Skip to main content

Künstliche Intelligenz (KI) ist in den meisten Unternehmen bereits angekommen. Doch wie
genau steuern Führungskräfte und Entscheider:innen KI in den Unternehmen so, dass sie
Unternehmen wirklich voranbringen? Zwei zentrale Herausforderungen stehen oft im Weg:
ein möglichst vielversprechender Start von KI-Anwendungen und der Nachweis ihres
tatsächlichen Mehrwerts. Eine Umfrage von Databricks und Dataiku unter 400 leitenden
KI-Fachkräften beleuchtet diese Probleme und liefert wertvolle Hinweise für EntscheiderInnen
in Unternehmen.

Den Weg für KI ebnen


Trotz wachsender Investitionen in und zunehmendem Interesse an KI existieren in vielen
Unternehmen noch immer Hürden, die verhindern, dass das Potenzial von KI vollends zur
Geltung kommt. IT-Verantwortliche nannten in der Umfrage vor allem die Datenqualität als
Hindernis (58 Prozent der Befragten). Mangelnde Ressourcen (44 Prozent), Wissenslücken bei
den Mitarbeitenden (28 Prozent) sowie IT- und Compliance-Beschränkungen (22 Prozent)
gehören zu den weiteren Herausforderungen. Mögliche Maßnahmen, die hier Abhilfe
schaffen:
1. Schulung und Datenkompetenz fördern: Nur 57 Prozent der Unternehmen haben
bisher Schulungen zum Umgang mit Daten eingeführt. Die Datenqualität hängt jedoch
maßgeblich davon ab, wie gut die Mitarbeitenden Daten im Arbeitsalltag korrekt
erfassen und nutzen.
2. Zugang zu hochwertigen Daten verbessern: Ein Mangel an qualitativ hochwertigen
und zugänglichen Daten für die KI-Verarbeitung bleibt ein großes Problem für 58
Prozent der Unternehmen. Hier besteht dringender Handlungsbedarf.
3. Ganzheitliche KI-Infrastruktur einsetzen: Statt auf isolierte Insellösungen zu setzen,
die womöglich nicht kompatibel sind, empfiehlt sich der flexible Einsatz verschiedener
KI-Lösungen
in einem zentralen, kontrollierten Umfeld. Dieser Weg sorgt für
vergleichsweise einfache Integration und Compliance, bei gleichzeitigem Zugriff auf
die besten Lösungen für die jeweiligen Anwendungsfälle.
Mit diesen Maßnahmen kannst du die Effektivität deiner KI-Projekte steigern und deine
Investitionen nachhaltig optimieren.

KI muss sich aus-Zahlen


Um KI-gestützte Projekte langfristig in Unternehmen anzusiedeln, muss auch deren
finanzieller Mehrwert klar nachgewiesen werden können. Mehr als ein Drittel der
Unternehmen verfügt bereits über ein eigenes Budget für Generative KI (GenAI). Dennoch
messen 21 Prozent der Entscheider:innen den Return on Investment (ROI) ihrer
GenAI-Projekte nicht. Grund hierfür sind oftmals mehrere KI-Lösungen, die gleichzeitig und
unabhängig voneinander im Einsatz sind und es so schwer machen, den Überblick zu
behalten.


Grundlagen für messbaren Erfolg:


1. Integrierte “all-in-one” KI-Anwendungen nutzen: Eine übersichtliche Infrastruktur
durch zentral gehostete KI-Dienste hilft, den Überblick über unterschiedliche
Anwendungen zu behalten und deren Wertschöpfung messbar zu machen. Bereits 85
Prozent der Unternehmen setzen auf diese Art der Integration oder erwägen dies.
2. Datenverantwortlichkeit klar zuordnen: Spezifische Rollen für Datenverantwortung
sogenannte KI-Pionier:innen, helfen, den Nutzen von KI transparenter zu machen. Bei
Unternehmen mit klar definierten Verantwortlichen geben 69 Prozent an, dass ihre
GenAI-Projekte einen positiven ROI erzielen, verglichen mit nur 52 Prozent bei
Unternehmen ohne solche Verantwortlichkeiten.
3. Standardisierte Matrizen für das Evaluieren einzelner KI-Lösungen zu definieren, um
das Messen des ROI so objektiv wie möglich in der gesamten Organisation zu
gestalten.


KI kann dabei helfen, Unternehmen einen entscheidenden Wettbewerbsvorteil zu
verschaffen. Wer jedoch über die Experimentierphase hinaus KI in Betrieb nehmen will, muss
die richtige Basis schaffen – sowohl in Bezug auf Datenqualität und Ressourcen als auch a
klare Erfolgskontrollen. Eine ganzheitliche KI-Infrastruktur und der gezielte Aufbau von
Datenkompetenz sind für Unternehmen der Schlüssel zu nachhaltigen Erfolgen.

Sofiane Fessi

Sofiane Fessi verfügt über 15 Jahre Erfahrung in verschiedenen analytischen und datenwissenschaftlichen Funktionen, vor allem im Bereich Digital und E-Commerce. Bevor er als Regional Vice President Sales Engineering Central Europe zu Dataiku kam, beriet er verschiedene große Unternehmen in Großbritannien (u.a. Adidas, Tesco, Zoopla) bei der Anwendung von Data Science auf Web-Analytics- und E-Commerce-Daten.

Der Artikel hat dir gefallen? Gib uns einen Kaffee aus!

Leave a Reply