Die aktuelle BARC-Studie »Preparing and Delivering Data for AI: Adoption Trends, Requirements, and Best Practices« zeigt: Unternehmen setzen zunehmend auf KI – fast ein Drittel nutzt bereits KI-Agenten produktiv [1]. Doch fehlende Strukturen in der Governance, unzureichender Fokus auf Datenqualität und mangelnde KI-Kompetenzen gefährden den langfristigen Erfolg. Die Befragten stammen aus aller Welt, mit…
Gartner prognostiziert, dass mangelhafte Datenqualität auch 2025 eine der größten Hürden für den Einsatz fortschrittlicher Analytik wie KI bleiben wird. Deshalb sollten sich D&A-Führungskräfte (Data & Analytics Leaders) auf drei eng verzahnte Bereiche konzentrieren, um KI-Initiativen in ihren Unternehmen erfolgreich voranzutreiben: Geschäftsergebnisse, D&A-Kompetenzen und kultureller Wandel. »KI verändert die Unternehmensplanung grundlegend, und mehr als…
Precisely, Anbieter von Datenintegrität, veröffentlichte eine neue Studie, die in Zusammenarbeit mit dem Center for Applied AI and Business Analytics am LeBow College of Business der Drexel University (Drexel LeBow) durchgeführt wurde [1]. Die wichtigsten Erkenntnisse aus dem diesjährigen »2025 Outlook: Data Integrity Trends and Insights« beleuchten die drängendsten Herausforderungen, denen sich Unternehmen bei der…
Unternehmen müssen die richtigen Anwendungsfälle identifizieren, die Datenqualität verbessern und experimentierfreudig sein. Viele Unternehmen beschäftigen sich bereits mit generativer KI (Gen-AI) und versuchen, damit die Produktivität zu steigern und die Benutzererfahrung zu verbessern. Fast drei Viertel der Unternehmen haben laut Accenture künstliche Intelligenz zu ihrer obersten digitalen Investitionspriorität für 2024 gemacht [1]. Aber wenn…
Die Markteinführung von OpenAI ChatGPT hat eine wahre Welle der Begeisterung für generative künstliche Intelligenz (KI), insbesondere für Large Language Models (LLMs) ausgelöst – und ein Ende ist nicht abzusehen. Fast täglich entstehen neue Produkte, Unternehmen und Angebote im Bereich der generativen KI. Auch Unternehmen setzen zunehmend auf LLMs, um sich wettbewerbs- und zukunftsfähig aufzustellen.…
Datensilos und Datenqualität sind (überwindbare) Herausforderungen, wenn IT-Teams weltweit ihre Data Stacks auf generative KI vorbereiten. Eine neue Studie von Alteryx, der AI Platform for Enterprise Analytics, zeigt, dass Unternehmen aufgrund ihrer Daten noch nicht bereit sind, das Potenzial generativer künstlicher Intelligenz (KI) auszuschöpfen [1]. Die Ergebnisse der Studie »Data Stack Evolution: Legacy Challenges…
Die Führungskräfte machen Druck auf die IT-Abteilungen für eine schnelle Einführung generativer KI. Die IT-Abteilungen wiederum fordern einen stärkeren Fokus auf Datensicherheit und -qualität. Es gilt Gleichgewicht zwischen Geschwindigkeit, Geschäftswert und Sicherheit herzustellen. Eine kürzlich von Salesforce durchgeführte weltweite Umfrage unter 600 IT-Fachleuten hat ergeben, dass die Geschäftsleitung von der IT-Abteilung erwartet, generative KI schnellstmöglich…
Studiendaten zeigen, dass Unternehmen ab 3.000 Mitarbeitenden eine mäßig positive Bilanz nach dem ersten Jahr des Lieferkettensorgfaltspflichtengesetzes (LkSG) ziehen und belegen, dass zeitlicher und organisatorischer Aufwand, Transparenz sowie die Datenqualität die größten Herausforderungen bei der Umsetzung des LkSG darstellen. Unternehmen sehen einen bedeutenden Hebel für mehr Nachhaltigkeit in ihrer Lieferkette. Das gaben 66 Prozent…
Das Jahr 2024 wird ganz im Zeichen generativer KI stehen. Welche Entwicklungen sind dabei im Einzelnen zu erwarten? 2023 war das Jahr der generativen KI. Die großen Sprachmodelle, die hinter populären Anwendungen wie ChatGPT stehen, haben die Leistungsfähigkeit von künstlicher Intelligenz bei Textverständnis und Texterstellung auf ein ganz neues Niveau gehoben. Nachdem Unternehmen sich…
