelligenz soll aber nicht nur Prozesse optimieren. Sie soll vielmehr helfen, Chancen und Risiken schneller zu ermitteln. Welche neuen Fähigkeiten Finanzteams dafür jetzt brauchen und wie sich die Rolle des CFOs verändert, beschreibt Oliver Rauschil, Senior Director Digital Sales bei Quadient, im Gespräch mit »manage it«.

KI im Finanzbereich: Warum strategische Tiefe den Hype überlebt

Management Summary  Generische KI erzeugt teure Altlasten: Viele Finanzabteilungen haben in den letzten 12–18 Monaten isolierte KI‑Tools eingeführt, die weder integriert noch auditierbar sind. Das Ergebnis: Datenchaos, Compliance‑Risiken und fehlende Skalierbarkeit – ein wachsendes finanzielles Risiko für CFO‑Organisationen. CFOs verlangen messbaren Nutzen statt Hype: Die Stimmung kippt. Finanzverantwortliche fordern ROI, Risikominimierung und Lösungen, die mit…

Schatten-KI wird zum messbaren Risiko

Zwei Drittel der Büromitarbeitenden nutzen nicht autorisierte KI-Tools am Arbeitsplatz. 75 % der Büroangestellten würden für bessere KI-Weiterbildungsmöglichkeiten einen Arbeitsplatzwechsel in Betracht ziehen; in Unternehmen mit über 1 Mrd. US-Dollar Umsatz sind es 80 %.   PagerDuty hat eine internationale Umfrage veröffentlicht, die eine wachsende Diskrepanz zwischen der KI-Nutzung durch Mitarbeitende und der unternehmensinternen Governance…

KI-Transformation: Investitionen sind in Relation zu Unternehmensgrößen zu gering

Während KI-Vorreiter ihre Fähigkeiten ausbauen, fehlen vielen Unternehmen zentrale Grundlagen. KI-Vorreiter setzen auf agile Strategieansätze, hohe Datenqualität und verantwortungsbewussten KI-Einsatz. Steigender Erfolgsdruck erfordert pragmatische Neuausrichtung des Daten- und KI-Portfolios.   Für CEOs steht künstliche Intelligenz als Treiber für die Transformation ihrer Unternehmen weit oben auf der Prioritätenliste. Im Maschinenraum sieht die Stimmung jedoch anders aus:…

KI Genauigkeit im Test: Kölner KI-Unternehmen octonomy schlägt Microsoft Copilot deutlich

Unabhängiger Test der Tolly-Group zeigt 38 Prozentpunkte Abstand von octonomy zu Microsoft Copilot bei identischem Basismodell. Erster Benchmark-Report »The State of Agentic AI Accuracy 2026« veröffentlicht.   Das Kölner KI-Unternehmen octonomy veröffentlicht den ersten Benchmark-Report »The State of Agentic AI Accuracy 2026« [1]. Grundlage ist ein unabhängiger Test der Tolly Group vom März 2026, beauftragt von der octonomy…

Wie Unternehmen den Sprung von Pilotprojekten zu skalierbaren KI‑Systemen schaffen

Executive Summary Unternehmen scheitern nicht an KI‑Modellen, sondern an fehlender Architektur, Datenqualität und Integration. Eine skalierbare KI‑Landschaft entsteht durch drei aufeinander aufbauende Schritte: (1) Datenbasis stabilisieren, (2) Architektur professionalisieren, (3) Fachbereiche befähigen. Multi‑Agent‑Systeme, Modell‑Routing und Backend‑Integration bilden das technische Zielbild. Datenqualität, Governance und Ownership sind unverzichtbare Voraussetzungen für regulatorische Sicherheit und wirtschaftlichen Nutzen. Low‑Code‑Plattformen beschleunigen…

Dem KI-Wildwuchs ein Ende setzen: Architektur entscheidet 2026

Von isolierten Pilotprojekten zur skalierbaren Agent-to-Agent-Infrastruktur: Wie die intelligente Kombination von Low-Code-Frontends und tief integrierten Backend-Systemen Sicherheit, Kosteneffizienz und Data-Governance vereint.   Der Hype um künstliche Intelligenz weicht einer pragmatischen Ernüchterung. Wer heute noch auf isolierte Leuchtturm-Projekte setzt, verliert den Anschluss. Die Zukunft gehört durchdachten, hybriden Systemen, die technologische Tiefe mit kaufmännischer Vernunft und Skalierbarkeit…

KI-Boom: Die Ausgaben der Tech-Riesen für KI explodieren

Die Investitionsausgaben der großen Techkonzerne haben sich in den letzten drei Jahren vervielfacht. So investierte Microsoft 2022 rund 28 Milliarden US-Dollar, im laufenden Jahr werden es laut eigener Prognose etwas mehr als 190 Milliarden US-Dollar sein – das entspricht einem Plus von 569 Prozent. In einem ähnlichen Umfang legten die Ausgaben bei Alphabet zu (+503…

Datenschutz und Datensouveränität: Unternehmens-KI stößt an ihre Grenzen

Steigende Anforderungen an Datenschutz und Datensouveränität legen die Grenzen von Architekturen offen, die für zentralisierte und standortübergreifende Datenflüsse entwickelt wurden. Datenhoheit ist zu einem zentralen Designparameter geworden und führt zu einem Wandel weg von global integrierten Systemen hin zu regional abgegrenzten Architekturen. Unternehmen, die ihre Architektur frühzeitig neu gestalten, verschaffen sich einen messbaren Vorsprung in…

