Statusreport: Neun von zehn KI-Projekten im Keim erstickt

Illustration: Absmeier

Nach einer aktuellen Studie vertrauen 90 Prozent der Unternehmen künstlicher Intelligenz nicht genug, um auf menschliche Entscheidungsfindung zu verzichten.

 

Die Studie »AI-Ambitions 2022« von Fivetran unter CIOs, IT-Verantwortlichen und Data Scientists zeigt: Trotz großer Ambitionen und Investitionsbereitschaft gelingt es Unternehmen nur bedingt, KI im Rahmen von Entscheidungsprozessen zu nutzen [1].

 

Das Fundament für KI in der Praxis ist dabei längst gelegt. Die Mehrheit der Unternehmen sammelt und nutzt die meisten, wenn nicht sogar alle Daten aus ihren operativen Systemen (92 Prozent) und verwendet sie für Machine Learning (ML)-Modelle (93 Prozent). Die vorhandene technische Infrastruktur täuscht jedoch nicht darüber hinweg, dass 58 Prozent sich noch im Anfangsstadium befinden beziehungsweise KI im moderaten Umfang einsetzen. Nur 14 Prozent vertrauen bei der Entscheidungsfindung auf KI-gestützte Prozesse. Zudem setzen 90 Prozent der Unternehmen weiter auf manuelle Datenprozesse statt auf die Automatisierung mittels ML und KI.

Deutschland zeigt sich in Sachen KI besonders ambivalent: Im internationalen Vergleich sehen sich die befragten deutschen Unternehmen am wenigsten als »KI-Neulinge« (sieben Prozent). Gleichzeitig sammeln und fließen lediglich bei rund ein Fünftel (21 Prozent) der deutschen Unternehmen alle operationalen Daten in KI und ML-Projekte. Selbst interne Data Scientists greifen in der Regel nicht ganzheitlich auf die Daten zu (16 Prozent). Damit liegt Deutschland deutlich hinter den USA, Großbritannien und Irland.

»Was die Umfrage deutlich macht: Unternehmen haben enormen Nachholbedarf bei der Übertragung und dem Zugriff von Daten. Ein erfolgreiches KI-Programm braucht jedoch ein solides Datenfundament und das beginnt in der Regel mit einem Cloud Data Warehouse oder einem Data Lake«, erklärt George Fraser, CEO von Fivetran. »Data-Analytic-Teams, die hier auf einen modernen Data Stack setzen, können ihre Daten in vollem Umfang ausschöpfen und einen echten ROI in Sachen KI und Data Science realisieren.«

 Die wichtigsten Ergebnisse im Überblick:  

  • KI-Budget und Investitionen: Im Durchschnitt entfallen bereits heute acht Prozent des Unternehmensumsatzes auf KI-Projekte. Mehr als zwei Fünftel der befragten Unternehmen (41 Prozent) sehen jedoch noch Verbesserungspotenzial bei der Implementierung von KI und richten ihre IT-Budget entsprechend neu aus. So sollen in den nächsten drei bis fünf Jahren die KI-Investitionen auf 13 Prozent steigen. Die Investitionsvorhaben in Deutschland konzentrieren sich dabei vor allem auf den Einsatz neuer Technologien für Datenintegration, Sicherheit und Data Governance (73 Prozent), KI/ML (60 Prozent) und den Aufbau von KI-Fachkräften und Data Scientists (58 Prozent).
  • Herausforderung Daten: Zu den größten Herausforderungen beim Einsatz von KI zählt die Datenintegration. 71 Prozent der Unternehmen können nur teilweise auf relevante Daten für KI-Systeme, Workloads und ML-Modelle zugreifen. 73 Prozent kämpfen mit dem ETL-Prozess (Extract, Transform, Load) und sind zudem nur bedingt in der Lage, die aus Daten gewonnenen Erkenntnisse in Handlungsempfehlungen zu überführen.
  • Finanzielle Einbußen: Die auf halber Strecke liegengebliebenen KI-Initiativen wirken sich auch finanziell auf den Unternehmenserfolg aus. So schätzen die Befragten, dass durch unausgereifte ML-Modelle, die auf unsauberen oder fehlerhaften Daten basieren, durchschnittlich fünf Prozent des weltweiten Jahresumsatzes verloren gehen.
  • Compliance: Noch viel Spielraum nach oben besteht bei der Einhaltung der Data-Governance (90 Prozent). Deutsche Unternehmen scheinen sich aber im internationalen Vergleich etwas besser an die gesetzlichen Anforderungen im Umgang mit Daten angepasst zu haben. Hier sehen immerhin 18 Prozent wenig bzw. gar keinen Bedarf für Verbesserungen.  
  • KI-Talente: Trotz ihrer entscheidenden Rolle bei der Umsetzung von KI-Projekten, können 87 Prozent der Unternehmen das Potential ihrer Data Scientists und Data Engineers nicht in vollem Umfang einsetzen. Den Großteil ihrer Arbeit verbringen die Datenexperten notgedrungen mit der Aufbereitung der Daten (70 Prozent). Für das Erstellen von ML-Modellen bleibt da kaum noch Zeit. 

 

[1] Über die Studie: Die Online-Umfrage »AI-Ambitions 2022« wurde von Fivetran in Auftrag gegeben und im Juli 2022 vom Marktforschungsinstitut Vanson Bourne durchgeführt. Insgesamt nahmen 550 IT-Führungskräfte sowie Data Scientists aus den USA, Großbritannien, Irland, Frankreich und Deutschland an der Studie teil.
Weitere Erkenntnisse zur Studie und der vollständige Bericht mit Download sind im Blog von Fivetran verfügbar.