Um sich einen Wettbewerbsvorteil zu verschaffen, setzen mittlerweile zahlreiche Unternehmen auf generative KI (GenAI) und beginnen, GenAI-Funktionen in ihre eigenen Arbeitsabläufe einzubinden. Dabei stoßen sie jedoch auf ein bekanntes Problem: schlechte Datenqualität. Ohne vertrauenswürdige Daten bietet KI nur einen geringen Mehrwert. Das Problem liegt unter anderem darin, dass die meisten Unternehmen heute nur über…
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.…
Die digitale Transformation erfordert von Unternehmen, dass sie ihre Daten effizient und sicher verwalten, analysieren und nutzen können. Dabei spielen künstliche Intelligenz (KI) und maschinelles Lernen (ML) eine entscheidende Rolle, um aus den Daten wertvolle Erkenntnisse und Handlungsempfehlungen abzuleiten. Doch wie können Unternehmen KI und ML in ihre bestehenden IT-Infrastrukturen integrieren, ohne dabei die Performance,…
Wer sein Unternehmen erfolgreich führen will, sollte auf eine nachhaltige Datenstrategie setzen und diese im Zusammenspiel mit einer starken Lösung und dem Rückhalt der Belegschaft einführen. Daten sind wertvoll. Das erkannte bereits Tim Berners-Lee, Erfinder des World Wide Webs, der einst folgendes Zitat von sich gab: »Daten sind ein kostbares Gut und werden länger…
Ewald Kaufmann, Spezialist auf dem Gebiet der Microfeinmechanik, fertigt täglich rund 8 Millionen Drehteile, die in zahlreichen Industriebereichen auf der ganzen Welt zum Einsatz kommen. Aufgrund der schnelllebigen Anforderungen, speziellen Abläufe und dem Anspruch, stets das höchste Qualitätsniveau zu liefern, ist das Unternehmen dabei nicht nur auf leistungsstarke Maschinen angewiesen. Vielmehr bedarf es auch einer…
Unternehmen brauchen einheitliche und korrekte Kontaktdaten ihrer Kunden und Partner. Adressdaten sollten im Idealfall quasi in Echtzeit standardisiert, überprüft und korrigiert werden. Eine Datenvalidierung als skalierbarer Web-Service hilft dabei, wirtschaftlich und effizient zu operieren.
Mehrheit der Marketingabteilungen von Unternehmen in Deutschland kürzt bereits Budgets – weitere Kürzungen werden erwartet. Verbraucherinnen sind mit Markenkommunikation unzufrieden – 1 von 4 Marketern glaubt, aufgrund schlechter Datenqualität in den letzten sechs Monaten Kunden verloren zu haben. Die steigenden Kosten sind in verschiedenen Lebens- und Geschäftsbereichen zu spüren. So nehmen ganze zwei…
Führende Unternehmen im Bereich CX hatten im letzten Geschäftsjahr eine 26-fach höhere Wahrscheinlichkeit, auf ein Umsatzwachstum von 20 % und mehr als CX-Nachzügler. Vorreiter haben eine 2,8-fach höheren Chance, die gesetzten Ziele zu erreichen sowie als guter Arbeitgeber wahrgenommen zu werden. Die Faktoren mit den größten Effekten auf den Unternehmenserfolg können dabei in die…
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?
Datenintegrität ist definiert als ein Datensatz mit Genauigkeit, Konsistenz und Kontext für eine faktenbasierte Entscheidungsfindung. Das Erreichen von tatsächlicher Datenintegrität benötigt technische Fähigkeiten wie Datenintegration, Datenqualitätsmanagement, Datenanreicherung und Location Intelligence. Zusammen garantieren diese Fähigkeiten, dass Daten ein vollständiges und genaues Bild der Realität zeichnen.
Oder muss es heißen: Ohne Datenmanagement keine Datenqualität? Es ist das Henne-Ei-Phänomen – das eine kommt ohne das andere nicht aus. Wie können Unternehmen strategisch vorgehen, um ihr Datenmanagement an den immer steigenden Anforderungen auszurichten und dabei ihre Daten in einer verlässlich hohen Qualität für belastbare Analysen zu pflegen?