 

1543 Artikel zu „KI ROI“

ROI-Logik bei KI ist anders: Denkfehler bei der Bewertung von KI

Warum die klassische ROI-Logik bei KI versagt und worauf es jetzt ankommt.   Viele Unternehmen investieren massiv in künstliche Intelligenz, bewerten ihren wirtschaftlichen Erfolg aber weiterhin mit klassischen ROI-Modellen. Genau darin liegt ein Denkfehler: KI entfaltet ihren Nutzen erst im produktiven Einsatz, in veränderten Prozessen und über laufend überprüfte Ergebniskennzahlen. Wer den Business Case zu…

AI Slop und ROI-Realitätslücke: Warum mittelständische IT-Teams mit KI mehr Arbeit statt Entlastung bekommen

Deutsche Unternehmen verlieren durchschnittlich 26 % ihres KI-Budgets, bevor überhaupt ein Mehrwert entsteht. Eine globale Studie unter mehr als 12.000 IT-Entscheidern zeigt: 86 % sagen, dass die Komplexität von KI die Arbeitsleistung ihrer Teams erhöht hat. 75 % der deutschen IT-Führungskräfte berichten, dass KI-Ergebnisse zu Rauschen, Fehlern oder Nacharbeit führen – ein Phänomen, das die…

Was KI wirklich kostet und warum der ROI außergewöhnlich hoch ist, wenn man es richtig macht

Die wahre Wirtschaftlichkeit der KI entsteht für Unternehmen nicht im Modell, sondern in den Prozessen, Daten und Systemen dahinter.   Eine Analyse jenseits der Modellgebühren: Die Diskussion über künstliche Intelligenz in Unternehmen beginnt fast immer mit der falschen Frage. Geschäftsführer erkundigen sich nach monatlichen Lizenzkosten, IT-Leiter vergleichen Token-Preise verschiedener Anbieter, Controller rechnen API-Aufrufe hoch. Diese…

KI-Einführung boomt mit hohem ROI, doch es gibt noch Probleme

Während die Einführung von KI immer schneller voranschreitet und erhebliche Gewinne bringt, hat ein neuer Bericht von Workiva besorgniserregende Lücken in den Bereichen Datenqualität, KI-Governance und rollenspezifischer Schulungen für Unternehmen auf der ganzen Welt aufgedeckt [1]. Im Rahmen der unabhängigen, globalen Practitioner-Studie wurden 2.300 Fachleute aus den Bereichen Finanzen, Nachhaltigkeit, Revision und Risiko befragt, die…

Künstliche Intelligenz im ROI-Check – Wie sich der wirtschaftliche Nutzen von KI messen lässt

Künstliche Intelligenz wird zunehmend zu einem strategischen Faktor in der Wirtschaft. Unternehmen setzen KI ein, um Prozesse zu optimieren, Kosten zu senken und Wettbewerbsvorteile zu sichern. Der erwartete Nutzen ist hoch – doch der tatsächliche wirtschaftliche Effekt bleibt oft schwer greifbar. Entscheidend für den nachhaltigen Erfolg ist daher der Nachweis eines klaren Returns on Investment…

Deutschland übertrifft Europa bei GenAI-Investitionen und ROI mit KI-Einsatz in Prozessoptimierung, Cybersicherheit und Qualitätskontrolle

Eine globale Studie zeigt, dass deutsche Hersteller trotz Herausforderungen bei der Personalentwicklung und Datennutzung die höchsten GenAI-Renditen in Europa erzielen.   Rockwell Automation, das Unternehmen für industrielle Automatisierung und digitale Transformation, hat die deutschen Ergebnisse seines 10. jährlichen Berichts zur intelligenten Fertigung vorgestellt [1]. Die Daten zeigen, dass der Fertigungssektor erhebliche Investitionen und Erträge in…

Trends 2025: GenAI & Anwendungsmodernisierung, ROI-Messung von KI und DevSecOps

Experten von GitLab prognostizieren maßgeschneiderte KI-Modelle on-premises, KI-Modelle von Open-Source-Projekten, ein Überdenken des Risikomanagements bei der Nutzung von KI, die wirtschaftliche Modernisierung von Anwendungen im großen Stil, die Verabschiedung isolierter KI-Anwendungen, die Erhöhung der Sicherheit bei DevOps und KI-Agenten als Katalysatoren für die Transformation der Software-Lieferkette.   Ashley Kramer Chief Sales & Marketing Officer und…

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…

Wie sich der ROI von KI-Investitionen einschätzen lässt

Unternehmen weltweit suchen derzeit nach Möglichkeiten, um künstliche Intelligenz (KI) so für sich zu nutzen, dass sie Mehrwert stiftet. Beispielsweise möchten sie neue Produkte entwickeln, den Kundenservice verbessern und innovative Dienstleistungen schaffen. So zeigt auch die neue Studie »Growth Report 2023« von Twilio, dass KI-Automatisierung zum wichtigsten Mittel für Unternehmen geworden ist, um das Customer…