Foto: Jaromir Chalabala - shutterstock.com
Ohne gutes Datenmaterial sind GenAI-Systeme ungefähr so nützlich wie ein Lagerhausbrand. KI-Systeme benötigen Gigabyte um Gigabyte an klaren und genauen Daten, um effektiv zu sein. Sie finden Muster in den Daten und reagieren auf Anfragen, was diese Muster wahrscheinlich bedeuten und wie diese Erkenntnisse für strategische Geschäftszwecke genutzt werden können. Wenn es an Datenhygiene und -genauigkeit mangelt oder die Daten fehlerhaft sind, kann das KI-System Antworten liefern, von denen man erst (zu) spät merkt, dass sie falsch sind.
Noch lange nicht bereit für KI
Laut einer aktuellen Umfrage der Enterprise Strategy Group (PDF) im Auftrag von Hitachi Vantara unter 800 IT-Entscheidern weisen mehr als drei von fünf Unternehmen erhebliche Lücken in ihrer AI Readiness auf, insbesondere in Bezug auf Infrastruktur und Datenökosysteme.
Obwohl die Unternehmen das langfristige Potenzial von KI weiterhin optimistisch einschätzen, müssen sich viele noch auf eine breite Einführung vorbereiten. Mehr als die Hälfte der KI-Entscheidungsträger sind besorgt, ob ihre IT-Teams mit der schnellen Innovation durch generative KI Schritt halten können. Einige Unternehmen müssen daher unter anderem ihre Datenprozesse verbessern und ihre Infrastruktur ausbauen.
Auch die Erfolgsmessung generativer KI-Projekte variiert stark zwischen den Unternehmen. Etwa zwei von fünf Unternehmen überwachen den Fortschritt anhand einer qualitativen Wirkungsanalyse, der Genauigkeit der KI-Antworten oder des quantitativen Nutzens für Anwender und Prozesse. Etwas weniger Unternehmen, rund 38 Prozent, nutzen Kosten-/Nutzenanalysen. Da KI-Initiativen einen größeren Anteil der Unternehmensbudgets beanspruchen, wird erwartet, dass der Druck auf den ROI zunehmen wird.
Insgesamt unterstreicht der Bericht, dass Unternehmen zwar bestrebt sind, das Potenzial der generativen KI zu nutzen. Es sind jedoch noch erhebliche Vorarbeiten in den Bereichen Infrastruktur und Datenmanagement erforderlich, um die Vorteile auszuschöpfen und einen nachhaltigen, langfristigen Erfolg sicherzustellen.
Eine To-do-Liste aus der Hölle für CIOs
Die meisten Unternehmen wussten schon lange vor dem Aufkommen von GenAI, dass sie Datenprobleme hatten. Viele von ihnen vermieden Investitionen in KI und Business Intelligence, weil sie ihren Daten nicht trauten. Oft weiß niemand im Unternehmen genau, wo sich die Daten befinden und was sie bedeuten. Häufig gehören die Daten einzelnen Managern und werden von ihnen verwaltet, so dass es keine einzige Quelle der Wahrheit gibt, die so einfache Fragen wie die nach der Identität eines Kunden oder der Herkunft von Kundendaten beantworten könnte. Auch im Vertrieb, in der Produktionsüberwachung und in anderen Bereichen, in denen Daten schlecht verwaltet werden, sind Redundanzen weit verbreitet.
Wie ist es dazu gekommen? Jahrelang haben sich die meisten Unternehmen auf neue, schicke Objekte wie ERP- und CRM-Systeme konzentriert, die zwar wichtige Daten enthalten, diese aber in proprietären Datenspeichern verschlossen halten. Nach ERP und CRM kamen Data Warehousing, verteilte Systeme, Datenintegration und jetzt die Cloud. Dabei sind die Daten immer komplexer, verteilter und heterogener geworden, ohne dass eine zentrale Kontrolle möglich ist. Zu viele Unternehmen verstehen die Metadaten nicht und können die Daten nicht richtig durch die Geschäftsprozesse verfolgen. Hinzu kommt, dass Übernahmen zu einer gewissen Datenredundanz geführt haben und viele Unternehmen immer noch mit den alten Systemen arbeiten, die mit den übernommenen Unternehmen geliefert wurden. Das Ergebnis ist, dass sie sich nun mit KI in einer Situation befinden, in der die Bedeutung, Struktur und Wahrhaftigkeit von Daten nicht optional sind.
Bevor KI einen Mehrwert bieten kann, müssen CIOs ihre Daten in Ordnung bringen. Für viele mag dies zu teuer oder zu riskant sein. Die Unfähigkeit, KI aufgrund von Datenproblemen einzusetzen, könnte jedoch einige Unternehmen in den Ruin treiben, da ihre Konkurrenten KI als entscheidenden Innovationsfaktor nutzen. Am Ende wird es Gewinner und Verlierer geben.
Die Lücken schließen
Achtung, Unternehmen: Wenn Eure Daten nicht bereit sind, solltet Ihr KI vermeiden. Viele gescheiterte KI-Projekte lassen sich auf mangelhafte Datenökosysteme und die mangelnde Bereitschaft, diese zu verbessern, zurückführen. Einige Unternehmen glauben, dass KI in der Lage ist, die Daten für sie zu bereinigen, aber das ist nie der Fall.
Ich rate dazu, die Datenqualität zu verbessern, denn das bringt mehr Vorteile als nur KI-Readiness, und es lohnt sich, Zeit und Geld dafür zu investieren. KI-Investitionen scheinen dazu zu dienen, die Fehler der Vergangenheit auszubügeln. Viele CIOs sind mehr als glücklich darüber, dies zum Problem des nächsten IT-Leiters zu machen. Sie sind gezwungen, ihre Führungskräfte und den Vorstand um Geld zu bitten, um jahrelange Versäumnisse und fehlende Datenstrategien zu korrigieren, ohne dass ein direkter geschäftlicher Nutzen erkennbar ist. Die meisten CIOs werden diese Diskussion nicht führen.
Mein Rat ist dennoch: Repariert Eure Daten, ob Ihr nun KI einsetzen wollt oder nicht. Vielleicht ist KI ein Anreiz, Eure Unternehmensdaten endlich in einen viel funktionaleren Zustand zu bringen. Auch das ist in Ordnung.
Sie wollen weitere interessante Beiträge zu diversen Themen aus der IT-Welt lesen? Unsere kostenlosen Newsletter liefern Ihnen alles, was IT-Profis wissen sollten - direkt in Ihre Inbox!
(mb)